Mediální proroci: I počítače se mohou učit

Už na začátku 20. století se mezi lidmi objevovali první představy, že náš svět ovládnou roboti. Sestrojení mechaničtí tvorové, které budou na různé povely pracovat, vymýšlet věci a budou se chovat jako lidé. Mechanické roboty kolem sebe máme již řádku let, ty co se učí a přemýšlí, se začínají objevovat až v poslední době.

V tomto článku se budeme věnovat neuronovým sítím, které se čím dál častěji budou objevovat v našich chytrých telefonech, tabletech či počítačích, a především strojovému učení. Co to jsou neuronové sítě? Jedná se o jeden z výpočetních modelů používaných v umělé inteligenci. Jejím vzorem je chování, které odpovídá biologickým strukturám. Skládá se z umělých neuronů, který je vystaven podle neuronu biologického. Neurony jsou vzájemně propojeny a navzájem si předávají signály a transformují je pomocí určitých přenosových funkcí. Neuronové sítě se často používají pro rozpoznávání obrázků nebo zvuků, předvídání vývoje časových řad (např. burzovních indexů), někdy dokonce k filtrování spamu. Časté využití mají také v lékařství.

Neuronové sítě úzce souvisí právě se strojovým učením, které jsou v této době pro vývojové firmy č. 1. Strojové učení k programování a různým problémům přistupuje úplně jinak než klasické programy. Místo pěvně daných postupů a předpisů, techonologii vysvětlíte pouze základní věci a předložíte obrovský soubor studijních dat. Program pro strojové učení pak data studuje - prochází, hodnotí, rozřazuje, přiděluje jim podle dalších vazeb různé parametry a vytváří jejich model, který pak může aplikovat. A stejně jako u člověka, i v tomto případě platí, že čím více zkušeností má, tím má i lepší znalosti, tím pádem vyrobí lepší model. Negativum strojového učení je, že než vyrobí dostatečně dobrý model, musí se naučit spousty věcí a ze začátku nemusí dosahovat kvalitě klasickému programu. Pokud se mu ale něco podaří, může až mnohonásobně tradiční programy překonat. Příkladem mohou být jazykové překladače, které již prvky umělé inteligence využívají.

Téma strojového učení a umělé inteligence je velice zajímavé, ale pro mnohé často složité a neuchopitelné. Google může pomoci. Společnost Google zprovoznila webové stránky https://aiexperiments.withgoogle.com/, kde si všichni mohou prohlédnout, jak takové strojové učení a umělá inteligence pracují. Nyní vám jednotlivé experimenty v krátkosti představím.

Jedním z příkladů je hra Quick Draw, které v posledních dnech obletěla uživatele sociálních sítí. Jedná se o hru, kdy se neuronové sítě snaží rozpoznat, co právě kreslíte. Čím častěji hru hrajete, tím více se síť naučí.

Další experiment přináší slovník v nové podobě. Telefonem, tabletem či laptopem si vyfotíte danou věc, např. boty a aplikace vám, dá překlad vyfoceného obrázku.

Tento experiment využívá strojového učení k organizaci ptačích zvuků. Počítač, neměl žádné informace o ptácích – jejich jména apod.. Ale počítač za použití techniky zvané t-SNE vytvořil mapu, kdy jsou podobné zvuky umístěny k sobě.

U jiného experimentu si zapnete fotoaparát a vy můžete prozkoumat, co neuronové sítě vidí. Ve videu níže si můžete prohlédnout jednotlivé vrstvy neuronové sítě, a jak fungují.

Další experiment představí, co se děje během strojového učení. Umožňuje kodéry vidět a prozkoumat jejich rozsáhlá data. Cílem je, aby každý kodér mohl použít tyto vizualizační techniky a prohlédnout tak jejich data.

Tento experiment je opět interaktivní. Umožní vám vytvářet hudbu přes strojového učení. Neuronová síť byla vyškolena na mnoha příkladech melodií, o hudebních konceptech, notách a časování. Zahrajete několik not a jen čekáte, jak vám neuronová síť odpoví. V nejbližší době bude experiment uveden na web a vy si ho budete moci sami vyzkoušet.

Následující experiment také souvisí s hudbou. Strojové učení vám v tomto případě umožní dělat hudbu s počítačem pouhým pořízením fotografie. Využívá rozpoznávání obrazu, označí to, co vidí, a pak podle obrázku ukáže text písně.

Poslední experiment, který Google představuje je organizování tisíce každodenních zvuků. Počítače opět nedostali žádné popisy nebo značky - pouze zvuky a za použití techniky t-SNE, počítač umísťuje podobné zvuky blíže k sobě. Pro prozkoumávání můžete používat mapy, kde jsou uspořádány vedle sebe podobné zvuky a dokonce dělat beaty pomocí bicích sekvencí.