Umelá inteligencia 4: Bitcoin, regulátori, budúcnosť pracovných miest a SkyNet

Umelá inteligencia: Bitcoin, regulátori, budúcnosť pracovných miest a SkyNet – OBSAH

1. Bitcoin a umelá inteligencia
2. Prídeme všetci o prácu?
3. Zachráni nás bruselský úradník pred zničením ľudstva?

Bitcoin a umelá inteligencia

V úvodnej časti seriálu som prepojil internet, umelú inteligenciu a Bitcoin. Internet prepojil mysle, umelá inteligencia nám pomôže zlepšiť naše schopnosti (zvýši nám inteligenciu) a Bitcoin umožní prenos hodnoty v čase aj priestore. Vo všetkých troch prípadoch je podstatné, aby to bolo bez zásahu tretích strán – bez cenzúry, bez manipulácie a podobne.

Odhliadnuc od filozofických rečí – má zmysel uvažovať o umelej inteligencii v kontexte Bitcoinu? Možno mnohých čitateľov teraz oblial studený pot a myslí si, že v nasledujúcom odseku dočíta nejaké halucinácie o prepojení umelej inteligencie a blockchainu, ako mali vo zvyku v roku 2017 rôzne ICO projekty. Sklamem vás, budeme sa baviť iba o Bitcoine a nebudeme dávať umelú inteligenciu na blockchain.

Peniaze a teda aj Bitcoin umožňujú koordináciu prerozdeľovania vzácnych zdrojov. Pre umelú inteligenciu sú vzácnymi zdrojmi výpočtový výkon – na trénovanie a na inferenciu a za istých okolností dáta, aj keď vďaka „dedičnému hriechu“ internetu sme si zvykli, že je na ňom všetko „zadarmo“ a teda platíme svojimi dátami a pozornosťou, teda dáta často nie sú veľmi vzácne.

Crowdfunding, súťaže a český Common Voice

Neplatí to však vždy. Niektoré dáta je potrebné „odmakať“, ako to bolo napríklad v prípade projektu ImageNet. Jeden zo známych problémov ekonómie je financovanie tzv. „verejných statkov“, kedy nie je možné (alebo chcené) zo spotreby vylúčiť tzv. čiernych pasažierov. Ak niekto postaví malý mostík cez rieku, teória hovorí, že nie je možné vylúčiť kohokoľvek, aby ho využil. V skutočnosti to možné je (turniket, mýto, predplatné). Problém verejných statkov popisuje veľmi dobre Robert Chovanculiak v knihe Pokrok bez povolení, kde jedným z riešení tohto problému je crowdfunding. Ak sa použije na financovanie tvorby verejných statkov, s čiernymi pasažiermi počíta, ale prispievateľom na verejné statky sľubuje iné odmeny. Napríklad spomínaný problém mostu vyriešili v Rotterdame crowdfundingovou kampaňou, kde čiernych pasažierov nevylúčili z používania mostu. Most Luchtsingel môžu využívať všetci chodci, ale tí, ktorí prispeli na jeho stavbu majú do dreva vyryté svoje meno – získali niečo navyše oproti „čiernym pasažierom“.

Ďalším princípom financovania verejných statkov je súťaž s incentívami. Tak v hackerskej komunite často fungujú hackathony – súťaže, ktoré sú zamerané na riešenie užšie či širšie zadefinovaných problémov. Dnes najznámejšou je Ansari X-Prize, ktorá vyplatila odmenu prvému tímu, ktorý vytvorí znovupoužiteľné lietadlo, ktoré sa dostane na obežnú dráhu Zeme, pristane a do dvoch týždňov to urobí znova. V skutočnosti však tento princíp je oveľa starší. Napríklad v 20. rokoch 20. storočia ponúkol podnikateľ Raymond Orteig odmenu 25 000 dolárov prvému človeku, ktorý uskutoční let bez medzipristátia medzi New Yorkom a Parížom. Po niekoľkých neúspešných pokusoch rôznych ľudí sa to podarilo v roku 1927 americkému letcovi Charlesovi Lindberghovi so svojím lietadlom Spirit of St. Louis.

