Podání rukou a úsměvy před kamerami jsou vždy především diplomatickým aktem. Dokonce povinným aktem.

Dne 24. prosince 2019 spolu veřejně komunikovali hlavní představitelé dvou opačných (tzn. šlo tam i o peníze si konkurujících) přístupů k projektům vytváření systémů umělé inteligence (AI): Kanaďan Yoshua Bengio (reprezentant tzv. hlubokého učení) a Američan Gary Marcus (klasická symbolická logika). Odborné přednášky obou aktérů zakončila poměrně zdlouhavá odborná diskuze, která byla vydána i jako článek dne 1. ledna 2020. Akce byla zakončena vzájemným stiskem ruky obou aktérů. Celá akce zřejmě proběhla ve vzájemném soudružském porozumění a snad byla též dohodnuta budoucí plodná spolupráce.

Nejprve si stručně připomeňme, jak se obor AI dostal z období svého vzniku v 50. letech do současného stavu v roce 2020.

Kdo má pravdu? Všichni a současně nikdo.

Nejdříve sdělím: Nechci zde v důležitosti a složitosti soupeřit s kosmology nebo klimatology, ale musím čtenáře poctivě upozornit, že i obor AI je oborem extrémně složitým, který se vyvíjí zdlouhavě a ani dosud není zcela jasné, kdo z dnešních AI aktérů bude mít hlavní podíl na největším budoucím pozitivním výsledku pro lidstvo.

Jak posoudit, kdo má pravdu? V prvním přiblížení složitosti oboru AI odkáži čtenáře na historický příběh šesti slepců, kteří měli poslepu ohmatávat slona, aby tak zjistili, kdo vlastně jejich vesnici navštívil. Každý slepec prý zachytil jinou část slonova těla, a proto každý z nich hlásil svým kolegům zcela odlišný zážitek ze svého, určitě poctivého zkoumání neznámého objektu. Všichni měli pravdu a současně nikdo z nich neměl pravdu vyčerpávající. A ten poslední slepec (na obrázku nezachycený) měl dokonce osaháváním zkoumat i sloní lejno.

A teď zpět k tématu. Zakladatel AI oboru Marvin Minski (v 50. letech) sám zkoušel počítačové napodobení neuronové sítě mozku, ale protože tehdy známá jen jednoúrovňová síť (jednoúrovňový perceptron) na tehdy málo výkonných počítačích neprodukovala rozumné výsledky, sám Minski zavrhl tento přístup jako neperspektivní. Svým publikovaným názorem a velkou autoritou v oboru zarazil financování tohoto AI směru na dobu 25 let! Asi jako ten poslední zmíněný slepec, i sám velký Marvin Minski (ač s tělesnou výškou jen něco přes 150 cm) hrábl kamsi do lejna. A pro někoho následovaly negativní dopady. Historické křivdy související s penězi se nezapomínají ani v Americe.

Na to ublížení dodnes nemohou zapomenout příznivci přístupu umělých neuronových sítí svým AI kolegům, kteří o financování výzkumu AI nepřišli, když se věnovali výzkumu a vývoji AI z opačného konce, tj. konkurenčním přístupem symbolické logiky. Jenže byznys spěchá a šetří. Přístup symbolické logiky produkoval pro člověka-uživatele sice přehledné a průhledné výsledky, ale velmi pomalu a draze. Nicméně v průběhu let se rychlým technologickým vývojem brutálně zvýšil počítačový výkon a také byla objevena funkční víceúrovňová architektura umělé neuronové sítě (víceúrovňový perceptron). Strojové učení (umělých neuronových sítí) se přesunulo především do tzv. hlubokého učení. Tím byly v oboru umělých neuronových sít umožněny pro byznys i vojáky prakticky užitečné AI aplikace (hlavně počítačové rozpoznávání obrázků; k tomu pokroku nedošlo v USA, ale v Kanadě, kam z USA emigroval jeden z hlavních představitelů výzkumného směru neuronových sítí, britský psycholog G. Hinton).

Takže dnes je hlavním příjemcem financování AI oboru právě přístup umělých neuronových sítí, zatímco dříve dominující symbolická logika dnes relativně upadla. Ne sice úplně, ale citelně. Stoupenci umělých neuronových sítí dnes hovoří jen s despektem (a soucitným povzdechnutím) o konkurenčním, loudavém přístupu symbolické logiky jako o prehistorii oboru AI. Skutečná historie AI prý začala až s příchodem funkčních umělých neuronových sítí.

