Nejprve je důležité vědět, že existují dva druhy AI. Jedním jsou všechny programy a přístupy, které dnes můžeme vidět kolem sebe: doporučovací software v prohlížeči i samotný prohlížeč, chatboty, generátory obrázků nebo třeba i programy, které používají rozvozci potravin. Tento typ se nazývá specializovaná umělá inteligence nebo také úzce zaměřená AI. "Když člověk programuje, velice často řeší problém typu: Když se stane něco, musíš něco udělat. Tedy typické ‚buď, anebo‘. Vyžaduje to jistou předchozí znalost toho konkrétního problému," říká Jan Drchal z Centra umělé inteligence ČVUT. Programátor v takovém případě musí nejprve definovat, co po stroji požaduje. U neuronových sítí je to jinak "Typicky se učí, podobně jako lidé, z příkladů. Nevyžadují nutně předchozí znalost problému," přibližuje fungování specializované AI Jan Drchal.
Vetřelci v české krajině: 10 invazních druhů, jež ohrožují přírodu i zdravíKřišťálové lustry září v Kamenickém Šenově už tři sta let. Jak dnes vypadají?Váš nový přítel chlad: Zlepšuje zdraví i náladu. Pozvete ho domů?Roadtrip po Namibii. Dobrodružství, které musíte zažítZa husou i vínem. 10 tipů, kde si pochutnat na svatomartinských hodechDruhým typem umělé inteligence je takzvaná AGI - Artificial General Inteligence, tedy obecná umělá inteligence. Možná ji znáte z pop kultury a sci-fi pořadů a videoher: když je program natolik perfektní, že dokáže "myslet" a jednat plně jako člověk. Umí univerzálně reagovat na své okolí a přitom ve srovnání s člověkem disponuje mnohem větší výpočetní kapacitou. AGI ovšem momentálně neexistuje, zatím je známá jen jako koncept. Proč AI potřebujeme?Umělá inteligence, pokud se správně použije, může v mnoha případech lidem ulehčit a urychlit jejich práci. Jak ale říká Jan Drchal, AI nejsou pouze programy, které řeší problémy podobně jako lidé. Jsou to i nástroje, které dokážou řešit i takové problémy, jaké by lidé ani řešit nezvládli. "Donedávna byla top AI témata například otázky plánování. Typicky mám například obrovskou továrnu a potřebuji naplánovat, po kterém páse zrovna pojede jaká součástka tak, aby se to na konci celé sešlo ve finální produkt," nastiňuje Drchal. Podobné jsou i problémy rozvážkových služeb, kdy je nutno naplánovat kurýrovi, kde a jaké zboží nabrat a jak to zboží co nejrychleji a co nejefektivněji rozvézt například po Praze. "V těchto příkladech máte tolik proměnných, že by to člověk v životě nedokázal naplánovat," vysvětluje odborník z ČVUT. Učení pod dohledem a bez dohleduV kontextu umělé inteligence se nejčastěji zmiňují termíny jako je strojové učení a neuronové sítě. Využívaných metod v rámci AI je ale více. Právě strojové učení si lze představit jako zastřešující termín, používaný pro jednu z oblastí AI. Další typy umělé inteligenceMezi ostatní oblasti AI patří například počítačová vize, zpracování přirozeného jazyka (NLP), expertní systémy, robotika, rojové systémy (swarm systems) a mnohé dal systémy, robotika, rojové systémy (swarm systems) a mnohé dal š š í. Tyto p í. Tyto p ř ř ístupy se v praxi kombinují. ístupy se v praxi kombinují. Ke zpracování dat u strojového učení slouží hlavně dvě metody: učení pod dohledem a učení bez dohledu. "V případě učení s dohledem mám k dispozici třeba nějaké obrázky a k nim popisky, anotace – například jestli je to pes nebo kočka. Program tato data zpracuje, upraví si jejich vnitřní strukturu a měl by je být schopen generalizovat," vysvětluje Jan Drchal. Je to vlastně učení na základě příkladů. Potom by měl být stroj schopen poskytnout obrázek psa, který nebyl v jeho vstupních datech, ale je oněm obrázkům psů podobný. "Stroj by měl být takto schopen mi i říct, že je to třeba pes na 60 procent," upřesňuje odborník. Příkladem využití učení pod dohledem je například i antispam nebo mapová aplikace hledající nejrychlejší trasu. V případě učení bez dohledu stroj dostane soubor dat bez klíče. Například se do stroje vloží skupina obrázků a on pak posuzuje podobnost s nimi u jiných obrázků. "Když potom přijde nový obrázek, ten model neví, že to je obrázek psa, ale ví, že vykazuje známky podobnosti s určitou skupinou obrázků v jeho databázi," přibližuje Drchal. Tato metoda se může uplatnit například při rozpoznávání obličejů nebo v kybernetické bezpečnosti. Neuronová síť je síť malých robůtkůNeuronové sítě si lze představit tak, že máte miniaturní počítač, který dokáže vzít vstupní data, zvážit je podle předem daných parametrů, seřadit je a sečíst dohromady. "Jeho výsledek se potom stává jedním ze vstupů pro stejný minipočítač výš nad ním v hierarchii. No a těchto počítačů máte třeba stamiliony, miliardu. Podobně fungují právě třeba neurony v lidském mozku," srovnává Drchal. Čím je taková síť větší, tím více dat dokáže zpracovat, ale také je mnohem dražší ve smyslu spotřebované energie a požadavků na hardware. Další metoda: rozhodovací stromyNeuronové sítě ale nejsou univerzálním řešením a nehodí se na každou úlohu. Mezi možné alternativy k neuronovým sítím v rámci využití umělé inteligence patří například metody rozhodovacích stromů, kdy se stroj rozhoduje třeba ve stylu: "Chci jít na golf. Prší? Nepůjdu ven nebo si vezmu si deštník. Neprší? Půjdu ven." Podobně lze problém dále rozebírat podle množství dalších proměnných – například podle toho, jaká je teplota nebo jestli fouká. Podle Drchala právě u podobných problémů neuronové sítě nejsou nejlepším řešením. Typicky se u různých problémů nepoužívá jen jedna metoda. Kombinuje se jich více a až společně dají kýžený výsledek. Jak fungují chatbotyChatboty jsou typickým příkladem spojení více přístupů počítačových věd k tvorbě AI. Strojové učení je zde využito ke generování obrázků a rozpoznání toho, co je řeč, obrázek nebo dokument. Zpracování přirozeného jazyka zase slouží k tvorbě přirozeně vypadající konverzace. V ní jsou například poskytnuté informace zasazeny do kontextu.