9788024292939

SLABÁUMĚLÁ INTELIGENCE

DVA DRUHY UMĚLÉ INTELIGENCE

Ať již je mozek určitým druhem živého počítače, nebo ne (viz str. 12), lidská inteligence a vědomí slouží vědcům jako měřítko potenciálu a schopností umělé inteligence. Někteří vědci tvrdí, že „slabá“ umělá inteligence, kam řadíme počítače, které umí vykonávat specifické, limitované úkoly, například hrát šachy nebo překládat různé jazyky, je jediným typem umělé inteligence, kterou lze vytvořit. Jiní věří, že jednoho dne se stane realitou „silná“ umělá inteligence, ve všech směrech srovnatelná s lidskými bytostmi. Nejenže bude mít kognitivní schopnosti srovnatelné s lidskými, ale podle přesvědčení svých zastánců, bude mít i vědomí (viz str. 128–129), a proto jí bude možno udělit práva (viz str. 135).

Interakce agenta Inteligentní agent reaguje a působí na prostředí kolem sebe.

PROSTŘEDÍ

Vstupní informace mohou přicházet ze senzorů, například z kamer nebo přímých instrukcí řídicího článku.

SLABÁ A SILNÁ UMĚLÁ INTELIGENCE

SILNÁ UMĚLÁ INTELIGENCE

Jakékoli zařízení, které má vliv na prostředí, je agentem. Patří sem kola, robotovy končetiny, obrazovky a reproduktory.

UMĚLÁ INTELIGENCE V AKCI

„Inteligentní agent“ je v umělé inteligenci cokoli, co dokáže vnímat, reagovat a ovlivňovat své prostředí, které může být fyzické, nebo digitální. Příkladem mohou být roboti, termostaty a počítačový software. Agent má „senzory“, které používá ke vnímání svého okolí, a „aktuátory“, pomocí nichž s okolním prostředím interaguje.

Akce, kterou agent podnikne, závisí na specifických cílech, pro něž je nastaven, a na tom, co vnímá. Někteří agenti se mohou učit (viz str. 58–59), aby byli schopni měnit způsob, jimž reagují na podmínky prostředí.

VÝROKY S „PAK“

JESTLIŽE

Výrok s „pak“ specifikuje, jakou akci má systém vykonat, pokud je výrok s „JESTLIŽE“ pravda.

VÝROKY S „JESTLIŽE“

Výrok s „JESTLIŽE“ se dotazuje systému, zda je něco pravda, a říká mu, co má dělat dál.

VÝROKY S „JINAK“

Výrok s „JINAK“ specifikuje, že musí být vykonána jiná akce. Pokud systém nemá k dispozici možnost „JINAK“ a výrok je nepravdivý, systém neprovede nic.

JINAK

JESTLIŽE TOTO, PAK TAMTO

Systém založený na pravidlech používá instrukce, které se skládají z podmínkových výroků („JESTLIŽE“, „PAK“), aby z počátečních faktů mohl vyvodit závěry. V této nejjednodušší formě říká podmínkový výrok

JESLIŽE‑PAK systému: „Jestliže je tato podmínka pro aktuální fakta pravdivá, pak udělej toto. Pokud pravdivá není, nedělej nic.“ Přidáme ‑li možnost „JINAK“, umožníme tvořit složitější výroky: „Jestliže je tato podmínka pravdivá, pak udělej toto; jinak udělej tamto.“ Systémy založené na pravidlech jsou předvídatelné, spolehlivé a „transparentní“, tudíž snadno poznáme, jaká pravidla systém používá. Umělá inteligence založená na pravidlech se však nemůže „učit“ bez lidského zásahu.

NALEZENÍ ODPOVĚDI

Pro nalezení konečné odpovědi může být pravidlo s „JESTLIŽE“ aplikováno na fakta několikrát.

JINAK

„Hodně z toho, co děláme při učení počítačů, se děje pod povrchem.“

Jeff Bezos

VLASTNOSTI

DATABÁZE OVOCE

HLEDÁNÍ: JABLKO A

Jablko A

Chuť: sladká, kyselá

Vůně: čerstvá, navinulá

Velikost: 5 cm / 2 palce

List: zkroucený

Slupka: hladká, červená

Jadérka: nejedlá

Dužina: pevná, šťavnatá

Štítkování vlastností

Lidský operátor přidělí všem datům popisujícím jablka „typu A“ štítek. Umělá inteligence se naučí, že všechny tyto vlastnosti definují jablko „typu A“.

