Budeme vysokú inteligenciu vytvárať počítačom?

Premýšľajúce počítače či vo všeobecnosti automatické stroje, ktoré dokážu aspoň čiastočne vyrovnať alebo úplne prekonať ľudské kognitívne schopnosti, sa objavujú v mýtoch, legendách či vo fantastickej literatúre už mnoho storočí. Svetlo reality na tento dávny sen ľudstva však vrhla až moderná éra počítačov.

Štúdiom a vývojom strojov, ktoré vykazujú inteligentné správanie, sa zaoberá odbor informatiky označovaný termínom umelá inteligencia. Za niekoľko desaťročí od svojho vzniku prešiel tento odbor fázami úspechov i trpkých sklamaní. V prvej polovici článku sme sa zaoberali základnými princípmi umelej inteligencie (UI), poukazovali sme na najdôležitejšie filozofické úskalia, ale aj technické problémy.

Predstavujeme úspech počítača Watson, ktorý odpovedal na otázky kladené v prirodzenom jazyku v súťaži podobnej našej relácii Riskuj. Nastúpil proti dvom historicky najúspešnejším šampiónom a zo súťaže odišiel ako jasný víťaz.

Zároveň sme prešli dôležitými udalosťami, ktoré sa udiali od vzniku odboru UI v polovici 20. storočia až po začiatok 90. rokov, keď táto oblasť zažívala jeden zo svojich útlmov. V tejto časti článku sa pozrieme na prelomové momenty v období od konca minulého storočia až po súčasnosť. Teraz poukážeme na narastajúci objem použitia prvkov UI v bežnom živote a nazrieme aj do blízkej budúcnosti, ktorá bezpochyby prinesie obrovský rozmach umelej inteligencie v rámci celej našej spoločnosti.

Na začiatku 90. rokov minulého storočia sa odvetvie UI spamätávalo z tzv. druhej zimy, teda z obdobia reprezentovaného len minimom grantov a investícií do vývoja. Kým prvú zimu a útlm vývoja v 70. rokoch môžeme pripísať na vrub prílišnému nadšeniu vývojárov, ktorí podcenili vtedajší akútny nedostatok výpočtového výkonu, druhá zima na prelome 80. a 90. rokov sa dá chápať ako priamy dôsledok komplikácií súvisiacich s Moravcovým paradoxom.

Ide o neočakávané zistenie, že úlohy, ktoré sú pre človeka mimoriadne ťažké (napr. matematické výpočty), sú počítačom ľahko riešiteľné, zatiaľ čo úlohy triviálne pre človeka (rozoznanie tváre alebo chôdza miestnosťou bez nárazu) sú pre počítač, naopak, mimoriadne náročné. Na tento paradox v 80. rokoch po prvýkrát poukázal významný vývojár UI Hans Moravec. Ide o jav spôsobený tým, že vlastnosti súvisiace s biologickým zrakom a pohybovým ústrojenstvom majú za sebou nesmierne dlhý evolučný proces, ktorý ďaleko presahuje históriu rodu Homo Sapiens. V skutočnosti nejde o jednoduché, ale o veľmi náročné úlohy, ktorých riešenie sa vyvinulo vďaka obrovskému selekčnému tlaku.

Optimizmus, ktorý prevládal pri vzniku odvetvia UI v 60. rokoch, vychádzal z toho, že za prejav vysokej inteligencie sa vo všeobecnosti považovalo riešenie úloh, ktoré človek pokladal za náročné. Celkom prirodzene totiž prisudzujeme vysokú inteligenciu ľuďom, ktorí dokážu riešiť komplikované algebrické problémy, dokazujú matematické teorémy či hrajú na vysokej úrovni partiu šachu.

Veci, ktoré zvládne aj štvorročné dieťa, ako napríklad rozoznať na prvý pohľad posteľ od stoličky, vojsť do miestnosti a vyliezť na pohovku či rozlišovať, kedy sa vedľa neho stojaca mama rozpráva s ním a kedy s otcom, sa za prejav extrémne vysokej inteligencie zväčša nepovažujú. Zvládne ich totiž nielen človek trpiaci mentálnou retardáciou, ale dokonca aj pes. Z tohto dôvodu je pochopiteľné, že keď sa v počiatkoch vývoja UI začali tvoriť logické programy úspešne riešiace čoraz ťažšie algebrické a geometrické problémy, mnoho vývojárov malo prehnané očakávania. Zdalo sa totiž, že rýchly postup v riešení ťažkých problémov znamená, že ľahšie problémy v súvislosti s jednoduchým uvažovaním či zrakom budú vyriešené v krátkom čase.

