Minule jsem přinesl řadu šokujících zpráv o vývoji a šíření umělé inteligence. Mezitím jsme v Talent Innovation uspořádali (28. a. března) dvoudenní přednášky na téma AI – jak ohrožuje pracovní místa (creativityinnovation. com). Jeden z lektorů, známý ekonom z Next Finance a publicista Vladimír Pikora, poskytl řadu nesmírně zajímavých informací o ekonomice a umělé inteligenci. Josef Holý nás vpravil do světa umělé inteligence v nejrůznějších podobách. Velmi zajímavý vstup měl i vynálezce a vedoucí katedry robotiky profesor Michael Šebek. Aleš Černík z Bisnode nám představil, jak AI funguje prakticky. Bývalý CEO firmy Microsoft Roman Cabálek nám kromě jiného sdělil, že Lucembursko vnímá AI jako hrozbu ztrát mnoha pracovních míst. Nejvíce se ztráty dotknou bank a zpracovatelského průmyslu. Odhadované ztr áty pracovn ích míst díky digitalizaci a AI Podle R. Cabálka Lucembursko očekává, že do roku 2025 přijde o práci: 50 % účetních, 50 % bankovních úředníků z oblasti auditu, kontroly a přepážkových pracovníků, 45 % pracovníků call center, 45 % úředníků, kteří schvalují půjčky, 30 % sekretářek a asistentek. V Lucembursku nabízejí ohroženým slupinám rekvalifikace ve službách a volnočasových aktivitách. Jak je to v jiných zemích? Podle článku z Insideru (www.insider.com) bude do roku 2025 v Británii ohroženo digitalizací (web 2.0) a robotizací 35 % pracovních míst. V USA to bude činit 45 % pracovních míst, v Číně 77 % pracovních míst a průměr v OECD naznačuje ztrátu 57 % pracovních míst. Podle prof. Vardise do konce roku 2020 díky robotizaci zmizí v 15 nejrozvinutějších zemích 5 milionů pracovních míst. Uvidíme, jak se prognózy naplní. Nevinné inovace ve sport u Velké věci začínají z mála, malým a nevinným nápadem a mohou vyrůst v něco velkého a někdy i možná zrůdného. Jak začínal internet a kam došel Facebook? Desítky milionů lidí je na něm závislých přesně tak, jak si to tvůrci Facebooku přáli. Jak začínaly a kam vyrostly Airbnb nebo Uber? Jak ještě může nevinná věc začít a v co vyrůst? Podle Martina Forda („Roboti přicházejí“) v roce 2009 skupina studentů z Laboratoře chytrého zpracování informací na Northwestern University vytvořila software pod názvem StatsMonkey. Tento program byl vyvinut pro automatické generování sportovních zpráv. Software dokáže načíst miliony sportovních zpráv a učit se všemu, jak má taková zpráva vypadat. Na základě objektivních faktů dokáže poskládat ucelený článek. Systém umí sestavit stejný článek jako novinář. I s emocemi a chytlavým příběhem. StatsMonkey nejprve provede statistický rozbor, na jehož základě rozpozná klíčové momenty zápasu. Potom vygeneruje text, přirozeným jazykem shrnuje ty nejdůležitější okamžiky a zaměří se na hráče, kteří v zápase hráli ústřední roli. Výzkumníci ze zmíněné univerzity vytvořili se studenty informatiky a žurnalistiky společnost Narrative Science, Inc., která uvedla novou technologii na trh (2015). Pak s experty přepsali kód programu a vytvořili výkonnější a komplexnější systém AI pod názvem Quill („brk“).1 Tato společnost tvrdí, že v roce 2030 bude robot psát 90 % článků na celém světě. Quill dokáže napsat jakékoliv kvalitní texty – obchodní zprávy, reporty, výroční zprávy a provádět analýzy v několika vteřinách. Podílníkem v Narrative Science je i společnost In-Q-tel, na niž mají podle Martina Forda (tamtéž, 112) i vliv ústřední zpravodajské služby. Technologie Quill je dokladem, do jaké míry se činnosti, které bývaly výsostnou doménou vysoce kvalifikovaných lidí, stávají