Umělá inteligence ChatGPT je všudypřítomná. Odkud se vynořila?

Webový konverzační nástroj ChatGPT zpřístupněný na konci minulého roku firmou OpenAI úspěšně okupuje diskuse o životě, vesmíru a všem. Nebo alespoň o budoucnosti technologií, umělé inteligence (Artificial Intelligence – AI) a dopadu na celou společnost. Máme se bát? Pokud jste na něj náhodou zatím nenarazili, můžete si s ním zkusit popovídat na chat.openai.com.

Podle Reuters se jedná o nejrychleji rostoucí webovou službu s ohromujícími 100 miliony uživatelů. Microsoft se do OpenAI nebál investovat 10 miliard dolarů, tzn. přibližně desetinu rozpočtu celé ČR. S jasným cílem integrovat technologii do kancelářského balíku Office a vyhledávače Bing. V Google se vyděsili, že by mohli ztratit dominanci ve vyhledávačích. Rychle naplánovali prezentaci svého modelu umělé inteligence Bard a uřízli si s ní ostudu tak velkou, že se hodnota jejich akcií propadla za jeden den o 100 miliard dolarů, tedy rovnou o podobnou sumu jako rozpočet naší země na celý rok. Přesvědčivě fungující umělou inteligenci prostě během pár dní nevyvinete.

O co tedy jde? Když pomineme rané pokusy, např. řeckého obra Talose stvořeného bohyní Hérou a pražského Golema stvořeného Rabim Löwem, vývoj současné AI začal ve 40. letech minulého století na základě neurologických studií odhalujících mozek jako síť neuronů šířící elektrické vzruchy. Vznikl první matematický model neuronu a předpoklady pro zkoumání inteligentních strojů na pomezí matematiky a elektroniky. Termín Artificial Inteligence prvně použil John McCarthy z MIT a přibližně od roku 1956 považujeme AI za samostatný vědní obor.

Vývoj AI můžeme dobře sledovat na hrách. Hry často vnímáme jako obtížné, vyžadující pochopení pravidel, analyzovat předešlé tahy, volit strategii a učit se z předchozích her. Tedy dovednosti spojované s lidskou inteligencí. Navíc výsledek každé hry poskytuje zpětnou vazbu pro učící se algoritmus. V roce 1956 vznikl v IBM program úspěšně hrající dámu. Úspěšně hrající nutně neznamenalo, že by zcela ovládl hrací desku a vždy vítězil. Jiným příkladem může být stroj MENACE učící se hrát piškvorky. Nikoliv elektronický, ale čistě mechanický stroj sestavený ze 304 krabiček od sirek naplněných korálky. Jakkoliv komplexní věda se evidentně může rodit velmi skromně. Korálky vkládané do krabiček reprezentovaly váhy jednotlivých herních polí a postupně se upravovaly podle toho, zda vyhrál MENACE, člověk nebo došlo k remíze. Existuje i simulátor k vyzkoušení.

Se zvyšováním výpočetního výkonu mohla růst i komplexita her a složitost algoritmů. Například dámu nebo šachy můžete vyhrát pomocí postupně se učícího algoritmu upravujícího parametry neuronové sítě a nebo – pokud dokážete spočítat všechny možné budoucí kombinace daného tahu - hrubou výpočetní silou. Počet možných pozic v dámě je 500 995 484 682 338 672 639 (půl triliardy!). Šachy, kvůli jejich složitějším pravidlům, pouze odhadujeme na 1044 (sto septilionů!) možných pozic. Trvalo až do roku 1997, než stroj dokázal porazit velmistra Garyho Kasparova. IBM k tomu muselo sestrojit superpočítač Deep Blue se 30 procesory a 480 zakázkově vyvinutými integrovanými obvody urychlujícími výpočty, protože předchozí generace z roku 1989 proti Kasparovovi prohrála dvě hry ze dvou. Výkon celého superpočítače dosahoval 11,38 GFLOPS (zkratka pro počet operací za sekundu). Dnešní grafické karty běžně dosahují desítek TFLOPS. Domácí PC ke hraní her tedy dosahuje výkonu tisíce superpočítačů schopných porazit Garyho Kasparova.

Nyní už dokáže počítač porazit člověka i v zatím nejsložitější hře Go. Překotně se rozvíjí využití hlubokých neuronových sítí a ostatní algoritmy. První neuronové sítě obsahovaly vstupní a výstupní vrstvu neuronů s jednotkami vrstev mezi nimi. Hluboké neuronové sítě sestávající ze stovek vrstev. Celkem očekávaně mají kapacitu se natrénovat na složitější úkoly, takže nás začaly ohromovat svojí schopností rozpoznávat vzory. Nejen roztomilá koťátka, ale např. nádor, které by lidské oko na rentgenovém snímku přehlédlo. Časem se objevily kompetitivní generativní sítě. Zrychlují proces učení tím, že výstup vygenerovaný jednou sítí je ohodnocen druhou sítí. Neustálým opakováním se generovaný výstup zdokonaluje.

Vývoj technologií dále zrychluje a rapidně se vyvíjejí i další typy generativních modelů. Zatím poslední přelomovou technologií jsou tzv. transformery navržené v roce 2017 Googlem. Zlepšují schopnosti velkých jazykových modelů (Large Language Model LLM). Velký jazykový model tvoří neuronová síť, která – zjednodušeně řečeno – přečetla všechny knihy a celý internet k tomu. Existuje jich několik a předhánějí se kdo zpracoval více dostupných dat a textů.

LLM zvládnou překlady, doplňování textu, psaní úplně nového či vytvořit shrnutí. Po každém slově nebo spojení s nějakou pravděpodobností následuje další a díky natrénování na skutečně mnoha textech, vypadá výsledek této pravděpodobnosti smysluplně.

ChatGPT je na jednom z nich založen. GPT znamená Generativní Předtrénovaný Transformer (Generative Pretrained Transformer). Nejdříve natrénujeme obecný LLM na obřím množství textu a ve druhém kroku model předtrénujeme k plnění určitého úkolu. Například k odpovídání dotazů. Celý proces zní snadněji, než skutečně probíhá, ale mluvíme přeci o AI revoluci.

I když výstupy ChatGPT zní přesvědčivě a vzbudily úžas, má zásadní slabinu. Občas si totiž vymýšlí. I nesmysly tvrdí přesvědčivě a forma v tomto případě vítězí nad obsahem. V klidu prohlásí, že večerníček Maxipes Fík prvně vysílala Československá televize v roce 1972, Fík je zlatý retrívr se zlatou srstí a pomocí kouzelného obojku se proměňuje v jiná zvířata. Jenže Fík nemá zlatou srst, ani kouzelný obojek a podle Wikipedie vysílala ČST premiéru v prosinci 1976.

Nemůžeme zatím tedy mluvit o přemýšlení, ale o syntéze dat a řazení slov za sebou bez porozumění obsahu. Výsledek občas připomíná halucinování a může se také stát, že v něm bude patrná podoba s již existujícím dílem. Dochází tím k porušování autorských práv? Hodnotit AI podle toho, co zvládne dnes, by ovšem bylo nespravedlivé. Zajímavé bude, co teprve umět začne. A vzhledem ke zrychlujícímu tempu vývoje algoritmů a dostupné výpočetní kapacitě, se máme na co těšit. Příště si můžeme rozebrat zda a případně koho z nás připraví o práci.