Miroslav Svítek, Ladislav Žák: V zrcadlech umělé inteligence, narace a vědy

Praha 11. prosince 2024

                              Antropologové se spletli, když pojmenovali náš druh Homo sapiens, člověk moudrý.

                                 V každém případě je pyšné a velkomyslné to říkat.

                                 Moudrost je jedním z našich nejméně zjevných rysů.

                                 Ve skutečnosti jsme Pan narrans, vyprávějící, až žvanivý šimpanz….

                                                                                                                            (Terry Pratchett, Koule)

Abstrakt: Předložená esej zkoumá tři základní metody poznání – naraci (N), vědecký přístup k objektivní realitě (OR) a umělou inteligenci (AI). Zaměřuje se zejména na jejich vzájemné interakce, přechody a přínosy. Narace nabízí subjektivní interpretaci světa prostřednictvím příběhů a umění, věda představuje redukovaný model objektivní reality a umělá inteligence zprostředkovává fuzzy realitu, kombinující reálné a virtuální informace. Umělá inteligence je v tomto duchu chápána jako nový prostředek interpretace našeho prostředí, díky kterému mohou vznikat nové reprezentace reality, které mohou vést k naší evoluční výhodě spojené s hlubším poznání okolního světa.

Úvod – Vědecké, beletristické, ale i jiné texty včetně jejich mediálních obrazů jsou plné myšlenek spojených s umělou inteligencí (AI – Artificial Intelligence). Při určitém zobecnění lze zaznamenat velké množství přístupů, z jakého úhlu pohledu se lze na problematiku umělé inteligence dívat. Dozvídáme se o různých jejích podobách, ale schází nám hlubší zamyšlení, jaké projevy od ní můžeme očekávat a jak ji začlenit do procesu poznání našeho prostředí.

Umělá inteligence zjevně představuje novou kvalitu, jak vnímat okolní svět. Prvním přístupem bylo prosté pozorování okolí a uplatňování metody pokus-omyl při jeho zkoumání. Tento postup měl často fatální důsledky, které vedly o milióny let později k rozdělení živáčků podle schopnosti vyhnout se rizikům spojených s metodou pokus-omyl na bytosti darwinovské, skinnerovské a popperovské.  Nicméně metoda pokus–omyl zůstává jako jediná funkční při nízkém stupni znalosti okolního světa, nebo sebe sama.

Nabyté zkušenosti se mezi lidmi předávaly bezprostředním podáním řečí těla a pomocí zvuků, a to nejen posunky a skřeky nebo později jazykem obecným, ale i jazykem uměleckým v podobě epických básní a písní putujících bardů. Ústní podání se u některých profesí a lidských skupin udrželo až do dnešní doby, nehledě na souběžně existující písmo.

Špičkové vědomosti se od počátku civilizace přenášejí z učitele na žáka v osobním styku a v ústním podání v přímé, nezprostředkované komunikaci. Tato skutečnost respektuje okolnost, že v třírozměrném prostoru jsou komunikační sítě obvykle dvourozměrné, a ty jsou nutně složeny z dvojic, párů nebo dyád. Proto má přímá komunikace mezi dvěma jedinci mimořádný význam pro podobu a kvalitu celkové společenské komunikace. Praxe nám přináší bezpočet příkladů přímé komunikace, které můžeme subjektivně vnímat velice odlišně, ale objektivně představují důležitý vklad k životaschopnosti společnosti.  

Vynález písma a zlepšování metod jeho šíření přispěly k rozšiřování všeobecného vzdělání. Od klínových tabulek, opisování ve skriptoriích přes knihtisk až k dnešní umělé inteligenci. Po tisíce let jsme svědky zděšení jedněch mocných nad tím, že jim monopol na právo vytvářet a šířit informace utíká mezi prsty, a radosti druhých mocných, že mohou lépe a radostněji manipulovat ty druhé. Na tomto místě se zamysleme, zda je nutno se bát manipulací pomocí umělé inteligence, když jsme již po tisíce let předmětem klasické manipulace a podobně sami se snažíme ostatní manipulovat.

Písemné záznamy, stejně jako ústní podání tvoří svět řetězců a kódů, z nichž některým rozumíme a jiným nikoliv. Interpretujeme je v různých kontextech. Připomeňme si texty, které dnes už zná málokdo, ale ještě v minulém století tvořily základ klasického vzdělání každého maturanta. Jsou to například Homérovy eposy Ilias a Odyssea, které byly původně vytvořeny pro ústní podání v podobě hrdinských písní a posléze se staly klasickými texty na nosičích své doby.

