Článek
Čtete ukázku z newsletteru TechMIX, ve kterém Pavel Kasík a Matouš Lázňovský každou středu přinášejí hned několik komentářů a postřehů ze světa vědy a nových technologií. Pokud vás TechMIX zaujme, přihlaste se k jeho odběru!
Firma OpenAI na konci loňského roku oznámila zatím veřejně nedostupný model o3, který mimo jiného dosahuje dobrých výsledků i v testech, kde velké jazykové modely zatím výrazně zaostávaly za lidmi.
Zpomalení či zastavení vývoje AI tedy zřejmě stále není na pořadu dne. Na technické rovině se očekávají dva paralelní trendy. Prvním je vývoj větších a výkonnějších modelů, které překonají současné LLM co do rozsahu i „hloubky“ myšlení. Třeba jako právě o3, který si (stejně jako dnes už dostupný o1) dává zjevně více času na „rozmyšlení“ úkolů – ovšem za vyšší cenu. Podle údajů OpenAI mohou některé úkoly vyžadovat tolik strojového času a výkonu, že vyjdou na tisíce dolarů.
Na druhé straně je pak „inteligence za hubičku“. Tedy snaha o zefektivnění modelů, která povede ke zlepšení výkonu menších a dostupnějších typů. Ty by se pak mohly objevovat s nadsázkou řečeno „všude“. Někdy to pochopitelně skončí podobně jako experimenty McDonald’s s využitím AI (260 kuřecích nugetů že je moc?), ve většině případů budou snad ale užitečnější a praktičtější.
Do budoucna budou také velké jazykové modely pravděpodobně stále více pracovat nejen s jazykem, ale i s obrázky, zvukem a videem. To by mělo umožnit analyzovat a interpretovat informace z různorodých zdrojů a rozšířit možnosti využití.
V medicíně by například AI mohla kombinovat analýzu rentgenových snímků s pacientovou zdravotní historií a poskytovat přesnější diagnózy. V právu by AI dokázala současně zpracovávat právní dokumenty a obrazové materiály. Takzvaná „multimodalita“ není úplná novinka, ale mohl by to být významný krok směrem k většímu praktickému nasazení technologie.
Dalším očekávaným trendem je specializace AI modelů. Místo obecných nástrojů, jako je ChatGPT, se pravděpodobně dočkáme modelů navržených pro konkrétní odvětví, například zdravotnictví, vzdělávání nebo finance. Uvidíme, jestli na to ovšem není stále brzy – zatím platí, že dobré „promptování“ či lepší model vedou k úspěchu lépe než specializovaný nástroj.
K čemu je to dobré?
Přesto bude dopad AI na ekonomiku v roce 2025 pravděpodobně spíše pozvolný a nenápadný. Společenské změny často zaostávají za technologickým pokrokem, protože firmy i jednotlivci potřebují čas na přizpůsobení se novým způsobům práce a života. Ačkoli finanční trhy reagují na potenciál AI s nadšením (viz příběh firmy Nvidia), hmatatelné ekonomické přínosy nejsou prakticky žádné.
Do velké míry to může být tím, že jsme příliš netrpěliví. Historie ukazuje, že i skutečně zajímavé a velmi efektivní technologie, například elektřina, se plně integrovaly do různých odvětví v průběhu několika desítek let.
V USA dnes umělou inteligenci využívá při výrobních procesech jen pět až šest procent podniků a ve většině vyspělých zemí to není jiné (v Česku je to podle údajů z letního průzkumu Svazu průmyslu a dopravy snad ještě horší). Což koneckonců vysvětluje i to, že hlavní ekonomické ukazatele, jako je růst či produktivita práce, se v posledních dvou letech nijak nemění. Navzdory rozruchu kolem AI se ukazuje, že ekonomická transformace bude spíše postupná.
V mnoha ohledech bude také plíživě nenápadná. Výstupy AI často napodobují lidskou tvorbu tak dokonale, že je nemožné je od ní odlišit, a tak bude pro všechny – zákazníky, zaměstnance i jejich šéfy – těžké určit, v jaké míře a jak se AI používá.
Zajímavě to ilustrují údaje z akademického prostředí. Studie několika britských autorů vydaná v časopise PLoS ONE ukázala, jak snadno se výtvory jazykových modelů skryjí v běžné produkci studentů univerzity. Autoři v rámci experimentu vytvořili výhradně pomocí AI několik esejí a dalších písemných prací, které následně odevzdali jako práce bakalářských studentů psychologie na pěti různých britských univerzitách – pochopitelně bez vědomí pedagogů.
Pouze šest procent z těchto „uměle“ vytvořených prací bylo odhaleno, 94 procent prošlo bez povšimnutí. Navíc tyto práce získaly v průměru lepší známky než práce, které vypracovali skuteční studenti. Známky, které AI dostala, byly zhruba o půl stupně vyšší, než byl průměr studentských prací. Umělá inteligence se „infiltrovala“ do procesu vzdělávání, aniž by si toho většina lidí všimla – a podle mého názoru to bude velmi podobné i v jiných oborech včetně žurnalistiky.
Stejně jako to bylo s plasty
Při hodnocení dopadu AI se hodí rozlišovat mezi „revolučními technologiemi“ a „technologickými revolucemi“, což jsou termíny, které loni použila Carlota Perez z londýnské University College v článku pro Project Syndicate. První výraz se týká inovací, které mají významný dopad na konkrétní odvětví nebo průmyslové obory, zatímco druhý zahrnuje širší, systémové změny, které mění celou strukturu ekonomiky a společnosti.
Například zavedení plastů v masové výrobě ve 30. letech 20. století způsobilo revoluci v několika průmyslových odvětvích, ale samo o sobě nepředstavovalo technologickou revoluci.
S rozvojem průmyslové výroby polystyrenu (plastu používaného v jednorázových příborech a tisících dalších výrobků), nylonu a syntetického kaučuku (pro automobilové pneumatiky) si firmy i jednotlivci uvědomili úžasný potenciál petrochemických produktů.
Stejně jako „umělá inteligence“ měly i tyto „umělé“ materiály nekonečnou řadu využití. Brzy pronikly do všech odvětví od textilního průmyslu po stavebnictví, nahradily přírodní materiály, změnily výrobní postupy, snížily náklady na balení a podpořily jednorázové použití. To nevyhnutelně vytlačilo mnoho lidských dovedností a zničilo ekonomiky několika zemí vyvážejících suroviny. Přestože však syntetické materiály představovaly revoluční technologii, neznamenalo jejich zavedení samo o sobě technologickou revoluci, domnívá se Perez.
Podle ní i některých dalších akademiků je lepší „umělou inteligenci“ chápat jako významnou inovaci v rámci probíhající revoluce informačních a komunikačních technologií (tj. ICT), která začala v 70. letech 20. století. Stejně jako předchozí technologické revoluce spočívaly na souhře inovací, je současná ICT revoluce poháněna řadou technologií, včetně umělé inteligence, robotiky, internetu věcí a zvyšování výkonů čipů. Tyto inovace jsou vzájemně propojené a navazují jedna na druhou – a to dohromady vede k širší transformaci.
Historie nabízí několik paralel, které pomáhají pochopit dynamiku přijímání technologií a povahu technologických revolucí. Jak se může v rámci jedné technologické revoluce objevit revoluční technologie, která pokrok popožene vpřed, aniž by iniciovala zcela novou revoluci, může ilustrovat i vývoj Bessemerova konvertoru ze 60. let 19. století.
Bessemer byl úspěšný vynálezce, ale také šikovný podnikatel, který dokázal dovést do praxe nápad, který měli před ním už jiní: proces výroby oceli ve velkém a levně. Díky tomu ocel nahradila železo, což ve výsledku zase umožnilo stavět rychlejší vlaky a výkonnější lodě, a tak spustit další fázi průmyslové revoluce: věk páry.
Dalším příkladem je zavedení elektrifikace během éry oceli a těžkého strojírenství na konci 19. století. Elektrifikace sice přinesla významné změny, například osvobodila továrny od těžkopádných dopravníkových pásů a umožnila stavbu mrakodrapů, ale sama o sobě nepřinesla „revoluci“. Během několika desítek let se začlenila do služeb průmyslu a pomohla přinést skutečnou technologickou revoluci způsobenou rozvojem masové výroby.
Tyto historické příklady zdůrazňují zásadní věc: Očekávat, že jediná technologie zcela změní svět, je často nereálné. Skutečný dopad jakékoli inovace spočívá v jejím spojení s dalšími technologiemi, novými či staršími.
Historie má z hlediska předvídání budoucnosti tu nevýhodu, že se nikdy přímo neopakuje. I když řada věcí je do značné míry neměnná nebo se mění příliš pomalu (například lidská biologie), okolnosti a události se mohou ubírat zcela nečekaným směrem.
Například není jasné, zda se v dohledné době opravdu dočkáme „obecné umělé inteligence“. Mnozí představitelé firem, které AI vyvíjí, jsou v tomto ohledu velkými optimisty. Sam Altman znovu a znovu opakuje, že OpenAI už ví, jak vytvořit umělou inteligenci alespoň tak univerzální jako lidskou (i když „univerzální“ je v případě práce lidského mozku určitě přehnaný výraz).
Altman má doslova biliony dobrých důvodů, proč něco takového říkat (tedy v korunách, v dolarech jen stovky miliard). Zveličování je běžný reklamní postup a úspěchy Elona Muska ukazují, že investoři na nějaký nesplněný slib nehledí. Ale lidský mozek také není magický artefakt, jehož funkci by z principu nešlo napodobit. Překvapení proto nelze vyloučit.
V plné verzi newsletteru TechMIX toho najdete ještě mnohem víc. Přihlaste se k odběru a budete ho dostávat každou středu přímo do své e-mailové schránky.
