Warren McCulloch a Walter Pitts sformulovali model neurónu v roku 1943, čo položilo základy pre neskôr vyvinuté neurónové siete. Frank Rosenblatt v roku 1958 predstavil perceptrón, jednoduchý typ neurónovej siete. V 80. a 90. rokoch 20. storočia dochádzalo k ďalšiemu rozvoju konceptov a algoritmov pre umelé neurónové siete. Súčasná éra umelých neurónových sietí a hlbokého učenia vznikla v posledných desaťročiach 20. storočia a na začiatku 21. storočia vďaka prácam vedcov ako Geoffrey Hinton (označovaný aj za krstného otca umelej inteligencie) Yann LeCun a Yoshua Bengio. Títo vedci a ich tímy mali kľúčový vplyv na rozvoj moderných architektúr neurónových sietí a metód hlbokého učenia za čo im bola v roku 2018 udelená Turingova cena – ekvivalent Nobelovej ceny za informatiku.
Geoffrey Hinton v článku (Why the Godfather of A.I. Fears What He’s Built) vraví, že: „Vo vašom mozgu sú neuróny usporiadané do veľkých a malých sietí. S každou akciou, s každou myšlienkou sa siete menia: neuróny sú zahrnuté alebo vylúčené a spojenia medzi nimi sa posilňujú alebo miznú. Tento proces pokračuje neustále – deje sa to teraz, keď čítate tieto slová – a jeho rozsah je mimo akejkoľvek predstavy. Máte asi osemdesiat miliárd neurónov zdieľajúcich sto biliónov spojení alebo i viac. Vaša lebka obsahuje galaxie, ktoré sa neustále menia.“
V ľudskom mozgu sú neuróny spojené pomocou synapsií. Existujú dva druhy spojení: elektrické, kde ide o priamy prenos elektrických signálov, a chemických, kde sa využívajú chemické prenášače nazývané neurotransmitery. Tieto spojenia sú kľúčové pre komunikáciu medzi neurónmi a umožňujú flexibilitu a učenie sa. Synaptická plastickosť umožňuje zmeny v spojeniach (mení sa sila spojení medzi neurónmi). Sila spojenia medzi neurónmi vo vyššom veku slabne, čo žiaľbohu pozorujem aj na sebe, keď mi na prahu sedemdesiatky, vypadávajú mená a mám problém si spomenúť čo som robil pred týždňom.
Začiatkom sedemdesiatych rokov minulého storočia si britská vláda najala matematika menom James Lighthill, aby zistil, akú šancu má výskum AI (Artificial Intelligence) na úspech. Lighthill dospel k záveru, že nie veľkú „a mal pravdu,“ povedal Hinton. „Ak by ste totiž v roku 1985 spustili program na rýchlom výskumnom počítači, tak by bežal až doteraz, ale ten istý program dnes by na najvýkonnejších počítačoch dobehol za menej než jednu sekundu,“ dodal. Začiatkom tohto milénia, keď sa viacvrstvové neurónové siete vybavené výkonnými počítačmi začali trénovať na oveľa väčších súboroch údajov, Hinton, Bengio a LeCun začali hovoriť o potenciáli „hlbokého učenia“. Vývoj prekročil prah v roku 2012, keď Hinton, Alex Krizhevsky a Ilya Sutskever prišli s AlexNet, osemvrstvovou neurónovou sieťou, ktorá bola nakoniec schopná rozpoznať objekty z ImageNet s presnosťou na ľudskej úrovni.
Vyvstáva otázka, čo vývoj UI tak urýchľuje. Okrem spomínaného nárastu výpočtového výkonu, najmä s rozvojom grafických procesorov (GPU) je to aj vďaka nárastu dostupnosti a objemu dát (ChatGPT má k dispozícii celý internet). Zároveň dochádza k neustálemu vylepšovaniu algoritmov a prístupov v oblasti strojového učenia, k zvýšenej efektívnosti a schopnosti modelov rýchlejšie sa učiť a prispôsobovať sa novým situáciám. No a v neposlednom rade sú to investície a konkurencia. To je ten Klondike. Svetové technologické spoločnosti, rôzne firmy a vlády investujú ohromné sumy peňazí, aby získali prvenstvo na trhu, čo vedie k neregulovanému vývoju a k značným obavám vedcov nad bezpečnosťou UI.
V umelej inteligencie sú „neuróny“ - umelé neuróny - spojené váhami, ktoré ovplyvňujú spôsob, akým prenášajú informácie medzi sebou. Tieto váhy sa menia, aby sa model naučil z dát. Celý tento systém tvorí umelú neurónovú sieť, ktorá môže riešiť rôzne úlohy, napríklad rozpoznávanie vzorov. UI si môžeme predstaviť ako softvér, hardvér alebo kombináciu oboch. Tak napríklad ChatGPT od OpenAI je softvér bežiaci na serveroch v nejakom ich dátovom centre. Pristupujeme k nemu prostredníctvom aplikácie alebo webového rozhrania poskytovaného firmou OpenAI. Dnes už niektoré spoločnosti vyvíjajú špecializované čipy a hardvérové akcelerátory.
Počas niekoľkých posledných rokov v Googli zameral Hinton svoje úsilie na vytvorenie tradičnejšej umelej inteligencie s využitím hardvéru, ktorý lepšie napodobňuje mozog. V dnešných AI sú váhy spojení medzi umelými neurónmi uložené číselne; je to, akoby si mozog o sebe robil záznamy. Vo vašom skutočnom analógovom mozgu sú však váhy zabudované do fyzických spojení medzi neurónmi. Hinton pracoval na vytvorení umelej verzie tohto systému pomocou špecializovaných počítačových čipov. Vravel, že ak by sme toto dokázali, bolo by to niečo úžasné, čipy by sa mohli učiť zmenou ich „vodivosti“. Ak by boli váhy integrované do hardvéru, nebolo by možné ich skopírovať z jedného stroja do druhého; každá umelá inteligencia by sa musela učiť sama. Museli by chodiť do školy, ale znížili by sme tak spotrebu energie z megawattu na tridsať wattov. Pretože znalosti získané každou AI by sa pri rozobraní stratili, nazval tento prístup „mortal computing“. "Vzdali by sme sa nesmrteľnosti," vravel a pokračoval „ale v tomto prípade by sme dostali niečo oveľa dôležitejšie, a to je energetická účinnosť. Energetická účinnosť okrem iného podporuje individualitu: pretože ľudský mozog môže bežať na ovsených vločkách, svet môže podporovať miliardy mozgov, všetky rôzne. A každý mozog sa môže učiť nepretržite, namiesto toho, aby bol raz trénovaný a potom vystrčený do sveta.“
Umelá inteligencia by nás smrteľníkov mohla priblížiť k replikácii našich vlastných mozgov. Hinton si však, žiaľ, myslí, že digitálna inteligencia môže byť výkonnejšia. V analógovej inteligencii „ak zomrie mozog, odumrú aj vedomosti,“ povedal. Naproti tomu v digitálnej inteligencii platí, že „ak konkrétny počítač zanikne, tie isté sily pripojenia možno použiť na inom počítači. A aj keby všetky digitálne počítače umreli, ak by ste si niekde uložili sily pripojenia, mohli by ste jednoducho vytvoriť ďalší digitálny počítač a spustiť rovnaké váhy na tomto inom digitálnom počítači. Desaťtisíc neurónových sietí sa môže naučiť desaťtisíc rôznych vecí súčasne a potom zdieľať to, čo sa naučili.“ Táto kombinácia nesmrteľnosti a replikovateľnosti, hovorí, naznačuje, že „by sme mali mať obavy z toho, že digitálna inteligencia prevezme biologickú inteligenciu“. Celý článok s Hintonom si môžete prečítať tu
Máme sa teda obávať zrodu Skynetu a Terminátora?
Umelej inteligencii som položil otázku z podtitulku blogu:
„Rozveď myšlienku: Stojíme na kraji útesu, pod nami tečie rieka a hľadíme na druhý breh. Postavíme most a čo tam nájdeme?“
Tu je odpoveď (četovací asistent Bing, bez úprav):
„Rozprávka o moste je veľmi zaujímavá a môže mať rôzne interpretácie. Ak by sme sa pozreli na ňu z filozofického hľadiska, mohli by sme povedať, že most predstavuje prekážku, ktorú musíme prekonať, aby sme sa dostali na druhú stranu. Táto prekážka môže byť metaforou pre všetky prekážky, ktoré musíme prekonať v živote, aby sme dosiahli svoje ciele. Na druhej strane most môže byť aj symbolom spojenia, ktoré nám umožní prekonať prekážky a dosiahnuť cieľ.
Ak by sme sa pozreli na rozprávku z literárneho hľadiska, mohli by sme povedať, že most predstavuje prechod medzi dvoma svetmi. Tento prechod môže byť metaforou pre prechod medzi detstvom a dospelosťou, alebo prechod medzi realitou a fantáziou. Na druhej strane, most môže byť aj symbolom cesty, ktorá nás vedie k novým objavom a dobrodružstvám. V každom prípade, rozprávka o moste nás učí, že prekážky sú súčasťou života a že musíme byť odvážni a prekonať ich, aby sme dosiahli svoje ciele.“
Čo vy na to? „Uvažuje“, či nie? A to sme iba na začiatku.
