Umělá inteligence

Osnova

Úvod
Historický vývoj
Typy AI
Jak AI funguje?
Neuronové sítě a hluboké učení
Oblasti využití
Generativní AI
Výhody
Rizika a etické otázky
Budoucnost AI
Moderní technologie - umožňuje počítačům napodobovat lidské myšlení
Softwarové programy schopné učit se díky analýze dat
Patří sem například:
- učení z dat
- rozpoznávání obrazu a řeči
- rozhodování
- plánování
- porozumění přirozenému jazyku
Cílem AI není jen naprogramovat pevná pravidla, ale vytvořit systém, který se dokáže učit ze zkušenosti a přizpůsobovat se novým situacím
HISTORICKÝ VÝVOJ
- 1943 – model perceptronu (McCulloch a Pitts)
- 1950 – Alan Turing navrhl Turingův test (zkoumá, zda je možné rozeznat komunikaci člověka a stroje) -> pokud člověk nedokáže poznat rozdíl, stroj test splnil
- 1956 – vznik pojmu „Artificial Intelligence“
- 70.–80. léta – expertní systémy (napodobovaly rozhodování odborníků)
- 90. léta – rozvoj strojového učení
- 21.století – prudký rozvoj díky internetu, velkým datům a výkonným grafickým kartám
- 2012 – průlom hlubokého učení (rozpoznávání obrazu)
TYPY UMĚLÉ INTELIGENCE
- Slabá AI
  - zaměřená na konkrétní úkol
  - neumí myslet obecně
  - většina dnešních systémů
  - Například: hlasoví asistenti, doporučovací systémy, překladače
- Silná AI
  - teoretická forma
  - měla by myslet jako člověk
  - zatím neexistuje
JAK AI FUNGUJE?
- Základem moderní AI je strojové učení (Machine Learning)
- Místo přesného programování pravidel:

1. systému dodáme velké množství dat
2. algoritmus hledá vzory
3. vytvoří model
4. model se zlepšuje s dalšími daty

Typy strojového učení
- Učení s učitelem (Supervised learning)
  - data jsou označená
    - systém se učí podle správných odpovědí
    - využití: rozpoznávání obrázků
  - Učení bez učitele (Unsupervised learning)
    - data nejsou označená
    - systém hledá struktury a skupiny
  - Posilované učení (Reinforcement learning)
    - systém se učí metodou pokus–omyl
    - za správné rozhodnutí dostává „odměnu“
    - využití: robotika, hry
NEURONOVÉ SÍTĚ A HLUBOKÉ UČENÍ
- Neuronové sítě - inspirovány fungováním lidského mozku
- Mozek se skládá z neuronů, které si předávají signály -> neuronová síť funguje podobně:
  - skládá se z perceptronů (umělých neuronů -> algoritmy)
  - přijímají vstupní hodnoty (např. čísla)
  - každý vstup má svou váhu (určuje jeho důležitost, zpočátku náhodná)
  - vážený součet vstupů -> pokud přesáhne aktivační hodnotu -> signál se pošle do další vrstvy
- Skládají se z vrstev:
  - vstupní - přijímá data
  - skrytých - provádějí výpočty (čím více vrstev, tím složitější model)
  - výstupní - vrací výsledek
- Hluboké učení (Deep Learning)
  - využívá mnoho vrstev neuronových sítí
  - dokáže zpracovávat velmi složitá data
  - vyžaduje vysoký výkon (GPU)
  - používá se pro: rozpoznávání obličejů, řeči, autonomní řízení, generování textu a obrázků
OBLASTI VYUŽITÍ AI
- medicína – diagnostika z rentgenových snímků
- doprava – autonomní vozidla
- bankovnictví – detekce podvodů
- e-commerce – doporučování produktů
- průmysl – robotizace výroby
- zpracování jazyka – chatboti
GENERATIVNÍ AI
- moderní oblast AI, která:
  - vytváří nový obsah
  - generuje text, obrázky, hudbu
- funguje na principu analýzy obrovského množství dat a hledání vzorů
- využívá velké jazykové modely (LLM) - zpracovávání jazyka (text i zvuk)
- pracuje s pravděpodobnostním výběrem (dalšího slova)
VÝHODY
- rychlé zpracování velkého množství dat
- automatizace rutinních činností (třídění e-mailů)
- zvýšení efektivity
- přesná analýza v některých oborech
RIZIKA A ETICKÉ OTÁZKY
- ztráta pracovních míst
- ochrana osobních údajů (sběr dat )
- možnost zneužití (deepfake videa)
- zkreslení dat (bias -> trénovací data nevyvážená, systém se rozhoduje nespravedlivě)
BUDOUCNOST AI
- inteligentní roboti
- personalizovaná medicína
- chytrá města (řízení dopravy podle aktuální hustoty provozu)
- autonomní systémy (samořídící auta nebo drony)