Všichni mluví o umělé inteligenci, známé také ve zkrácené podobě AI. Ale o co vlastně jde? To je přesně to, co si dnes vysvětlíme.
- Bude AI znamenat konec osobní odpovědnosti?
-
Co AI ve vašem smartphonu skutečně znamená
Dějiny
Umělá inteligence hraje v našich životech stále větší roli a nejnovějším trendem jsou AI čipy a doprovodné aplikace pro chytré telefony. Tato technologie se však začala vyvíjet již v 50. letech v rámci projektu Dartmouth Summer Research Project on Artificial Intelligence na Dartmouth College v USA. Její počátky sahají ještě dále k práci Alana Turinga, kterému můžeme připsat slavný Turingův test. —, Allen Newell a Herbert A. Simon, ale umělá inteligence se do centra pozornosti na světové scéně nedostala až do příchodu šachového superpočítače Deep Blue od IBM, který jako první stroj porazil tehdy obhajujícího mistra světa v šachu Garryho Kasparova. v roce 1996. Algoritmy umělé inteligence se používají v datových centrech a na velkých počítačích již mnoho let, ale v oblasti spotřební elektroniky jsou přítomny teprve nedávno.
Definice umělé inteligence
Definice umělé inteligence ji charakterizuje jako odvětví informatiky, které se zabývá automatizací inteligentního chování. Zde je ta nejtěžší část: Protože nelze přesně definovat inteligenci jako takovou, nelze přesně definovat ani umělou inteligenci. Obecně řečeno, termín se používá k popisu systémů, jejichž cílem je používat stroje k emulaci a simulaci lidské inteligence a odpovídajícího chování. Toho lze dosáhnout pomocí jednoduchých algoritmů a předem definovaných vzorů, ale může být také mnohem složitější.
Různé druhy AI
Umělá inteligence se symboly nebo symboly pracuje s abstraktními symboly, které se používají k reprezentaci znalostí. Je to klasická umělá inteligence, která sleduje myšlenku, že lidské myšlení lze rekonstruovat na hierarchické, logické úrovni. Informace jsou zpracovávány shora, pracuje se s lidmi čitelnými symboly, abstraktními souvislostmi a logickými závěry.
- Umělá inteligence se zvyšuje ve videohrách…ne proto, aby nás porazila, ale aby se k nám přidala
Neuronová AI se stala populární v počítačové vědě na konci 80. let. Znalosti zde nejsou reprezentovány symboly, ale spíše umělými neurony a jejich spojeními – něco jako rekonstruovaný mozek. Shromážděné znalosti jsou rozděleny na malé kousky – neurony – a poté jsou spojeny a sestavovány do skupin. Tento přístup je známý jako metoda zdola nahoru, která funguje zdola. Na rozdíl od symbolické umělé inteligence musí být nervový systém trénován a stimulován, aby neuronové sítě mohly sbírat zkušenosti a růst, a tak shromažďovat větší znalosti.
Neuronové sítě jsou organizovány do vrstev, které jsou vzájemně propojeny pomocí simulovaných linek. Nejvyšší vrstvou je vstupní vrstva, která funguje jako senzor, který přijímá informace ke zpracování a předává je dále. Nyní následují nejméně dvě – nebo ve velkých systémech více než dvacet – vrstev, které jsou hierarchicky nad sebou a které posílají a klasifikují informace prostřednictvím spojení. Úplně dole je výstupní vrstva, která má obecně nejmenší počet umělých neuronů. Vypočtená data poskytuje ve strojově čitelné podobě, tedy „obrázek psa ve dne s červeným autem“.
Metody a nástroje
Pro aplikaci umělé inteligence na scénáře reálného světa existují různé nástroje a metody, z nichž některé lze používat paralelně.
Základem toho všeho je strojové učení, které je definováno jako systém, který buduje znalosti ze zkušeností. Tento proces dává systému schopnost detekovat vzory a zákony – a to se stále vyšší rychlostí a přesností. Ve strojovém učení se používá jak symbolická, tak neurální AI.
Hluboké učení je podtypem strojového učení, které je stále důležitější. V tomto případě se používá pouze neuronová AI, tedy neuronové sítě. Hluboké učení je základem většiny současných aplikací umělé inteligence. Díky možnosti stále více rozšiřovat design neuronových sítí a dělat je složitějšími a výkonnějšími s novými vrstvami je hluboké učení snadno škálovatelné a přizpůsobitelné mnoha aplikacím.
