Za méně než sto let se umělá inteligence proměnila z okrajové disciplíny teoretické matematiky v něco, s čím se každodenně setkávají miliony lidí po celém světě. V následující časové ose se podíváme na nejdůležitější milníky vývoje umělé inteligence. Představíme si momenty, kdy se stroje naučily komunikovat, vnímat své okolí, samostatně se pohybovat nebo překonat člověka v řešení nejrůznějších problémů.
1943 - počátky umělé inteligence
Přestože snahy o pochopení toho, jak funguje lidský mozek, a vytvoření stroje na podobném principu sahají až k začátku 20. století, my pouť historií v oblasti, jíž se později bude říkat umělá inteligence, začneme ve 40. letech. Právě v roce 1943 byl vytvořen první matematický model neuronu. Mezi nejvýznamnější postavy této epochy se bezesporu řadí britský matematik Alan Turing, který je znám především svou prací na dešifrování válečného kódu Enigma. Turing položil základy umělé inteligence, když popsal, jak může fungovat „univerzální stroj“, tedy stroj schopný vykonávat jakýkoliv program. Dnes těmto strojům říkáme počítače.Alan Turing také v roce 1950 představil myšlenku Imitační hry — pokus, při kterém člověk komunikuje se dvěma subjekty, člověkem a strojem. Jestliže není možné z odpovědí určit, kdo je člověk a kdo stroj, můžeme, podle Turinga, takový stroj nazývat inteligentním. V současnosti je tento pokus označován jako Turingův test.
1955 - Umělá inteligence jako věda
Na začátku padesátých let netvořilo zkoumání „inteligentních strojů“ samostatnou vědní disciplínu, šlo spíše o průnik matematiky a elektroniky. První použití termínu umělá inteligence je připisováno Johnu McCarthymu z MIT. Skutečný počátek oboru umělé inteligence pak tvoří konference uspořádaná v létě roku 1956 na univerzitě Dartmouth College. Ve skutečnosti se jednalo spíše o prázdninový workshop, kterého se souvisle zúčastnilo přibližně 10 lidí. I tak je tato událost považována za moment, kdy byla umělá inteligence ustanovena jako perspektivní vědní disciplína, které mnozí předpovídali rychlý rozvoj. Například ekonom a sociolog Herbert Simon v roce 1957 předpověděl, že nejpozději do 10 let porazí umělá inteligence člověka v šachu. Jeho vize se nakonec ukázala správná… jen to trvalo více než 30 let.
1966 - Chatbot ELIZA a robot Shakey
Jednou ze známek inteligentního systému je schopnost vnímat a komunikovat se svým okolím. A právě to jsou problémy, které řešily chatbot ELIZA a robot Shakey, jež byly vytvořeny v roce 1966. ELIZA, umělý teraupeut vytvořený na americké univerzitě MIT, byl program, který napodoboval lidskou konverzaci pomocí hledání známých vzorců a jejich přiřazení ke vhodným odpovědím v paměti. Přestože se jednalo o poměrně jednoduchý program, který navíc místo skutečného pochopení konverzace spoléhal na sadu pravidel, jak odpovídat, jeho úspěch překvapil i samotného autora. Někteří z uživatelů si dokonce mysleli, že místo chatbota komunikuje skutečná osoba. Robot Shakey, vyvinutý ve Stanfordském výzkumném institutu, byl první robot, který byl schopen vnímat své okolí, reagovat na něj a samostatně se v něm pohybovat. Navíc dokázal analyzovat složitější úkoly a rozplánovat je na jednotlivé kroky, které vedly k úspěšnému splnění daného cíle. Šlo o první případ, kdy vědci a vědkyně spojili strojové vnímání, plánování a pohyb do jediného stroje. Plánovací algoritmy, původně vyvinuté pro robota Shakey, jsou dodnes používány například v autonomních vozítkách Curiosity a Ingenuity na Marsu. Můžete se s nimi také setkat, kdykoliv používáte navigaci ve svém telefonu.
