Žijeme v době, kdy se stále více spoléháme na systémy umělé inteligence (AI), a to v řadě různých odvětví. Jedním z nich je např. řízení automobilu pomocí autopilota, což může být v praxi velmi užitečná záležitost, nicméně samořídící automobily už na sebe na silnicích upozornily tragickými nehodami.
Minulý týden vědci z týmu Státní univerzity v Ohiu otevřeli na 40. ročníku Mezinárodní konference o strojovém učení konané v Honolulu téma „kontinuálního učení”. V principu jde o to, že neuronové sítě dokážou přebírat nové úkoly, přičemž však zapomínají informace, které se naučily v minulosti. Na přítomnost algoritmů AI jsou dobře zvyklí také obchodníci s kryptoměnami i jinými aktivy, protože jejich potenciál využívají k investování prostřednictvím obchodních robotů.
„Katastrofické zapomínání” jako příčina nešťastných událostí
Právě taková ztráta informací z minula je jednou z příčin neštěstí, které automobily bez lidského řidiče na silnicích již způsobily. Studii vedl profesor informatiky a inženýrství na ohijské univerzitě Ness Shroff, který zdůraznil, že je velmi důležité, aby aplikace pro automatické řízení nebo jiné robotické systémy nezapomínaly již naučené informace, z hlediska bezpečnosti naší i jejich. Je to podobné, jako když lidé staví na předchozích zkušenostech, když se učí novým věcem.
Uvedený výzkum se zabýval komplexitou nepřetržitého učení umělých neuronových sítí a zdá se, že zjištěné poznatky ze studie by mohly překlenout propast mezi tím, jak se učí stroje a jak lidé.
Algoritmy AI, které se učí na různých typech dat
Podle profesora Shroffa si umělé sítě dokážou lépe uchovat informace, pokud mají možnost provádět různorodé a odlišné úlohy. Klasické AI algoritmy strojového učení jsou obvykle trénovány na datech najednou, nicméně klíčová zjištění týmu ukázala, že podobnost zadaných úloh, negativní a pozitivní korelace, případně také pořadí, v jakých se algoritmus učí jednotlivým úkolům – to vše má vliv na dobu, po kterou si umělá síť dokáže uchovat určité znalosti.
Pokud je na rozdílnost algoritmus trénovaný od samého počátku, zvyšuje se jeho schopnost vstřebávat nové informace. „Naše práce je předzvěstí nové éry inteligentních strojů, které se mohou učit a přizpůsobovat stejně jako jejich lidské protějšky,” řekl Shroff. Závěry ze studie jsou jsou jedním z prvních kroků, který vědce přivede k vývoji umělé inteligence tak, aby se mohla učit podobně jako člověk po celý svůj život. Cílem je potom rychlejší rozšiřování algoritmů a jejich snadnější adaptace na proměnlivost prostředí.
Vedle zjištění vědeckého týmu ze Státní univerzity Ohio vystoupila na konferenci další řada významných osobností z oboru. Massechuteský technologický institut oznámil vývoj technologie, která by pomohla narušit generování deepfake obrázků – a to tak, že se do zdrojových obrázků vloží krátké úseky kódu s rušivým efektem. Klíčové je obrázkům dodat větší rezistenci vůči jakýmkoli manipulacím.
Mimo to přispěli také zástupci technologického giganta Google, kteří uvedli, že jejich výzkum strojového učení a AI je zahrnut ve více jak 8 desítkách vědeckých prací, které jsou zařazeny do programu ICML. Shakir Mohamed, ředitel Googlu pro vědu, technologie a společnost, strojovému učení přikládá obrovský potenciál především při řešení náročných výzev, jakými jsou zdravotní péče nebo klimatické změny. Na svém blogu uvedl, že spojením různých hlasů můžeme vyvinout umělou inteligenci, která bude prospěšná všem lidem.
