Čo je umelá inteligencia (a čo ňou nie je)

Skratka AI sa za posledné tri roky nalepila na toľko produktov, že prestala niečo znamenať. Automatický filter v e-maile je AI. Odporúčanie filmu je AI. Chatbot, ktorý vie napísať báseň, je tiež AI. Ak vám to príde mätúce, nie ste sami — a nie je to vaša chyba.

Jedna veta, ktorá to zhrnie

Umelá inteligencia je softvér, ktorý sa správanie naučil z dát, namiesto toho, aby mu ho niekto naprogramoval pravidlo po pravidle.

To je celý rozdiel. A je väčší, než sa zdá.

Klasický program je recept. Vývojár napíše: keď je suma nad tisíc eur a zákazník je nový, vyžiadaj platbu vopred. Keď sa pravidlo zmení, niekto ho prepíše. Program nikdy neurobí nič, čo mu autor nepovedal — čo je zároveň jeho najväčšia sila aj najväčší limit.

Model strojového učenia dostane namiesto pravidiel príklady. Desaťtisíce objednávok, pri ktorých vieme, ktoré skončili nezaplatené. Model si sám nájde vzory, ktoré ich odlišujú. Nikto mu nepovedal, že záleží na hodine objednania alebo na tom, či sa fakturačná a dodacia adresa zhodujú. Prišiel na to sám.

Prečo to niekomu stojí za to

Pretože niektoré pravidlá sa napísať nedajú.

Skúste presne definovať, čo robí fotografiu mačky fotografiou mačky. Nie „má štyri nohy a chvost" — to má aj pes. Nie „má fúzy" — tie na fotke často nevidno. Človek to spozná za desatinu sekundy a nevie povedať prečo. Presne tam klasické programovanie naráža a učenie z príkladov funguje.

To isté platí pre reč, rukou písaný text, tón e-mailu alebo odhad, či zákazník odíde ku konkurencii. Sú to úlohy, kde intuíciu máme, ale pravidlá nie.

Čo AI nie je

Nie je to myslenie. Model nemá zámery, názory ani chápanie sveta v tom zmysle, v akom ho máte vy. Keď jazykový model napíše, že vám rozumie, je to štatisticky pravdepodobná odpoveď na vašu vetu — nie prejav empatie.

Nie je to ani vedomosť. Model si nepamätá fakty tak, ako si ich pamätá encyklopédia. Pamätá si vzory. Preto vie plynulo napísať niečo, čo znie správne a je to nezmysel. Tomuto sa hovorí halucinácia a nie je to porucha — je to priamy dôsledok toho, ako model funguje.

A nie je to mágia. Za každým pôsobivým výstupom stoja dáta, na ktorých sa model učil. Keď v dátach nič nebolo, model si to domyslí.

Kde je hranica

Toto je asi najužitočnejšia vec, ktorú si z článku odniesť. AI je dobrá v úlohách, kde:

• existuje veľa príkladov, z ktorých sa dá učiť,
• občasná chyba nie je katastrofa,
• a človek vie výsledok skontrolovať.

A je zlá — alebo aspoň riziková — všade, kde treba stopercentnú správnosť, kde chyba niečo naozaj stojí a kde nikto výstup nekontroluje. Výpočet DPH nechajte na obyčajný kód. Ten sa nepomýli a keď áno, viete presne prečo.

V praxi to najčastejšie vyzerá tak, že AI spraví osemdesiat percent práce a človek zvyšok. Nie je to také efektné ako sľuby o plnej automatizácii, ale funguje to.

Prečo sa o tom hovorí až teraz

Neurónové siete nie sú nová myšlienka, základy sú zo šesťdesiatych rokov. Zmenili sa tri veci naraz: máme dosť dát (internet), dosť výpočtového výkonu (grafické karty) a od roku 2017 architektúru zvanú transformer, ktorá sa dokázala učiť oveľa efektívnejšie než čokoľvek predtým. Práve tá stojí za jazykovými modelmi, ktoré dnes všetci poznajú.

Takže nie, nestal sa žiadny zázrak. Len sa po desaťročiach stretli podmienky, ktoré starú myšlienku konečne rozbehli.

Čo si z toho vziať

Keď vám niekto nabudúce ponúkne „riešenie s AI", opýtajte sa dve veci: na akých dátach sa to učilo a čo sa stane, keď sa to pomýli. Ak na prvú otázku nepríde konkrétna odpoveď a na druhú „to sa nestane", máte pred sebou marketing, nie technológiu.