Tento dojem bol však mylný. Z dôvodu Moravcovho paradoxu sú totiž tieto záležitosti mimoriadne zložité a jednoduché sa nám zdajú len preto, že ich vykonávame nevedome. Vytriezvenie z prehnaných očakávaní a nesplnenie veľkolepých prísľubov malo devastujúci dôsledok v podobe rušenia financovania projektov UI. V polovici 90. rokov, keď sa odbor UI prebúdzal z druhej tvrdej zimy, začali vývojári prezentovať projekty so striedmejšími cieľmi, pričom ich úmyselne pomenovávali inými prívlastkami, aby sa vyhli negatívnej verejnej mienke a neboli vnímaní ako neperspektívni a naivní rojkovia. Tento trend pokračuje dodnes a v súčasnosti sa často stretneme s označeniami ako kognitívne, znalostné alebo inteligentné systémy či výpočtová inteligencia.

Robot Petman od spoločnosti Boston Dynamics

UI ako výzva pre šachových veľmajstrov

V 90. rokoch minulého storočia sa udial zásadný prelom na poli UI v súvislosti so schopnosťami softvéru a hardvéru pri hraní šachu. Rýchle stúpanie výkonu mikroprocesorov (za posledné dve dekády počet tranzistorov narástol z tisícov na milióny) a zároveň pokroky na úrovni vyhľadávacích a hodnotiacich algoritmov umožnili vykonávať úlohy v takej náročnosti, o akej sa pred niekoľkými desaťročiami vývojárom ani nesnilo. Ešte v priebehu 70. a 80. rokov nebolo úplne jasné, či nejaký šachový program bude schopný poraziť špičkových ľudských hráčov v dohľadnom čase.

Medzinárodný šachový majster David Levy v roku 1968 uzatvoril známu stávku (o 1250 libier), že žiadny počítačový program ho v horizonte desiatich rokov neporazí. Aj keby sa mohlo zdať, že schopnosť počítača skúšať tisíce a neskôr milióny kombinácií za sekundu mu zabezpečí okamžite neporaziteľnosť, nie je to tak. Ak si predstavíme napríklad jednoduchú hru piškvorky s hracím poľom 3 × 3, pri ktorej máte za úlohu poskladať rad troch súvislých bodov vo vodorovnej, zvislej alebo diagonálnej polohe, pokiaľ pozorne hrajú proti sebe dvaja dospelí ľudia, je prakticky nemožné, aby sa hra skončila inak ako remízou. Je to jednoducho preto, že obaja hráči sú bez problémov schopní vo svojej predstavivosti simulovať celú hru do konca vo všetkých možných ťahoch a vyhnú sa prípadom, ktoré vedú k ich prehre. Jediná možnosť, ako túto minihru vyhrať, je, že váš súper prehliadne kombináciu, ktorá vedie k jeho prehre, čo sa môže stať vtedy, ak hru hráte napríklad s malým dieťaťom.

Keby bol počítač schopný pred svojím reálnym ťahom celú šachovú partiu simulovať do konca vo všetkých možných kombináciách podobne ako vy v príklade s piškvorkami, znamenalo by to, že by nemohol prehrať. Šachová hra je však značne komplikovanejšia, a pokiaľ nejde o cvičnú úlohu v podobe záverečného matu, kombinatorická explózia, ktorá nastane po pár ťahoch, znemožní počítanie všetkých možných kombinácií do veľkých hĺbok. Počas niekoľkých ťahov po otvorení totiž počet možných variantov narastie do astronomických čísel.

Ako teda programy šach vôbec hrajú? V rámci mnohých aspektov nie príliš odlišne od človeka. Šachový program fungujúci na svojom hardvéri je jednoúčelový, ale veľmi komplikovaný inteligentný činiteľ (pozri predchádzajúcu časť článku). Má svoj cieľ, ktorým je víťazstvo alebo vyhnutie sa porážke, má univerzálne „predstavy" o tom, ako to dosiahnuť (snažiť sa udržať najlepšiu možnú pozíciu alebo lepšiu pozíciu ako súper), riadi sa podľa pravidiel sveta, v ktorom sa nachádza (šachovnica), priraďuje rozličným objektom odlišnú dôležitosť (ktoré figúry sa oplatí chrániť viac a za akú cenu) a rozpoznáva situácie, pri ktorých majú totožné figúry väčšiu hodnotu ako iné (v závislosti od ich polohy na šachovnici). Spĺňa tak všetky predpoklady jednoúčelovej alebo slabej UI.

