Čeká nás další průmyslová revoluce? Umělá inteligence zařazuje druhý stupeň

U technologií není podstatné to, co si můžete koupit, ale nástroje, které dovolí vyvinout to, co si jednou budete moct koupit. To, co vidíte jako koncový produkt, je done, je to hotové, tam už jsme, ale to skutečně podstatné je to, co obvykle není vidět, protože se na tom teprve pracuje – a čím je to zajímavější, tím méně se o tom obvykle mluví.

Tyhle trendy jsou ale důležité, protože určují, co se jednou stane. Proto, když se něčeho zdánlivě předstrašeně hrozíme, není to proto, že by na nás kladivo dopadlo zítra, ale proto, že to přijde časem. Kupříkladu koncept softwaru jako služby (SaaS, Software as a Service), který nás zbavuje „vlastnictví, abychom neměli nic a byli šťastni“, bylo něco, co na nás začalo zpoza temných rohů vykukovat už před patnácti lety – ale teprve dnes se dostáváme do světa, ve kterém si už nemůžete spoustu softwaru nebo obsahu koupit, ale musíte za něj platit pravidelný pronájem, který v důsledku vyjde dráž, a jakmile přestanete, nebudete mít nic.

S umělou inteligencí je to podobné. Mnoho skeptiků vykřikuje, „že to není nic významného, protože oni se toho na něco zeptali a ono to odpovědělo blbě“. To je sice možné, ale spíš by je mělo děsit to, že se „toho zeptali a ono to vůbec odpovědělo něco, co dávalo smysl“. Dál je to otázka učení, zvyšování komplexnosti modelů a přístupu k datovým zdrojům, což je krok, který může proběhnout překvapivě rychle. 

Dvakrát u ledu

A podstatné, opravdu podstatné je hlavně to, aby AI měla dostatečně mocné prostředky pro svůj vlastní vývoj. Pokud se podíváte na dějiny umělé inteligence, tak si všimnete toho, že AI prošla dvěma „zimami“, tedy obdobími masivního úpadku. 

Tou první je tak zvaná „první AI zima“ z let 1974–1980, kdy počáteční období optimismu náhle skončilo – a zatímco se na konci 60. let zdálo, že myslící stroje budeme mít maximálně do konce dalšího desetiletí, najednou vývoj narazil na zeď. 

Ta je charakterizována tak zvaným Moravcovým paradoxem, kdy matematik a futurista rakouského původu Hans Moravec upozornil na to, že zatímco nejvýkonnější dostupný počítač Cray-1 (1976) má výkon 80-130 MIPS, tak na pouhou simulaci retiny by bylo třeba alespoň 1000 MIPS. (Později se ukázalo, že je to spíš něco jako milion MIPS.) Počítače s omezenou výpočetní kapacitou dokázaly provádět vysoce abstraktní logické inference, ale naprosto nestačily na problémy z reálného světa.

Konec první AI zimy souvisí s tím, že se vývojáři smířili s myšlenkou, že prostě nebudou mít robotiku s umělým viděním a přirozenou analýzou scény, ale pořád můžou mít poměrně praktické expertní systémy jako MYCIN nebo XCON. V roce 1988 Deep Thought vyhrál North American Computer Chess Championship a v roce 1989 World Computer Chess Championship, ale ještě prohrál s Kasparovem.

V letech 1987–1993 ale přichází „druhá AI zima“, kdy se zase zdá, že se nám umělá inteligence vzdaluje, ale ta souvisela s tím, že začínala masová éra PC – a třiosmšestky a čtyřiosmšestky opravdu neměly dostačující výkon pro náročnější úlohy umělé inteligence. Moravcův paradox se nám vrátil, tentokrát v PC verzi.

Dnes jsme ale někde úplně jinde – a paradoxně tomu pomáhá to vlastnost, kterou jsem tradičně považoval za největší slabinu moderní umělé inteligence, totiž že má dva diametrálně odlišné funkční stavy: Učení a provádění neboli inferenci. Učení je stav, kdy se AI trénuje – a je to režim vyžadující obrovské datasety a datacentra, zatímco režim samotného odpovídání, inference, je podstatně méně náročný.