PŘIDĚLOVÁNÍ VÝZNAMU DATŮM

„Vlastnost“ je charakteristika, něco jako vzorec pixelů, který umělá inteligence používá jako vstupní informaci k tomu, aby mohla předpovědět (predikovat), jak bude vypadat štítek, jenž bude na výstupu. Při supervizovaném strojovém učení (viz str. 72) se umělá inteligence učí spojovat určité vlastnosti se štítky během zpracování trénovacích datových setů (viz str. 61), které již označil lidský operátor. Pokud dostane umělá inteligence, která slouží k rozpoznávání obrázků a která byla vycvičena pomocí oštítkovaných fotografií zvířat, jako vstupní informaci fotografii zvířete s vlastnostmi, jako je například bílé peří, zahnutý zobák a hřebínek, pravděpodobně vyprodukuje výstupní štítek „kakadu“.

Prediktivní štítky Zná ‑li umělá inteligence všechny vlastnosti jablka „typu A“, dokáže ho vyhledat v databázi ovoce a označit ho štítkem „Jablko A“.

„Dítě se učí lézt, chodit a pak běhat. Ve strojovém učení jsme ve fázi lezení.“

Dave Waters

PROCESNÍ VRSTVY

Procesní vrstvy jsou známé pod označením „skryté vrstvy“. Zde se data zpracovávají uvnitř umělé neuronové sítě.

VÝSTUPY

Výstupní vrstva je poslední vrstvou, z níž se získávají potřebné výsledky.

VSTUPY

Informace v podobě dat vstupuje do umělé neuronové sítě přes vstupní vrstvu.

Vstupní vrstva Vstupní vrstva vnáší počáteční data do sítě.

Vícečetné skryté vrstvy

Data se zpracovávají uvnitř „skrytých“ vrstev, přičemž procházejí sítí z jedné vrstvy do druhé.

Výstupní vrstva Zpracovaná data opouští síť skrz výstupní vrstvu.

STAVBA UMĚLÉ NEURONOVÉ SÍTĚ MOZEK UMĚLÉ INTELIGENCE

Umělé neuronové sítě jsou modely strojového učení založené na algoritmech (viz str. 14). Jejich struktura je podobná struktuře mozku, skládá se ze vzájemně propojených uzlů – umělých neuronů –, které jsou organizovány do vícečetných „vrstev“. Uzly uvnitř každé vrstvy získávají, zpracovávají a odesílají data do další vrstvy v síti, dokud není vyprodukován výstup neboli výsledek. Každý uzel pracuje jako samostatný mikroprocesor, který může být přeprogramován tak, aby zacházel s daty požadovaným způsobem. Pomocí cvičných dat (viz str. 61)

mohou programátoři naučit umělou neuronovou síť, aby „se učila“, jak má produkovat očekávané výsledky.

Umělé neuronové sítě jsou strukturovány do „vrstev“ – souborů procesních uzlů, které spolupracují. Data tečou z uzlů v jedné vrstvě do uzlů v další vrstvě. První vrstva vždy obsahuje „vstup“ neboli přicházející data. Následuje alespoň jedna „skrytá“ vrstva, v níž probíhá zpracování. Tyto vrstvy jsou skryté v tom smyslu, že jejich data nejsou pro uživatele viditelná takovým způsobem jako data na vstupu a výstupu. Výsledná data nakonec přitečou do „výstupní“ vrstvy. Všechny umělé neuronové sítě mají tuto základní strukturu společnou, ale některé jsou složitější: rekurentní neuronové sítě (viz str. 85) generují spoje mezi uzly v následujících nebo předchozích vrstvách, zatímco hluboké neuronové sítě (viz str. 86) mohou mít stovky skrytých vrstev.

DETEKC E HROZEB

Tradiční software

k detekování hrozeb používaný

odborníky na kybernetickou bezpečnost vyhledává „signatury“ známého malwaru, blokuje nalezené malwarové soubory a spouští upozornění. Začlenění umělé inteligence do to hoto systému umožňuje rozpoznávat a kategorizo ‑ vat nové i zmutované hrozby (malware „nultého dne“), jež by jinak byly nerozpoznatelné, neboť se neshodují s již známými malwarovými signaturami.

V kybernetické ochraně jde o velký pokrok vzhle ‑ dem k rychlosti, s jakou hrozby narůstají. Umělá in teligence dokáže predikovat, jak a kde by mohl být systém narušen, a pomáhá na útoky reagovat.