V umelej inteligencii sú potrebné na trénovanie dáta. Jedným z projektov, ktorý takéto dáta zbiera je projekt Common Voice nadácie Mozilla Foundation. Projekt zbiera anotované záznamy hlasu v rôznych jazykoch, pomocou ktorých sa trénujú modely na rozpoznávanie hlasu. Záznamov hlasu v angličtine je pomerne dosť, ale čo napríklad taká čeština? V decembri 2022 napríklad Marek Palatinus (slush) vyhlásil súťaž o 2× milión satoshi. Získali ich muž a žena, ktorí mali 26. 12. najviac nahrávok na Common voice v češtine. Benefitom pre všetkých (vrátane slusha) je to, že im počítače budú lepšie rozumieť v češtine, keď sa nahrávky použijú pri trénovaní nových modelov. Tí, čo prispeli mali okrem možnosti vyhrať cenu aj benefit toho, že ich hlasu bude počítač rozumieť ešte lepšie.

Milión satoshi nie je nejaká veľká suma, ale čo je na tomto zaujímavé je, že v takýchto typoch súťaží súťažiaci preinvestujú veľmi často oveľa viac peňazí. V tomto konkrétnom prípade vzniklo 143 000 nových záznamov, 20 tisíc viet a dataset stúpol zo 73 hodín na 252 hodín. Ak by sme počítali aj minimálnu mzdu 103,80 Kč, tak je to 18 580 Kč, čo je viac ako dva milióny satoshi (momentálne cca 13 000 Kč). Samozrejme, nahraté hodiny nie sú celý časový náklad – je potrebné sa zaregistrovať, rozbehať si všetko, pripraviť mikrofón a nahrávať. Tu vidno zaujímavú vlastnosť týchto súťaží – často môže „kupujúceho“ vyjsť lacnejšie ako si kúpiť dopytovanú prácu priamo.

Crowdfunding a súťaže nie sú samozrejme jediné spôsoby ako za Bitcoiny podporiť zber dát. Ďalšou dobrou možnosťou sú mikroplatby, ktoré môžu odmeňovať každého, kto poskytne nejaké dáta alebo urobí nejakú činnosť.

Výpočtový výkon na inferenciu

Vďaka mikroplatbám je možné znížiť transakčné náklady na inferencie (výpočty) modelov umelej inteligencie. Keďže jednotlivá inferencia nie je výpočtovo náročná, nie je na každé použitie optimálny model predplatného a prístup k API cez kreditné karty.

Napríklad, ak chceme užívateľom open-source nástrojov umožniť využívať nejaké API na umelú inteligenciu – preklad, sumarizáciu, generovanie obrázkov, rozpoznávanie reči a podobne – nechceme procesovať platby, maximálne by sme chceli podiel z platby tretej strane. Na to existujú v Bitcoine technológie ako Lightning (napríklad pomocou L402 protokolu) alebo rôzne implementácie e-cash systémov (cashu, fedimint). Vďaka týmto nástrojom dokážu užívatelia platiť priamo zo svojej peňaženky mikroplatby za služby umelej inteligencie.

Potrebujete rýchlo vygenerovať obrázok do článku? Ako napríklad tento:

Môžete sa zaregistrovať na službe, zadať číslo kreditnej karty a preskúmať možnosti predplatného zvolenej služby. Alebo môžete zaplatiť priamo z Lightning peňaženky jednoduchou mikroplatbou. Takto fungovala napríklad služba micropay, ale žiaľ zvolili si model DALL-E, ktorý nie je až taký dobrý ako konkurencia. Alebo použite tento príklad pre jazykové modely za lightning odmeny.

Lightning okrem mikroplatieb, ktoré znižujú transakčné náklady umožňuje aj platenú komunikáciu „machine to machine“. V predchádzajúcom dieli som písal o prepájaní modelov umelej inteligencie – rozpoznanie reči, ktoré vygeneruje zadanie pre jazykový model, z jeho výstupu prekladový model vytvorí výstup v inom jazyku a prípadne vytvorí k zadaniu vizuálny koncept. Tieto prepojenia môžu byť automatizované, ale bolo by dobré, aby boli postavené aj na ekonomickom základe. Momentálne sú prepojenia založené na systéme predplatných a kreditov, ale pri nástrojoch ako napríklad AutoGPT, BabyGPT alebo AgentGPT možno nebude treba využívať stále všetky nástroje. Tieto nástroje sprístupňujú iné nástroje a zdroje údajov jazykovým modelom, ktoré ich môžu používať na dosiahnutie predom zadefinovaného cieľa. Napríklad v prípade, že dáte programu umelej inteligencie zadanie vyplniť žiadosť o preplatenie havarijného poistenia, ktorého vstupom sú fotografie z nehody, môže použiť generické rozpoznávanie obrázkov, ale možno sa na vyplnenie hodí aj špecializovaný modul na rozpoznávanie evidenčných čísel vozidiel. Tento modul však potrebujete raz za pár rokov, preto nemá zmysel sa registrovať u jeho poskytovateľa a kupovať si predplatené kredity – váš autonómny agent si môže kúpiť za mikroplatbu jedno rozpoznanie bez vašej interakcie. Ak mu dáte rozpočet, ktorý nesmie prekročiť, môže zhodnotiť, že sa mu tento modul na vyplnenie oplatí ak nemá iný zdroj informácie o značke vozidla, ktoré do nášho auta nabúralo.

Ďalším užitočným nástrojom je priamo výpočtový výkon nízkej úrovne, ktorý si môžete kúpiť na inferenciu. Samozrejme, môžete si kúpiť virtuálny server s GPU od niektorého z poskytovateľov tejto služby, ale možno pre vaše účely bude efektívnejšie osloviť inštanciu, ktorá už má všetko rozbehané, model, ktorý potrebujete načítaný v pamäti a po zaslaní požiadavky vám dá rýchlu odpoveď. Na tomto princípe funguje projekt Petals, ktorý umožňuje distribuovať inferenciu. Pôvodne bol vytvorený pre model Bloom, ale aktuálna verzia už má podporu modelov založených na LLaMA. Tento projekt je momentálne zdarma – používatelia poskytujú svoje grafické karty, ktoré bežia časti veľkých jazykových modelov, podobne ako pri bittorrent protokole sťahujete rôzne časti súborov od rôznych používateľov. V budúcnosti by podobné projekty mohli fungovať práve na báze bitcoinových mikroplatieb.

Výpočtový výkon na dotrénovanie modelov

Výpočty jednotlivých neurónových sietí sú však ešte pomerne lacné, s hardvérovou akceleráciou ako napríklad grafické karty od NVIDIA alebo procesory Apple Silicon. Stále je tu otázka pamäte (na BLOOMZ-176B model potrebujete cca 362 GB RAM), ale tú je možné riešiť kvantizáciou (znížením presnosti jednotlivých parametrov), kedy sa dokážete dostať bez veľkej straty kvality na cca tretinové pamäťové požiadavky. S jednou podstatnou nevýhodou – trénovanie lepšie funguje pri plnej presnosti, kvantizuje sa až natrénovaný model. A práve tu môže pomôcť Bitcoin pri zdieľanom trénovaní alebo dotrénovaní modelov. Ak sa ľudia rozhodnú, že potrebujú trénovací výkon, je možné je zdieľať. To koniec-koncov umožňuje aj spomínaný projekt Petals, ale pri pridaní Bitcoinovej incentivizácie a prepojení napríklad s crowdfundingom to komunitám umožní dotrénovať lepšie modely na špecifické použitia – napríklad interakciu v českom alebo slovenskom jazyku.

Chatboty, ktoré rozumejú Bitcoinu

Štandardné jazykové modely majú „politicky korektný bias“. Pri otázkach okolo bitcoinu vám vysvetľujú, že kryptomeny sú hrozne nebezpečné, ale pri otázke o fiate vás neupozornia, že ide o inflačné coiny, ktoré banky tlačia ako sa im páči.

Príkladom dotrénovania môžu byť práve jazykové modely, ktoré na otázky o Bitcoine odpovedajú odpoveďou a nie prednáškou z risk managementu.

Sociálne siete – Nostr

Nové sociálne siete ako Nostr obsahujú lepšiu možnosť natívnej interakcie s botmi. Tie sa dajú dokonca aj odmeňovať pomocou mikroplatieb vo forme „zaps“, čo sú lightning mikrotransakcie. Súžitie ľudí a umelej inteligencie na jednej platforme je na sieti Nostr podporované a dokonca vítané.

Nové sociálne siete môžu byť miestom, kde sa svety ľudskej a umelej inteligencie prepájajú a môžu tam vznikať zaujímavé služby, ktoré vylepšia ľudské interakcie. Umelá inteligencia sa zároveň dá využívať na triedenie a filtrovanie obsahu tak, aby algoritmus mal pod kontrolou používateľ a nie poskytovateľ. Natívne zaps môžu pomôcť financovať tieto projekty pomocou princípe „hodnota za hodnotu“ (value4value).

Prídeme všetci o prácu?

Strach o to, že prídeme o prácu je prirodzený, pretože na produkciu je naviazané odmeňovanie. Bitcoin ako peniaze sú skvelý nástroj na prerozdeľovanie vzácnych zdrojov. Je to pamäť dobrých skutkov spoločnosti – ak niekomu pomôžem vyriešiť nejaký problém, dostanem za odmenu záznam vo forme Bitcoinov. Samozrejme, používame aj iné formy záznamov, napríklad české koruny, eurá alebo doláre, ale tie sú poškodzované tlačením peňazí. To asi čitateľovi nemusíme vysvetľovať. Ak máme dobré peniaze, kde nevznikajú falošné záznamy (niekto dostane peniaze bez toho, aby urobil dobrý skutok), prichádza otázka – čo keď prídeme o možnosť robiť dobré skutky?

Je to ekvivalentné tvrdeniu, že ľudia nebudú mať žiadne problémy. Svet bude krásny, všetko budú robiť roboti a umelá inteligencia a my sa budeme opaľovať na pláži a čítať si knižky, ktoré nám umelá inteligencia bude písať. Ak by nastal takýto scenár, tak sme vo svete bez vzácnych zdrojov, teda nepotrebujeme peniaze (ak niečo nie je vzácne, nepotrebujeme to vymieňať, stačí si to zobrať – piesok na pláži, vzduch, ktorý dýchame, voda z rieky, …). A ak nepotrebujeme peniaze, nemusíme ich zarábať prácou.

Kým sa do sveta bez vzácnych zdrojov a bez problémov dostaneme, platí poučka Petra Diamandisa – najväčšie problémy sveta sú najlepšie obchodné príležitosti. Ak žijeme vo svete so vzácnymi zdrojmi a vo svete, kde ľudia majú problémy, nemusíme sa brať o prácu.

Táto otázka nie je nová. Čo budú robiť farmári na poli, keď niekto vynájde traktor? Čo budú robiť konskí pohoniči, keď ľudia budú šoférovať autá? V skutočnosti sa musíme zamerať na problém, ktorý riešime – produkcia jedla, presun ľudí a tovarov a zistíme, že sú to iba nástroje, ktoré nám pomáhajú byť produktívnejší. A teda riešiť problémy lepšie a efektívnejšie. Ak to dokážeme, ako spoločnosť zbohatneme.

Chrániť ľudskú prácu je teda do tohto momentu zbytočné. Ľudia v prvom rade budú pracovať lepšie – umelá inteligencia nenahradí ľudí, umožní im lepšie produkovať a teda lepšie riešiť problémy ľudí. Samozrejme je to podmienené tým, že spôsob práce a za istých okolností aj obsah práce prispôsobíme technológiám. Farmár musí namiesto motyky zistiť ako sa šoféruje traktor.

Sam Altman, zakladateľ OpenAI ponúka aj iné riešenie. Jeho projekt WorldCoin sa snaží vytvoriť technológiu na sprostredkovanie univerzálneho základného príjmu. Myšlienka je, že dostanete peniaze aj bez toho, aby ste niečo vytvárali. Túto technológiu by mohli používať štáty na prerozdeľovanie vytlačených peňazí. Tento nápad má viacero problémov. Začnem tým, že na to, aby to bolo úspešné musíte prísť o časť súkromia, pretože každý človek by mal dostávať príspevok len raz. WorldCoin tento problém rieši tak, že vytvoril guľu, ktorá zoberie biometrické údaje (odtlačky prstov, sken oka) a atestuje jedinečnosť kryptomenovej peňaženky. Aj keď pracujú na anonymite transakcií, mnohým ľuďom tento scenár príde dystopický, pretože je stále možné človeka „vypnúť“ a odstaviť ho tak od finančného systému.

Oveľa závažnejší problém však je oddelenie produkcie od spotreby. Ako poznamenáva Hans Hermann Hoppe vo svojej knihe „Demokracia: Boh, ktorý zlyhal“, spotrebe musí vždy predchádzať produkcia. Nemôžeme spotrebovať niečo, čo niekto predtým nevytvoril. A keďže ide o spotrebu vzácnych zdrojov (teda niečoho, čoho nie je nedostatok), je potrebné spotrebu naviazať na produkciu. Preto univerzálny základný príjem nerieši problém vzácnych zdrojov, ale demotivuje ľudí od produkcie.

Aké je teda riešenie? Spojením Bitcoinu a technologického rozvoja (a teda efektívnejšej – lacnejšej – produkcie) dochádza k efektu poklesu cien. Už dnes musíme na rovnaký životný štandard produkovať oveľa menej ako kedysi.

Kým do 16-teho storočia pracovala v poľnohospodárstve (a teda produkcii potravín) väčšina populácie, momentálne sme hlboko pod 10 %. Teda produkcia potravín je tak efektívna, že väčšina ľudí môže robiť niečo iné. Ak tento trend bude pokračovať (vďaka umelej inteligencii a Bitcoinu), je možné, že budeme naozaj riešiť problémy ľudí efektívnejšie a teda na rovnaký životný štandard budeme musieť pracovať menej. Univerzálny základný príjem tento rozvoj pokazí, dobré peniaze sú základnou podmienkou tohto efektu.

Zachráni nás bruselský úradník pred zničením ľudstva?

Pred zničením ľudstva umelou inteligenciou nás v dystopických knižkách varovali sci-fi autori, boli o tejto téme natočené mnohé filmy (starší poznajú najmä Terminátora), v poslednej dobe je to téma podnikateľov (Elon Musk, Sam Altman), filozofov (Yuval Noah Harari, Nick Bostrom), či politikov.

Bez ohľadu na to, ako realistické sú tieto vízie, cesta je vždy rovnaká – zastaviť technologický pokrok. V otvorenom liste „Pause Giant AI Experiments: An Open Letter“ vyzývajú osobnosti sveta aby sme pozastavili výskum v oblasti umelej inteligencie. „Vyzývame všetky laboratóriá umelej inteligencie, aby okamžite aspoň na 6 mesiacov pozastavili tréning systémov umelej inteligencie výkonnejších ako GPT-4. Toto pozastavenie by malo byť verejné a overiteľné a malo by zahŕňať všetkých kľúčových aktérov. Ak sa takéto dočasné pozastavenie nedá rýchlo zaviesť, mali by zasiahnuť vlády a zaviesť moratórium.“

Problémov s týmto prístupom je viacero. Jednak ak ľudia ako Sam Altman vyzývajú regulátorov, aby zakázali výskum, dá sa to vnímať ako rent-seeking schéma na pozastavenie konkurencie. OpenAI môže skúmať a zarábať peniaze na vylepšených produktoch, ale konkurencia nie? Druhým problémom je, že model GPT-4 nie je verejný, takže nevieme, čo znamená fráza „systémy umelej inteligencie výkonnejšie ako GPT-4“, keďže o GPT-4 neboli zverejnené ani základné údaje ako počet trénovateľných parametrov alebo architektúra. Výskum navyše pokračuje tým smerom, že je možné robiť „lepšie“ jazykové modely, ktoré majú menej parametrov a teda sú menej výkonné. Zlepšuje sa kvalita, nie kvantita.

Ďalším problémom je ako by to malo v praxi vyzerať. Vznikajú open-source modely. Vlády sveta sa nedokážu zhodnúť na oveľa dôležitejších veciach ako je pozastavenie výskumu. Navyše je takýto zákaz v podstate kartelová dohoda a kartelové dohody majú jeden zásadný problém – porušiť kartelovú dohodu je extrémne profitabilné. Napríklad krajiny sa už roky snažia zaviesť minimálnu daň z príjmu vo výške 10 %. Ale keďže ktokoľvek, kto na túto minimálnu sadzbu nepristúpi získa obrovské množstvo biznisu vo svojej krajine, je táto snaha neúspešná.

Samozrejme, stačilo by, keby sa dohodli krajiny západu a Čína, ale pri Číne je to veľmi nepravdepodobné. Okrem toho, inovácie prichádzajú aj od spomínanej open source komunity. A napríklad najlepší voľne dostupný open-source jazykový model Falcon, ktorý je možné používať aj komerčne, vznikol v Abu Dhabi. Pauznúť výskum znamená, že ho robia iba v krajinách, ktoré na takéto dohody „kašlú“ – chceme, aby bleeding edge výskum bol v Rusku, Číne?

Európska únia nastupuje na scénu

Po „veľkom úspechu“ regulácie ochrany osobných údajov vo forme regulácie GDPR sa Európska únia rozhodla svoj príspevok k umelej inteligencie svetu vytvoriť pomocou regulácií. Nebolo by fér tvrdiť, že európske firmy neprispievajú k rozvoju modelov umelej inteligencie, ale každému je jasné, že gro inovácie je inde – v USA, v Číne, ale aj v iných krajinách.

Európski regulátori na reguláciách už intenzívne pracujú a rokujú s korporáciami, ktoré si píšu ako by bolo dobré zregulovať celé odvetvie. Idea je taká, že Európska únia je veľký trh a preto každá firma chce splniť požiadavky Bruselu, aby mohla na danom trhu fungovať.

Pripomína mi to situáciu New Yorskej „BitLicense“. Štát New York sa rozhodol licencovať kryptomenové firmy s tým, že predsa každý rozumný kryptomenový podnikateľ chce zákazníkov z Wall Street. V realite väčšina firiem zaviedla odškrtávací boxík „Potvrdzujem, že nie som zo štátu New York“. Regulátori majú celkovo pocit, že ovládajú celý svet, ale väčšina ľudí žije mimo štátu New York a mimo Európskej únie. Podobný efekt vidíme aj v umelej inteligencii. Asistent Bard jednoducho nefunguje v Európskej únii zatiaľ vôbec. Dôvodom sú regulácie na ochranu osobných údajov (regulácie umelej inteligencie sa iba pripravujú a nie sú v platnosti), ale pre Google je jednoduchšie zaviesť dobrý produkt pre zvyšok sveta a možno ak budú mať energiu a čas, tak pridajú aj EÚ.

Regulácia teda pravdepodobne spomalí vývoj v EÚ, ale vo svete ide rozvoj ďalej. Občania Únie a firmy budú mať teda konkurenčnú nevýhodu.

Zabije nás teda novodobá obdoba SkyNetu z Terminátora? Na túto otázku nemáme samozrejme odpoveď, ale je vhodné poznamenať, že technologický rozvoj nezastavíme. Technológie sa nedajú odvynájsť a nevieme ich efektívne zakázať. Preto je lepší prístup zistiť, čo môžeme robiť, ak technologický rozvoj považujeme za daný.

Druhá cesta, ktorou sa vybrali technologické firmy (a tlačí ju aj bruselský úradník) je zamedziť diskriminácii, biasom a vytvoriť tzv. alignment – súlad hodnôt s hodnotami ľudstva.

Zamedzenie biasov je však trochu úsmevné. Spomínam si na učebnicu Strojového učenia z vysokej školy, ktorá hneď v prvej kapitole má odsek s názvom „Učenie vyžaduje bias“. Tento bias (apriorné informácie) sú absolútne nevyhnutné a bez nich užitočné učenie nie je možné. Existuje nekonečne veľa funkcií, ktoré dávajú správne výsledky, teda takých, ktoré premieňajú vstupy z trénovacej množiny na správne výstupy. Na to, aby sa sieť mohla učiť, musí tvorca implementovať bias, teda a priori predpoklady o svete. Samozrejme, aj tu máme rôzne typy biasu a nie všetky sú žiadané.

Ako je to so „súladom“ s našimi hodnotami? V prvom rade si nemyslím, že existuje niečo ako spoločné hodnoty ľudstva. Keď sa pozrieme na hodnoty, ktoré tvorcovia vkladajú, sú to prevažne hodnoty západných kresťanských demokracií, s prvkami politického progresivizmu a woke. To však nereprezentuje ani len väčšinu ľudstva.

Zaujímavosťou však je aj to, že čím viac sa snažia tvorcovia vytvoriť súlad, tým jednoduchšie je „vyskočiť“ z tohto natrénovaného biasu a donútiť sieť urobiť presný opak. Tento zaujímavý efekt sa volá Waluigi efekt (článok odporúčam). Vyskočiť z predefinovaných hodnôt je tým ľahšie, čím viac sa snažia autori súlad vytvoriť. Ľudia dokonca začali zbierať techniky, ako to urobiť. Našťastie existujú aj necenzúrované modely, ktoré tento bias neimplementujú a teda dávajú lepšie výsledky.

Zniží umelá inteligencia teda v dohľadnom čase ľudstvo? V momentálnej situácii to na SkyNet nevyzerá. Jazykové modely generujú jazyk, od všeobecnej umelej inteligencie, tobôž superinteligencie majú veľmi ďaleko. Keďže so svetom interagujeme aj pomocou jazyka, obrázkov, prípadne pomocou vizuálnych vnemov ovládame auto, či občas potrebujeme pilotovať vesmírnu loď, neznamená to, že tieto neurónové siete dokážu robiť niečo iné. Funguje to podobne ako v ľudskom mozgu, v ktorom máme viac-menej špecializované „moduly“ na rôzne úlohy – vizuálny kortex sa zaoberá vizuálnymi vnemami, centrá jazyka spracúvajú jazyk a podobne. Umelej inteligencii stále chýba integračný modul, ktorý by vytváral čosi ako naše vedomie. Osobne si nemyslím, že je to nemožné a myslím, že to skôr či neskôr nastane, ale taktiež si myslím, že to vedomie bude výrazne iné ako ľudské.

Čo sa stane predvídať neviem. Umelá inteligencia, ako aj väčšina iných javov v komplexných systémoch, je emergentná a teda ju nie je možné centrálne ovládať. Je teda na nás, aby sme umelú inteligenciu používali tak, aby nám pomáhala. Jej prísľub je silný a ak ju budeme využívať, prinesie nám prosperitu. V spolupráci s ňou, internetom a Bitcoinom môžeme posunúť ľudstvo na ďalšiu vývojovú úroveň. Ako bude vyzerať musíme objaviť, ja aj s mojim umelointeligentným robotom máme pripravený popcorn.

Juraj Bednár

Som cypherpunker, mám rád slobodu, súkromie, peer to peer technológie a terminálové okná. Skúmam chaotický svet, volatilitu a neistotu, bojujem proti entropii - zakladám firmy, neziskové projekty, robím kurzy a píšem knihy. Som spoluzakladateľ Paralelnej Polis, hackerspace Progressbar, či bug bounty platformy Hacktrophy. Vyštudoval som odbor umelá inteligencia a umelá inteligencia sa vrátila - tak ako som ju nikdy nepoznal. O všetkých týchto skúsenostiach píšem blog.