Umělá inteligence se postupem času stala běžnou součástí našeho života. Řada z nás si možná ani neuvědomuje, jak moc nám usnadňuje život. Spoustu technologií na ní postavených totiž využíváme téměř každý den. S umělou inteligencí jsou často spojovány i další pojmy, jako je strojové učení, hluboké učení nebo třeba neuronové sítě. Pojďme se nyní podívat na to, co tyto pojmy vlastně znamenají a jak spolu souvisí.
Co je to umělá inteligence?
Definic umělé inteligence existuje celá řada. Jednou z nejčastějších definic je: umělá inteligence je označení pro systémy, stroje a algoritmy vytvořené za účelem efektivního provádění úkolů a usnadnění lidské práce – činností napodobujících funkci lidské inteligence. Stejně jako člověk mají potenciál se učit, zlepšovat a zefektivňovat svou práci. K tomuto využívají informace, se kterými pracují, učí se na základě svých zkušeností. Každý z nich tedy může reagovat na řešení problému trochu jinak, protože jeho zkušenosti mohou být jiné.
Turingův test umělé inteligence
Turingův test je pojmenován po svém tvůrci, britském matematikovi a zakladateli moderní informatiky, Alanu Turingovi. Účelem tohoto testu je zjistit, jestli zkoumaný systém umělé inteligence vykazuje známky inteligentního chování, a zda ho tedy lze skutečně pokládat za inteligentní, či nikoli.
Test probíhá ve dvou oddělených prostorech. V prvním z nich se nachází testovaný stroj spolu s člověkem a ve druhém nějaký další člověk, takzvaný testující. Testující klade otázky v přirozené řeči a předává je do první místnosti, kde je náhodně zodpoví buď stroj, nebo člověk. Odpovědi jsou pak předávány v neutrální podobě zpět testujícímu. Pokud testující nedokáže rozpoznat, jestli komunikuje se strojem, nebo s člověkem, pak tato umělá inteligence testem prošla jako inteligentní. Turingův test byl dlouho považován za základní měřítko při posuzování inteligence strojů. Bohužel však ani zdaleka nepokrývá všechny aspekty, které jsou od inteligentních systémů očekávány.
Co je to umělá neuronová síť?
Inspirací pro umělé neuronové sítě byla architektura lidské nervové soustavy. Základním stavebním prvkem neuronové sítě je umělý neuron, který je matematickým modelem biologického neuronu. Tyto neurony jsou navzájem propojeny a předávají si mezi sebou signály. Každý neuron může mít libovolný počet vstupů, ale vždy pouze jeden výstup. Výsledná hodnota může být vstupem pro jiný neuron nebo může být jednou z výstupních hodnot celé sítě. Do jisté míry by se dalo říct, že umělá neuronová síť napodobuje způsob, jakým informace zpracovává lidský mozek.
Strojové učení
Strojové učení je podoblastí umělé inteligence. Zabývá se algoritmy a technikami, které umožňují počítačovému systému, stroji, se učit. Pracuje s velkým množstvím dat, které analyzuje, uspořádává do souvislostí a následně vyhodnocuje. Vychází ze své předešlé zkušenosti, kterou na základě nových informací dále vylepšuje, a rozšiřuje si tak své znalosti.
Jak se stroje učí?
Existují různé metody strojového učení. Jednou z nich je „učení s učitelem“, při které je pro vstupní data určen i správný výstup. Algoritmy, trénované touto metodou, umí vždy pouze to, co je naučíme. Nezvládnou tedy například provést činnost, která nebyla předtím definována.
Další metodou je „učení bez učitele“. Používá se v případě, kdy není možné člověkem ke vstupu určit správný výstup. Proto jsou dána pouze vstupní data. Na postup řešení a výsledek musí přijít algoritmus sám.
Často se také využívá kombinace těchto dvou metod. Nejprve proběhne část bez učitele, poté se provede učení s učitelem. Tento postup má výhodu v tom, že dokáže výrazně urychlit část učení bez učitele.
Poslední z nejčastěji používaných metod je takzvané „učení se zpětnou vazbou“. Algoritmus při něm hledá optimální řešení, k němuž následně obdrží hodnocení o úspěšnosti nebo neúspěšnosti procesu. Schválené postupy poté používá při řešení dalších podobných problémů.
Hluboké učení
Hluboké učení je rozšířením strojového učení. Přichází na řadu, pokud je třeba řešit složitější problémy a pracovat s větším množstvím dat. Ke své činnosti využívá umělé neuronové sítě s velkým počtem vrstev, které jsou za sebou zapojené tak, že výstup vrstvy předchozí je vstupem vrstvy následující.
Využití umělé inteligence
Umělá inteligence je považována za technologii budoucnosti. Jejím cílem však není ovládnutí světa, které bývá častým námětem sci-fi filmů či knih, ale usnadnění lidské práce. Postupně se rozšiřuje do nejrůznějších oblastí života. Nalézá uplatnění například v podnikání, školství, dopravě, bankovnictví či zdravotnictví.
S umělou inteligencí se můžeme dnes setkat třeba v podobě chatbota na stránkách e-shopů. Chatboti v dnešní době stále častěji nahrazují zákaznickou podporu. Díky umělé inteligenci mohou vést automatizovanou konverzaci se zákazníkem, a to 24 hodin denně, 7 dní v týdnu.
Využití umělé inteligence lze nalézt také v mobilních telefonech, kde se může využívat k rozpoznání obličeje pro odemykání nebo při focení s automatickým režimem, kdy telefon musí správně rozpoznat objekt, vyhodnotit ho a dle toho upravit parametry.
Dalším příkladem mohou být virtuální asistenti, kteří na základě rozpoznávání hlasu provádějí námi zadané úkoly, a usnadňují nám tak ovládání telefonu nebo dokonce různých zařízení v domácnosti jako je chytré osvětlení, zásuvky, meteostanice, termostaty či kuchyňské spotřebiče.
Foto:
Hlavička https://trenchlesstechnology.com/wp-content/uploads/2020/02/artificial-intelligence-illustration.jpg
[1] https://www.thesoftwarereport.com/wp-content/uploads/2020/11/AI.jpg
[2] https://www.informatec.com/sites/default/files/image-seperator/machine-learning-separator-1.jpg