Záznam (log)

Systém zaznamenává jakékoli podezřelé útoky jako historická data pro budoucí využití.

POTENCIÁLNÍ HROZBA

Akce

V případě, že je odhalen útok, umělá inteligence provede akci, například spustí alarm.

DETEKCE NARUŠENÍ

Detekce anomálií

Umělá inteligence dokáže monitorovat přicháze jící hrozby tak, že rozpozná neobvyklý provoz, který neodpovídá vzorcům v historických datech.

POTENCIÁLNÍ HROZBA Signatury

Potenciální hrozby lze také porovnávat se seznamem předem stanovených atributů, kterým se říká malwarové signatury.

KYBERNETICKÁ BEZPEČNOST

Hacking

Ilegální průnik do systému nebo zařízení s cílem získat digitální informace ostatních se označuje pojmem „hacking“.

Ransomware

Ransomware je druh malwaru, který je naprogramován tak, aby našel a zašifroval soubory na určitém zařízení a znepřístupnil je do doby zaplacení výkupného.

Malware

Denial-of-service

(odepření služby)

Denial ‑of‑service (DoS) je typ internetového útoku, při němž dochází k zaplavení serveru daty. Server je zahlcován tak dlouho, až přestává fungovat.

Malware je zkratkové slovo vzniklé ze spojení anglických slov malicious software (doslova zlomyslný software). Je to jakýkoli počítačový program, který poškodí zařízení nebo získá přístup k citlivým informacím.

Dezinformace

S použitím internetu mohou nepřátelští agenti šířit falešné zprávy, aby ovlivnili veřejné mínění, narušili stabilitu a rozdmýchali sociální nepokoje.

INTERNETOVÉ ÚTOKY

Použití kybernetických útoků zacílených na národní státy se označuje pojmem „kybernetická válka“. Napadené zemi lze na dálku způsobit vážné škody, narušit klíčové služby a základní infrastrukturu, jako jsou energetické sítě, tím, že se deaktivují jejich řídicí informační systémy. Mezi taktiky války patří útoky denial‑of‑service (DoS), použití malwaru, jako jsou viry a ransomware, dezinformační kampaně a státy sponzorovaný hacking. Využívají umělou inteligenci k intenzifikaci, zrychlení a větší složitosti útoků.Takto řízený malware řízený se dá jen těžko detekovat, neboť používá strojové učení (viz str. 58–59) k odhalení slabin v bezpečnostních systémech různých zařízení. Útočí na ně tak, že se chová jako náhodná chyba, a poté je poškodí.

Exoplaneta obíhá kolem své hvězdy a na čas sníží množství vyzářeného světla.

ROZBALOVÁNÍPROTEINŮ

Umělá inteligence dokáže nejen urychlit zdlouhavou práci, ale pomáhá také otvírat nové oblasti vědeckého výzkumu. Například díky možnosti použití hlubokého učení (viz str. 86) a pečlivému sběru experimentálních dat, naučili vědci umělou inteligenci predikovat 3D strukturu „složených proteinů“ – stavebních bloků života – s atomickou přesností. Předtím nedokázali vědci určit, jak chemická skladba proteinů ovlivňuje jejich složenou strukturu. Tento „problém rozbalování proteinů“ byl tak složitý, že zůstával celá desetiletí nevyřešen. Porozumění tomu, jak tyto proteiny fungují, změnilo výzkum v medicíně a urychlilo proces vývoje nových léků.

Snížená hladina světla způsobená obíhající exoplanetou odpovídá měřitelnému vzorci.

HLEDÁNÍ PLANET

Umělá inteligence je mocným nástrojem vědeckého výzkumu, protože umožňuje vědcům vyhledávat zajímavé jevy v enormním množství dat. Například v astronomii se umělá inteligence používá ke klasifikaci galaxií, vyhledávání gravitačních vln a identifikaci „exoplanet“ – to vše provádí s velkou přesností. Exoplaneta je planeta obíhající kolem jiné hvězdy než je Slunce. Umělá neuronová síť (viz str. 76) dokáže určit, kolik světla vyzářeného z hvězdy je po určitou dobu „zablokováno“ a zda tento vzorec vzniká v důsledku oběhu exoplanety. Díky tomuto způsobu využití umělé inteligence již byly objeveny stovky exoplanet.

ÚBYTEK SVĚTLA