5 oblastí vědy, ve kterých umělá inteligence již pomáhá k velkým objevům

Pokroky v umělé inteligenci jsou všude kolem nás, takže náš každodenní život je pohodlnější. Pokud ještě nevíte jaké a jaké přesně, čtěte dál a seznamte se s úspěchy a problémy umělé inteligence.

Pokroky v umělé inteligenci

Protože se počítač nyní může učit z velkého množství dat, dokáže rozpoznávat vzorce, zpracovávat přirozený jazyk, rozpoznávat řeč, analyzovat, rozumět obrázkům a videím a činit rozhodnutí. Tyto dovednosti se projevily v moderních pokrokech v umělé inteligenci:

• Počítačové vidění našlo široké uplatnění v různých oblastech, jako je medicína (diagnostika nemocí pomocí lékařských snímků), automobilový průmysl (autopiloti) a bezpečnost.
• Zpracování přirozeného jazyka: Výzkum v oblasti zpracování přirozeného jazyka umožnil počítačům porozumět a generovat text v přirozených jazycích. To vedlo k vývoji systémů automatického překladu, chatovacích botů, hlasových asistentů a dalších aplikací, které pracují s textem.
• Rozpoznávání řeči: Systémy rozpoznávání řeči umožňují počítačům převádět zvukové signály na text. Toho se využilo při vývoji hlasových asistentů, přepisu zvuku a dalších systémů, které vyžadují práci s hlasovými daty.
• Autonomní systémy: AI má také uplatnění při vývoji autonomních systémů, jako jsou samořídící auta, roboti, drony a automatizované výrobní linky. Tyto systémy jsou schopny sbírat data z prostředí, analyzovat je a rozhodovat bez přímého lidského zásahu.

Pojďme zjistit, které produkty byly vyvinuty s ohledem na tyto hlavní pokroky v oblasti umělé inteligence:

• To je AlphaGo: V roce 2016 vyvinula společnost DeepMind systém umělé inteligence s názvem AlphaGo, který dokázal porazit mistra světa v Go, jedné z nejtěžších strategických deskových her.
• IBM Watson: Systém umělé inteligence IBM Watson získal široké uznání v roce 2011, když porazil šampiony ve hře „Jeopardy!“ Watson také našel uplatnění v medicíně, kde pomáhá lékařům diagnostikovat a léčit různé nemoci.
• AlphaFold společnosti DeepMind: V roce 2020 společnost DeepMind představila AlphaFold, systém umělé inteligence pro předpovídání proteinové struktury. Jedná se o důležitý pokrok v bioinformatice a mohl by mít zásadní dopad na vývoj léků i na pochopení biologických procesů.
• Siri, Google Assistant, Alexa: Hlasoví asistenti, jako je Apple Siri, Google Google Assistant a Amazon Alexa, využívají pokročilé algoritmy pro zpracování přirozeného jazyka a rozpoznávání řeči, aby poskytovali odpovědi na otázky, ovládali zařízení a prováděli další úkoly.
• Tesla Autopilot: Tesla vyvinula systém Autopilot, který využívá AI k rozpoznání objektů, předpovídání chování ostatních účastníků silničního provozu a ovládání vozidla bez přímého zásahu řidiče.

Kromě toho byly vytvořeny produkty, které rozpoznávají podvodníky a doporučují systémy, které nabízejí personalizovaná doporučení pro filmy, hudbu, knihy, produkty a služby na základě uživatelských preferencí a chování.

Hlavní problémy

Umělá inteligence má také jednu nevýhodu:

• Vysvětlitelnost a transparentnost: Mnoho modelů a algoritmů umělé inteligence, zejména v hlubokém učení, může být při rozhodování složité a neprůhledné. To znamená, že je někdy obtížné vysvětlit, proč systém učinil určité rozhodnutí. Je důležité vyvinout metody pro vysvětlení a interpretaci umělé inteligence, aby se zvýšila důvěra a porozumění uživatelů.
• Etika a nezamýšlené důsledky: Umělá inteligence vytváří nové etické otázky a vyvolává obavy o soukromí, bezpečnost a sociální spravedlnost. Nekontrolované systémy mohou činit zaujatá rozhodnutí nebo mohou být použity pro škodlivé účely. Je důležité věnovat pozornost etickým aspektům a vývoji norem a zákonů regulujících používání AI.
• Nedostatek dat a kvalita dat: Mnoho modelů strojového učení vyžaduje velké množství dat pro trénování a dosažení vysoké kvality. Některé oblasti však mohou čelit omezenému přístupu k údajům nebo nedostatečným označeným údajům. Je také důležité zvážit otázky zkreslení a nerovnováhy v datech a také stanovení cílů. Když totiž formulujeme cíl, „máme na paměti jednu věc“, ale stroj to nechápe tak, jak bychom chtěli.
• Bezpečnost a soukromí: Pokroky v umělé inteligenci zvyšují potenciální hrozby kybernetické bezpečnosti. Nekontrolované systémy umělé inteligence lze použít k vytvoření malwaru nebo útočných systémů. Je také důležité chránit soukromí dat, zejména při zpracování citlivých informací.
• Práce a zaměstnanost: Automatizace a umělá inteligence by mohly vést ke změnám na trhu práce a ztrátě pracovních míst v některých odvětvích. Je důležité rozvíjet rekvalifikační a adaptační strategie pro pracovníky.
• Zaujatost a diskriminace: AI může odrážet zaujatost a diskriminaci přítomné v trénovacích datech. Pokud data obsahují nerovnosti nebo zkreslení, model může učinit nesprávná nebo nespravedlivá rozhodnutí. To může mít vážné sociální důsledky.

To jsou jen některé z konkrétních výzev, kterým čelí výzkumníci a vývojáři umělé inteligence, ale na jejich řešení se pracuje.

Čeho tedy AI dosáhla?

Umělá inteligence dosáhla významných výsledků v oblasti medicíny, financí, služeb, výroby a různých pohodlných vychytávek, od průmyslových manipulátorů až po robotické asistenty v domácnosti. Ale pokud vezmeme konkrétní produkt nejnovějších úspěchů umělé inteligence v tuto chvíli, jedná se o model umělé inteligence vyvinutý a prezentovaný OpenAI „Generative Pre-trained Transformer 4“.

• Odpovídání na otázky: Poskytněte informace o různých tématech, odpovězte na otázky a objasněte nejasné pojmy.
• Podpora psaní: pomoc při vytváření textů, navrhování nápadů, opravování chyb a poskytování doporučení ohledně struktury a obsahu.
• Překlad: pomoc s automatickým překladem textu z jednoho jazyka do druhého.
• Generování textu: Vytvořte vygenerovaný text na dané téma, například krátký popis produktu nebo vytvoření příběhu.
• Syntéza řeči: převod textu na řeč, která umožňuje mluvení textových materiálů.
• Vzdělávací asistence: Vysvětlete složité koncepty, pomozte řešit problémy s učením a poskytněte další učební materiály.
• Zábava: účastněte se slovních her, ptejte se hádanek nebo jednoduše bavte uživatele.

Jednou z hlavních schopností modelu je schopnost učit se, a tedy se stát lepšími.

Umělá inteligence pro vědu

Mnoho sektorů ekonomiky se pod vlivem umělé inteligence (AI) radikálně mění. Základní a průzkumná věda není výjimkou. Výzkumníci z univerzit, startupů a velkých korporací po celém světě se zaměřují na aplikaci průlomových technologií generativní umělé inteligence ve své práci. Nové výzkumné nástroje by mohly být klíčem k vytvoření konkurenční výhody pro země a společnosti, které je těžké rovnat.

Ukončete režim celé obrazovky

Rozbalte na celou obrazovku

Foto: Evgeny Pavlenko, Kommersant

Mezinárodní věda poskytuje mnoho příkladů tohoto trendu. V roce 2023 se vědcům z Massachusettského technologického institutu podařilo pomocí umělé inteligence objevit antibiotikum, které by bylo příliš dlouho nebo dokonce nemožné najít tradičními metodami. A vědci z Lawrence Berkeley National Laboratory vytvořili autonomní laboratoř pro hledání nových materiálů – A-Lab: všechna rozhodnutí v ní dělá systém umělé inteligence.

