Je to běžný psychologický jev: stačí opakovat jakékoli slovo a nakonec ztratí veškerý význam a rozpadne se jako rozmočená tkáň do fonetické nicoty. Pro mnohé z nás se tímto způsobem už dávno rozpadlo slovní spojení „umělá inteligence“. Umělá inteligence je teď všude v technice, říká se, že pohání všechno od televize po zubní kartáček, ale nikdy ta slova sama o sobě neznamenala méně.

Takhle by to být nemělo.

Přestože je slovní spojení „umělá inteligence“ nepochybně, nepochybně zneužíváno, tato technologie dělá víc než kdy jindy – v dobrém i ve zlém. Je nasazována ve zdravotnictví a ve válce; pomáhá lidem vytvářet hudbu a knihy; důkladně zkoumá váš životopis, posuzuje vaši úvěruschopnost a upravuje fotografie, které pořídíte na svém telefonu. Zkrátka dělá rozhodnutí, která ovlivňují váš život, ať už se vám to líbí, nebo ne.

Může být obtížné vyrovnat se s humbukem a chvástáním, s nímž o umělé inteligenci hovoří technologické společnosti a inzerenti. Vezměme si například zubní kartáček Oral-B Genius X, jeden z mnoha přístrojů představených na letošním veletrhu CES, který se ohání údajnými schopnostmi „umělé inteligence“. Když se však přeneseme přes horní řádek tiskové zprávy, znamená to jen to, že poskytuje docela jednoduchou zpětnou vazbu o tom, zda si čistíte zuby správně dlouho a na správných místech. Jsou v tom nějaké chytré senzory, které zjišťují, kde v ústech se kartáček nachází, ale nazývat to umělou inteligencí je blábol, nic víc.

Když nejde o humbuk, jde o nepochopení. Tiskové zpravodajství může výzkum přehánět a na každý nejasný příběh o umělé inteligenci nalepit obrázek Terminátora. Často to pramení z nejasností ohledně toho, co umělá inteligence vůbec je. Pro neodborníky to může být ošemetné téma a lidé často mylně zaměňují současnou umělou inteligenci s verzí, kterou znají nejlépe: vědeckou vizí vědomého počítače, který je mnohonásobně chytřejší než člověk. Odborníci tento specifický případ umělé inteligence označují jako umělou obecnou inteligenci, a pokud něco takového někdy vytvoříme, bude to pravděpodobně až v daleké budoucnosti. Do té doby nikomu nepomůže, když bude přeceňovat inteligenci nebo schopnosti systémů umělé inteligence.

Je tedy lepší mluvit o „strojovém učení“ než o umělé inteligenci. Jedná se o podobor umělé inteligence, který zahrnuje v podstatě všechny metody, které mají v současné době největší vliv na svět (včetně toho, čemu se říká hluboké učení). Jako slovní spojení nemá takovou mystiku jako „umělá inteligence“, ale je užitečnější při vysvětlování toho, co tato technologie dělá.

Jak strojové učení funguje? Za posledních několik let jsem četl a sledoval desítky vysvětlení a nejužitečnější mi přišlo rozlišení přímo v názvu: strojové učení spočívá v tom, že umožňuje počítačům, aby se samy učily. Co to ale znamená, je mnohem větší otázka.

Začněme problémem. Řekněme, že chcete vytvořit program, který dokáže rozpoznávat kočky. (Z nějakého důvodu jsou to vždycky kočky). Mohli byste to zkusit udělat postaru naprogramováním explicitních pravidel typu „kočky mají špičaté uši“ a „kočky jsou chlupaté“. Ale co by program udělal, kdybyste mu ukázali obrázek tygra? Naprogramování každého potřebného pravidla by bylo časově náročné a museli byste cestou definovat nejrůznější složité pojmy, jako je „chlupatost“ a „špičatost“. Lepší je nechat stroj, aby se učil sám. Takže mu dáte obrovskou sbírku fotografií koček a on si je prohlédne a najde v nich své vlastní vzory. Zpočátku je spojuje docela náhodně, ale vy je testujete znovu a znovu a necháváte si ty nejlepší verze. A časem se stane docela dobrým v určování, co je a co není kočka.

