Jiří Materna: AI, roboti a mikroskop za 200 milionů
Epizoda s Jiřím Maternou rozebírá kontrast mezi schopnostmi AI v kreativních úkolech a její neschopností v robotice, jako je vyskládání myčky. Diskuse se věnuje posunu k autonomním AI agentům v programování a praktickému využití malých modelů pro analýzu oceli. Hlavním závěrem je varování před ztrátou logického myšlení a nutnost vzdělávání v souvislostech. Tento podcast o umělé inteligenci tak nabízí unikátní pohled na současnou automatizaci s AI.
Hlavní body
- Historie první české sbírky básní generované neuronovou sítí v roce 2016.
- Problém sběru dat pro humanoidní roboty a limitace fyzické interakce AI se světem.
- Přechod od manuální kontroly kódu k využívání autonomních AI agentů v programování.
- Využití NVIDIA Spark pro nahrazení elektronového mikroskopu za 200 milionů korun.
- Neschopnost modelů přiznat nejistotu a riziko kognitivního úpadku lidstva.
- Rada pro osmnáctileté: učit se myslet v souvislostech v nejistém světě.
Přepis epizody
V roce 2015, kdy velké jazykové modely byly teprve akademickým konceptem, Jiří Materna naprogramoval rekurentní neuronovou síť. Ta vygenerovala texty pro sbírku Poezie umělého světa, která v roce 2016 šokovala literární kritiky. Ti zpočátku odmítali uvěřit, že autorem je generativní AI česky, a podezřívali autora z podvodu. Tento moment předznamenal nástup éry, kde AI začala dominovat v kreativních oblastech dříve než v rutinní mechanické práci.
Současné technologické novinky česky často prezentují humanoidní roboty jako hotové řešení pro domácnost, realita je však odlišná. Projekty jako Figure jsou zatím často teleoperované, protože nasbírat data z fyzického světa je mnohem náročnější než trénovat modely na textech. Jiří Materna upozorňuje, že zatímco AI zvládá složitou kognitivní práci, vyskládání myčky zůstává kvůli nedostatku dat nevyřešeným problémem.
Zásadní proměnou prochází programování s AI. Zatímco před rokem vývojáři kontrolovali každý řádek kódu, dnes se prosazují AI agenti automatizace. U běžných webových a mobilních aplikací se uživatelé spoléhají na autonomní celky bez hlubší kontroly, což s sebou nese riziko slepé důvěry v systémy, které mohou sledovat cíle nežádoucím způsobem.
Praktické využití malých modelů demonstruje Jiří na příkladu z průmyslu. S využitím hardwaru NVIDIA Spark staví jeho tým modely, které dokáží ze snímků z optického mikroskopu vytáhnout detaily odpovídající elektronovému mikroskopu v hodnotě 200 milionů korun. To ukazuje, že specializovaná automatizace s AI na vlastním železe má obrovský potenciál i mimo obří datacentra.
Závěr diskuse se věnuje dopadům na lidské myšlení. Protože AI modely neumí říct „nevím“ a jsou optimalizovány na predikci tokenů, hrozí, že lidé při delegování problémů na stroje ztratí schopnost logického uvažování. Vzdělávací systém by se proto měl soustředit na schopnost chápat souvislosti v nejistém světě, spíše než na přípravu pro konkrétní povolání, která mohou brzy zaniknout.