GPT je firmám servírována na zlatém podnosu, ihned dostupná k použití, říká Ondřej Vaněk, Chief AI Officer Adastry

S umělou inteligencí pracoval již před dvaceti lety, nejdříve na vysoké škole, poté založil vlastní firmu. Nyní dodává řešení založená na umělé inteligenci startupům i globálním korporacím. Jak vidí vývoj umělé inteligence s odstupem dvaceti let Ondřej Vaněk, Global AI Officer Adastry a CEO Blindspot Solutions, člena Adastra Group?


  • Které milníky nejvíce přispěly k současnému vývoji AI?
  • Proč je právě nyní umělá inteligence snadno dostupná a rozšířená?
  • Jaké trendy by firmy měly sledovat a kde by měly být opatrnější a počkat na další vývoj?

Zhlédněte rozhovor

Poslechněte si podcast

Přečtěte si podcast jako rozhovor

(text byl přepsán a zkrácen pomocí ChatGPT)

Ivana Karhanová: Nyní všichni řešíme GPT, vycházející z modelů na zpracování přirozeného jazyka. Umělá inteligence zažívá obrovský hype. Ty sám si pro Forbes řekl, že s umělou inteligencí pracuješ už 20 let. Co byl tvůj první projekt?

Ondřej Vaněk: Dvacet let zní jako dlouhá doba, ale umělá inteligence se vyvíjí rychle. Prvně jsem se s ní setkal na vysoké škole, kde mě fascinovala. První projekty zahrnovaly hraní piškvorek pomocí neuronových sítí, což moc nefungovalo. Později jsem se zaměřil na multiagentní systémy, teorii her, simulace, strojové učení a optimalizaci. V té době byl obor umělé inteligence velmi rozmanitý, zahrnoval logiku, formální uvažování, model trackingu a zmíněné multiagentní systémy. Postupem času se však začalo více upřednostňovat strojové učení, zejména hluboké učení neuronových sítí, z čehož vychází i modely typu GPT.

Ivana Karhanová: Došlo tedy k určité konsolidaci směrů v oboru?

Ondřej Vaněk: Spíše bych řekl, že některé směry byly opuštěny, protože velké neuronové sítě umožňují řešit širokou škálu problémů. Před deseti lety bylo těžké dělat automatický překlad nebo generování textů. Existují hypotézy, že pokud naučíme stroj dobře konverzovat, přiblížíme se k obecné umělé inteligenci. Generativní modely, které primárně generují text, jdou tímto směrem a umožňují úspěšně řešit mnoho problémů bez potřeby dalších technologií.

Ivana Karhanová: Jaké milníky nebo zvraty vidíš v posledních dvaceti letech, které přispěly k současnému vývoji?

Ondřej Vaněk: Výzkum umělé inteligence od 60. let prochází obdobími hype a zklamání. Existovaly různé filozofické směry, jak dosáhnout obecné umělé inteligence. Dříve převládal logický přístup, robotický a kognitivní směr. Dnes dominuje přístup napodobující neuronové sítě v našich hlavách, což je směr, který v současnosti převládá. Uvidíme, zda nás to dovede k cíli.

Ivana Karhanová: Dnes hodně řešíme využití umělé inteligence v byznysu. Zajímají se o něj velké firmy. Jak se umělá inteligence za těch dvacet let v korporátním prostředí vyvíjela? Vidíme, že ji nyní chce aplikovat každý, ale jak to bylo dříve?

Ondřej Vaněk: Když jsme se z univerzity přesunuli do tržního byznysu, umělou inteligenci adoptovali primárně technologičtí lídři, early adopters, kteří viděli její potenciál a neváhali investovat značné prostředky a podstoupit riziko. V roce 2014 a 2015 na českém trhu to bylo znát. Tehdy jsme viděli zvědavé nakupování, lehké experimentování. Ale před deseti lety nikdo neviděl umělou inteligenci jako součást svého hlavního byznysu. To se změnilo, když se ukázalo, že umělá inteligence dokáže řešit byznysové problémy, zvyšovat příjmy a snižovat náklady. Dnes každá firma nejen uvažuje, ale i nasazuje umělou inteligenci. Firmy mají své strategie a dokážou adresovat a transformovat byznys.

Ivana Karhanová: Co byl podle tebe hlavní důvod, proč je umělá inteligence nyní snadno dostupná a rozšířená?

Ondřej Vaněk: Podívejme se na GPT, které v současné době rezonuje nejvíce. Hraje zde roli několik faktorů. Dosáhli jsme pokroku ve výzkumu, umožňujícího disponovat velkými neuronovými sítěmi, které efektivně zpracovávají obrovské množství dat. Zároveň jsme vyvinuli výpočetní infrastrukturu, která byla před 10 až 20 lety nedostupná nebo extrémně drahá. Umělou inteligenci typu GPT mohou vytvářet jen velcí hráči jako Google, Microsoft, Amazon, Facebook. Na druhou stranu, tito hráči dokážou oslovit jakýkoliv byznys a nabídnout jim řešení na zlatém podnosu, což akademický svět nedokáže. Kdyby GPT vzniklo na univerzitě, byznys by ho pravděpodobně ani nezaznamenal. Díky tomu, že ho velcí hráči vytvořili a nabídli ho každému buď zdarma nebo za symbolických 20 dolarů měsíčně, je nyní dostupné široké veřejnosti. To je hlavní důvod, proč nyní každý intenzivně uvažuje o jeho využití.