Tak daleko, tak předvídatelné. Vlastně už jste takové vysvětlení nejspíš někdy četli a já se za to omlouvám. Důležité však není číst glosu, ale skutečně přemýšlet o tom, co tato glosa naznačuje. Jaké jsou vedlejší účinky toho, že se rozhodovací systém takto učí?“

No, největší výhoda této metody je ta nejzřejmější: nikdy ji nemusíte skutečně programovat. Jistě, pekelně se v tom vrtáte, vylepšujete, jak systém zpracovává data, a vymýšlíte chytřejší způsoby, jak tyto informace přijímat, ale neříkáte mu, co má hledat. To znamená, že si může všimnout vzorců, které by člověk mohl přehlédnout nebo na které by vůbec nepřišel. A protože program potřebuje pouze data – jedničky a nuly – existuje mnoho úloh, na které ho můžete vyškolit, protože moderní svět je prostě plný dat. S kladivem na strojové učení v ruce je digitální svět plný hřebíků připravených k zatlučení.

Ale pak se zamyslete i nad nevýhodami. Pokud počítač výslovně neučíte, jak poznáte, jak se rozhoduje? Systémy strojového učení nedokážou vysvětlit své myšlení, a to znamená, že váš algoritmus může dosahovat dobrých výsledků z nesprávných důvodů. Podobně, protože jediné, co počítač zná, jsou data, kterými ho krmíte, může si osvojit zkreslený pohled na svět nebo může být dobrý pouze v úzkých úlohách, které vypadají podobně jako data, která viděl předtím. Nemá zdravý rozum, který byste očekávali od člověka. Můžete sestavit sebelepší program na rozpoznávání koček na světě a nikdy vám neřekne, že koťata by neměla řídit motorky nebo že kočka se spíš jmenuje „Tiddles“ než „Megalorth Neumírající“.

Nučit počítače, aby se učily samy, je geniální zkratka. A jako každá zkratka zahrnuje zkracování cesty. V systémech umělé inteligence je inteligence, pokud ji tak chcete nazývat. Ale není to organická inteligence a nehraje podle stejných pravidel jako lidé. Stejně tak se můžete zeptat: jak chytrá je kniha? Jaká odbornost je zakódována v pánvi?“

Jak jsme na tom tedy nyní s umělou inteligencí? Po letech novinových titulků oznamujících další velký průlom (které, no, ještě úplně neskončily) se někteří odborníci domnívají, že jsme dosáhli jakéhosi plató. Ale to ve skutečnosti není překážkou pokroku. Na straně výzkumu existuje obrovské množství cest, které lze v rámci našich stávajících znalostí prozkoumat, a na straně produktů jsme zatím viděli jen špičku algoritmického ledovce.

Kai-Fu Lee, investor rizikového kapitálu a bývalý výzkumník v oblasti umělé inteligence, popisuje současný okamžik jako „věk implementace“ – okamžik, kdy se technologie začíná „rozlévat z laboratoří do světa“. Benedict Evans, další stratég VC, přirovnává strojové učení k relačním databázím, typu podnikového softwaru, který v 90. letech zbohatl a způsobil revoluci v celých odvětvích, ale to je tak přízemní, že se vám při čtení těchto dvou slov pravděpodobně zaleskly oči. Oba tito lidé chtějí říct, že se nyní nacházíme v bodě, kdy se umělá inteligence rychle stane normální. „Nakonec bude skoro všechno někde uvnitř a nikoho to nebude zajímat,“ říká Evans.

Má pravdu, ale ještě tam nejsme.

Tady a teď je umělá inteligence – strojové učení – stále něco nového, co často zůstává nevysvětleno nebo nedostatečně prozkoumáno. Ve speciálním vydání časopisu The Verge s názvem AI Week vám proto tento týden ukážeme, jak se to všechno děje právě teď, jak se tato technologie využívá ke změně věcí. Protože v budoucnu to bude tak normální, že si toho ani nevšimnete.