Vývoj vo svete informačných technológií napreduje rýchlym tempom. Len pred necelými 20 rokmi bola umelá inteligencia takmer neznámy pojem. Väčšina slovenských firiem v tom období používala veľké stolové počítače s obmedzeným výkonom a smartfón bol iba pre pár vyvolených. Kam sme sa odvtedy posunuli?
Zmenilo sa toho veľmi veľa. Výpočtový výkon rapídne narástol a dnešný priemerný smartfón je výkonnejší než stolové počítače v minulosti. Práve nárast výkonu počítačov stojí aj za masívnym rozmachom umelej inteligencie. Ďalší fenomén predstavuje cloud computing, ktorý umožňuje ešte efektívnejšie využívanie výpočtového výkonu. Na druhej strane, mnoho úloh v reálnom svete možno efektívne vyriešiť pomocou platforiem, ako sú Arduino, Raspberry či NVidia Jetson, ktoré sú malé a lacné.
V súčasnosti sa umelou inteligenciou označuje všeličo, aj pomerne jednoduché algoritmy. Preto keď dnes hovoríme o umelej inteligencií, myslíme tým schopnosť stroja splniť akúkoľvek úlohu, nad ktorou človek pri jej vykonávaní musí uvažovať. Aké sú hlavné výzvy, s ktorými sa podniky stretávajú pri implementácii umelej inteligencie vo svojich činnostiach? Ako ovplyvňujú faktory ako kvalita dát, ochrana osobných údajov a dodržiavanie nariadení úspešné nasadenie a integráciu systémov umelej inteligencie v priemyselných podnikoch?
Umelá inteligencia je veľmi široká multidisciplinárna oblasť, ktorá zahŕňa napríklad strojové či hlboké učenie a spracovanie prirodzeného jazyka, a zasahuje aj do ďalších oblastí, ako sú data mining, computer science a iné. Z tohto uhľa pohľadu teda možno pojmom umelá inteligencia označiť naozaj mnoho algoritmov či metód. Čo sa týka výziev, vždy je to otázka konkrétnej spoločnosti a oblasti, v ktorej tá-ktorá spoločnosť pôsobí, ale spoločné faktory sa dajú nájsť. Kvalita dát je kľúčová. Pokiaľ nemáme dostatočne veľké množstvo správnych dát, nech by sa použil akokoľvek zložitý prístup, umelá inteligencia nebude nikdy správne fungovať. Dôležité je zabezpečiť, aby sa v procese trénovania vytvoril správny model a nedošlo k jeho pod- či pretrénovaniu. Ďalšou výzvou je kvalitný vývojársky tím a s tým súvisiaca cena, keďže je potrebné obsiahnuť expertov z viacerých oblastí, ktoré som už zmienil; rovnako integrácia častí umelej inteligencie do už existujúcich systémov spoločnosti môže byť problém.
Napriek veľkému pokroku vo vývoji inteligentných algoritmov či umelej inteligencie pribúdajú názory o blížiacej sa „tretej zime“ umelej inteligencie. Jej hlavnými príčinami sa javia obmedzenia na strane algoritmu hlbokého učenia, opätovne prílišné očakávania či zbytočné nasadzovanie umelej inteligencie tam, kde stačia jednoduchšie programy.
Tento pojem súvisí predovšetkým s umelými neurónovými sieťami, ktoré postihli od svojho vzniku v 40. rokoch minulého storočia dve doby výrazného poklesu záujmu o túto pokrokovú metódu strojového učenia. Zatiaľ čo prvé obdobia boli spôsobené neschopnosťou neurónovej siete riešiť určité problémy a potom novými výkonnejšími metódami strojového učenia, než sú neurónové siete, súčasná kríza má iný charakter. V súčasnosti dokážu hlboké neurónové siete riešiť komplexné úlohy v reálnom čase, ale veľkosť týchto sietí vyžaduje enormný výpočtový výkon. A práve táto ohromná výpočtová náročnosť je z pohľadu ekológie v súčasnosti veľký problém. Pre názornosť uvediem príklad: spotreba energie pri krypto transakciách sa dá porovnať so spotrebou krajín veľkosti Grécka, ktoré má viac ako 10 miliónov obyvateľov. Ďalším problémom je fakt, že hoci je výpočtový výkon obrovský oproti minulosti, stále má svoje limity, za ktoré sa zrejme v skorej budúcnosti nedostaneme. No rozhodne možno povedať, že umelá inteligencia zažila v posledných rokoch boom a je takpovediac „trendy“, takže skutočne je zbytočne nasadzovaná v úlohách, ktoré efektívne a s dostatočnou presnosťou dokážu riešiť iné, jednoduchšie metódy strojového učenia.