1974 - Zima umělé inteligence
Po prudkém rozvoji a úspěších umělé inteligence v 50. a 60. letech přináší konec 60. let několik velkých zklamaní ve vývoji AI, a to zejména v oblasti strojového překladu. Po přehnaném prvotním optimismu se ukázalo, že strojový překlad je nákladnější a méně přesný než použití lidských překladatelů. V důsledku těchto i dalších neúspěchů a pomalého vývoje nastal prudký pokles financování dalšího výzkumu a obecně útlum v zájmu o umělou inteligenci. Toto období se zpětně označuje jako první zima umělé inteligence (First AI Winter). Podobné období zažila umělá inteligence i v letech 1984—1993. I v této době se skutečné výsledky velmi lišily od sebevědomých prohlášení o vytvoření umělého mozku či nadvládě strojů.
1989 - První samořiditelné auto
Samostatný pohyb robotů nebo strojů představuje velkou výzvu. Kromě samotného ovládání pohybu je třeba vnímat okolí a přizpůsobit se mu. První kroky v této oblasti jsme popsali již u robota Shakey. Od laboratorního prostředí do silničního provozu však vedla ještě dlouhá cesta. Na konci 80. let se podařilo takový systém vyvinout na univerzitě Carnegie Mellon v USA. Vozidla Testlab 1 a hlavně pozdější ALVINN překonala v běžném provozu rychlost 100 km/h při zcela autonomním řízení. To vše s výpočetní silou téměř 10krát menší, než mají dnešní chytré hodinky.
1996 - Deep Blue poráží Garyho Kasparova
Šachová hra byla kvůli své složitosti mnohými označována za jeden z problémů, kde lidská kreativita musí zvítězit nad výpočetním výkonem stroje. První souboj s mistrem světa Garym Kasparovem v roce 1989 ještě společnost IBM se strojem Deep Thought prohrála. Již o pár let později, na začátku roku 1996, se nový počítač Deep Blue, schopný analyzovat více než 200 milionů tahů za sekundu, stal prvním strojem, který porazil úřadujícího mistra světa. Celkově však Kasparov zápas hraný na 6 partií vyhrál 4:2. V odvetě, hrané o rok později, Kasparov těsně prohrál, a šachy se tak staly další hrou, v níž umělá inteligence pokořila člověka.
2006 - Dataset ImageNet
Přestože neuronové sítě a zejména algoritmus na jejich efektivní učení známe již od 60, respektive 80. let 20. století, jejich rozmach přichází až na přelomu tisíciletí. Jednou z oblastí, která se na tomto rozvoji výrazně podílela je rozpoznávání obrazu, tedy úkol, který je pro člověka velmi jednoduchý. Významným mezníkem je představení datasetu ImagineNet, za jehož tvorbou stojí čínsko-americká vědkyně Fei-Fei Li. Tento projekt hrál klíčovou roli v rozvoji rozpoznávání obrazu a detekce a lokalizaci objektů. Hlavním přínosem toho datasetu bylo jeho použití v soutěži ImageNet Challenge, která přitáhla výraznou pozornost laické i odborné veřejnosti k použití neuronových sítí v rozpoznávání obrazu. V současnosti ImageNet obsahuje více než 14 milionů obrázků a více než dvacet tisíc tříd.
2010 - Watson vyhrává Riskuj!
Dalším úspěchem společnosti IBM v oblasti umělé inteligence byla výhra v televizní soutěži Jeopardy! (obdoba Riskuj!) nad nejlepšími hráči světa. Tato vědomostní hra spočívá ve výběru otázky z daných kategorií. Každá z otázek je ohodnocena obnosem peněz, který hráč získá v případě správné odpovědi, anebo ztratí, pokud odpoví špatně.Na rozdíl od Deep Blue v tomto případě stroj Watson nepotřeboval člověka jako prostředníka a dokázal samostatně najít strategii pro volbu otázek, zpracovat otázku od moderátora a odpovědět pomocí strojově vytvořeného hlasu. Počítač Watson drtivě zvítězil s dvojnásobným ziskem, než měli jeho dva soupeři dohromady.
