Češi pomohli vytvořit umělou inteligenci s intuicí

Vytvořená umělá inteligence disponuje intuicí a učí se pomocí neuronové sítě. Podobně jako člověk. Jde o zcela přelomový úspěch, který by mohl přinést revoluci v obchodu, medicíně a celé řadě dalších oborů.
Umělá inteligence DeepStack blafuje a umí na člověka připravit léčku. Má něco, čemu lze říkat intuice a díky ní dokázala porazit nejlepší světové hráče pokeru. Zpráva o tomto přelomu, který se dle některých odborníků neměl umělé inteligenci nikdy podařit, vzbudila po světě rozruch. Ještě více potěšující zprávou pro českou vědu je, že za programem stojí i tři čeští vědci.

Umělá inteligence realitou?

Využití umělé inteligence se schopností blafovat je veliké. Podobný program, který porazil pokerové hráče, by mohl vyjednávat různé dohody, od ubytování v hotelu po miliardové kontrakty. Využití by našel i v medicíně a další dlouhé řadě jiných oborů.
Mezi autory programu DeepStack jsou Martin Schmid a Matěj Moravčík z katedry aplikované matematiky Matematickofyzikální fakulty Univerzity Karlovy. Třetím členem českého týmu je Villiam Lisý z Centra umělé inteligence Fakulty elektrotechniky na ČVUT. "Na Albertské univezitě v Kanadě program rok připravovalo 10 lidí," říká Viliam Lisý. "Tři z nich byli z českých univerzit. O podílu jejich práce svědčí i to, že kybernetikové z matematickofyzikální fakulty jsou v citacích uvádění na prvních místech." Ve čtvrtek zamířil článek českých vědců i do jedné z nejprestižnějších světových publikací Science.

Hra s neúplnou informací

Poker představuje hru, která - na rozdíl od šachů - není jen o kombinačních schopnostech a paměti, ale do značné míry také o intuici, psychologii a štěstí. Nevypočitatelnost výsledků prohlubuje i významná role náhody zabudovaná v pravidlech. Odborníci o pokeru mluví jako o hře s nekompletními informacemi, ve které hráči během hry nemají k dispozici stejné informace a stejný pohled na hru, protože část karet zůstane až do konce skrytá. "Algoritmus DeepStacku je přelomový, protože se nám podařilo přenést myšlenky, které byly klíčové ve hrách s úplnou informací, do světa her s neúplnou informací," uvádí Martin Schmid. "Dosud nebylo jasné, zda je podobný přístup vůbec možný."
Úspěch byl možný především tím, že v programu se uplatnily prvky umělé inteligence a schopnost učit se na základě využití principu neuronových sítí. Jde o síť vzájemně propojených prvků, která se učí tak, že (velmi zjednodušeně řečeno) kladná odezva na vykonanou akci posiluje použité struktury sítě. Podobně jako se děje při učení v lidském mozku. V případě DeepStacku jde o takzvanou hlubokou neuronovou síť, která vyhodnocuje jednotlivé pokerové informace, jde tedy o jistou formu intuice, kterou algoritmus využívá pro správná rozhodnutí.