Umělá inteligence | Neuronová síť

Roboruka se 100 let učila otočit kostičku. Skutečné A.I. se možná nikdy nedočkáme

  • Strojové učení v posledních deseti letech dokázalo divy
  • Používáme ho dnes každý den nejen ve vyhledávači
  • A přesto se člověku nepřibližuje ani náznakem

Není lepšího důkazu, že se dost možná nikdy nedočkáme skutečné umělé inteligence, než robotická ruka Dactyl, s jejímiž schopnostmi se uprostřed prázdnin pochlubila výzkumná neziskovka OpenAI.

Jen připomenu, že OpenAI sponzoruje vedle Elona Muska třeba i Microsoft a Amazon a za cíl si klade rozvíjet technologie A.I. takovým způsobem, aby jednou pomohly celému lidstvu.

Základem Dactylu je věrná kopie lidské pravačky Dexterous Hand od Shadow Robot Company, jejíž výrobce ji dal do vínku dostatečný počet stupňů volnosti v pohybu, aby mohly jednotlivé prsty napodobit ty skutečné z masa a kostí. Už to je mimochodem malý inženýrský zázrak.

Dexterous Hand je nicméně sama o sobě jen hromadou hloupé slitiny a aktuátorů, které rozpohybuje až nějaký ten software. OpenAI ji napojila na jeden vskutku netradiční – neuronovou síť postavenou na technologii OpenAI Five, která se dříve ve virtuálním světě naučila porazit člověka ve hře Dota 2.

Ruko, nauč se otočit kostku!

Robotická ruka však tentokrát dostala zdánlivě mnohem jednodušší úkol. Měla se naučit s kostkou hýbat – třeba tak, aby dokázala správně vykonat příkaz: otoč kostku zelenou barvou nahoru. I tentokrát probíhalo strojové učení ve virtuálním světě, kde modelem ruky a jeho klouby software pootáčel tak dlouho, dokud nezjistil, že některé pohyby prstů vedou k tomu, že se kostka začíná natáčet zelenou barvou vzhůru.

Jediné, co simulátor uměl, bylo pohybovat prsty a vidět, co se děje. Leckdo by nabyl (velmi falešné) představy, že se tím pádem Dactyl a jeho ruka přiblížili inteligentní bytosti a člověku, nic však není vzdálenější realitě.

Pohyby, které se ruka sama naučila:

Postupným otáčením kostky ve virtuálním světě se Dactyl naučil některé základní fígle uchopení předmětů v ruce, které na denní bázi používáme i my lidé a nikdo jiný. Program se to přitom naučil sám, nikdo mu neporadil. Z toho lze usuzovat, že by se stejné úchopy pravděpodobně naučila jakákoliv jiná bytost s končetinou o pěti prstech, kterými může velmi jemně pohybovat. Je to univerzální a efektivní.

Ruka se to učila 100 let

Tak a teď ta studená sprcha. Aby se Dactyl naučil libovolně otáčet kostku, potřeboval k tomu, kdybychom vysoce paralelizovanou a rychlou simulaci přepočítali na lidský čas, neuvěřitelných 100 let! Ještě jednou, sto let. Nevím jak vy, ale já se jako batole naučil otáčet zavěšené hračky přeci jen o něco rychleji. Tedy alespoň doufám.

Strojové učení Dactyl:

Jenže tato šíleně dlouhá doba zdaleka není skutečným kamenem úrazu. To je jen čas, který lze zkrátit jednoduše tak, že se ve VR na superpočítači nebude učit jedna ruka, ale paralelně vedle sebe třeba tisíc rukou v různě nastavených simulacích, čímž se celkový potřebný čas zkrátí o mnoho řádů

8d419dcd-e925-4790-bfcb-6896436efbe0
Dactyl se ve virtuálním prostředí učil, jak docílit toho, aby se kostka v jeho ruce otočila správným směrem. Základní motoriku zvládl po sto letech strojového učení.

Skutečným fenoménem, který nás odlišuje od softwarových neuronových sítí, je něco jiného. Schopnost velmi komplexního abstraktního myšlení.

A.I. bez abstrakce potřebuje dokonalý model

Jelikož neuronové sítě současného designu běžící na počítačích taktéž současného designu nemají schopnost abstraktního myšlení, musejí si pro realitu (tedy pro každou situaci, se kterou si nevědí rady) vytvořit absolutně dokonalý pravděpodobnostní model.

Tímto modelem je právě ono strojové učení. Jednoduše řečeno, aby se vyhledávač Googlu naučil, jak vypadá kočka a mohl ji tedy vyhledávat, musel si nejprve projít tisíce a tisíce fotografií koček pořízených ze všech úhlů a zároveň tisíce a tisíce fotografií, na kterých žádná kočka není. Výsledkem byl statistický model toho, co je to, na pixelové úrovni, kočka, takže když do tohoto modelu vložíme fotku, vrátí nám pravděpodobnost, se kterou na ní vidí kočku – podle toho, jestli ve vstupních datech nachází obrazové vzory, které se podobají kočce.

4546ce8f-5f60-4820-ac9b-5a89f5cf8fe6
Interpretace staršího modelu Googlu, jak si představuje kočku. Pokud uvidí podobné vzory i na ostatních fotografiích, bude tam asi kočka.

Kdyby si ale měl být tento model 100% jistý, musel by vidět všechny kočky na světě, ze všech myslitelných úhlů. Nám, lidem, k tomu stačí pár letmých pohledů na kdejakou vesnickou číču. O zbytek se postará opět naše schopnost abstrakce daná předchozí zkušeností.