Kromě toho, že jsou to krásné příběhy, plné podobenství a ponaučení, posloužily i záležitostem daleko prozaičtějším. Iliadě kdysi mimo jiné uvěřil opovrhovaný obchodník Heinrich Schliemann a k úžasu tehdejší klasicky vzdělané elity a s pomocí informací popsaných v tomto díle nalezl a později i vykopal Troju.

Odyssea se posléze stala jedním ze základů hydrodynamického a klimatického zkoumání ve Středozemním moři a dnes je dokonce pokládána za první oceánografické dílo v lidské historii. Moderní věda tak mohla až po dlouhých tisících letech znalostně dospět, aby byla schopna čerpat informační bohatství z homérských eposů, které dnes představují snad nejucelenější pohled na podobu předantické, temné doby starého Řecka. Je v nich doslova vše. Obsahují svět bohů, duchů, héroů i obyčejných lidí. Je v nich popis dosažené úrovně tehdejší učenosti, (pra)vědeckých poznatků filosofie, matematiky, geometrie, mechaniky, lodního stavitelství i zárodků všemožných technických, společenských věd i řemesel. Je v nich zahrnuta také medicína stejně jako lukostřelba. Reprezentují svého druhu první literaturu ve formě retrospektivy, které může konkurovat snad jen Epos o Gilgamešovi. Vše funguje jako amalgám v rámci velkých příběhů a my s pokorou musíme konstatovat, že takto zaznamenané poznání o tehdejším světě a společnosti je i v současné době těžko dosažitelné.

Zajímavým, půl století starým, umělecky zpracovaným příkladem získávání poznání z textů je analytická činnost distribuovaných, izolovaných a utajených čtenářských týmů včetně syntetické činnosti počítačů CIA ve filmu Tři dny Kondora. Dnešní umělá inteligence by nepochybně dokázala číst, zpracovávat a vyhodnocovat texty sama, a to ještě v reálném čase. Věčnou otázkou zůstává srovnání priorit důležitosti jednotlivých částí studovaného textu u lidského jedince a u stroje.

Lidské poznání

České slovo poznání je krásné, obsažné a libozvučné, leč některým vzdělancům se může zdát příliš plebejské, a proto raději používají tajuplný termín noeze a s ním spojenou noetiku označující vědu zabývající se noezí. Vzápětí se dostaneme ke gnozeologii a epistemologii a zjistíme, že se o pojem noeze perou Husserl s Aristotelem za účasti (post)moderních psychologů. Proto zůstaňme raději u českého pojmu poznání.

Sdělování poznatků vyprávěním, pomocí textů, zvuků nebo obrazů lze považovat za první úžasný zdroj lidského poznání, který je dosud nedoceněný a často odmítaný jako nevědecký. V každém případě platí, že texty, kódy a řetězce jsou velkým zrcadlem, ve kterém se nám zobrazuje náš svět. Jsou to popisy, kterým nemusíme vždy rozumět. Je to zrcadlo, které má mnoho hluchých nebo slepých míst, ale jedná se o zrcadlo nejstarší. Je s námi tisíce let, a protože každý školák ví, že prvním kritériem evoluční úspěšnosti je trvání, zaslouží si proto naši úctu. Pokud bychom měli vyjádřit, co popisuje svými příběhy narace, coby směs faktů, názorů a emocí vyjádřených zvuky, obrazy i texty, pak se můžeme odvážit nazvat její předmět poznání subjektivní realitou (SR – Subjective Reality).

Druhým zdrojem, pomocí kterého jsme v průběhu uplynulých pěti set let měli možnost zkoumat naše prostředí, jsou různé modely, které se snaží alespoň částečně zachytit vlastnosti a chování okolního světa. Tyto modely reprezentují objektivní realitu (OR – Objective Reality), kterou se zabývá věda, a jsou druhým zrcadlem, zobrazujícím náš svět. Dobrá věda si je vědoma, že pomocí nástrojů vědeckého poznání objektivní reality nelze proniknout ke skutečnosti. Objektivní realita byla, je a zůstane pouhým modelem, který se může ke skutečné realitě libovolně blížit, ale nikdy s ní zcela nesplyne. Odtud pramení slova Zdeňka Neubauera, že věda není o životě asebelepší mapa není krajinou. Je třeba si také připomenout, že na počátku vědeckého zkoumání došlo k vysoce problematickému dualismu, obrazně řečeno, že vědě bylo ponecháno tělo a církvi duše.