2011 - SIRI a průlom ve zpracování řeči
Společnost Apple při představení telefonu iPhone 4S představuje hlasového asistenta SIRI, který umožňuje ovládání a interakci se zařízením pouze pomocí hlasu. Na rozdíl od ELIZA není systém založený na pravidlech, ale učí se ze skutečných konverzací. Zároveň zpracovává i hlas, a ne pouze psaný text. Kromě úspěchu ve vývoji technologie zpracování přirozeného jazyka jde o jeden z prvních případů masového rozšíření umělé inteligence k uživatelům po celém světě.
2017 - AlphaGo poráží Lee Sedola v Go
V dalším milníku vývoje umělé inteligence se vrátíme k deskovým hrám, a to konkrétně ke hře Go. Tato asijská hra nabízí násobně více kombinací než šachy, a proto dlouho odolávala pokusům o vytvoření programu, který by zvládl porazit nejlepší hráče světa. Jen pro představu — v šachu má první hráč 20 možných tahů, zatímco Go jich nabízí 361. Vzhledem k počtu kombinací tak není možné vyhrát pouze zvýšením výpočetního výkonu, jak tomu bylo v případě Deep Blue.V roce 2017 představila společnost DeepMind program AlphaGo, který porazil profesionálního hráče hry Go Lee Sedola. Dalším vývojem AlphaGo byl program AlphaZero, který dosáhl stejných výsledků bez analýzy předchozích partií, a to hned ve 3 hrách (šachy, Go, a Shogi). Další vývoj těchto modelů se soustředil na hry jako Starcraft nebo Dota 2.
2017 - DeepStack poráží člověka v pokeru
Další z populárních her, které byly dlouho považovány za neřešitelné pro umělou inteligenci, je poker. Mezi hlavní důvody patří to, že hráči nemají o hře všechny informace — nevědí, jak jsou karty zamíchány a jaké karty drží protihráči v ruce (na rozdíl například od šachu, kde hráči vidí celou šachovnici). To umožňuje hráčům blufovat, a k hraní takových her je kromě hledání nejvhodnější strategie potřeba i „intuice“.V roce 2017 vytvořil tým z University of Alberta program DeepStack, který dokázal porazit profesionální hráče v Texas Hold ‚em Pokeru. Zajímavostí je, že na vývoji programu se podíleli i studenti a studentky z České republiky.
2020 - GPT-3: Počítač píše knihu
Jednou z výzev pro umělou inteligenci je kreativita: může stroj nakreslit obraz nebo napsat knihu? Model GPT-3 vyvinutý společností OpenAI v roce 2020 dokazuje, že ano. Přesněji řečeno, že je schopen vytvořit text, který je nerozeznatelný od textu vytvořeného člověkem. Vzpomínáte si na Turingův test? GPT-3 je model, který byl trénován pomocí kompletního obsahu Wikipedie, většiny příspěvků na síti Reddit, obrovského množství anglicky psaných knih a textů z internetu nashromážděných za více než 10 let. Díky své kapacitě dokáže najít souvislosti mezi slovy a větami, obsahem a formou, jeho vyjádřením a použít tyto znalosti k vytvoření textu podle zadaných požadavků.
2022 - O krok blíž k obecné umělé inteligenci
Až na pár výjimek jsme dosud ukazovali příklady, kdy umělá inteligence překonala člověka v jednotlivých velmi úzce specifikovaných úkolech. Zatím nejblíže k vytvoření obecné umělé inteligence, tedy programu, který bude schopen podobně jako lidé řešit velké množství různorodých úkolů a přenášet si znalosti mezi těmito oblastmi, je model společnosti DeepMind pojmenovaný Gato. Na rozdíl od modelu AlphaZero, který se každou z her musel učit postupně a při učení musel zapomenout předchozí znalosti, Gato se učí více než 600 různých úkolů současně — od rozpoznávání obrázků a psaní textů po ovládání robotů a hraní hry z konzole Atari, a je schopný mezi těmito úkoly volně přecházet bez zapomínání. Pro úplnost je ale třeba zmínit, že kvalita, s jakou Gato jednotlivé úkoly řeší, nedosahuje hodnot modelů specializovaných. Jde tedy o významný krok směrem ke skutečné obecné inteligenci, ale ani zdaleka ještě nejsme v cíli.