Sciencemag.cz
Doporučujeme
Ve starších modelech strojového učení by musel samořídící automobil nejdříve najezdit miliony kilometrů s řidičem a přitom sbírat data…
Rozvoj umělé inteligence byl jedním z hlavních témat loňských zpráv z oblasti technologií. Viděli jsme, jak se algoritmy učí hrát hru Go bez lidské pomoci, Elon Musk a Mark Zuckerberg se hádali o kladech a záporech umělé inteligence pro lidstvo a v neposlední řadě Rusko a Čína prohlásily, že umělá inteligence je jejich nejvyšší priorita. Během roku 2018 všechny formy umělé inteligence projdou mnohem důkladnějším vývojem. Jedna z nejdůležitějších disciplín ve vývoji umělé inteligence, hloubkové učení, má obzvláště velkou šanci pokročit vpřed.
Obecně lze říct, že se vývojáři umělé inteligence snaží počítačům propůjčit lidské myšlení a uvažování, díky kterému by byly stejně anebo ještě chytřejší, než je člověk. Jednou z cest, jak toho dosáhnout, je strojové učení, které se využívá napříč všemi odvětvími. Vedle něj se ale začínají objevovat i progresivnější způsoby.
To platí zejména pro hloubkové učení. Jedná se o inovativní větev strojového učení, která velmi věrně napodobuje fungování lidského mozku při zpracování dat a vytváření vzorců rozhodování. Vloni se tato technologie stala nezbytnou součástí mnohých oborů (jako např. zdravotnictví nebo samořídící auta). Hloubkové učení mělo také obrovský dopad na celý reklamní sektor.
Hloubkové učení bylo inspirováno biologickými neurony v našem mozku a umožnilo získávat spolehlivější, bohatší, strojově interpretovatelný popis nákupního potenciálu zákazníka, aniž by byl potřeba jakýkoli zásah člověka. Společnost RTB House například nedávno analyzovala rozsáhlé sady dat, které ukazují, že využití umělé inteligence může vést ke konverzím vyšším o 35 % v porovnání se situací, kdy kampaň řídí pouze sám marketér. Ale algoritmy hloubkového učení mohou dosáhnout ještě více. V reklamním průmyslu dokážou předpovědět přání uživatelů. Zjednodušují naši uživatelskou zkušenost tím, že nám zobrazují reklamy nejen na produkty, které si nejspíš koupit chceme, ale také na ty, které jsme doposud vůbec neviděli nebo jsme o nich ani neslyšeli.
Mnoho brandů si všimlo výhod, které jim zavedení umělé inteligence a hloubkového učení do jejich produktů nebo nástrojů může přinést. Očekáváme, že v roce 2018 se vedoucí společnosti zaměří na rozvoj vlastních řešení v oblasti umělé inteligence.
Od učení pod dohledem do nových oblastí
V roce 2017 jsme byli svědky odklonu od tzv. „učení pod dohledem“, což je standardní přístup využívaný strojovým učením. Založený je na tom, že člověk dává pokyny počítači, který se má učit a přitom zohledňovat již existující příklady, datové sady a odpovědi.
V roce 2018 se výzkum umělé inteligence posune do sofistikovanějších oblastí jako je „přenosové učení“. Jedná se o formu hloubkového učení, kde je výuka stroje založena na různých simulacích – namísto dat z reality. Tím je proces mnohem jednodušší, rychlejší a levnější. Pomocí této metody se stroj učí přijímat rozhodnutí s logickými závěry, analogií nebo dedukcí.
Například ve starších modelech strojového učení by musel samořídící automobil nejdříve najezdit miliony kilometrů s řidičem a přitom sbírat data. Ta by byla nahrána do stroje, který se učí řídit na základě řidičových rozhodnutí. Díky přenosovému učení odpadá potřeba fyzického řidiče. Namísto toho mohou být data získána ze stovek tisíc simulací, jako je třeba počítačová autohra. Simulováním milionů hodin jízdy se stroj sám učí, jak řídit a může přenést tuto znalost do reálného světa.
Druhý přístup je označován jako “posílené učení”. Jeho účelem je přimět stroj co nejlépe rozhodovat o svých činech na základě zpětné vazby získané z prostředí, ve kterém se pohybuje. Týká se to například inzerentů při dražbách reklamního prostoru. Aukční systémy jsou velmi komplikované. Dokonce i odborníci mají často problémy s určením optimální sazby, která by jim umožnila dosáhnout požadovaných výsledků za nejnižší cenu. Stroj se sice ze začátku bude také setkávat s podobnými problémy, nicméně na rozdíl od člověka může pracovat 24 hodin denně a nepřetržitě se učit i ze simulací. Oproti člověku tak může získat mnohem rychleji větší množství zkušeností. Na základě výsledků simulací aukcí se může učit, jak se účastnit dražby co nejefektivněji a jak díky tomu v aukcích vyhrávat.
Nové pracovní pozice i úkoly
Algoritmy hloubkového učení se také učí stejným způsobem, jako to dělají lidé. Na rozdíl od nich se stroj učí neporovnatelně rychleji a je schopen analyzovat nepředstavitelné množství dat. Neprojevuje se u něj únava a ospalost a nedělá příliš mnoho chyb. Umělá inteligence se bude snažit překonat lidi ve všech možných oblastech. V dnešní době už je schopná rozpoznat obrázky lépe než člověk.
Znamená to snad, že stroje lidi nahradí a vezmou jim práci? Ne tak úplně. Podle Světového ekonomického fóra 65 % dětí, které teď přicházejí na základní školu, nastoupí na pracovní pozice, které v dnešní době ještě neexistují. Současná míra rozvoje umělé inteligence umožňuje většímu množství firem hledat další IT specialisty, datové analytiky a programátory. Letos budeme pravděpodobně svědky nárůstu počtu nových pracovních nabídek pro vědce v oblasti dat – tyto pozice prozatím nebyly příliš populární.
Inovace z roku 2017 budou letos dál rozvíjeny
Konečným cílem pro hloubkové učení je ulehčit nám život a zvýšit efektivitu naší práce. Používání umělé inteligence proto již není standardem, ale nutností pro společnosti, které chtějí být konkurenceschopné na globálním trhu. A to ne proto, aby personalizovaly anebo zlepšovaly finální produkt, ale aby rozvíjely celou řadu souvisejících činností – například shromažďování a analýzu dat. Firmy nyní disponují tak velkým množstvím dat, že je nestíhají zpracovat. To přímo ovlivňuje rozhodnutí jejich zaměstnanců a následně finanční výsledky. Firmy, které se specializují na shromažďování a analýzu dat pro různé partnery, budou stále důležitější. Společnosti s většími rozpočty budou využívat umělou inteligenci, aby zjistily, co nabízet zákazníkům, jaké termíny doporučovat dodavatelům, nebo s její pomocí budou radit svým zaměstnancům, co mají říkat a dělat. To vše v reálném čase. Rovněž je třeba počítat s tím, že brzy vzniknou nové startupy, které budou nabízet svá vlastní řešení postavená na algoritmech schopných samostatného učení. Tato technologie se bude dál rozvíjet.
Umělá inteligence se v roce 2017 stala součástí našeho každodenního života i veřejné diskuse. V nadcházejících letech se budou vyvíjet hlavně technologie postavené na umělé inteligenci, které nahradí lidi při plnění mnohých složitých úkolů. Lidský život bude jednodušší. Než se tak ale stane, je třeba udělat ještě spoustu práce.
