Působivé výsledky generované nejnovějšími umělými inteligencemi logicky podněcují otázku, zda se blížíme vzniku obecné AI. Jedna síť vám vygeneruje originální a velmi působivý obraz v mnoha tvůrčích stylech, s jinou můžete chatovat téměř jako s člověkem a některá dokáže napsat část zdrojového kódu do vaší aplikace. Člověk tím ztrácí monopol na stále více činností. Je tedy obecná umělá inteligence za rohem, nebo jsou tyto zajímavé pokusy jen slepou vývojovou větví?
Rok 2022 byl bohatý na pokroky v oblasti kreativní inteligence. Právě kreativní inteligence jako Stable Diffusion, MidJourney nebo DALL-E 2 předvedla překvapivě parádní a skvěle propracované kousky, se kterými nejen uspěla v uměleckých soutěžích, ale také pobouřila řadu umělců, kteří si najednou uvědomili, že čelí nečekané konkurenci.
Další velmi úspěšnou technologií je GPT-3 od OpenAI. Tento model dokáže interpretovat lidské dotazy, využívat znalostní databáze a konstruovat na ně překvapivě dobré odpovědi. Nejde o model, který by nad fakty uvažoval, pouze chápe sémantické souvislosti, takže by vás nemělo překvapit, že na stejný dotaz může model pokaždé odpovědět jinak, a někdy dokonce úplně opačně. Tato AI neuvažuje, funguje spíš jako asistent, který dokáže zkompilovat několik odborných článků do abstraktu. Rozhodně ale zkomplikuje práci lidem, kteří se snaží identifikovat plagiátory. Těm naopak práci značně zjednodušuje.
Poslední oblastí, kde AI excelovala, je automatická tvorba počítačového kódu, kdy jako vstup akceptuje popis toho, co má kód dělat – a výstupem je zdroják v programovacím jazyce, který úkol vyplní, jako je například OpenAI Codex. Firmy poskytující umělou inteligenci nabízí rovněž i API, které AI dovoluje integrovat přímo jako součást cílové aplikace. Volání umělé inteligence se dá integrovat do uživatelského kódu, z něhož se AI zavolá a akceptuje se výsledek jejího výstupu.
Vývoj umělé inteligence byl vždy nerovnoměrný a dnes se zdá, že se rozvíjí velice rychle. Je ale třeba určitá opatrnost, protože nyní jsme stále ve fázi veřejného betatestu, jehož cílem je ověřit kvalitu výstupů a možnosti jejího použití. Modely jsou navíc limitované v tom smyslu, že i když je lze v některých případech spouštět na lokálním hardwaru, jde pouze o vytváření výsledků, nikoliv o učení nových modelů. Učení neuronových sítí a tvorba AI modelů je stále velmi náročná, vyžaduje specializovaný vysoce výkonný hardware, a je tedy stále nedostupná pro koncového zákazníka. Ten si nemůže podobně komplexní model ani vytvářet a učit, natož aby se AI učila něco sama lokálně. V tom bodu ještě opravdu nejsme.
Dnes se dostáváme do modelu „centrální učení – lokální spouštění“, které se začíná objevovat v řadě služeb. Mezi podobné méně nápadné služby patří i DLSS (Deep Learning Super Sampling) od Nvidie, kde učení modelů pro jednotlivé hry probíhá centrálně na výkonném hardwaru – a každý model je pak určen pro spouštění na grafických kartách, kde ve hrách inteligentně doplňuje detail do obrazu a výrazně zrychluje proces renderování.
Ve všech případech jde o oslnivé pokroky na poli AI, které ale nejenže jsou daleko od obecné umělé inteligence (AGI, Artificial General Intelligence), ale dost možná představují specifickou vývojovou větev, která k ní vůbec nevede. To neznamená, že by podobné programy byly neužitečné, pouze to znamená, že jde o jednorázové technologie, které přijatelně zvládají danou třídu úloh a nic více.
V současnosti nepanuje shoda v tom, zda je lepší zaměřit se na jednotlivé třídy specializované umělé inteligence (Narrow AI, Weak AI) a pak jednotlivá řešení nějak propojit – nebo se vydat nějakou zcela odlišnou a dost možná méně intuitivní cestou k obecné umělé inteligenci. Mezi výzkumníky a vývojáři přitom stále panuje představa, že současná umělá inteligence je „pouhá chytrá statistika“ – nikdo ale neví, zda prostá kombinace této „chytré statistiky“ spolu s procesem učení a randomizace stačí, anebo ne.
Lidská inteligence totiž také není zrovna extrémně mocná – stojí na systematickém učení se, a tedy na kumulované znalosti celého lidstva. Rádi se díváme na geniální vědce jako na titány vzpírající se nebesům – ale i oni obvykle přinesli pouze inkrementální poznání a nebyli nuceni znovuobjevovat úplně všechno od písma přes základy matematiky až po vědeckou metodu. Lidstvo je jako celek mnohem inteligentnější než jakýkoliv jeho jedinec – a je možné, že právě perspektiva naší introspekce a vnímání sama sebe jako inteligentních nás mate a svádí z cesty, která vede ke skutečné obecné umělé inteligenci.
I v přírodě se ukazuje, že kolonie kolektivního hmyzu vykazuje známky inteligentnějšího a organizovanějšího chování než jakýkoliv její jedinec – a je tedy možné, že část toho, co nám v cestě k obecné umělé inteligenci uniká, vůbec není v nás, v žádném jednotlivci, ale týká se to i toho, jak jako společnost nakládáme a pracujeme s informací společně.