Jenže po počátečním byznys aplikačním úspěchu stoupenci hlubokého učení dnes přesně neví, jak dál: pro veřejnost proto mlží, hodně slibují a odmítají spolupráci s AI přístupem symbolické logiky. Rozhodně nechtějí přijít o znovunabyté financování svého směru vývoje AI. Potenciál toho jejich směru je skutečně obrovský, ale je realizovatelný, jen pokud existují dostupná data, na kterých by se umělá neuronová síť mohla potřebné naučit. Takové stručné shrnutí vývoje oboru AI by pro laiky mělo stačit.

Ještě připojím, že před několika lety někdejší editor Technology Review, Michael Schrage, sliboval, že v budoucnu nebude až tak důležité IQ člověka, ale jeho TQ (training quotient), tj. lidská schopnost vytrénovat si AI k nějakému specializovaného úkonu. Podobně jako si je člověk schopen vytrénovat svého psa, který má mnohem lepší čich, než má jeho majitel. Specializovaná AI ve spojení s brutálním výpočetním výkonem bude pak v úzce specializovaných úlohách člověkem nepřekonatelná. Což je v některých případech už dnes skutečností. Dnes už například žádný lidský mozek nemůže nikdy porazit AI v šachu. A také v rozpoznávání rakovinného nádoru z rentgenového snímku už AI produkuje statisticky „celkově“ lepší výsledek než radiolog. Bude ale tento raketový nástup umělých neuronových sítí i nadále pokračovat? Vždyť žádný strom přece neroste až do nebe.

Závěr

Přečtení výše zmíněného odborného článku ze dne 1. ledna 2020 mělo trvat sice jen 23 minut, ale já jsem ho poctivě studoval několikanásobně delší dobu. Psycholog Gary Marcus tam diplomaticky, ale přece jen docela silně tlačil kanadského výzkumníka Yoshuu Bengia k přesnějším definicím a záměrům v jeho směru výzkumu v tzv. hlubokém učení umělých neuronových sítí. To prý ale dnes už stejně není obsahově přesný název, který (jen na povrchu AI oboru ulpívající) novináři hodně rozšířili. Není to sice přesný, ale je to již zavedený pojem tzv. hlubokého učení (dnes až 120úrovňový perceptron). Takže u něj zde také zůstaneme.

Jak Gary Marcus, tak i Yoshua Bengio působili dojmem, že mají poctivý přístup k věci. Dne 24. prosince 2019 došli k lepšímu vzájemnému porozumění a uvažují i o budoucí spolupráci při vytváření jakéhosi hybridního přístupu k AI oboru. Což před kamerami stvrdili i svým závěrečným stiskem ruky. Profesor Markus agitoval ve prospěch symbolické logiky v hybridním AI přístupu s odůvodněním, že i dosud nejúspěšnější AI program AlphaZero (při hře v šachu) je fakticky také hybridním přístupem. Snad ta jejich deklarovaná spolupráce bude fungovat, snad je i záznamy kamer dotlačí k bližší spolupráci - v zájmu lidstva.

Vzpomínám si ale, že v lidské historii ani udělení Nobelovy ceny míru někdejším představitelům obou stran válečného konfliktu nakonec ty aktéry ke skutečnému míru nedotlačilo. A jeden z nich chtěl i proto tu nezaslouženě udělenou Nobelovu cenu míru vrátit. Vězte, že dosažení budoucí výkonné AI tedy není jen problémem ryze technickým, ale i lidským.

Dvě poznámky pod čarou

1. Jakési „priors“. Pro úspěšné hluboké učení (umělé neuronové sítě) bude prý kriticky důležité nalezení předchůdců lidské a zvířecí inteligence (jakési priors), o kterých hovoří Yoshua Bengio. Pokud se toto podaří, programy hlubokého učení a brutální výpočetní výkon by nás pak měly posunout blíže k roku 2029.

Vo co go? V období kolem roku 2029 (dle předpovědí Ray Kurzweila, tzn. s přesností 86 %) by se totiž již měla úroveň umělé inteligence vyrovnat inteligenci lidské ve všech (nedávno zpřesněných) úkolech často zmiňovaného Turingova testu inteligence, původně navrženého v roce 1950.

2. My máme parní stroj, úžasné síly zdroj, …

Parní stroj (jakkoliv výkonný) bez potřebné páry určitě „nja ta tá“ neudělá. Podobně lze říci: Dnešní počítače jsou už opravdu úžasně výkonné. Jenže bez relevantních dat (pro naučení se toho podstatného) jsou i programy hlubokého učení umělé neuronové sítě nefunkční. Spekuluji, že přesná data z proběhlé pozemské evoluce (která pozemskou evoluci přivedla až k lidské úrovni inteligence) již asi nikdy nezískáme. Tato cesta pokroku zmizela v hlubinách historie. Budou k tomu účelu dnes stačit jen data o výsledku lidské evoluce na této planetě?

CSd (celkem spokojený důchodce)