13 milionů naježděných kilometrů, a přesto by nejspíše neudělalo autoškolu

Na nedostatku abstrakce selhávají všechny současné systémy A.I. včetně toho nejslibnějšího – autonomního řízení. Na sklonku července se Waymo pochlubilo, že jeho autopiloti už na skutečných komunikacích nařídili úctyhodných 13 milionů kilometrů. Mnohem více však nacestovali v simulaci, ve které si mohou mnohonásobnou rychlostí zkoušet scénáře, které by jinak byly nemožné.

Wyamo má dnes pravděpodobně nejpokročilejšího A.I. řidiče:

Po osudové havárii Uberu na předměstí Phoenixu letos na jaře tak podobný případ zavedli do svých simulací i všichni ostatní a, s trochou cynismu, mohou srážet chodce mimo přechod třeba tisíckrát za sekundu, aby se naučili podobným situacím ještě lépe předcházet.

A teď opět pointa. Máte své vlastní auto? Kolik kilometrů jste najezdili v autoškole a kolik ve svém prvním voze, než se z vás stal dostatečný expert, který si troufl na první jízdu třeba na letní Jadran? Tuším, že to byly nejvýše tisícovky kilometrů.

Přes veškerou pokročilost Wayma a miliony nacestovaných kilometrů se tedy stále jedná jen o program, kterého vykolejí každá neznámá situace. Jednoduše proto, že nemá schopnost abstrakce. Aby se tedy program vypořádal se všemi možnými překážkami, musí je na binární úrovni všechny zažít a namodelovat.

f7e8e5a6-eef0-4a0a-8471-a46db75596db8a5d2f4f-ed77-4abb-bfbc-46d0decbad6c
Nvidia se loni pochlubila simulačním superpočítačem DGX, ve kterém dokáže autopilot nacestovat přes 12 000 kilometrů za hodinu. A přesto nezvládne věci, které jsou pro lidského řidiče samozřejmostí.

Jenže mezi tvorbou modelu kočky a tak komplexní realitou jakou je jízda po libovolné komunikaci i polní cestě této planety, je ohromný rozdíl. I proto ani Waymo jen tak nedosáhne nejvyšší 5. úrovně autonomie na globální úrovni, protože z tohoto úhlu pohledu je i 13 milionů kilometrů naprosté nic.

Jeho vozy po deseti letech vývoje a milionech kilometrů bez jakéhokoliv zásahu člověka zaručeně zvládnou jen relativně malé úseky, třeba 100 km2 okolo Mountain View. K namodelování celého světa, všech klimatických a meteorologických podmínek, chování českých cyklistů bez blikaček atp. by tedy nejspíše bez celkové změny designu potřebovaly miliardy kilometrů.

Právě proto mateřský Google sponzoruje výzkum, který se pokouší vytvořit A.I. se schopností reagovat i na to, co nemá v modelu – tedy na základě jakési primitivní abstrakce/zkušenosti reagovat na pro ni zcela neznámé situace, které nikdy nezažila. Podobné technologie jsou však zatím v plenkách.

Ani ten nejlepší superpočítač dneška nedokáže spolehlivě předpovědět, jaké bude za týden počasí. A.I. má podobný koncepční problém

Neuronové sítě a strojové učení tak možná nikdy nedosáhnou toho, co dokáže i ta sebehloupější, a přitom skutečně inteligentní bytost, protože neuronové sítě tuto schopnost pouze napodobují a to ke všemu jen na té nejnižší logické úrovni.

Zároveň platí, že můžeme strojovým učením jen těžko napodobovat některé vyšší mentální schopnosti člověka, když nemáme nejmenší páru o tom, jak vlastně fungují.

36bf482e-923c-434b-8580-3c5b874adb03
Moje neuronová síť Boženka a její model, který podle fotografie odhaduje počasí. Aby to Boženka zvládla, musela nejprve vidět třicet tisíc snímků zatažené, polojasné i jasné oblohy. Ohromné číslo, a přesto ji i dnes občas zmate třeba ranní mlha.

Uvědomění si sebe sama je sice důvěrně známý pocit, se kterým se setkáváme každý den ráno, když nás ze snu vytrhne řev budíku, nicméně ani armáda těch nejlepších neurobiologů. matematiků a filozofů netuší, co to vlastně je. S daty z EEG jsou na tom asi tak, jako bychom si prohlíželi snímky vzdálené hvězdy a podle svítícího pixelu se chtěli dozvědět, o čem dnes ráno snila ta trojoká žlutozelená žába na jedné z obíhajících planet, která tam někde možná je.

Spíše než o A.I. bychom se tedy měli bavit o rozšířené inteligenci – říká se ji augmented, kdy nám neskutečně schopné programy a stroje pomohou s životem jako takovým, rozšíří naše schopnosti, budeme díky nim nacházet lepší léky a efektivněji řešit celospolečenské problémy, ale ve své podstatě se stále bude jednat jen o hloupé programy. V žádném případě o myslící stroje. Nutno však podotknout, že i ty nás mohou zahubit. K tomu žádné sebeuvědomění a lidské vlastnosti nepotřebují. Stačí prostá podmínka IF–THEN.

Diskuze (60) Další článek: Domácí předplatné Office 365 nově rozdělíte mezi více lidí a využijete jej na více počítačích

Témata článku: , , , , , , , , , , , , , , , , , , , , , , , ,