Ivana Karhanová: Za těch 20 let jsi pracoval s celou škálou technologií a predikcí, které říkaly, kde budeme dnes. Které technologie se historicky ukázaly jako méně úspěšné nebo ustoupily na vedlejší cestu a které se ukázaly jako trvanlivé a úspěšné?

Ondřej Vaněk: Každý, kdo se zabýval predikcí budoucnosti nebo četl články o ní, ví, jak nepřesné a špatné ty predikce mohou být. Existují dva principy. První je, že věci a technologie, které jsou s námi dlouho, jako knihy nebo peníze, zůstanou s námi pravděpodobně i nadále. Tyto věci a zvyky mají obrovskou setrvačnost a často dostávají jen určité upgrady. Například mobily se staly pevnou součástí naší společnosti a pravděpodobně zůstanou. Používáme je jinak, například voláme přes WhatsApp nebo používáme hlasové příkazy, ale stále jsou to zařízení, která nám umožňují komunikovat na dálku. Na druhé straně jsou vědecké revoluce, které přinášejí velké změny. Ty jsou těžko predikovatelné, protože nevíme, kdy přesně nastanou a co přinesou nebo odnesou. Tyto revoluce často přicházejí v důsledku společenského, byznysového nebo environmentálního tlaku a inovací. Když se dostatek podnětů a tlaků nahromadí, začne se jimi zabývat dostatek lidí a často pak nějaký šampion přijde s objevem. Je těžké předpovědět, kdy a jak se to stane.

Ivana Karhanová: S ohledem na vaše zkušenosti, troufnete si říct, co můžeme od vývoje umělé inteligence očekávat dál? Jaké trendy by firmy měly sledovat a kde by měly být opatrnější a počkat na další vývoj?

Ondřej Vaněk: Myslím, že to, co vidíme v posledních pěti až osmi letech, ukazuje, že technologie, včetně GPT a dalších metod, jsou ve stádiu zralosti, kdy je možné je nasadit v produkčním prostředí a integrovat do hlavního byznysu. Firmy by neměly čekat, ale měly by upgradovat svůj byznys, pokud to již neudělaly. S GPT a podobnými technologiemi přicházejí ekonomické a legislativní otázky. Je důležité zvážit náklady a potenciální přínosy. Většina technologií dnes nabízí rozumnou návratnost investic, obvykle 6 až 12 měsíců. Nicméně, podobně jako při adopci cloudových řešení, může dojít k situaci, kdy náklady nejprve vypadají nízké, ale s rostoucím nasazením a počtem uživatelů mohou výrazně narůstat. Například s GPT, který je zpoplatněn na základě použitých tokenů nebo slov, mohou náklady růst s interakcí uživatelů. Je důležité dávat pozor, aby náklady nevzrostly nadměrně, když začne s AI interagovat desítky nebo stovky tisíc uživatelů denně.

Je důležité myslet nejen na současnou malou škálu uživatelů, ale i na budoucnost, kdy byznys naroste nebo adopce uživatelů bude velká. Co se týče právní stránky, dívám se na to dvěma směry. První je ochrana uživatelů a dat, což platí i pro GPT a podobné technologie. Musíme informovat uživatele a správně zacházet s jejich daty, umožnit jejich smazání z databází i modelů. To představuje netriviální úvahu a práci. Druhý směr je evropský projekt regulace umělé inteligence, který rozdělí nasazení AI na nízké, střední a vysoké riziko. Některé oblasti budou úplně zakázané, například detekce tváří nebo scoring občanů. Mnoho byznysů se setká s tím, že budou používat uživatelská data pro doporučování zboží a podobně.

Ivana Karhanová: Znamená to, že když uživatelé chtějí smazat svá data z trénovacích systémů, musí být jazykový model schopen odstranit ta konkrétní data a přestat s nimi počítat?

Ondřej Vaněk: Zde bych doporučil konzultaci s právníkem. Moje interpretace je, že pokud uživatel souhlasí s použitím svých dat pro trénování modelu, nemůže si to později rozmyslet. Data jsou použita a model je natrénován. Co se týče osobních údajů, jako je adresa, uživatel má právo požádat o jejich smazání z databáze. Modely se pravidelně přetrénovávají, takže nová verze modelu bude natrénována bez těchto dat. Tyto otázky jsou komplikované a interpretace GDPR je netriviální, takže je potřeba přistupovat zodpovědně.

Ivana Karhanová: Děkuji, Ondro, za návštěvu ve studiu a těším se na další setkání.

Ondřej Vaněk: Díky, Ivano.

Naše případové studie

monitoring zásilek

Continental Barum: Optimalizace vnitroskladové přepravy snížila přepravní náklady

Continental Barum chtěl minimalizovat vnitroskladovou přepravu všech dílů určených k...

Číst více

KBC: Snížení falešně pozitivních případů o 60 %

Pátá největší pojišťovna v České republice chtěla zvýšit efektivitu odhalování...

Číst více