Keď sa človek pozrie na rozmiestnenie figúr, v krátkom čase zhodnotí, kde je dôležitá oblasť, a predstavuje si jednotlivé ťahy a ich možné dôsledky. Následne vyberá tú možnosť, ktorá mu prinesie lepšiu situáciu, než je súčasná. Môže pritom vychádzať nielen z toho, aké kombinácie dokáže vo svojej predstavivosti simulovať, ale aj zo skúseností z predchádzajúcich hier (či už vlastných, alebo cudzích). Šachový program v v obdobnej situácii urobí rýchlu simuláciu pohybu všetkých svojich figúr do malej hĺbky a zhodnotí, ktoré ťahy vedú nevhodným smerom alebo sú bezúčelné. Tie, ktoré nevyhovujú, odstriháva z výpočtu a do väčšej hĺbky preskúmava len situácie, ktoré sa zdajú najvhodnejšie. I keď takýto výpočet pôsobí navonok chladne a plne zodpovedá strojovej činnosti, dá sa polemizovať o tom, či podobne vlastne podvedome nekoná aj človek. Bolo by, samozrejme, naivné sa domnievať, že šachový program má vedomie. Dôležitý poznatok však je, že program šach naozaj hrá. Nie je to nejaký vopred nahratý záznam typu: „ak súper pohne figúrkou na D4, ty pohni na D5". Ide o inteligentný činiteľ reagujúci na meniacu sa externú situáciu pomocou vlastných interných prostriedkov všeobecného typu.

David Levy nakoniec svoju stávku trvajúcu desať rokov vyhral. V roku 1978 bol najvýkonnejším šachovým programom Chess, vyvíjaný Northwesternskou univerzitou (Evanston, USA). Program vyhral sedem z posledných ôsmich ročníkov súťaže o najlepšie šachové UI, ale Levy bol nad jeho sily a program prehral v šesťzápasovom súboji v pomere 1,5 k 4,5 (jedna výhra, jedna remíza, štyri prehry). Levy nakoniec prehral s UI až o ďalších dvanásť rokov neskôr (1989) v exhibičnom zápase so šachovým počítačom Deep Thought, vyvinutým na univerzite Carnegie Mellon (Pittsburgh, USA).

Aj keď šachové počítače dokázali na konci 80. rokov porážať bežného hráča a poradili si aj s medzinárodnými šachovými majstrami, ako bol napríklad Levy, ich úroveň bola stále výrazne pod schopnosťou šachových veľmajstrov. Zlom v 90. rokoch priniesol počítač Deep Blue, ktorého autorom bol pôvodný tím stojaci za Deep Thought (tentoraz však už ako súčasť vývojového oddelenia IBM). V roku 1996 zaznamenal tento počítač ako prvý na svete víťaznú hru so svetovým šampiónom Garrim Kasparovom. Ten však nakoniec zo šesťzápasovej série odišiel ako víťaz, keď po prehre v prvej hre následne zaznamenal tri výhry a dve remízy. O rok neskôr, v máji 1997, značne upgradovaný Deep Blue nakoniec Garriho Kasparova definitívne porazil v sérii šiestich zápasov so skóre 3,5 k 2,5 (dve víťazstvá, tri remízy, jedna prehra), čím sa zapísal do histórie.

Šachový počítač IBM Deep Blue, ktorý v roku 1997 pokoril najvyššie hodnoteného veľmajstra

Deep Blue bol masívne paralelný systém vytvorený z tridsiatich uzlov IBM RS/6000. Obsahoval 30 procesorov POWER2 Super Chip s frekvenciou 120 MHz, ktoré boli doplnené o 480 špecializovaných čipov VLSI, navrhnutých na šachové operácie. Šachový softvér bol naprogramovaný v jazyku C a fungoval pod operačným systémom IBM AIX (Unix). Jeho komplexný výkon predstavoval 11,38 GFLOPS a umožňoval zhodnocovanie okolo 200 miliónov šachových pozícií za sekundu.

Zvyčajne pritom prehľadával pozície do hĺbky šiestich až ôsmich ťahov, ale v špeciálnych situáciách hĺbka mohla narásť až na dvadsať úrovní. Heuristickú evaluačnú funkciu Deep Blue, teda funkciu hodnotiacu to, ktorá z pozícií je lepšia ako druhá (typicky napr. určuje, či je práve teraz lepšie udržať výhodu v centre plochy alebo je lepšie upevniť obranu pri kráľovi), programátori naprogramovali len v základnej podobe. Jej optimálne hodnoty si systém Deep Blue určil sám na základe vlastnej analýzy niekoľkých tisícov majstrovských zápasov.