Významnou podoblasťou umelej inteligencie je tzv. strojové učenie. Predstavuje schopnosť počítačov odpozorovať riešenie úloh z veľkého množstva dát. Donedávna bol predsa človek ten, ktorý prostredníctvom počítačového programu diktoval krok po kroku počítaču, čo má robiť. Dnes si počítač napíše svoj program sám. Môžeme sa spoliehať na správnosť programu, ktorý je vytvorený pomocou strojového učenia?
Strojové učenie možno veľmi všeobecne definovať ako učenie, ktoré umožňuje strojom zlepšovať sa v určitej úlohe s rastúcimi skúsenosťami, teda množstvom dát. Jednotlivé metódy rozhodne neboli navrhnuté na to, aby si písali svoje vlastné programy. Súčasné technológie ako ChatGPT alebo Bing síce dokážu vygenerovať zdrojový kód, ktorý dokonca môže byť v niektorých prípadoch funkčný, stále sa však nemožno spoliehať na umelú inteligenciu a je potrebný dohľad a finálna revízia človekom.
Vplyv technológií sme počas histórie ľudstva vnímali zväčša pozitívne, ľudia sa tešili, že im stroje uľahčia prácu a zlepšia život. Avšak príchod umelej inteligencie sprevádzajú isté obavy aktuálne prameniace predovšetkým z toho, že nám stroje zoberú prácu. Prečo je to tak? Dokáže umelá inteligencia plnohodnotne nahradiť človeka?
To je komplikovaná otázka. Strach je do istej miery určite spôsobený neznámou situáciou, nakoľko predstava, že nebudete musieť chodiť do práce, je pre mnohých ľudí nepredstaviteľná. Určitý prínos by som videl v tom, že napríklad ťažkú opakujúcu sa mechanickú prácu môžu vykonávať stroje. Otázkou je, čo budú robiť ľudia, ktorí túto prácu vykonávali. Obávam sa, že odpoveď zatiaľ nepoznáme. Umelá inteligencia v súčasnosti nedokáže plnohodnotne nahradiť človeka a môj osobný názor je, že ani v budúcnosti to tak nebude. Ako príklad možno uviesť školstvo, kde stroj nedokáže naučiť deti dôležité sociálne zručnosti a predovšetkým mu chýbajú emočné vlastnosti, pričom emócie sú jedným z najdôležitejších ľudských prejavov.
Čo sa týka dôsledkov v prípade pracovnej sily, aké zmeny sa predpokladajú v súvislosti s pracovnými úlohami, zručnosťami a celkovo prostredím pracovnej sily pri zvyšujúcom sa zavádzaní umelej inteligencie v priemyselných odvetviach?
S príchodom technológií metaverse a web3 v spolupráci s generatívnou umelou inteligenciou môžu získať spoločnosti nové nástroje na optimalizovanie činností a zvýšenie efektivity. Napríklad môžu využiť technológie virtuálnej a rozšírenej reality na zlepšenie školení zamestnancov, skladových procesov, kontroly kvality a dokonca aj dizajnu produktov. Technológia web3 môže pomôcť spoločnostiam optimalizovať logistické procesy a procesy spojené s celým dodávateľským reťazcom. Ďalšou významnou technológiou je digitálne dvojča, ktoré umožňuje organizáciám simulovať produkty, stroje a dokonca celé továrne. V spojení s už spomenutými technológiami možno navrhovať, testovať a overovať funkčnosť nových výrobných procesov a systémov v simulovanom bezpečnom prostredí pred ich reálnou implementáciou, takže možno výrazne redukovať riziko strát. Otázkou však zostáva, ako rýchlo a ako intenzívne sa podarí tieto technológie adaptovať v širšom meradle. Osobne som trošku skeptický, obzvlášť pokiaľ ide o slovenské prostredie.
Schopnosť umelej inteligencie dopĺňať, ovplyvňovať či nahrádzať ľudské chápanie a rozhodovanie prináša aj množstvo nových spoločenských otázok. Keď používame umelú inteligenciu pri rozhodnutiach, ktoré majú vplyv na ľudské životy a ich kvalitu, ako zabezpečíme, že systémy umelej inteligencie budú spravodlivé, nestranné a transparentné?
