„V minulosti jsme se učili, jak fungují počítače. Ve světě chytrých strojů se počítače učí, jak ‘fungujeme‘ my, lidé.“ Věta, kterou zahájil analytik a ředitel pro výzkum Gartner Magnus Revang čtvrteční brífing o chytrých strojích a digitální transformaci v pražském hotelu Palace asi nejlépe shrnuje nejzásadnější obrat, který chytré stroje přinášejí: chytré, učící se a přízpůsobující se digitální prostředí.
Jedním z častých omylů týkajících se učení současné první (podle některých dokonce nulté) generace chytrých strojů a AI je paradoxně právě nepochopení toho, jak se tyto systémy učí. Sami jsme schopni učit se jak cíleně – v rámci studia či školení, tak průběžně ze zkušeností a informací v našich každodenních interakcích. Automaticky proto předpokládáme, že chytré stroje to „mají“ podobně. Ve skutečnosti je ale u těchto systémů proces učení, zejména zlepšování kognitivních schopností (rozpoznávání obrazu, hlasu apod.) zcela oddělen od vlastního provozu. Zjednodušeně řečeno: chytré stroje se (obvykle), nemohou učit průběžně. Chytrý stroj může pochopitelně průběžně sbírat informace a doporučovat nebo dokonce dělat na jejich základě rozhodnutí, obvykle ale nemůže průběžně zlepšovat svou schopnost informace sbírat a rozpoznávat. Právě v procesu učení chytrých strojů a AI nastala v poslední době řada zásadních posunů, což může mít dalekosáhlé následky.
Například v oblasti rozpoznávání obrazu se v posledním roce a půl dostaly systémy Microsoftu a Googlu na úroveň (míru chybovosti) srovnatelnou s lidmi. Této hranici se blíží také systémy čínské společnosti Baidu, jejíž aplikace jsou zároveň nejlepší ve schopnosti rozpoznávat mluvené slovo (s mírou chybovosti asi 7% v ideálním prostředí a 18% v prostředí hlučném). Baidu se na mluvené slovo zaměřuje především proto, že v čínštině je procento chyb při psaní v průměru výrazně vyšší, než v „západních“ jazycích. Obrovského zlepšení bylo dosaženo zejména díky možnostem intenzivního „učení“ na superpočítačových klastrech využívajících obrovský výkon mnoha grafických procesorů (GPU) – již zmíněné Baidu například trénovalo své systémy pomocí Geforce GTX Titan X (každá s 12 miliardami tranzistorů a výkonem 11 TFLOPS) po dobu 48 hodin. Takto vytrénované AI pak pro běh stačí výkon dostupný v běžném chytrém telefonu (i ten je ale dnes úctyhodný).
Během posledních deseti let se právě díky superpočítačům a klastrům vybaveným GPU zvýšil výkon dostupný pro „trénování“ AI a chytrých strojů až stotisícnásobně – a během příštích čtyř let by se podle Revanga mohl zvýšit ještě sto až tisícínásobně. Jak ale zároveň poznamenal: „Jsme teprve ve třetím roce něčeho, co jako éra může trvat i 70 let“.
Tématu chytrých strojů se budeme v komentářích věnovat i v následujících dnech. Sledujte náš web, Twitter (@INSIDECZ) a zajímá-li vás nějaké téma, napište nám (redakce@kpc-group.cz/inside).