Jste zde

Může být umělá inteligence kreativní? Ano!

Antonín Vojáček, 7. Září 2020 - 12:33

Automatizace a robotizace nahradí stereotypní lidskou činnost a lidé se budou zabývat jen kreativní činností. To zní z médií. Ale umělá inteligence může být a jistě i bude podobně kreativní jako člověk. A první ukázky možností to již prokazují.

Poměrně často se v posledních letech v médiích uvádí dle mého názoru nelogická informace, že moderní umělé inteligentní technologie budou hlavně realizovat jen opakující se úkony a lidem zůstane doména tzv. kreativity. Tato informace se mi jeví jako neplatná, protože i některé již vytvořené systémy umělé inteligence výsledky podobné kreativní práci či kreativnímu myšlení cíleně generují. Proto se také již začínají masivně nasazovat ve vědě a výzkumu, protože dokáží posuzovat výsledky, věci a situace často z velmi neočekávaných a inovativních směrů, které by dle slov samotných vědců je asi nenapadly.

Lze tedy umělou inteligenci AI (z angl. Artificial Intelligence) skutečně považovat za kreativní?

Co to znamená být kreativní?

Z Wikipedie se například můžete dozvědět, že:

"Tvořivost neboli kreativita (z lat. creo = tvořím), či invence, je zvláštní soubor schopností, které umožňují uměleckou, vědeckou nebo jinou tvůrčí činnost. Ta se projevuje jako vynalézavost, jako vznik něčeho nového, originálního, popř. tvůrčím řešením problémů." (viz odkaz https://cs.wikipedia.org/wiki/Tvo%C5%99ivost)

Na stránkách Hospodářských novin se pak můžete dočíst:

"Neurověda definovala kreativitu jako schopnost vzít různorodé nebo rozptýlené myšlenky a dát je dohromady v nové a užitečné kombinaci." (viz odkaz https://modernirizeni.ihned.cz...).

Vědecká studie " Plucker, Beghetto a Dow (2004)" pak definuje kreativitu následovně:

"Kreativita nastává v důsledku souhry mezi schopnostmi jedince, tvůrčím procesem a vnějšími podmínkami, díky které jedinec nebo skupina vytvoří zjevný produkt, který je nový a zároveň užitečný. Novost i užitečnost produktu je určená sociálním kontextem."

Tedy jinými slovy lze kreativitu u lidí popsat jako schopnost "generování" neočekávaných kroků, činů či věcí, které doposud neexistují, prostě zatím nikoho nenapadly, a které následně jsou nějakým způsobem realizovány a testovány, zda budou úspěšné či nikoliv.

Lze pak za kreativitu považovat vytváření nečekaných návrhů pomocí elektronického systému zkombinování velkého množství sebraných a vyhodnocených informací? Ať k této definici můžete mít různý názor, výsledky této činnosti odpovídají výsledků definovaným jako kreativita. A právě to je základní funkce systémů "Machine Learning" nebo "Deep Learning", které dokáží svoji původně obecně definovanou funkční strukturu automaticky "předělávat" na základě načtení předchozích zkušeností "čin -> výsledek", tedy ze schopnosti učení.

Příklady kreativních obrázků vytvořených umělou inteligencí Google Deep Dream Generator (viz https://deepdreamgenerator.com) a obraz Portrait of Edmond de Belamy vytvořený také AI systémem.

Machine Learning

Celý proces automatického učení systémů umělé inteligence (také označované jako tzv. neuronové sítě) velmi zjednodušeně spočívá v následujícím přístupu:

Vezmi nějaká reálná vstupní učící historická data.
Zpracuj z nich výsledek dle tvých aktuálních znalostí (nastavení).
Ten porovnej se skutečným výsledkem, který tato historická data reálně způsobila.
Zjištěnou odchylku použij na úpravu nastavení vnitřního systému tak, aby se i predikovaný výsledek blížil reálnému výsledku.
Tento postup mnohokrát opakuj na dalších učících datech, nových i již dříve použitých.

