První kroky expanze AI do našeho světa

1. Výpočetní fotografie
2. Strojový překlad
3. Jazyková inteligence
4. Generativní umělá inteligence
5. Generování kódu
6. Potenciální rizika

Výpočetní fotografie

Asi nejčastěji používanými jsou nástroje výpočetní fotografie, které dovolují vzít poměrně malé snímače a nedokonalé čočky – a dopočítat kvalitní obraz za všech okolností, ať už je to noční fotografie s korekcí barev a s dlouhou závěrkou, eliminace třasu elektronickou stabilizací nebo portrétní fotografie s rozmazaným pozadím. V současnosti přibývají další jednoúčelové nástroje, jako je například možnost odstranit nebo posunout objekty na fotografii, manipulovat s nahrávaným videem v reálném čase a další.

Strojový překlad

Podstatně praktičtější jsou služby strojového překladu, které dovolují rozeznat text na obrázku nebo přímo na záběru z kamery, dekódovat jazyk a převést ho na cílový jazyk. Konečně, po více než sedmdesáti letech, se také plní sen mít strojový překlad mezi mluvenými jazyky v reálném čase. První demonstraci předvedla IBM v roce 1954, která vytvořila systém pro překlad mezi ruštinou a angličtinou, který obsahoval pouze 250 slov. Po desítkách let experimentů s pravidlovými systémy a statistickou gramatikou se ukazuje, že nejjednodušší způsob, jak naučit stroje cizí jazyky, je naučit dostatečně velké jazykové modely z příkladů.

Jazyková inteligence

Jazyková inteligence přináší schopnost jak generovat text na základě požadavků, tak i schopnost naopak texty sumarizovat. Zdá se, že velmi vítanou aplikací bude schopnost generovat, ale také analyzovat právní texty, čímž by AI nahradila advokátní koncipienty. Schopnost rychle analyzovat smlouvy, například je naskenovat mobilem a provést hned jejich analýzu, může ušetřit mnoha lidem velké nemilé překvapení v budoucnosti.

Generativní umělá inteligence

Generativní umělá inteligence generující obrázky je velmi populární u menších webů, které se díky ní mohou vyhnout platbě fotobankám nebo ilustrátorům. To je pro profesionály špatná zpráva, ale je možné mít originální ilustrace i tam, kde to dřív z cenových důvodů možné nebylo. Zároveň to vytváří tlak na to, aby profesionální tvůrci za peníze nabízeli vyšší kvalitu.

Generování kódu

Velmi kontroverzní je nasazení generativních modelů pro tvorbu počítačového kódu. Optimisté mluví o tom, že už brzy ta schopnost bude tak dobrá, že nedává smysl, aby se lidé učili kódovat, ale profesionální programátoři obvykle odpovídají, že generování kódu je sice praktický nástroj na rutinní věci, ale nehodí se pro specializované úlohy a navíc je třeba vzniklý kód optimalizovat a opravit v něm chyby.

Potenciální rizika

Potenciální riziko je pak v tom, že generování kódu bere práci pro juniorní programátory, podobně jako právnické nástroje berou práci pro koncipienty. Výuka lidí je pomalá a náročná – to si uvědomuje málokdo, kdo kritizuje strojové učení. Aby se z člověka stal profesionál v oblasti programování nebo práva, je obvykle třeba dvacet až pětadvacet let učení a získávání zkušeností. Tím, že zanikají pozice pro začátečníky, se proces získávání zkušeností lidí komplikuje.

Michal Rybka

Michal Rybka je publicista a nadšenec s 20 lety zkušeností v IT a gamingu. Je kurátorem AlzaMuzea a YouTube kanálu AlzaTech. Napsal několik fantasy a sci-fi povídek, které vyšly v knižní podobě, a pravidelně pokrývá páteční obsah na internetovém magazínu PCTuning.