Veľmi dobrá otázka. Dlhodobo sa rozoberá dôležitosť toho, aby umelá inteligencia spĺňala požiadavky spravodlivosti a transparentnosti, ale nejaké reálne algoritmy alebo systémy, ktoré by to zabezpečili, stále chýbajú. To je vskutku dôležitá vec a uvediem k tomu dva príklady. V Británii testovali určitý algoritmus umelej inteligencie na výpočet známky zo záverečnej skúšky študentov. Výsledkom bolo, že viac ako 40 % študentov získalo horšie hodnotenie oproti hodnoteniu učiteľom, navyše algoritmus uprednostňoval deti zo súkromných škôl. V druhom prípade mala kreditná karta spoločnosti Apple nižšie úverové limity pre ženy ako pre mužov. Takže tejto oblasti bude potrebné venovať naozaj veľa pozornosti.
S mierou autonómie je spätá aj otázka zodpovednosti. Napríklad, kto je zodpovedný za nehodu autonómneho auta? Bude to výrobca, používateľ alebo samotný stroj? Predstava právnej zodpovednosti samotného algoritmu umelej inteligencie vyznieva prinajmenšom zvláštne. Existujú pre tieto príklady isté normy a štandardy?
Ak nejaký systém rozhoduje za nás, prípadne má významný vplyv na naše životy a je tým činom nejakým spôsobom zodpovedný, je vhodné tento systém regulovať. Médiá priniesli viacero prípadov, keď vozidlo vybavené technológiou umelej inteligencie spôsobilo smrť účastníka cestnej premávky. V jednom z prípadov z roku 2016 súd v USA rozhodol, že použitá technológia nie je vinná. Takže potreba právnej regulácie umelej inteligencie je evidentná; v roku 2017 boli prijaté isté legislatívne úpravy vo viac ako 60 krajinách. Lídrom v tejto oblasti je Čína, ktorá napr. v roku 2022 schválila zákon, ktorý upravuje, ako môžu podniky využívať jednotlivé algoritmy umelej inteligencie v online odporúčacích systémoch. V EÚ je aktuálne snaha uzákoniť EU AI Act, ktorý by mal vytvoriť regulačný rámec používania umelej inteligencie a strojového učenia. Táto snaha sa však nestretáva s pozitívnym prístupom výrobcov. Viac ako 150 významných európskych výrobcov sa v otvorenom liste bráni, že „návrh legislatívy by ohrozil konkurencieschopnosť a technologickú suverenitu Európy bez toho, aby efektívne riešil výzvy, ktorým čelíme a budeme čeliť“. Výsledok hlasovania je veľmi očakávaný, pretože má veľký vplyv na celosvetový trh, keď napríklad prijatie zákona o GDPR a používania cookies v rámci EÚ viedlo k rozšíreniu z krajín EÚ do takmer celého sveta.
Je slovenský priemysel na umelú inteligenciu pripravený?
Myslím, že áno, hoci ako som už spomínal, cítiť určitú nedôveru alebo skôr rešpekt. Avšak naša spoločnosť má viaceré pozitívne skúsenosti v rôznych oblastiach, ako je zdravotníctvo, automobilový priemysel, kontrola kvality a iné. Spolupracovali sme napríklad s Onkologickým ústavom sv. Alžbety v Bratislave na vývoji aplikácie, ktorá pomocou umelej inteligencie analyzuje z digitálnej fotografie zhotovenej z histologického preparátu percentuálne zastúpenie pozitívnych buniek vo vybranom imunohistochemickom farbení. Tento program je využívaný patológmi ako podporný nástroj pri stanovovaní kvantitatívne hodnotených markerov imunohistochemických farbení vo vzorkách nádorového tkaniva, a to v rutinnej bioptickej praxi. Týmto spôsobom sa zvýši presnosť hodnotených kvantitatívnych parametrov v imunohistochemických farbeniach, ako aj odbremení hodnotiacich patológov od časovo náročných procesov, ktoré sú za asistencie umelej inteligencie vyhodnotené za pár sekúnd. Ďalším príkladom je voľne dostupný nástroj Paula, ktorý bol vyvinutý v čase pandémie a primárne slúžil na automatickú kontrolu dodržiavania povinného nosenia rúšok a počítanie maximálneho počtu zákazníkov v obchodných prevádzkach. Takže predpokladám, že v blízkej budúcnosti bude čoraz viac a viac spoločností využívať pozitívny potenciál umelej inteligencie.
Ďakujeme za rozhovor.