Pokud se dostatečně velký systém naučí na dostatečně velkém počtu vzorků dat a jeho výsledky se velmi blíží skutečným výsledků, může takový systém zkusit přejít z fáze učení do fáze pracovní činnosti. Může vzít různá vstupní data a z nich předpovídat s různou pravděpodobností budoucí reálné výsledky.

Toho se pak dá využít dvěma způsoby:

Opakované rozhodování / vyhodnocení (Machine Learning): Nejdříve AI systém naučíme na přesně definovaných a vybraných vzorcích typu "Toto je ještě OK" a "Toto již není OK". Naučenému AI systému se pak budou ze senzorů předávat aktuální nová data, které se s nějakou částečnou odlišností budou blížit učícím datům a systém pak bude na základě rozhodnutí vykonávat nějakou opakovanou činnosti. Například AI průmyslový systém může kamerově rozpoznávat poškození výrobků a ty "již příliš poškozené" výrobky vyřazovat z výrobní linky jako zmetky. Cílem zde je, aby co nejlépe plnil rozhodovací funkci, byť například škrábance budou na místech, které nebyly součástí učení systému. Klasický systém bez umělé inteligence by uměl vyřadit jen ty výrobky, již poškození by přesně odpovídaly nějakým již dříve definovanému "seznamu" poškození. Systém AI tedy umí sám rozhodnout, zda je výrobek poškozený či nikoliv a případně lidská obsluha může jen občas korigovat jeho výsledek tím, že mu dá povel: "Toto poškození ber ještě jako dobré". Toho se již začíná využívat v průmyslu.
Generování návrhů (Deep Learning): AI systém se také budeme učit, ale jen tím způsobem, že mu přidělíme data mnoha různých souborů situací a data jejich následků, i když přesně u nich nevíme, jaká vlastnost vstupních dat ovlivnila výsledek (jaká příčina způsobila následek). Například máme data životosprávy milionů různých lidí, přičemž určitá skupina lidí zemřela dříve než ostatní lidé. Které parametry / situace životosprávy však nakonec měly největší vliv na úmrtí? Prostě víme, že v některých situacích došlo k jednomu stejnému výsledku, ale nevíme z jaké konkrétní příčiny, kterou by například bylo vhodné eliminovat. Systém se během učení nastaví tak, že z obrovské množství možných příčin si interně automaticky učením vyhodnotí ty, které měly na výsledek největší vliv. Pokud pak následně takovému naučenému systému budeme předkládat nová data, u kterých ještě neznáme následky, systém vygeneruje různé možné budoucí předpovědi (názory), jak to dopadne, včetně jejich pravděpodobnosti s jakou mohou nastat. Toho využívají hlavně vědci jako pomocný nástroj při výzkumech, ale již se nasazuje i v oblasti zdravotnictví i marketingu jako nástroj sofistikované diagnostiky velkého množství dat.

Umělá inteligence jako kreativní designér

Vlivem průběžného sběru obrovského množství dat chování lidí na internetu či například z kamer v obchodech či výrobě, pak dostatečně velký AI systém může neuvěřitelně detailně a rychle vyhodnocovat reakce lidí na různé podněty a jejich volby. Tedy zda a jak intenzivně kladně nebo záporně reagují na určité předložené situace, věci, pachy, zvuky či obrázky. Nebo jaké zbytečné pohyby či chyby dělají pracovníci ve výrobě nebo jaké věci si spotřebitelé nejdříve koupí a potom je vrátí. Většina lidí pak i často nevědomě sdílí mnoho svých různých názorů a pocitů v emailové komunikaci či i osobní ústní komunikaci s obchodem či firmou, které se již také dají s použitím umělé inteligence zpracovat.

Zatímco lidský designer často není schopen vhodně pobrat a vyhodnotit soubor tisíců připomínek a podle nich učinit přesné vhodné změny v marketingu, ve výrobního výkresu nebo ovládacího rozhraní výrobku, inteligentní automatizovaný návrhový systém to již bude umět udělat přesněji. Případně může vhodně zkombinovat design a funkce několika hodně oblíbených výrobků, návrh například vyvěsit na sociální síť výrobce/prodejce a už jen sledovat množství "Likes and dislikes" a komentáře lidí. Následně zahodit návrh jako neperspektivní nebo naopak doladit k dokonalosti.

