Historie umělé inteligence – od počátku

V zásadním článku o umělé inteligenci s názvem Computing Machinery and Intelligence se Alan Turing slavně zeptal: „Mohou stroje myslet?“ – nebo přesněji řečeno, mohou stroje úspěšně napodobit myšlení?“

O 70 let později je odpověď stále „ne“, protože stroj neprošel Turingovým testem.

Turing upřesňuje, že ho zajímají stroje, které „jsou určeny k provádění jakýchkoli operací, které by mohl provádět lidský počítač“. Jinými slovy, zajímají ho složité digitální stroje.

Protože dosažení myslícího digitálního stroje je záležitostí vývoje strojů, je důvodem začít na počátku historie strojů.

Stroj je zařízení, které vykonává práci. Ve strojírenském pojetí znamená práce přenos energie z jednoho předmětu na druhý. Stroje nám umožňují vyvinout větší sílu a/nebo ji vyvinout efektivněji, což vede k vykonání většího množství práce.

Moderní stroje – jako výše uvedený robot Atlas společnosti Boston Dynamics – používají stovky součástí, včetně hydraulických kloubů, pístů, ozubených kol, ventilů a podobně, aby mohly plnit složité úkoly, jako je například samoopravná stabilizace nebo dokonce salta vzad.

Jednoduché stroje

Naší dřívější definici však odpovídají i „jednoduché stroje“, včetně kol, pák, kladek, nakloněných rovin, klínů a šroubů. Ve skutečnosti jsou všechny mechanické stroje tvořeny nějakou kombinací těchto šesti jednoduchých strojů.

Atlas je nejen mechanický, ale také digitální stroj.

Jednoduché mechanické stroje jsou staré miliony let. Například „kamenné nástroje jsou stejně staré jako lidská společnost“ a archeologové našli kamenné nástroje „staré 1,5 až 2 miliony let“.

Složité stroje

Kombinací jednoduchých strojů lze vyrobit vše od trakaře přes jízdní kolo až po mechanického robota.

Ve skutečnosti pocházejí záznamy o mechanických robotech z doby před více než 3 000 lety.

Taoistický text Lieh-tzu, napsaný v 5. století př. n. l., obsahuje zprávu o mnohem dřívějším setkání krále Mu z dynastie Čou (1023-957 př. n. l.) s inženýrem jménem Jen Š‘. Jen Š‘ představil králi mechanický automat ve tvaru člověka v životní velikosti:

„Král na postavu užasle zíral. Chodila rychlými kroky a pohybovala hlavou nahoru a dolů, takže by ji každý považoval za živého člověka. Umělec se dotkl její brady a ona začala zpívat, dokonale naladěná. Dotkl se jeho ruky a ono začalo pózovat a držet dokonalý rytmus… Když se představení chýlilo ke konci, robot mrkl okem a dělal návrhy přítomným dámám, načež se král rozzuřil a byl by nechal Jen-Šiho na místě popravit, kdyby ten ve smrtelném strachu robota okamžitě neroztrhal na kusy, aby viděl, co je zač. A skutečně se ukázalo, že je to jen konstrukce z kůže, dřeva, lepidla a laku…“

Král se zeptal: „Je možné, aby se lidské schopnosti vyrovnaly schopnostem velkého Autora přírody ?“

Jinými slovy, Turingova otázka, zda stroje mohou napodobit člověka, je ve skutečnosti stará tisíce let.

V téže době vytvářeli řečtí vědci celou řadu automatů. Archytas (asi 428-347 př. n. l.) vytvořil mechanického ptáka, který dokázal uletět asi 200 metrů, popsaného jako umělé, parou poháněné létající zařízení ve tvaru ptáka.

„Archytas vyrobil dřevěný model holubice s takovým mechanickým důvtipem a uměním, že létal.“

Někteří moderní historici se domnívají, že mu mohlo pomáhat zavěšení na drátech, ale v každém případě šlo o jasný pokus vytvořit stroj.