Existují tři procesy učení pro trénování neuronových sítí: učení pod dohledem, bez dozoru a zesílené učení, které poskytuje mnoho různých způsobů, jak regulovat, jak se vstup stane požadovaným výstupem. Zatímco cílové hodnoty a parametry jsou při učení pod dohledem specifikovány zvenčí, při učení bez dozoru se systém pokouší identifikovat vzory ve vstupu, které mají identifikovatelnou strukturu a lze je reprodukovat. Při posilovacím učení stroj také funguje samostatně, ale je odměňován nebo trestán v závislosti na úspěchu nebo neúspěchu.
Aplikace
Umělá inteligence se již využívá v mnoha oblastech, ale zdaleka ne všechny jsou na první pohled vidět. Výběr scénářů, které využívají možností této technologie, proto není v žádném případě úplným výčtem.
Mechanismy umělé inteligence jsou vynikající pro detekci, identifikaci a klasifikaci objektů a osob na obrázcích a videích. K tomu se používá jednoduchá, ale CPU náročná detekce vzoru. Pokud jsou obrazové informace dešifrovány a strojově čitelné na prvním místě, lze fotografie a videa snadno rozdělit do kategorií, vyhledávat a nacházet. Takové rozpoznání je také možné pro audio data.
Zákaznický servis stále více využívá chatboty. Tito textoví asistenti provádějí rozpoznávání pomocí klíčových slov, která mu může zákazník říci, a oni podle toho reagují. V závislosti na použití může být tento pomocník více či méně komplexní.
Analýza názorů se nevyužívá pouze pro prognózování voleb v politice, ale také v marketingu a mnoha dalších oblastech. Opinion mining, také známý jako analýza sentimentu, se používá k hledání názorů a emocionálních vyjádření na internetu, což umožňuje vytvoření do značné míry anonymizovaného průzkumu veřejného mínění.
Vyhledávací algoritmy jako Google jsou přirozeně přísně tajné. Způsob, jakým jsou výsledky vyhledávání počítány, měřeny a vydávány, jsou do značné míry určovány mechanismy, které pracují se strojovým učením.
Zpracování textu neboli kontrola gramatiky a pravopisu textu je klasickou aplikací symbolické umělé inteligence, která se používá již dlouhou dobu. Jazyk je definován jako komplexní síť pravidel a instrukcí, která analyzuje bloky textu ve větě a za určitých okolností dokáže identifikovat a opravit chyby.
Tyto schopnosti se využívají také při syntéze řeči, o které se v současnosti mluví ve městě s asistenčními systémy jako Siri, Cortana, Alexa nebo Google Assistant.
Na nových čipech smartphonů, jako je Kirin 970, je umělá inteligence integrována do své vlastní komponenty, NPU nebo neurální procesorové jednotky. Procesor debutuje v Huawei Mate 10. Dozvíte se o něm více a o rolích, které technologie bude hrát hrát na smartphonu Huawei, jakmile budeme mít možnost s ním v blízké budoucnosti experimentovat. Qualcomm již dva roky pracuje na NPU, procesoru Zeroth, a nový čip Apple A11 obsahuje podobnou součástku.
Kromě toho existuje řada výzkumných projektů v oblasti umělé inteligence a nejvýraznějším ze všech může být Watson od IBM. Počítačový program již poprvé veřejně debutoval v roce 2011 v kvízové show Jeopardy, kde se utkal se dvěma lidskými kandidáty. Watson samozřejmě vyhrál a poté se konala další reklamní vystoupení. Japonská pojišťovna používá Watson od ledna ke kontrole pojištěných zákazníků, jejich historie a zdravotních údajů a k vyhodnocování úrazů a nemocí. Podle informací společnosti Watson vyměnil zhruba 30 zaměstnanců. Ztráta pracovních míst v důsledku automatizace je pouze jedním z etických a společenských problémů souvisejících s umělou inteligencí, který je předmětem podnikového a akademického výzkumu.
Projekce
Umělá inteligence není něco, co se nedávno objevilo jen tak z ničeho, ale blíží se k průlomu ve světě spotřební elektroniky, což je více než dostatečný důvod, aby se s tímto tématem v budoucnu všichni drželi krok.
Které aspekty umělé inteligence považujete za mimořádně zajímavé? Dejte nám vědět v komentářích níže!
Zdroj:
1&1, Qualcomm, Mistrovství ve strojovém učení