Na úplnom konci 20. storočia (1998 - 2000) sa vďaka zvyšovaniu výkonu bežných PC začali vyrovnávať veľmajstrovskej úrovni aj klasické šachové softvéry (bez špecializovaného hardvéru), ako bol napríklad Junior a Fritz. Charakteristickým prvkom drvivej väčšiny šachovej UI je algoritmus Minimax, ktorý prechádza strom tvorený vetvami jednotlivých ťahov, pričom je doplnený o nejaký druh hodnotiacej funkcie. Algoritmus prejde všetky možné ťahy do časovo dostupnej hĺbky a na základe ich obodovania hodnotiacou funkciou určuje preferované ťahy. Na urýchlenie a možnosť dostať sa do väčšej hĺbky sa používajú ďalšie zlepšenia, pričom ide najmä o alfa-beta orezávanie (alpha-beta pruning) či Negascout, ktoré umožňujú odrezávať neperspektívne ťahy (výrazne horšie ako iné aktuálne počítané) alebo neutrálne ťahy, nijako nezlepšujúce ani nezhoršujúce situáciu. Toto orezávanie možno naďalej zrýchľovať a zefektívňovať pridávaním ďalších pokročilých algoritmov, ako je napríklad tzv. null-move heuristika či redukcia neskorších ťahov (Late Move Reductions).

Pokroky v prvej dekáde 21. storočia

V priebehu prvého desaťročia 21. storočia sa dostali mnohé prvky UI do bežného používania. Odvetvie však dostávalo za tento fakt len malý kredit, pretože pre sprofanovanie výrazu umelá inteligencia sa tomuto termínu mnoho vývojárov vyhýbalo. Pravda je, že systémy vyvinuté v rámci odboru UI (neurónové siete, rozpoznávacie či samoučiace sa algoritmy) sa stali bežnými nástrojmi. Nájdeme ich vo veľkej miere zastúpené pri hĺbkovej analýze dát (extrahovanie užitočných informácií z veľkých databáz), pri analyzovaní sociálnych sietí, vo vyhľadávacích mechanizmoch, softvérovom rozpoznávaní reči (hlasové ovládanie), strojovom preklade jazyka či optickom rozpoznávaní znakov (prevod naskenovaných dokumentov na text).

Prvky UI prirodzene očakávame aj pri pokročilej robotike. V tomto odvetví ide hlavne o rozpoznávanie objektov, udržovanie rovnováhy pri pohybe a navigáciu v prostredí so statickými alebo pohybujúcimi sa prekážkami. Pokroky v robotike sa často prijímajú so záujmom aj medzi laickými pozorovateľmi, a to najmä vtedy, ak ide o stroje proporčne podobné človeku. Bipedálny pohyb, teda chôdza na dvoch končatinách, je dlhodobým snom robotiky. Ide však o veľkú výzvu nielen z aspektu mechaniky, ale aj z hľadiska softvéru v podobe rýchleho inteligentného činiteľa schopného bleskovo zhodnocovať situáciu.

V roku 1985 spoločnosť Hitachi vyvinula robota schopného kráčať po celkom rovnom povrchu, ktorému jeden krok trval trinásť sekúnd. Veľké pokroky ukázali v 90. rokoch roboty Hondy vyrobené v rámci E-series a neskôr P-series, vedúce až k modelu ASIMO, ktorý bol po prvýkrát verejnosti predvedený v roku 2000. Vývoj ASIMA prebiehal počas celej dekády a Honda ukazovala jeho rôzne zlepšenia takmer každý rok. Napríklad v roku 2005 rýchlosť jeho chôdze stúpla z 1,6 km/h na 2,7 km/h a pribudla schopnosť behu (6 km/h). ASIMO dokáže gestikulovať rukami, nalievať tekutinu z fľašky (vrátane odskrutkovania uzáveru), dokáže chodiť po schodoch, balansovať na jednej nohe, rozlišovať pohybujúce sa objekty a vyhnúť sa im alebo s nimi interagovať.

Vďaka tomu môže napríklad nasledovať osobu, prípadne jej podať ruku. Optické a identifikačné systémy UI dokážu rozpoznať objekty, ľudské tváre či gestá a priraďovať im názvy, ktoré robot počuje prostredníctvom strojového rozpoznávania reči. Vývojom pohybu a interakciou bipedálneho stroja s reálnym prostredím sa zaoberá množstvo ďalších spoločností. Významná je americká spoločnosť Boston Dynamics, ktorá je v mnohých prípadoch financovaná grantmi od americkej agentúry pre výskum pokročilých obranných systémov (DARPA). Ide hlavne o robota Petman, vyvíjaného od roku 2009, ktorého videoprezentáciu si môžete pozrieť na virtuálnom DVD REVUE.

Land Rover LR3 upravený univerzitou MIT pre súťaž DARPA Urban Challenge

Robot fyzicky podobný človeku alebo inému živému organizmu však nie je jediný smer robotiky, kde sa vo vysokej miere uplatňujú princípy UI. Jeden z aktívne vyvíjaných smerov sú aj projekty samoriadiaceho sa automobilu. Významné boli aj súťaže DARPA Grand Challenge v rokoch 2004 až 2005, ktoré organizovala agentúra DARPA, pretože ide o koncept s potenciálnym armádnym využitím.

Prvá zo súťaží sa odohrala v marci roku 2004 na 240-kilometrovom cestnom úseku v Mohavskej púšti. Ani jedno z vozidiel však nedokázalo trasu prejsť. Najďalej sa dostalo auto Sandstorm, postavené univerzitou Carnegie Mellon, ktorého základom bol upravený vojenský terénny automobil Humvee. Urazilo 11,7 km. V druhom podujatí, uskutočnenom v októbri 2005, tento rekord prekonalo všetkých 23 finalistov, pričom päť z vozidiel úspešne dokončilo celú trasu.

Cesta pozostávala z úseku dlhého 212 km s tromi priamymi tunelmi a s viac ako stovkou ostrých zákrut. Najúspešnejšie bolo vozidlo Stanley (základom bol Volkswagen Touareg), postavené Stanfordovou univerzitou (Palo Alto, USA), ktoré absolvovalo celú trasu za 6 hodín a 54 minút. Na druhom a treťom mieste skončili autá univerzity Carnegie Mellon (upravené vozidlá Hummer H1 a Humvee), ktorým cesta trvala 7 hodín a 5, respektíve 14 minút. O ďalšiu štvrťhodinu neskôr dorazil upravený Ford Escape z Tulanovej univerzity (New Orleans, USA) a súťaž kompletne dokončil za 12 hodín a 51 minút aj nákladný automobil TerraMax (pôvodne MTVR), postavený konzorciom niekoľkých spoločností a univerzitou v talianskej Parme. Všetky tímy, ktoré súťaž kompletne dokončili, dostali odmenu v podobe dvoch miliónov dolárov. Výnimkou bolo posledný menovaný, pretože nedodržal maximálne povolený desaťhodinový limit.

Logickým pokračovaním bola súťaž DARPA Urban Challenge, v ktorej samoriadiace sa automobily súperili v prostredí s mestskou zástavbou. Došlo k tomu v novembri roku 2007 na vojenskej leteckej základni v Kalifornii, špeciálne upravenej na tento účel. Do súťaže sa zapojilo 11 tímov, tvorených predovšetkým významnými univerzitami a veľkými korporáciami. Celá trasa mala v simulovanej mestskej zástavbe dovedna 96 km, pričom autá museli dbať na dopravné značenie, vyhýbať sa prekážkam, zaraďovať sa do premávky z bočnej cesty a podobne. To bola zjavne odlišná situácia oproti samotárskym jazdám v minulosti.

Systém UI totiž musel byť schopný odhadovať rýchlosť iných vozidiel a reagovať na ne v reálnom čase. Nikdy pri tom nemohli „zastať a nečinne pozorovať" na viac ako 10 sekúnd a museli operovať aj v simulovanom daždi a hmle so zablokovaným GPS. Trasu dokončilo úspešne šesť vozidiel. Na prvom mieste skončilo upravené vozidlo Chevy Tahoe (pomenované Boss) z univerzity Carnegie Mellon z Pittsburghu. Trasu dokončilo za 4 hodiny a 10 minút. O dvadsať minút pomalší bol upravený Volkswagen Passat Wagon (Junior) zo Standfordovej univerzity, nasledovaný o šesť minút neskôr modifikovaným Fordom Hybrid Escape (Odin) z technickej univerzity vo Virgínii. Tesne po šiestej hodine, nastavenej ako limit, došiel do cieľa aj Land Rover (Talos) z Massachusettskej technickej univerzity, nasledovaný už bez oficiálneho času Toyotou Prius (Little Ben) a Chevym Tahoe (Skynet) z Pensylvánskej a Cornellovej univerzity.

Ďalší zaujímavý projekt tejto dekády je Blue Brain. Vznikol v roku 2005 na výskumnom pracovisku Švajčiarskej federálnej technickej univerzity v Lausanne a jeho cieľom je vytvorenie syntetického mozgu cicavca pomocou reverzného inžinierstva na molekulárnej úrovni. Účelom syntetizovania takejto umelej inteligencie je snaha o lepšie pochopenie architektúry mozgu a jeho funkčných princípov, čo by umožnilo pokrok v liečbe mozgových chorôb a porúch a zároveň aj nazretie do procesov, ktoré stoja za vedomím.

Nejde teda iba o pokročilé vytváranie neurónových sietí UI, ale aj o snahu vytvoriť čo najvernejší model reálnych neurónov a synapsií. V rámci projektu sa v lete roku 2006 s pomocou superpočítača IBM BlueGene podarilo vytvoriť prvý model kortikálneho stĺpca (valcovité usporiadanie 10 000 neurónov prechádzajúce vertikálne všetkými vrstvami mozgovej kôry) pozostávajúceho zo zjednodušeného neurónového modelu. V decembri tohto istého roku sa už podarilo automaticky vygenerovať stĺpec z hľadiska neurónov v biologicky validnej podobe a v priebehu roku 2007 tím oznámil prvú kompletnú simuláciu kortikálneho stĺpca krysy. Po týchto úspechoch v roku 2010 projekt nabral množstvo ďalších partnerov a zažiadal o dlhodobé granty na začatie výskumu možností simulácie celého (predovšetkým ľudského) mozgu.

Projektu zasvietila zelená v januári roku 2013, keď sa pod menom Human Brain Project (do ktorého je zapojených viac ako 15 štátov a 200 vedeckých inštitúcií) stal jedným z dvoch víťazov dlhodobého grantu od Európskej komisie (druhým je výskum grafénu, pozri PC REVUE č. 12/2010). Oba projekty dostanú grant jednu miliardu eur na časový horizont desiatich rokov.

Prvá dekáda 21. storočia priniesla aj ďalšie udalosti na poli hernej UI. V rámci šachu bola definitívne upevnená pozícia šachových programov ako dominantných veľmajstrov. Jeden z posledných významných zápasov odohral v roku 2006 aktuálny svetový šampión Vladimir Kramnik s programom Deep Fritz, v ktorom prehral v pomere 4:2 aj napriek použitiu „protipočítačových" taktík. Významného zlomu sa, naopak, dočkala o niečo jednoduchšia, ale veľmi populárna hra dáma. Keď v roku 1995 program Chinook porazil v 32-kolovom zápase (1 výhra, 31 remíz) aktuálne najlepšieho svetovo hodnoteného veľmajstra, autor programu Jonathan Schaeffer sa rozhodol ďalej nesúťažiť a namiesto toho sa celú hru pokúsil vyriešiť. Jeho snaha bola zavŕšená v roku 2007, keď publikoval vo vedeckom žurnále Science dôkaz svojej úspešnosti. Od tohto momentu sa stal program Chinook v dáme neporaziteľným a najlepší výsledok, ktorý proti nemu možno dosiahnuť, je remíza (ak rovnako ako on hráte bezchybne).

Znalostný počítač Watson v súťaži Jeopardy!

UI v súčasnosti

V súčasnosti je používanie UI na vzostupe v mnohých odboroch. Azda najväčší úspech UI posledných rokov je počítač Watson, vyvinutý spoločnosťou IBM. Ide o počítač schopný odpovedať na otázky kladené v prirodzenom jazyku, pričom používa pokročilé UI mechanizmy na reprezentáciu znalostí, spracovanie jazyka, analýzu dát, strojové učenie a uvažovanie. V roku 2011 sa zúčastnil v populárnej súťaži Jeopardy!, ktorá je podobná u nás známej relácii Riskuj. Nastúpil proti dvom historicky najúspešnejším šampiónom, ktorí v rámci súťaže nahrali už niekoľko miliónov dolárov.

V rámci súťaže vyberajú účastníci skryté pole z nejakej témy s príslušnou sumou, pričom sa zjaví otázka v podobe niekoľkých indícií, ako napríklad: „Má tvar obdĺžnika a umiestňuje sa do slotu čo najbližšie k procesoru". Následne sa súťažiaci čo najrýchlejšie prihlási a správne odpovie „operačná pamäť". V momente, ako sa objavila otázka na obrazovke, dostal ju Watson v textovej podobe. Kým moderátor otázku prečítal (zvyčajne to trvalo tri až päť sekúnd), musel Watson rozčleniť indície na rozličné kľúčové slová alebo súslovia, prehľadať svoje databázy a štatisticky ohodnotiť relevantné frázy.

Používal pri tom stovky rozličných techník na analýzu. Čím viac rozličných metód došlo k rovnakej odpovedi, tým bolo pravdepodobnejšie, že je správna. Následne potenciálne výsledky podrobil samostatnej analýze a zhodnotil, či odpoveď dáva zmysel. Pokiaľ niektorá odpoveď dosiahla dostatočnú pravdepodobnosť úspechu, prihlásil sa a pomocou nástroja na syntézu reči odpoveď prečítal. Zo súťaže odišiel ako jasný víťaz (vo všetkých troch hracích dňoch získal viac ako trojnásobok bodovej hodnoty súpera na druhom mieste).

Fyzická podoba Watsona v roku 2011

Watson bol v roku 2011 tvorený sústavou 90 serverov IBM Power 750. Každý z nich obsahoval osemjadrový procesor IBM POWER7 s frekvenciou 3,5 GHz a spracúval štyri vlákna na každom jadre (dovedna 2880 vlákien). Komplexný výpočtový výkon počítača dosahoval 80 TFLOPS. Watson počas súťaže nebol pripojený na internet. Jeho databázy však obsahovali dáta z obrovského množstva dokumentov, encyklopédií a slovníkov vrátane kompletného obsahu Wikipédie. Spolu šlo približne o 200 miliónov stránok textu, zaberajúcich približne 4 TB miesta. Pri súťažení neboli dáta čítané zo žiadnych diskov.

Prístupová doba k nim by bola veľmi dlhá a počítač by nebol v priebehu troch či štyroch sekúnd schopný vypátrať analýzou správnu odpoveď. Všetky dáta boli uložené v operačnej pamäti s celkovou kapacitou 16 TB. UI softvér pomenovaný DeepQA fungoval pod operačným systémom SUSE Linux Enterprise Server 11. Vo februári roku 2013 IBM oficiálne oznámilo komerčnú dostupnosť počítača Watson ako pomocného UI systému (infobot) pre lekárov a sestry pri určovaní najvhodnejšej liečby v oblasti onkológie. Watson, samozrejme, nerozhoduje o liečbe pacienta sám. Lekári ho však môžu použiť pri zadaní symptómov chorého pacienta a pozrieť sa na pravdepodobné príčiny stavu a najvhodnejšie postupy liečby.

Medicína sa neustále vyvíja rýchlym tempom a nové poznatky neprestajne pribúdajú vo veľkých objemoch. Človek je pritom veľmi náchylný na chyby a v zlom citovom rozpoložení alebo z nepozornosti môže prehliadnuť dôležitú vec. Onkologický Watson disponuje databázou 600 000 lekárskych dokumentov, dvoma miliónmi stránok z vedeckých časopisov s reportmi klinických výskumov a 1,5 miliónom záznamov o pacientoch s rakovinou. Silné systémy UI sú pritom schopné hľadať správne súvislosti a vyberať relevantné dáta pre drvivú väčšinu prípadov (a samourčením sa neustále zlepšovať). Vzhľadom na to, že odpovede netreba doručovať v priebehu pár sekúnd, možno počítač prevádzkovať aj na menej komplexnom hardvéri. Okrem toho pokroky v zlepšovaní efektívnosti algoritmov umožnili 240-percentné zvýšenie výkonu oproti verzii z roku 2011. Prvý Watson tohto typu dnes pomáha na pľúcnom oddelení centra na výskum a liečbu rakoviny v New Yorku.

Aparatúra UI Google Driverless Car, osadená na aute Lexus RX 450h

Pokrok v UI pokračuje v súčasnosti aj pri robotike a autonómnych vozidlách. Ich najvýraznejším predstaviteľom je v súčasnosti Google driverless car, za ktorým stoja ľudia z víťazných tímov v súťažiach DARPA Grand a Urban Challenge (predovšetkým Sebastian Thrun, ktorý je zároveň riaditeľom výskumného centra UI na Stanfordovej univerzite). Google testuje a vyvíja navigačnú a riadiacu UI na rôznych automobiloch (Toyota Prius, Audi TT, Lexus RX450h) a súčasná cena namontovaného vybavenia sa pohybuje okolo 150 000 dolárov.

Najväčšou položkou je otočný LIDAR (laserový radar) za 70 000 dolárov, umiestnený na streche vozidla. Google pomerne výrazne lobuje za povolenie jazdy autonómnych vozidiel v rámci bežnej premávky a v roku 2012 svoje zákony v jeho prospech upravili tri štáty USA (Nevada, Florida a Kalifornia). Video o vozidle si môžete pozrieť na virtuálnom DVD REVUE. Veľké pokroky sa v posledných rokoch vykonali aj v bipedálnej robotike, ktorá začína byť postupne použiteľná v komplexných terénoch a prostrediach.

Za pozornosť stojí robot COMAN, predstavený v minulom roku, patriaci oddeleniu pokročilej robotiky talianskeho technologického inštitútu, a najmä ATLAS, ktorý tento rok predviedla spoločnosť Boston Dynamics. Druhý menovaný sa v roku 2014 zúčastní v novej súťaži DARPA Robotics Challenge. Medzi ďalších účastníkov bude patriť napríklad robot CHIMP z univerzity Carnegie Mellon, HUBO z Drexelovej univerzity, Valkyrie postavený Johnsonovým vesmírnym centrom (NASA) či SCHAFT z výskumného strediska Tokijskej univerzity v Japonsku. Plánovaný priebeh súťaže je zameraný na riešenie priemyselných nehôd.

Úlohou robotov bude nasadnúť na vozidlo a riadiť ho na miesto určenia, prejsť sutinami k zablokovaným dverám do továrne, odstrániť prekážku blokujúcu vchod, vojsť dnu, vyliezť po rebríku, použiť nástroj na sprístupnenie kontrolného panela, lokalizovať poškodené potrubie a ručne uzavrieť ventil v jeho blízkosti, pripojiť požiarnu hadicu do stúpačky a zapnúť jej ventil.

Pokročilý robot ATLAS od Boston Dynamics

Budúce aplikácie

Pri odhadovaní budúcnosti vývoja UI sa treba vždy držať čo najviac pri zemi. Všetky extrapolácie totiž môžu vychádzať len z aktuálnych poznatkov a, pochopiteľne, nemôžu zahŕňať novo objavené princípy, ktoré pokrok urýchlia, alebo odhalenie fundamentálneho problému, ktorý vývoj spomalí. V najbližších desiatich rokoch sa každopádne dá očakávať stabilný pokrok v oblasti autonómnych automobilov a jednoúčelových robotov samostatne operujúcich v nebezpečných podmienkach. Obe UI sa pravdepodobne dostanú do plne operačného stavu. Úspech infobotov, ako je Watson, urýchli vývoj vyhľadávacích, vyhodnocovacích a uvažovacích mechanizmov UI, ktoré sa budú rozširovať do viacerých odvetví. Logický krok je ich uplatňovanie v rámci internetových vyhľadávačov, ktoré budú správne odpovedať aj na nepriamo formulované otázky. Typicky napríklad: „Nájdi mi dobrú sci-fi knihu, v ktorej bude hrdina nie celkom kladný, bude cestovať vesmírom a bude v nej veľa vtipných replík. Nech nemá pritom viac ako 500 strán a nie je staršia ako 5 rokov."

V roku 2014 DARPA usporiada súťaž robotov určených na zásahy v krízových situáciách

Veľmi zaujímavé bude sledovať, ako rýchlo bude napredovať pokrok na úrovni silnej UI, čo v mnohých ľuďoch vzbudzuje obavy. Vzhľadom na komplexnosť problému je však možné, že je ešte potrebný veľký pokrok v neurológii a tento zlatý grál je ešte vzdialený celé storočia. Na druhej strane rozbehnuté projekty, ako je napríklad Blue Brain, môžu vývoj výrazne urýchliť.

V auguste tohto roku významný japonský vedecký inštitút neurálnej vedy RIKEN v spolupráci s univerzitou vedy a techniky v Okinawe (Japonsko) a výskumným centrom v Jülichu (Nemecko) vykonal doposiaľ najväčšiu neurálnu simuláciu. Za pomoci superpočítača K computer s výkonom 10 PFLOPS simulovali jednu sekundu práce 1,73 miliardy neurónov a 10 miliárd synapsií (simulovanie jednej sekundy zabralo 40 reálnych minút). Vzhľadom na celkovú komplexnosť ide približne o 1 % potrebných dát na simuláciu ľudského mozgu.

Potvrdili sa tak dávnejšie predpoklady, že kompletná simulácia by mohla byť spustiteľná na počítači s výkonom na úrovni ExaFLOPS. Keďže superpočítače za desať rokov svoj výkon zvyčajne stisícnásobia, znamenalo by to, že dvere sa otvoria približne v roku 2020. Pokiaľ naše pochopenie neurologických procesov za ten čas stúpne vďaka projektom ako Blue Brain, môže to byť skutočne zaujímavé. Dostali by sme totiž odpovede na filozofické a vedecké otázky, ktoré trápia ľudstvo storočia či dokonca tisícročia.

Znamenalo by to, že nám vlastne systémy slabej UI dovolia pochopiť princípy silnej biologickej inteligencie a na základe toho sa otvoria dvere k vytvoreniu silnej umelej inteligencie. Na základe súčasného stavu vecí experti v UI a príbuzných odboroch odhadujú, že existuje 10-percentná šanca na vytvorenie umelej inteligencie na úrovni človeka do roku 2028. S 50-percentnou šancou by sa mohla objaviť do roku 2050 a v roku 2150 sa už pre ňu odhaduje 90 % pravdepodobnosť. Všetko sú to zatiaľ, samozrejme, len dohady (i keď erudované). Uvidíme, kam nás skutočne pokrok dovedie.