Stačí již jen umělou inteligenci zahrnout přímo do CAD návrhových systémů či programovacích prostředí, což vzhledem k rychlosti vývoje bude možná běžné již do několik desítek let. Není důvod to vidět jinak, když začínáme mít umělou inteligencí pokryté vyhodnocení chování spotřebitelů, využíváme již kompletně softwarové 3D CAD systémy se sofistikovanými simulacemi blížící se realitě, máme 3D tiskárny a začínáme mít i plně automatizované výrobní provozy. Navíc již dnes se k výzkumu a návrhu unikátních odolných a současně neuvěřitelně lehkých struktur a materiálů využívá technologií metody konečných prvků, které člověk sám o sobě není schopen ručně navrhnout.

Propojením výše uvedených funkcí, již dnes samostatně používaných, bude asi možné některé návrhy i realizace výrobků provádět zcela bez lidí, nebo případně jen odsouhlasením vedoucího pracovníka. Bude to pro výrobní firmy rychlejší a levnější a proto se postupně pravděpodobně automatizuje celý systém výroby, od průzkumu trhu, přes návrh výrobku až po jeho výrobu a nabídnutí v e-shopu automatizuje, tedy včetně onoho návrhu a designu. Lidská intuice a předvídavost se nahradí sběrem dat (požadavků, přání) od potencionálních zákazníků a extrémně rychlou vyhodnocovací silou. "Úroveň kreativity" zde pak bude dána hlavně množstvím dostupných dat pro AI systém. Principiálně podobný systém se v oblasti údržby průmyslových strojů již prosazuje jako tzv. prediktivní údržba.

Budoucnost? Ne, už současnost!

Říkáte si, že ta umělá inteligence je vzdálená budoucnost? Ne, není. Takový Amazon se svými vyspělými službami AWS Services nebo Google Cloud platforms již dávno AI systémy analyzuje chování lidí / spotřebitelů a více či méně to dělá již i většina ostatních provozovatelů velkých internetových obchodů či dalších služeb, včetně sociálních sítí.

Stačí si jen zkusit pohrát se službami Machine Learningu na AWS cloudu, například rozpoznávání a vyhodnocení obrazu nebo přepisu řeči do psaného textu, aby si každý udělal představu, jaké jsou již aktuálně zcela běžně dostupné technologie umělé inteligence.

Moderní komplexní AI systémy sledování a hodnocení chování lidí již umí jen z kamerových záznamů zcela automaticky zjišťovat pohlaví či přibližný věk, z mimiky, chování a rychlosti chůze i jakou asi máte náladu, zda jste ve stresu a spěcháte či jste v pohodě, zda Vás něco zaujalo apod. Tedy již umí analyzovat tzv. body language (nevědomé chování a reakce těla závislé na psychickém stavu). A samozřejmě čím lepší a vyspělejší budou AI systémy a hlavně čím více bude sesbíraných dat (v tom má Čína svým počtem lidí a nízkou úrovní hlídáním soukromý má z pohledu AI systémů obrovskou "výhodu"), tím mohou být analýzy, návrhy a nabídky přesněji cílené a poskytovat zajímavější výsledky.

Závěr

Cílem tohoto článku bylo nejen obecně nastínit obrovské možnosti umělé inteligence, ale i ukázat, že v poslední době pořád tak zdrůrazňovaná lidská kreativita, která má být hlavní odlišností lidí od elektronických systémů, není úplně ten správný příklad. Ano, občas někoho opravdu napadne náhle něco zcela převratného, ale ve většině každodenních případů jsou výsledky kreativity hlavně dány vhodnou analýzou principů a situací a vyhodnocováním výsledků, což se zdá být i v možnostech umělé inteligence.