Umělá inteligence jednoduše vysvětlena. Udržovat si přehled v mase, např. Big Data? To je možné pouze v případě, že se budete držet určitých vzorců nebo se necháte vést.
Sebeexperiment: V hlavě máte určitý obraz. Dnes by to měla být červená skříň s bílými úchyty. Co děláš?
Do vyhledávání Google zadáte „červená skříň, bílé úchytky“.
Výtěžek? Skromný.
2. pokus: Do vyhledávání Google zadáte „červená skříň, bílé úchyty“.
Výsledek je již lepší, ale určitě by mohl být ještě lepší.
Prvním krokem k programování je vyhledávání Google. Sběr vyhledávacích dotazů a jejich převod do algoritmů a kódů tvoří neuronovou síť.
Strojové učení, jak je znázorněno na horním obrázku, proto není věcí pro rychlou implementaci. Je za tím spousta času a práce. To také vysvětluje odpovídající náklady na vývoj. Ale pokud uvážíte, že AI nemá dovolenou, žádný důchod nebo jiné přirozené ztráty, věci vypadají úplně jinak.
Bude ale červená skříňka s bílými úchyty i zítra aktuální? Hodí se to ještě k životnímu stylu? Chutě se mění. To je přesně místo, kde přichází do hry hluboké učení. Abychom zůstali u našeho příkladu: Jak vyhledávání pokračuje, AI se učí a rozpoznává, jak se vaše chování při vyhledávání změnilo na základě dalších témat, která vás zajímají, a nezávisle vyvíjí nové algoritmy, které „předvídají“, že budete mít zelenou skříň v ročník s modrými úchyty by mohl být pro kuchyni zajímavý.
Hrozný? Pro některé je to děsivé. Ale ve skutečnosti není. Strach z neznáma si s námi hraje. Kdybychom se zeptali skupiny lidí, co by vás mohlo zítra v televizi zajímat, dostali byste různé odpovědi. Ne uniformní. Jak se nyní rozhodnete, který návrh byste přijali? Je to odborným přínosem nebo atraktivním vzhledem dotyčného?
S AI je to stejné. Výrok závisí na tom, jak slabá nebo silná byla neuronová síť „naprogramována“. Jde o analýzu vzorů, která nám pomůže udělat dobré rozhodnutí. Ne aby nás ovládal. Protože pokud se nám nepodaří analyzovat vzorce ve velkých datech, bez milosti půjdeme dolů. A to je skutečný hororový scénář.