Ako dlho trvá, kým prelomový vynález prevráti naruby ekonomiku celého štátu? Ak sa opýtate ChatGPT, odpovie, že „disrupcia slovenskej ekonomiky sa už začala a v najbližšom čase sa bude zrýchľovať“. V tomto rozhovore uvažuje nad podobnými témami človek: Mária Bieliková profesorka z Kempelenovho inštitútu inteligentných technológií a aktuálna laureátka ocenenia Výnimočná osobnosť vedy Eset Science Award.
Čo aktuálne určuje tempo „AI revolúcie“ v ekonomike? Rýchlosť, s akou od veľkých vendorov prichádzajú updaty softvéru, objem investícií, či niečo iné?
Dôležité sú aj investície, aj kvalifikovaní ľudia, ale i samotné prelomové objavy. Práve na začiatku veľkých technologických revolúcií sa veľké objavy často spočiatku ani za objavy nepovažovali. Platilo to aj v jednej z klasických oblastí umelej inteligencie, počítačovom videní. Dlhé roky sme sa snažili riešiť to, čo vie malé dieťa, teda rozpoznávať veci okolo seba. Výskumníkov odjakživa zaujímalo, ako ten proces automatizovať.
Miro Nôta pre Forbes
Rozhodujúcim nástrojom pre AI v rozpoznávaní objektov sa stali neurónové siete. Prečo práve tie?
Samotný koncept umelých neurónových sietí má viac ako osemdesiat rokov, ale ešte v deväťdesiatych rokoch niekoľkí významní vedci predpovedali, že je to slepá vetva výskumu. Našťastie sa našli vytrvalí zvedavci, medzi nimi aj čerstvý nobelista za fyziku Geoffrey Hinton a prišli prvé prelomové
výsledky.
Bolo to možné aj vďaka významnému nárastu výpočtovej kapacity. Ďalší predpoklad, ktorý sa musel splniť pre nástup nového leta AI, bol dostatok kvalitných dát. Pred zhruba sedemdesiatimi rokmi, keď AI vznikla ako pojem, prišli prvé pokusy v počítačovom videní. Vedci skúšali rozpoznávať rastliny a vytvorili prvý dátový súbor so stopäťdesiatkou označkovaných obrázkov. Dlhé roky sme nič lepšie nemali. Dnes už hovoríme nie o stovkách ani státisícoch, ale o miliónoch obrázkov – a nielen tých. V nasledujúcich dvoch rokoch bude zrejme vytvorených viac dát, ako bolo vytvorených doteraz. Počítame ich v zettabajtoch (desať na dvadsiatu štvrtú). Až viacero takýchto faktorov dohromady vytvorí nové príležitosti.
To sú predpoklady na použiteľnosť nástroja. Ako sa firmy dostali k aplikáciám?
V AI alebo presnejšie v strojovom učení sa modely používajú na istý typ úlohy. Špecifikom v hlbokom učení pritom je, že keď natrénujete model na danú úlohu a potom ho škálujete, trebárs zdvojnásobíte počet parametrov, zistíte, že zrazu má ešte aj nové, iné vlastnosti, napríklad umožní riešiť úlohy, ktoré nikto nečakal. Ak model opakovane škálujete, udeje sa to v nejakej miere znova, aj vďaka tomu, že do výskumu a vývoja AI sú dnes zapojené firmy, ktoré sa pretekajú v trénovaní modelov.