snadným cílem automatizace AI. Vše se plíživě zdokonal uje Nejen novinařina a práce manažerů jsou vážně ohroženy. Týká se to i znalostních pracovníků. Práce ve znalostním sektoru vyžaduje podle Forda široký repertoár dovedností: analytik by měl krom jiného „vědět, jak si obstarávat informace z nejrůznějších systémů, jak z nich vytvářet statistické a finanční modely a jak to všechno srozumitelně shrnout formou písemného výstupu či prezentace“. Mohlo by se zdát, že toto vše bude vždy doménou člověka, protože práce obsahuje kreativní prvky. Jenže omyl. Algoritmy se tak zdokonalují, že mohou téměř všechno. Práce ve znalostním sektoru se dá automatizovat téměř celá. S absolventy VŠ to ve znalostním sektoru vypadá bledě. Jde o stovky milionů lidí, kteří do roku 2030 přijdou o práci. A nejen to. Data o všem a o všec h Podle Forda tento generátor strukturovaných textů představuje jen kapku v moři nových softwarových aplikací, které se stále vyvíjejí, aby mohly vytěžit potenciál obrovského množství dat, které nyní v cloudech umisťují firmy i veřejné organizace. Odhaduje se, že celkový objem globálně uložených dat se udává v desetitisících exabytech, a toto množství exponenciálně narůstá v jakési obdobě Moorova zákona. Nejde jen o údaje na sociálních sítích, ale také o nepřetržitý tok informací z letišť, nádraží, pozemní dopravy, z nemocnic, elektráren, z továren, vodáren, informace o pohybu zboží a lidí, o kriminalitě, počasí a klimatu. Z tzv. nestrukturovaných dat už softwary AI dokážou udělat data strukturovaná. AI dovede tato data třídit, analyzovat a vyhodnocovat, určovat jejich váhu, a dokonce hledat mezi nimi synergie. Doposud jsme si mysleli, že práce s nestrukturovanými daty je hájemstvím výlučně lidským – ouha, zmýlili jsme se. Kolikrát ještě? Díky kamerám sledujícím chování lidí na ulicích v problémových čtvrtích v USA AI dokáže předjímat, kde v nejbližších hodinách či minutách dojde k přepadení či k jiným zločinům. Policisté jsou ihned vysláni do problémových oblastí, aby mohli preventivně zasáhnout či chytit pachatele při činu. To je prospěšné využití algoritmů. Plánovači rozvoje lidských sídel si všímají, kde se lidé ve městě nejčastěji pohybují, jaké mají trasy do práce, na nákupy či za zábavou, jakou využívají dopravu. Podle toho mohou lépe plánovat rozvoj obcí a měst či iniciovat developerské projekty. Existuje však i méně prospěšné využívání AI. Firma ví některé věci dříve než vaše rodina Prodejní řetězce zpracovávají big data o nákupním chování lidí a umějí to pěkně využít. Podle M. Forda je například firma Target schopná z nákupního chování predikovat další věci a situace, například těhotenství klientky. Firma vymyslela seznam patnácti kosmetických a zdravotních produktů, které ženy kupují na počátku těhotenství. Sleduje jejich nakupování. Okamžitě pak klientky bombarduje nabídkami dalšího zboží, které se přesně trefí do příslušného měsíce těhotenství. New York Times referoval o případu otce dospívající dívky, který si ve firmě Target stěžoval, proč jeho rodině do schránky chodí letáky na těhotenské zboží. S hrůzou zjistil, že pracovníci Targetu mají o životě jeho dcery lepší přehled než on sám. Deník podobné chování firem kritizoval, protože narušují naše soukromí a omezují naši svobodu. Vzpomínám si, že ve filmu „Mission Impossible“, když hlavní hrdina vešel do obchodního domu, jej AI poznala skenem očí, pozdravila a doporučila mu zboží, které dříve sháněl. Tato doba je za dveřmi a je možné, že pánové, kteří budou kupovat