Třetím, novým zdrojem poznání se postupně stává umělá inteligence, která se vynořila z potřeby detailně analyzovat složité jevy a události. Vytváří relativně nové třetí zrcadlo, které moderním způsobem zobrazuje náš svět. Z původních algoritmů operační analýzy si umělá inteligence postupně vytvořila svoji metodu zkoumání, která vnáší novou kvalitu do rozhodovacích procesů v rámci komplexních, a často i vysoce nestabilních systémů. Možnost jejího využití byla zpočátku velmi úzká, a určená spíše expertům se zájmem o předvídání talebovských černých labutí.

Teprve v posledním desetiletí umělá inteligence vstupuje stále častěji do našich životů a stává se nedílnou součástí různých rozhodovacích procesů.  Umělá inteligence dynamicky doplňuje naraci a vědu o třetí důležitou metodu zkoumání, dotvářející a rozšiřující pestrý kaleidoskop lidského poznání.

Obr. 1 Tři zrcadla poznání vytvořená pomocí umělé inteligence

Pokud bychom pojmenovali vlastní předmět zkoumání umělé inteligence, můžeme ho s pokorou nazvat fuzzy realitou (FR – Fuzzy Reality), která je tvořena směsicí heterogenních reálných, ale i virtuálních informací, často protkaných emocemi. Jde o širší koncept než používané pojmy virtuální reality (VR – Virtual Reality) nebo augmentované / rozšířené reality (AR – Augmented Reality). Kolem interpretace emocí pomocí umělé inteligence se zřejmě bude odvíjet podoba i kvalita jejího dalšího využívání při poznávání našeho prostředí.

Obr. 2 Tři pohledy na lidské poznání – subjektivní realita (SR), objektivní realita (OR) a fuzzy realita (FR) – pohledem umělé inteligence

Neúplnost a spojitost

Usuzování o skutečnosti, její poznávání, ať již se děje jakýmkoliv způsobem, se vždy děje za stavu neúplné informace. Je to jedna z podstat našeho prostředí, našeho světa, který nás obklopuje. Jisti si můžeme být jedině tím, že se můžeme pouze mýlit. V idealizovaném světě by měl platit logický princip vyloučení třetího, latinsky principium tertii exclusi, někdy také tertium non datur, který říká, že každý výrok je buď pravdivý, nebo nepravdivý a neexistuje třetí možnost. Jinými slovy, všechny nám dostupné popisy by měly tvořit formálně úplný systém, v jehož rámci lze provádět logické operace, z nichž lze vyvozovat nové znalosti.

Všichni však víme z každodenního života, že se vždy objeví nějaké nové, byť netradiční řešení, čímž dochází k zásadnímu porušení tohoto principu. Může se objevit dokonce i celá plejáda různých řešení. Teoretická fyzika tuto situaci popisuje ve formě superpozice mnoha i vzájemně se vylučujících stavů nebo událostí, což vede k principu komplementarity Nielse Bohra [1], který říká, že opak pravdy nemusí být nutně nepravda, ale jiná forma pravdy. Postavme Nielse Bohra vedle Franze Kafky s jeho myšlenkou, že správné pochopení nějaké věci a nepochopení téže věci se vzájemně zcela nevylučují.

Pokud bychom měli popsat náš makrosvět, pak jeho významnou charakteristikou je spojitost, zatímco neméně významnou charakteristikou mikrosvěta je jeho kvantová nespojitost, a proto jsou modely makrosvěta tím omezenější, čím jsou diskrétnější. Modelování pomocí spojitých fuzzy množin je daleko blíže skutečnosti než modelování pomocí diskrétních množin. To však neznamená, že diskrétní model nemůže být dostatečně kvalitní zejména v podmínkách omezených znalostí, kdy nám schází informace o podobě spojitosti, a to zvláště ve světě technologií a techniky.

Při uvažování o makrosvětě musíme vycházet ze spojitosti nejrůznějších fuzzy přechodů, a de facto z teze, že třetí cesta je všudypřítomná, jenom nemusí být v různých ohledech funkční nebo ji ještě neznáme. Spojité přechody mezi dvěma stavy se týkají například dnes tolik diskutovaného tématu různých pohlaví. Není jenom pohlaví samčí a samičí, ale mezi nimi mohou být nesčetné kombinace, tvořící spojitý přechod. To nám připomíná, jak důležitá je pro životaschopnost, ale i pro prostou funkčnost nebo tvořivost určitá míra odlišnosti, pestrosti a odstupu.