Jiný řecký vědec, Daidalos, vytvořil sochy, které se pohybovaly:

„Daidalos prý vytvořil sochy, které byly tak realistické, že se mohly samy pohybovat.“

„První kukačkové hodiny“ byly popsány v knize Vzestup a pád Alexandrie: Zrod moderního světa (str. 132):

„Brzy byly Ctesibiovy hodiny zadušeny kohoutky a ventily, které ovládaly množství zařízení od zvonků přes loutky až po mechanické holubice, které zpěvem označovaly odbíjení každé hodiny – úplně první kukačkové hodiny!“

V průběhu staletí se k vytváření automatů používaly stále složitější výmysly, například větrem poháněné pohyblivé stroje.

Programovatelné složité mechanické stroje

První zaznamenaný programovatelný složitý mechanický stroj vznikl až v 9. století n. l.:

„Nejstarší známou konstrukcí programovatelného stroje je automatický hráč na flétnu, který v 9. století popsali bratři Musa v Bagdádu.“

Ten byl také popsán jako „nástroj, který hraje sám“. Kniha o těchto přístrojích je uložena ve Vatikánské knihovně.

Mechanické počítací stroje

Dalším krokem na dlouhé cestě k moderní UI bylo vytvoření mechanických kalkulaček.

První mechanickou kalkulačku sestrojil Wilhelm Schickard v první polovině 17. století a umožňovala sčítání a násobení.

Další mechanická kalkulačka, kterou sestrojil Blaise Pascal, uměla i odčítání.

Tyto stroje inspirovaly myslitele, jako byl Gottfried Wilhelm Leibniz, k následující myšlence:

„Jestliže každou oblast lidské zkušenosti lze pochopit pomocí matematického myšlení a jestliže myšlení je formou výpočtu a výpočet lze mechanizovat, pak lze v zásadě všechny otázky týkající se skutečnosti zodpovědět pomocí výpočtu prováděného strojem.“

V mnoha ohledech se to podobá našemu dnešnímu pojetí umělé obecné inteligence.

Leibnizova myšlenka spočívala v tom, že characteristica universalis neboli univerzální logický program by pak mohl odpovědět na všechny otázky o skutečnosti.

Programovatelné počítací stroje

V roce 1833 spojil Charles Babbage inovaci programovatelných strojů z 9. století a inovaci počítacích strojů ze 17. století a vymyslel analytický stroj:

Babbageovi se nikdy nepodařilo postavit kompletní stroj, ale jeho „technika děrných štítků“ byla později použita v prvních digitálních strojích.

Digitální stroje (počítače)

Přechod od mechanických k digitálním počítačům byl obrovským skokem k dosažení dnešního stavu.

Na přelomu 30. a 40. let 20. století se objevilo několik digitálních počítačů, které soupeřily o místo „prvního digitálního počítače“.

Za první digitální počítač je všeobecně považován ENIAC, jehož stavba byla dokončena v roce 1946, protože byl první, který byl plně funkční.

Dalšími digitálními počítači byly v roce 1943 Colossus, který pomáhal britským luštitelům kódů číst zašifrované německé zprávy, a v roce 1942 počítač ABC.

Pokrok se odtud rychle zrychloval a v poměrně rychlém sledu se objevovaly pokroky jako ukládání programů do paměti, operační paměť, grafika v reálném čase a tranzistory.

Strojové učení

Nakonec, s příchodem složitých digitálních strojů, můžeme otevřít téma strojového učení.

Jak jsme zkoumali na začátku, vznik strojů přiměl Alana Turinga, aby se v roce 1950 zeptal: „Mohou stroje myslet?“. O pět let později vydal v Dartmouthu zásadní práci o umělé inteligenci a od té doby zůstaly základní principy tohoto oboru podobné.

V roce 1955 M. L. Minsky napsal:

„Stroj může být ‚vycvičen‘ procesem ‚pokus-omyl‘ k získání jedné z řady vstupně-výstupních funkcí. Takový stroj, pokud je umístěn do vhodného prostředí a je mu dáno kritérium „úspěchu“ nebo „neúspěchu“, může být vycvičen k tomu, aby vykazoval „cílové“ chování.“

Jinými slovy, algoritmy strojového učení vytvářejí matematické modely na základě „tréninkových dat“, aby mohly činit rozhodnutí, aniž by byly explicitně naprogramovány, aby tato rozhodnutí činily.

To je klíčový rozdíl mezi kalkulačkou a strojovým učením (nebo umělou inteligencí): Kalkulačka nebo jakákoli forma automatu má předem určený výstup. Umělá inteligence činí pravděpodobnostní rozhodnutí za běhu.

