Umělá inteligence, strojové učení a rozšířená realita. Jaký je mezi nimi rozdíl?

Umělá inteligence (anglicky artificial intelligence, zkráceně AI) je obzvlášť v posledních měsících díky spuštění jazykového modelu ChatGPT velmi často skloňovaným tématem. Pojďme se tedy ve zkratce podívat, co to umělá inteligence je a čím se liší od strojového učení nebo rozšířené reality.

Umělá inteligence 

AI je oblast informatiky, která se zabývá vytvářením strojových systémů a programů, které jsou schopny simulovat lidské myšlení a chování. Tyto systémy se učí z dat, která jsou jim předložena, a na základě těchto dat mohou provádět samostatné rozhodnutí a přizpůsobovat se novým situacím. Je potřeba zmínit, že skutečná umělá inteligence, která by zvládla samostatně myslet a fungovat – třeba jak ji známe z filmu Terminátor, neexistuje a ještě opravdu hodně dlouho existovat nebude.

Ne každý systém, který se tváří, že je inteligentní, spadá pod AI. I když se pro zjednodušení tyto systémy jako umělá inteligence označují. Ve většině případů jde o systémy strojového učení. Takové systémy neumí myslet samy za sebe, ale jen reagují na to, co se již naučily.

Strojové učení

Strojové učení (anglicky machine learning) je technika, která umožňuje počítačům učit se z dat a provádět úkoly, na které nejsou přímo naprogramovány. Strojové učení umožňuje počítačům analyzovat velké množství dat a hledat vzorce či anomálie, které by jinak mohlo být pro člověka obtížné nebo nemožné najít. V praxi to znamená, že nám umožňuje rychleji provádět mnohem komplexnější a náročnější úkony, než jaké dosud člověk zvládal za využití jiných počítačových programů či řídicích systémů, které machine learning nevyužívají.

Příkladem by mohlo být třeba rostoucí využívání machine learningu při řízení přenosových a distribučních soustav elektřiny. To velmi komplikované systémy, které ještě nedávno bylo možné řídit pouze reaktivě, zatímco nyní lze již díky strojovému učení chování celé soustavy výrazně lépe předvídat a dokonce optimalizovaně řídit, aby se co nejvíce zamezilo ztrátám při přenosu elektřiny nebo poškození sítě při nadměrné výrobě z obnovitelných zdrojů. Dá se tak říci, že prvky umělé inteligence výrazně usnadňují přechod z konvenčních zdrojů (jako uhlí) na obnovitelné (jako energie ze slunce či větru).

Existují různé metody strojového učení, ale základním principem je trénování počítačového modelu pomocí vstupních dat, která jsou označená, nebo neoznačená. Pokud jsou data označená, počítačový model se učí, jak přiřadit správnou odpověď k určitému vstupu. Pokud jsou data neoznačená, počítačový model se učí najít skryté vzorce nebo struktury v datech.

Strojové učení má mnoho aplikací, například v rozpoznávání obrázků, zpracování přirozeného jazyka, předpovídání výsledků nebo řízení autonomních vozidel. Určitě jste už slyšeli o aplikaci na identifikaci písniček Shazam nebo autopilotu elektromobilů Tesla. Každým dnem se spektrum aplikací strojového učení rozšiřuje.

Rozšířená realita

Rozšířená realita (anglicky augmented reality nebo také augmented intelligence) je technologie, která propojuje virtuální svět s reálným světem a umožňuje uživatelům vidět digitální objekty jako součást skutečného prostředí typicky prostřednictvím pohledu přes obrazovku mobilního zařízení, třeba tabletu či mobilu. Široké uplatnění má v nejrůznějších oblastech, jako jsou vzdělávání, průmysl, zdravotnictví nebo také zábava. Využívá se např. jako výukové aplikace pro studium anatomie, interaktivní simulátory chirurgických zákroků, vizualizace návrhu nových produktů, vizualizace rozmístění strojů ve výrobní hale či nábytku v interiéru nebo třeba populární hra Pokemon GO.

Rozdíl mezi umělou inteligencí a rozšířenou realitou spočívá v tom, že zatímco umělá inteligence se snaží v určitých úkolech nahradit lidskou inteligenci a pomáhá nám hledat těžko odhalitelné vzorce či anomálie, abychom s nimi mohli dále pracovat, rozšířená realita usnadňuje vizuální představivost a prezentaci prostorových objektů.

Autor: Václav Adamec, Business Operations Director, Gauss Algorithmic