milence šperk či kabelku, budou muset používat jen hotovost. Když použijí kartu, AI je pozná a mohlo by dojít k maléru, kdyby šli nakupovat s manželkou. Spam – typick ý příklad strojové ho učení Strojové učení je postup, kdy se počítač prokousává sadou dat, která si průběžně statisticky vyhodnocuje, a na základě souvislostí si přepisuje svůj vlastní program. Je to jeden z nejlepších prostředků, jak všechen potenciál robotů vytěžit. Strojové učení se obecně sestává ze dvou kroků: nejprve se algoritmus učí na základě předem vyhodnocených dat, načež naučené postupy uplatňuje a zdokonaluje při zpracovávání nových informací. Jedním z typického praktického uplatnění strojového učení je filtrování spamů v elektronické poště. Algoritmus si „projede“ miliony e-mailů, aby zjistil, co je obvykle vyřazováno jako spam. Nikdo mu nepíše program, aby v e-mailech rozpoznal slovo Viagra nebo „dědictví z Nigérie“. Učí se praxí. Někdy vám pošle do spamu i důležitý e-mail. Překladač Googlu – dokonal ý unikát On-line překladač Googlu je podle Martina Forda nejpůsobivějším příkladem strojového učení. „Algoritmus tvořící jeho jádro se opírá o postup, který by se dal nazvat ‚principem rosettské desky‘: analyzuje a porovnává miliony stran textů, které už byly přeloženy, takže jsou v různých jazycích. V první fázi se v Googlu zaměřili na oficiální dokumenty OSN, ale posléze rozšířili okruh textů o možnosti celého internetu a s pomocí vyhledavače své společnosti začali svému nenasytnému samostatně se učicímu algoritmu opatřovat studijní materiál ve velkém. Z hlediska objemu dokumentů, které se v procesu učení uplatnily, se jednalo o nevídaný počin. Počítačový odborník Franz Och, jenž celý projekt řídil, se nechal slyšet, že jazykové modely vytvořené jeho týmem jsou tak obrovské, že svým rozsahem zdaleka překonávají všechno, co bylo v dějinách lidstva vytvořeno.“ Google už nemůže nikdo porazit a také nemá v tomto konkurenci. Dokáže zprostředkovat obousměrný překlad mezi pěti sty páry jazyků. Neuronov á síť Postupů strojového učení je celá řada. Mezi ty nejúčinnější patří ty, které se opírají o využití umělých neuronových sítí, tedy systémů, které fungují na stejných elementárních principech jako lidský mozek. Ten se sestává z miliard nervových buněk, jež jsou provázány biliony spojů. Napodobováním mozku vznikají učenlivé sítě, které potřebují jen úvodní zaučení a pak už se učí samy díky hlubokému strojovému učení. Zatím se to hlavně využívá u hlasové asistenční služby jako např. Siri či k rozpoznávání obrázků a složitých situací. Proto by nás nemělo překvapit, že umělá inteligence může díky tzv. genetickým algoritmům vlastně nahradit téměř jakoukoliv lidskou práci. Dokonce dokáže malovat obrazy, jeden se nedávno prodal za značnou sumu. Program AI pod názvem The Painting Fool dokáže namalovat mnohé a má šanci se stát velkým umělcem. Program Eureqa spolu s počítačovým clusterem IAMUS skládají statisíce hudebních skladeb a prodávají je bez autorských práv. AI dokonce dokáže psát romány. Ještě ne skvělé, ale učí se. Myslel jsem si, že kreativita bude poslední lidskou doménou, ale i ta padla. Opět omyl. Kolikrát se ještě spleteme, abychom pak konstatovali, že AI je dobrý sluha a může být zlý pán? Možná v tomto kontextu už nám predikovaná čísla o ztrátě pracovních míst budou znít věrohodněji. Příště budeme pokračovat v poznávání digitalizace, robotizace a AI. PhDr. Karel Červený, MSc., MBA Článek vyjadřuje osobní postoje autora a nemusí plně odrážet názory redakce.