Mechanický stroj má také mnohem přísnější fyzikální omezení, pokud jde o to, kolik strojních součástí (např. kladek, pák, ozubených kol) se vejde do přístroje, zatímco do procesoru moderního digitálního stroje se vejdou miliardy tranzistorů.

Současný výraz „strojové učení“ vymyslel Arthur Samuel v roce 1952 poté, co vyvinul počítačový program pro hraní dámy pomocí rote learningu.

V roce 1957 vytvořil Frank Rosenblatt perceptron Mark I – algoritmus binárních klasifikátorů pro učení pod dohledem – pro účely rozpoznávání obrazu.

Po představení své práce americkému námořnictvu v roce 1958 deník The New York Times napsal:

Perceptron je „zárodek elektronického počítače, který očekává, že bude schopen chodit, mluvit, vidět, psát, reprodukovat se a být si vědom své existence.“

Již v roce 1958 vědci předvídali den vnímající umělé inteligence.

Mezi pozdější úspěchy patřily dopředné neuronové sítě (jako perceptron, ale s více vrstvami), algoritmus nejbližšího souseda v roce 67, zpětné šíření v počítačích v 70. letech (které se nyní používá k trénování hlubokých neuronových sítí), boostovací algoritmy na počátku 90. let a LSTM v roce 97. V roce 97 se objevily algoritmy, které umožňovaly trénování hlubokých neuronových sítí.

Zlepšení díky datům a výpočetnímu výkonu

V nedávném kurzu umělé inteligence přední výzkumník Andrew Ng uvádí, že v oblasti umělé obecné inteligence nedošlo k „téměř žádnému pokroku“, ale neuvěřitelného pokroku bylo dosaženo v oblasti „úzké inteligence“ – vstupně-výstupních funkcí, „které dělají jednu věc, jako je chytrý reproduktor nebo samořídící auto.“

Na vysoké úrovni je umělá inteligence stále o „učení funkce, která mapuje z x na y.“

Nepředstavitelný pokrok, kterého jsme v poslední době svědky, je způsoben především explozí dat a výpočetního výkonu, spolu s lepšími (kvalitnějšími) daty a větším počtem inženýrů zabývajících se umělou inteligencí.

Větší množství dat a výpočetního výkonu přirozeně zvyšuje přesnost většiny modelů umělé inteligence, zejména v oblasti hlubokého učení.

Demokratizace umělé inteligence

Souběžně s vývojem architektur umělé inteligence, výpočetního výkonu a dat se umělá inteligence v poslední době silně prosazuje i v průmyslu, a to díky rozšíření dostupnějších nástrojů umělé inteligence.

Vznik nástrojů, které zpřístupňují technologie, má dlouhou historii. Například Gutenbergův knihtisk v 15. století demokratizoval znalosti.

V době internetu demokratizovaly nástroje „bez kódu“ jako WordPress a Wix tvorbu stránek.

Ve stejném duchu se po desetiletí od návrhů umělé inteligence v 50. letech 20. století umělá inteligence omezovala převážně na akademickou půdu, aniž by se dočkala většího praktického využití.

Nástroje jako TensorFlow a Keras umožnily implementaci AI většímu počtu podniků, ačkoli se stále jedná o technologicky složité nástroje, které vyžadují využití vysoce placených inženýrů strojového učení.

K tomuto problému složitosti se přidává nedostatek odborníků na datové vědy, což má za následek nebývale vysoké platy těch, kteří dokáží systémy AI vytvářet. Výsledkem je, že velkým korporacím, jako jsou FAANG, dominuje velká část AI.

Nástup no-code AI nástrojů, jako je Apteo, snižuje počáteční náklady a zároveň odstraňuje potřebu technických znalostí, což umožňuje skutečně demokratizovanou AI.

No Code AI

No code AI nástroje jsou logickým dalším krokem na cestě k demokratizaci AI.

Před 2 miliony let si lidé vyrobili kamenické nástroje, aby mohli udělat více práce než rukama.

Dnes nás AI zefektivňuje a může dělat práci za nás, přičemž no-code AI přináší tyto výhody všem.

S nástupem no-code AI nástrojů přecházíme do éry přístupné AI.

Jakmile se objeví no-code AI nástroje, přejdeme do éry přístupné AI.