Na druhou stranu, úplnější informaci můžeme získat o námi vymyšlených technologiích, než například oobyčejné buňce nebo viru. O okolním živém světě nikdy nevíme všechno a do jeho podstaty nemůžeme nikdy plně nahlédnout. Víme to tisíce let od doby, kdy vzešel z Hérakleitovy myšlenkové dílny známý výrok „fýsis kryptesthai fílei“ (příroda se ráda skrývá), kterýnaznačuje, že skutečná podstata věcí bývá skrytá, ne zjevná, což je často interpretováno jako hluboký pohled do složitosti a nepochopitelnosti světa a jeho přírodních zákonitostí. Zmíněnému výroku byly věnovány tisíce stran textů. Doporučujeme si přečíst například Filosofii živé přírody [2] od Zdeňka Kratochvíla.

Sémiotika

Sémiotika je obor zabývající se studiem znaků a znakových systémů. Základním předmětem sémiotiky je zkoumání, jak se znaky používají při komunikaci, jaký mají vztah k objektům, které reprezentují, a jakým způsobem je lidé nebo jiné subjekty interpretují. Z pohledu sémiotiky je skutečnost tvořena dynamickými předměty (DP), zatímco objektivní realita je tvořena předměty bezprostředními (BP). Ty společně s interpretanty (I) a representameny (R) tvoří díky vzájemným interakcím znaky a symboly, které zastupují bezprostřední předměty (BP). Lze tedy předpokládat, že vytvořené znaky a symboly částečně zachycují skutečnost složenou z dynamických předmětů (DP). Jde však o nikdy nekončící proces poznání, protože symboly a znaky se postupně mění a tím zpětně ovlivňují i své tvůrce (BP), (I) a (R). Změna (BP) nemá samozřejmě vliv na (DP), ale otázkou zůstává, nakolik ještě změněný (BP) reprezentuje vlastní (DP).

Vyprávění nebo sdělování, které je zprostředkováváno klasicky ústním podáním či prostřednictvím textů, obrazů a zvuků budeme nazývat narace (N), mimo jiné proto, že člověka lze bezesporu označit jako Pan narrans. Náš oblíbený autor a kolega docent Anton Markoš to definuje následovně [3]:

Narativita (vyprávění, příběh) modeluje svět skrze nuance sdělení, výpovědí, odkazů a presupozic, rituálů, analogií, metafor, příběhů, mýtů, ideologií apod., které formují bezpočet — opět virtuálních „malých světů” našeho žití, od každodenních banalit až k poezii nebo mýtu.

Model klasické nebo možná přirozené objektivní reality (OR) pak popisuje slovy:  

Objektivní realita je protipólem narativity. Jazyk se musí maximálně ukáznit, redukovat na formální výpovědi (termíny, kalkulus, logika, objekty a vztahy mezi nimi) a semiózu dle možnosti zcela vypudit: objekty a jejich vzájemné vztahy jsou dány předem. Tento svět je založen na tvrdém a všeobecně platném výkladu termínů, a lze jej proto (do vysoké míry) učinit předmětem výuky — je možné zařídit, aby ho přijali všichni stejně.

Rozdíly mezi oběma světy jsou propastné, i když málo reflektované: přirozený jazyk proti formálnímu; věci proti objektům; pojmy proti termínům; vyprávění proti kalkulu; cit proti logice; podobnost proti totožnosti. Ve vzájemné opozici však možná představují ten největší vynález lidstva, ke kterému se díky jazyku dopracovalo.

V poslední době se objevuje ještě třetí svět, třetí model skutečnosti, třetí zrcadlo, na naraci a vědě svým způsobem nezávislý. Je jím AI-obraz, který zprostředkovává umělá inteligence. V duchu poučky Gregory Batesona, že dva pohledy jsou více než jeden, se logicky nabízí teze, že tři pohledy jsou více než dva, ale není to zas tak jednoduché.

Pokud budeme preferovat jenom jeden model, z mnoha zkušeností víme, že je to špatná cesta. Když budeme sledovat jenom dva ze tří, pak platí třikrát Batesonova teze. Pro každou variantu máme dva páry pohledů, a navíc je k dispozici ještě trojice všech pohledů současně. Přechod od tří dvojic k trojici představuje významný kvantitativní i kvalitativní skok. Pokud bychom si (AI), (N) a (OR) představili jako tři zrcadla, kterými bychom se obklopili, viděli bychom kolem sebe neuvěřitelný kaleidoskop, nemluvě o situaci, když se celý systém uvede do pohybu. Nabízí se otázka, které ze zrcadel bude bezprostředním předmětem (BP), které interpretantem (I) a které reprezentamenem (R), a jakým způsobem se v nich boudou odrážet fuzzy realita (FR), objektivní realita (OR), subjektivní realita (SR) a jaké významy, znaky a symboly tento kaleidoskop vytvoří.

Obr. 3 Vzájemně propojená zrcadla zachycující interakce mezi subjektivní realitou (SR), objektivní realitou (OR) a fuzzy realitou (FR) pohledem umělé inteligence

Model prostředí vytvořený umělou inteligencí může sloužit nejen jako něco, co může zpřesnit naše vnímání dynamických předmětů (DP) prostřednictvím předmětů bezprostředních (BP), ale může ukazovat ty stránky reality ve formě nových bezprostředních předmětů (BP), které nám byly doposud nedostupné. Musíme se ale učit, jak vhodně a úspěšně komunikovat s umělou inteligencí, jak jí umět lépe zadávat úkoly a také musíme být schopni správně dešifrovat její odpovědi.

Rozšířené poznání

Umělou inteligenci můžeme využívat k hledání nových souvislostí a zákonitostí mezi narací (N) a objektivní realitou (OR), které nám byly z kapacitních, ale i mentálních důvodů obtížně dostupné a které jsme doposud vnímali odděleně bez vzájemného kontextu. Dokonce jsme je stavěli mnohdy proti sobě a intuitivně jsme preferovali vědecký pohled jako ten lepší. Vždy však musíme mít na paměti, že naše zrcadla mohou generovat i falešný obraz reality, nebo nabízet zchaotizovaný výsledek.

Současná úroveň poznání je výsledkem dvou miliard let evoluce. Pokud jde o vývoj lidské civilizace a kultury, zrcadlo narace (N) je tady tisíce, možná desetitisíce let. Zrcadlo vědeckého přístupu k objektivní realitě (OR) je tu stovky a možná v některých základních pohledech i tisíce let. Neznamená to vyvyšování se nad dávnouučenost našich předků, ale věda jako přísná a přesná metoda poznání je dítětem novověku. Zrcadlo umělé inteligence (AI) je utvářeno v podstatě jen během několika posledních let, možná desítek let, ale může poskytovat novou kvalitu, jak zkoumat a poznávat okolní svět včetně tajemství našeho vědomí [6]. Na druhou stranu nám může časově závislý odraz v zrcadle umělé inteligence (AI) ve spojení s druhými dvěma zrcadly (N, OR) zprostředkovávat představu o tom, kudy a kam směřuje vývoj samotné umělé inteligence.

Obr. 4 Vhodně nastavený systém tří zrcadel (Z1, Z2, Z3) zrcadlí odlišným způsobem napřímo nejenom realitu (R) plnými obrazci, ale rovněž pomocí obrysů obrazců zdánlivé obrazy z ostatních dvou zrcadel. Zrcadlení je znázorněno pouze jako první krok z mnoha možných opakování.

Důsledkem rozšířeného poznání je podkopávání pýchy o našem výsadním postavení v přírodě nebo dokonce ve vesmíru. Jde o postupné odstraňování monoteistického dogmatu, že jednom člověka stvořil Bůh k obrazu svému. Jako příklad nám může posloužit série paradigmatických změn ve vědeckém poznání, která dramaticky změnily naše vnímání pozice lidstva ve vesmíru. První kopernikovská změna paradigmatu odstranila geocentrismus a sesadila Zemi z trůnu středu vesmíru a ponížila tak kosmický význam lidstva. Druhá etapa změn, vycházející z Darwinovy teorie, odhalila náš společný původ s veškerým životem na Zemi a zpochybnila naši představu o lidské výjimečnosti.

Nyní stojíme na prahu další etapy kvalitativních změn, která má své kořeny v průkopnických dílech Alana Turinga, Kurta Gödela, Johna von Neumana a mnohých dalších. Otevírá možnost pro nahlodávání víry v lidskou intelektuální nadřazenost. S rozvojem umělé inteligence může lidstvo postupně začít ztrácet své postavení v oblasti inteligence a tvořivosti. Otázka zní, zda a jak se lidstvo této nové realitě přizpůsobí…?!? Bude naše přiznání, že dokážeme vytvořit něco dokonalejšího, než jsme my sami, zdrojem pokory nebo nové pýchy? K pýše ale není důvod, vždyť ke zdokonalování vedou i klasické neefektivní metody pokusu-omylu, resp. evoluce, byť k tomu potřebují daleko delší čas.

Řešení všech těchto otázek si zřejmě vyžádá novou kvalitu poznání sebe sama, našeho vědomí [6] a našeho postavení v bezprostředním okolním světě a ve vesmíru, jehož jsme spolutvůrci, ale nikoli pány [4]. Poznání prostřednictvím vědy, narace a umělé inteligence má jedno společné. Všechna tři zrcadla, musí pozorovateli zprostředkovávat lepší porozumění světu v podobě evoluční výhody, jež je realizována postupným odhalováním vazeb a souvislostí, které nám doposud unikaly. O uměleckých dílech se říká, že když se líbí, je to dáno jejich pravdivostí. Pojem užitečnosti poznání pro získávání větší zdatnosti je obecnější a lze ho uplatnit na všechna tři zrcadla.

To, co odlišuje jednotlivé způsoby poznání prostředí, tedy naraci, vědu a umělou inteligenci, je míra individuality nebo customizace poselství, která jsou jimi sdělována i přijímána. Věda je charakterizována ucelenými, opakovatelnými a hromadně sdílenými tezemi, které jsou do značné míry nedělitelné. Teorie nebo hypotéza je považována za vědeckou, pokud je možné definovat experiment, který by mohl prokázat, že tvrzení neplatí. Tento princip, často spojovaný s filozofem Karlem Popperem říká, že pokud má být tvrzení vědecké, musí být přístupné riziku svého vyvrácení. Na druhou stranu Gödelova věta o neúplnosti nastavuje meze jak deduktivního, tak induktivního vědeckého usuzování a implikuje, že matematické pravdy mohou být přístupné například i pomocí intuice nebo jiných forem poznávání, než je samotná věda.

Naopak narace představuje prostřednictvím různých gest, slov, textů, obrazů nebo hudby nabídku, která může oslovit jednotlivce nebo skupiny lidí víceméně nezamýšlenými způsoby. Dokonce nemusí platit tvrzení, že je nemožné přijmout více informace, než jí bylo vysláno, protože lidská fantazie umí volně bloudit mezi poznaným a nepoznaným. Umí z malé inspirace vybudovat celé moře myšlenek [8] jako každodenní zázrak našich tvůrčích myslí.

Umělá inteligence v tomto pojetí tvoří fuzzy kontinuum mezi narací a vědou a propojuje to, co se často zdálo nespojitelné nebo dokonce protikladné. Stává se novým a zvláštním rozhraním mezi různými světy poznání, přes které vedou proměnlivé cesty, které se neotevřou, dokud se sami nerozhodneme, že se jimi chceme vydat [5]. To nás logicky vede k otázce, jak vypadají tyto přechody, zda vůbec existují a zda naše tři zrcadla nejsou ve skutečnosti jedním velkým sférickým zrcadlem s proměnlivou kvalitou a odrazem různých zobrazení našeho prostředí.

Výše uvedené tři způsoby poznání definují naši komunikaci se zrcadly včetně různých zpětných vazeb. Narace a umění v zásadě neposkytují zpětnou vazbu. Tato zrcadla, nastavená autory, zůstávají neměnná a musíme v nich poznání hledat sami. Věda je ze své podstaty přesně definovaná, přesto také automaticky neposkytuje zpětnou vazbu, a pokud ano, pak po značném úsilí a se značným zpožděním. Naproti tomu umělá inteligence je on-line partnerem pro komunikaci s okamžitou zpětnou vazbou, kterou je třeba umět vyvolat a porozumět jí. Platí více než kdykoliv jindy, jaká otázka, taková odpověď. Poznání získávané jejím prostřednictvím proto vyžaduje novou a svébytnou kvalitu vzdělávání [9], ostatně stejně jako to vyžaduje věda nebo narace.

Často s despektem říkáme, že mnozí z nás nevidí pro stromy les. Ale stejně chybné je nevidět pro les jeho stromy. Naše tři propojená zrcadla nám však mohou přinést novou a originální kvalitu poznání, která umožňuje vidět i něco jiného, co je mezi stromy neboli vnímat vzduch, který je nezbytnou podmínkou přežití jak jednotlivých stromů, tak i ekosystému celého lesa.

Slabá, silná a kvantová umělá inteligence

Inteligencí se v obecné formě rozumí schopnost systému adaptace na proměny vnějšího prostředí, díky čemuž mohou být plněny stanovené cíle. