Díl druhý – Vývoj AI od elektronky k dnešku

Vývoj umělé inteligence lákal vědce od prvopočátků vývoje počítačů a její historie je velmi zajímavá, připomeňme si proto několik milníků, které pomohly formovat koncepci AI tak, jak ji známe dnes.

Za první AI program je obecně považován The Logic Theorist, napsaný v roce 1955. Tento program pracoval s řadou výroků pomocí tzv. stromového modelu. Každý problém pro něj byl stromem a on se snažil najít větev řešení, které vyhodnotil jako pravděpodobně nejsprávnější.

V šedesátých letech byl vývoj umělé inteligence v USA začleněn do programu ministerstva obrany jako možná využitelná výhoda v boji proti Sovětskému svazu. Počítačoví experti z MIT (Massachusettský technologický institut) dostali grant dva miliony dolarů na svou činnost v oblasti AI. V té době vznikly programy Student, který dokázal řešit algebraické problémy, a program SIR, který rozuměl jednoduchým anglickým větám.

V sedmdesátých letech do vývoje AI promluvily tzv. expertní systémy, které předpovídaly pravděpodobné řešení. Na základě tohoto postupu vzniklo mnoho nových programátorských metod. Expertní systémy se začaly dostávat i do praxe ve velkých firmách. Počátkem 80. let začaly podniky jako General Motors nebo Boeing využívat expresní systém XCON, který pomáhal zefektivnit automatizaci jejich výroby.

Armáda se snažila využít umělé inteligence pro stavbu bojových robotů nazvaných „smart trucks“, kteří by se dali ovládat dálkově a byli by schopní na bitevním poli sami rozhodovat. Z prezentace výsledků vývoje byl ale Pentagon velmi rozčarovaný a rozhodl se vývoj zastavit.

Metody současné AI

O AI tak, jak ji známe dnes, můžeme mluvit od počátku 90. let. Její vývoj v té době výrazně zrychlil díky kombinaci dostupného hardwaru, jehož výkon s každým rokem roste, a nových softwarových metod, které jej využívají. V současnosti stojí vývoj umělé inteligence na třech metodách, pojďme si je představit blíže.

 

Fuzzy logika

Zatímco klasická logika, ze které mimochodem vychází i základní koncept počítače, pracuje se dvěma hodnotami – ANO a NE, tedy nulou a jedničkou, Fuzzy logika chápe ANO a NE jako krajní body intervalu. Díky tomu je schopná postihnout daleko více situací a číselně vyjádřit hodnoty výroků typu trochu, málo nebo dost. Díky ní se myšlení umělé inteligence neuvěřitelně obohatilo a přiblížilo o trochu víc lidskému uvažování.

 

 

Neuronová síť

Jedná se o výpočetní systém, který vychází z chování biologických struktur. Jeho základem je výpočetní jednotka neuron, jejíž název je odvozen od biologického neuronu. Každý neuron má libovolný počet vstupů, ale jen jeden výstup. Z nich jsou tvořené sítě, které si předávají signály a transformují je pomocí určitých přenosových funkcí. Při dostatečném hardwarovém výkonu je taková síť schopná obrovského výpočetního výkonu, neboť dokáže řešit několik problémů zároveň v kombinaci s přesnými pravděpodobnostními výpočty.

Aby neuronová síť dokázala vypočítat co nejpřesnější výsledek, je potřeba její jednotlivé neurony správně nastavit. Takovému nastavení se říká učení. To může probíhat pomocí zpětné vazby, tzv. s učitelem, kdy je výsledek výpočtu sítě porovnán s výsledkem jejího vzoru. Pokud se liší, je nutné spočítat korekci a znovu provést výpočet. Když se výsledek sítě shoduje s výsledkem učitele, je síť nastavená. Druhou možností je učení bez učitele, kdy není předem známa hodnota výstupu. Síť dostane do vstupu řadu vzorů, které si sama roztřídí, a reaguje na typického zástupce nebo uzpůsobí svojí topologii vlastnostem vstupu.

 

 

Strojové učení

O procesu učení strojů jsme se zmínili už v případě neuronových sítí. Obecně lze učení popsat jako vnitřní přizpůsobení systému pro co nejvyšší efektivitu řešení daného problému. Systém, který má technologii strojového učení, je schopen měnit sám sebe, aby byl úspěšnější. Díky možnostem ukládání znalostí je systém schopen vytvořit si téměř neomezenou zásobu možností svého fungování, tak aby mohl kdykoli využít tu, která nejlépe vyhovuje dané situaci.

Abychom mohli lépe popsat, jak umělá inteligence v současnosti funguje, popíšeme si dva příklady z nedávné minulosti, kdy počítače dokázaly člověka porazit v oblastech, kde až doposud dominoval – v deskových hrách.

Deskové hry, o kterých zde budeme mluvit, jsou klasické a velmi staré, jedná se o šachy a go, které jsou považovány za jedny z nejsložitějších her na světě, ačkoli jejich pravidla složitá nejsou.

 

 

Souboj s DeepBlue

V roce 1995 prohlásil Garri Kasparov, že počítače možná budou schopny člověka porazit, ale předpokládal tuto porážku až kolem roku 2010. O rok později, v únoru 1996, už Kasparov s počítačem DeepBlue prohrál jednu partii. Celkově zápas vyhrál 4:2. Následující rok Kasparov s DeepBlue prohrál v poměru 1:2 a třikrát s ním remizoval. Datum 11. května 1997 je mnohými považováno za historický milník, kdy AI poprvé porazila člověka.

DeepBlue měl na své straně obrovský výpočetní výkon, díky kterému dokázal vypočítat až 200 milionů tahů za vteřinu. Na vývoji jeho algoritmu spolupracovalo několik vynikajících šachistů, kteří mezi jednotlivými partiemi pomáhali programátorům s úpravou algoritmů přímo během zápasu. Sám Kasparov si stěžoval, že k přeprogramovávání dochází i během samotné partie, což se však nikdy nepotvrdilo. Ačkoli počítač dokázal odhalit Kasparovovy úskoky a lsti, jeho hlavní zbraň nebyla ukryta v přečtení taktiky soupeře, ale ve výpočetním výkonu, díky kterému dokázal své vítězství spočítat.

 

 

AlphaGo udivuje svět

Hra go pochází původně z východní Asie a na mnoha místech světa je ceněna více než šachy. Množství kombinací, které tato hra umožňuje, je obrovské, a panoval obecný předpoklad, že člověk bude v této hře porážet počítače ještě dlouhou dobu, jednoduše proto, že dokáže při hraní zapojit intuici, která mu pomůže zvítězit.

To se však změnilo na počátku roku 2016. Tehdy speciálně postavený počítač AplhaGo, vyvinutý společností Google, porazil jihokorejského šampiona I Se-dola, obecně považovaného za nejlepšího hráče světa.

Při vývoji AlphaGo byla mimo jiné použita technologie strojového učení. Program sehrál obrovské množství partií sám proti sobě a neustále se zlepšoval. Před střetem s I Se-dolem zvládl čtyřikrát porazit evropského mistra Fan Chueje.

Nad I Se-dolem dokázal AlphaGo zvítězit ve čtyřech z pěti partií. Jeden z nejzajímavějších momentů nastal během třetí partie, kdy AlphaGo začal blafovat a stahoval se do obrany, aby si tak vypracoval výhodu pro závěrečný útok, kterým zvítězil. Tato taktika odborníky i samotného I Se-dola velmi překvapila, protože podobný úskok nebyl počítači naprogramován, musel se tedy k němu dopracovat sám. Pro mnohé odborníky byl právě tento moment důkazem samostatnosti uvažování umělé inteligence.