Umělá inteligence pomáhá řešit celou třídu problémů souvisejících s vytvořením a ovládáním kvantového počítače. To vyžaduje sledování velkého množství parametrů a umělá inteligence může pomoci i s tímto. Takové experimenty již byly provedeny například pro získání stavu Bose-Einsteinova kondenzátu atomů thulia.

Ruští vědci také pokročili v používání umělé inteligence v oblasti biologie a genetiky. Sber tak ve spolupráci s vědci z National Research University Higher School of Economics pomocí umělé inteligence vygeneroval mapu fliponů, které přepínají genetické programy.

Pokud předpokládáme, že rozvoj AI bude mít na vědu stejný vliv jako na finanční průmysl nebo průmysl, pak se v této oblasti může během příštích deseti let změnit téměř vše. Nositel Nobelovy ceny za fyziku Frank Wilczek navrhl, že za sto let bude nejlepším fyzikem stroj. Věříme, že se tak stane mnohem dříve.

K radikálním změnám ve výzkumných metodách, generování hypotéz, nastavování experimentů a dokonce zhmotňování poznatků v podobě psaní vědeckých článků dojde ve většině oborů: od biologie po astrofyziku, od matematiky po chemii. Způsoby využití umělé inteligence se budou velmi lišit, ale ovlivní vědecký pokrok ve všech fázích studia přírody.

Věříme, že v roce 2024 dojde k mnoha novým nápadům a průlomům v různých oblastech vědy souvisejících s konstrukcí multiagentních systémů, v nichž roli jednotlivých agentů mohou hrát jak neuronové sítě, tak symbolické modely.

Jednotliví činitelé se mohou stát například přesnými modely fyzikálních, chemických a biologických procesů, které již existují v mnoha výzkumných skupinách. Každý agent plní specifickou roli: generuje hypotézy, testuje je, dokončuje je, objasňuje výsledky, vytváří řetězce uvažování. Řešením toho či onoho intelektuálního problému se tak multiagentní systém stává obdobou lidské psychiky, kterou popsal Daniel Kahneman ve studii „Systém 2“. Použití takových multiagentních systémů umělé inteligence povede k výraznému zrychlení výzkumného cyklu.

Moderní výzkum zpracování přirozeného jazyka vedl ke vzniku velkých jazykových modelů (LLM), které vykazují obrovský potenciál pro využití ve vědě. Je pozoruhodné, že LLM se mohou stát jakýmsi „orchestrátorem“ specializovaných vědeckých agentů a modelů AI. Akademická obec už může náš GigaChat zdarma využívat například pro experimenty v chemii nebo dokazování nových vět v matematice.

Nepolevujeme ani od obav vědců ze zavádění umělé inteligence do jejich každodenní práce. Uvědomění si potenciálních problémů však umožňuje předcházet negativním scénářům a využívat nové technologie k dosažení výsledků, kterých samotná přirozená inteligence dosáhnout nemůže. Potřebujeme zmocnit vědce AI kompetencemi, jako je syntéza, kreativita, optimalizace, konsolidace, modelování a pozorování. A nejdůležitější je nezapomenout na lidskou orientaci takového systému, protože bude interagovat s lidmi v jejich zájmech.

Možná, že s takovými vlastnostmi se umělému agentovi podaří dosáhnout cíle, který si před téměř deseti lety stanovil Hiroaki Kitano, viceprezident a technologický ředitel Sony Group, učinit objev hodný Nobelovy ceny.

Vlády po celém světě by se měly připravit na okamžik, kdy se umělá inteligence stane nedílnou součástí výzkumu v jakékoli vědecké disciplíně, a podle toho regulovat veřejnou politiku v této oblasti. Je pravděpodobné, že v otázkách interakce s vědeckou komunitou poroste role velkých technologických společností (bigtech). Bigtech bude na jedné straně poskytovat výkon firemních superpočítačů pro vědecký výzkum a na straně druhé vytvářet nové vědecké nástroje založené na metodách umělé inteligence.

Andrey Belevtsev, senior viceprezident, vedoucí technologického bloku Sberbank; Albert Efimov, kandidát filozofie, viceprezident – ​​ředitel oddělení výzkumu a inovací Sberbank; Sergey Markov, výkonný ředitel – vedoucí oddělení experimentálních systémů strojového učení divize sdílených služeb Saljut Sberbank