Laici si pod umelou inteligenciou zvyčajne predstavia filmové postavy rozmýšľajúcich robotov alebo pragmatické palubné systémy. Hoci by stačilo, keby si spomenuli na svoje mobily – mnohé smartfóny sú vybavené virtuálnymi asistentkami ako Siri alebo Cortana, ktoré nesú prvky umelej inteligencie (Artificial Intelligence – AI).
Vývojom v tejto oblasti sa zaoberá aj firma GoodAI z Prahy. Založil ju Slovák Marek Rosa, ktorý tam pred ôsmimi rokmi prišiel navrhovať videohry. Verí, že práve rozmýšľajúci stroj bude zásadný evolučný krok pre ľudstvo. A musí byť pri tom.
TEXT: Marián Biel / Trend
Do projektu GoodAI ste vložili vlastných desať miliónov dolárov z predaja dvoch videohier. To sa im muselo riadne dariť.
Na európske pomery celkom áno. Zjavne je množstvo hráčov, ktorí túžia niečo tvoriť. Zo Space Engineers sa predalo viac ako jeden a pol milióna kópií, z Medieval Engineers zatiaľ niečo okolo 150-tisíc kópií. Inšpirovalo ma Lego a aj v týchto hrách ide o tvorbu vesmírnych lodí alebo stredovekých hradov a interakciu s nimi. Úspech hier mi dovolil investovať do oblasti, ktorá ma zaujímala už od pätnástich rokov. GoodAI bol prvé dva roky najprv spin-off herného štúdia Keen Software House. Od júla je to už samostatný dvadsaťčlenný tím.
SME+
Viac podobných článkov nájdete na SME+. Vznikajú vďaka vašej podpore. Ďakujeme
Umelá inteligencia je veľmi široký pojem. Na čo sa zameriavate?
Na všeobecnú umelú inteligenciu, general AI. Existuje ešte úzka umelá inteligencia, narrow AI, ktorá je optimalizovaná na určitú oblasť: samojazdiace autá, virtuálne asistentky alebo systémy na rozoznávanie tvárí. Ide o to, že jeden algoritmus môže skvele rozpoznávať značky pri ceste a rýchlosť protiidúceho auta, ale nevie odpovedať na otázku, aký vysoký je Mount Everest. Je to alezáklad pre všeobecnú AI.
Ako si teda máme predstaviť všeobecnú umelú inteligenciu?
Veľmi zjednodušene, ako umelý mozog, ktorý ovláda jeho nositeľa alebo médium. Či už ide o softvér alebo o mechanické zariadenia či roboty, tento mozog dostáva cez klávesnicu, kamery a iné snímače podnety a informácie. Tie spracováva a na ich základe ovplyvňuje svoje prostredie, či už spínaním niečoho na softvérovej úrovni alebo pohybom ramien na fyzikálnej úrovni. Nad tým všetkým je motivačný systém, ktorý nadefinuje vývojár.
My tomu robotovi potrebujeme povedať, čo je pre neho žiaduce a čo nežiaduce. A tiež čo je pre neho odmena a čo trest. Musíme ho učiť, do akých situácií sa má dostávať a ktorým sa má vyhýbať. Keď sa nad tým zamyslíte, opísal som človeka a ostatné živočíchy pri ich dospievaní. Len s tým rozdielom, že motivačný systém k nám prišiel cez evolúciu.
Nakódovať takýto motivačný systém zrejme nebude jednoduché.
Správne. Riešime vstupné a výstupné dáta, v ktorých má tento „mozog“ nachádzať vzorce, korelácie, súvislosti. Musí z neštruktúrovaných dát, napríklad z pixlov z kamery, urobiť štruktúrované. V podstate si vytvára model prostredia a samého seba. A podobne si vytvára model ovplyvňovania prostredia. Vidí, ako jeho činnosť pohla robotickým ramenom, čo to urobilo s okolím, a v tom musí hľadať vzorce.
Práve algoritmy, ktoré dokážu hľadať kauzality, sú svätým grálom pri vývoji všeobecnej umelej inteligencie. Na to je nadviazaný aj motivačný systém: urobil som jedno a dostal som odmenu, spravil som iné a prišiel trest. Ďalšia vrstva je rozhodovanie na základe skúseností. Systém chce maximalizovať odmenu, a preto začne vytvárať hypotézy, že ak sa dostane do jednej situácie, dostane jednu odmenu a v inej situácii zasa inú. A podobne ako človek, vyberie si tú s najvyššou odmenou.
Niečo ako pociťovanie hladu?
Áno. Mozog cíti potrebu a po skúsenostiach z minulosti vie, že presunom k chladničke a jej otvorením nájde jedlo, ktoré potrebu nasýtenia splnia. Ale to je automatické, podvedomé. Lepší príklad je učiť sa šoférovať. Mozog musí najprv rozmýšľať, ako sa s autom rozbehnúť, ako zaraďovať prevodové stupne. Keď sa s tým zžije, učenie postupuje na ďalšiu úroveň, mozog sa snaží napríklad predstaviť si najvhodnejšiu trasu do cieľa.
