V pondělí 15. března skončil v Soulu poslední zápas v sérii střetnutí mezi jedním z nejlepších hráčů go posledních desetiletí a softwarem AlphaGo, který jako první v historii dokáže porážet i špičkové lidské hráče této hry. Člověk ve zřejmě nejsložitější široce známé deskové hře prohrál 4:1, ale jeden bod byl jen pro „útěchu“, protože počítač vyhrával už 3:0. Série se dohrávala na žádost jihokorejského hráče Se-dola, který doufal, že když pominulo napětí z boje o výsledek, počítač porazí. Hra go byla donedávna považována za lidskou doménu, alespoň na špičkové úrovni, protože je velmi komplikovaná. Herních možností je o mnoho řádů více než skýtají třeba šachy, a se současným hardwarem je nelze všechny v reálné době vyhodnotit. AlphaGo proto využívá propracovanou kombinaci učenlivých algoritmů a běžného „silového“ vyhledávání nejlepší varianty. Jinými slovy, jeho „intuitivní“ obvody nejprve výběr zúží na ty možnosti, které se jim podle předchozích zkušeností (odehraných a rozebraných partií) zdají jako nadějné, a ty pak propočítá (podrobněji viz TT č. 3/2016). Se-dol podle vlastních slov počítač v prvním zápase podcenil. Pokoušel se o různé přístupy, ale počítač se dokázal vypořádat prakticky se vším a přizpůsobit se každé situaci. Vyhrál s poměrně velkým náskokem ve všech třech prvních zápasech. V posledních dvou zápasech se ovšem Se-dolovi a kolegům, kteří s ním zápasy a možnou strategii probírali, podařilo přijít s taktikou, která AlphaGo dokázala připravit skutečně horké chvíle. Čtvrtý zápas série skončil v noci ze soboty na neděli a Se-dol do něj nastoupil s bílými kameny, což je tradičně považováno za trochu výhodnější pozici (bodově vykompenzovanou). Od začátku se soustředil na zabrání co největšího území místo souboje o jednotlivé kameny. Klíčový moment se odehrál zhruba po necelých třech hodinách v souboji o střed pole, kde Se-dol zahrál tah (tah 78), jehož význam si počítač neuvědomil a na chvíli „ztratil nit“. Dalších několik tahů doslova promarnil a zhruba až o 8 tahů později si uvědomil, že už prakticky prohrál. AlphaGo zápas vzdal. V posledním zápase hrál Lee na rozdíl od svého jediného vítězství s černými kameny. Je to obtížnější pozice a AlphaGo si s bílými vedl podle komentátorů o něco lépe než s černými, ale Se-dol si je vybral sám. Do pátého zápasu si měli soupeři barvu losovat, korejský hráč ale tým DeepMind požádal, zda by mohl hrát s černými – právě proto, aby se pokusil porazit počítač i z této pozice. Nebyla to zřejmě optimální volba, větší šance na další bod by měl zřejmě s bílými, které mohl klidně získat. Se-dol zvolil podobný přístup jako ve čtvrtém zápase, a dlouho nebylo jasné, kdo je v lepší pozici a na body vede. V závěru AlphaGo nakonec těsné vítězství vybojoval. Umělé inteligenci se slabinu podaří zalepit a naučí se vyrovnávat i s taktikou, kterou ke konci série využíval Se-dol; právě to je podstata jeho úspěchu. Nepochybně se tedy zásadně mění způsob, jakým se hraje go, ale to se nikoho kromě fanoušků hry nedotkne. Na druhou stranu je čím dál jasnější, že počítače se mohou v principu naučit i věci, které by do nich laik neřekl (pro odborníky či jen zájemce o IT není princip AlphaGo, tzv. neuronové sítě, nic nového). Jiný software od společnosti DeepMind, která vyvinula AlphaGo, se například naučil hrát libovolnou počítačovou hru bez předem vložených pravidel jen na základě opakovaných pokusů. Počítač se „pouze“ snažil dosáhnout co nejvyššího skóre. I když obecná umělá inteligence je v současnosti nedosažitelný cíl, specializované umělé inteligence mohou evidentně dosahovat v dílčích úlohách až překvapivých výsledků. Například se mohou naučit velmi rychle a přesně vyhodnocovat zdravotnickou dokumentaci (třeba snímky z rentgenů). A samozřejmě mohou pracovat 24 hodin denně na mnoha případech a místech světa. Ale to je jeden z mnoha možných způsobů využití a možná ani ne ten nejreálnější. Samotní tvůrci AlphaGo ze společnosti DeepMind (vlastněné Googlem) neříkají přesně, k čemu by se jejich software mohl hodit, ale nabízí popis jeho principu i dalším odborníkům. Možnosti už údajně využilo několik dalších společností, které podobné neuronové sítě staví. Dost možná přijdou s úplně nečekanými nápady, jak jejich potenciál využít a k čemu tyto sítě vytrénovat. Vývoj umělé inteligence je ovšem stále v rané fázi, byť nepochybně nabírá obrátky. Může ho ovlivnit ale celá řada faktorů, a to nejen technologických, ale třeba i legislativních, o kterým nemůžeme nic tušit. A je také jisté, že dopady vývoje v tomto oboru na lidskou společnost nelze brát na lehkou váhu.
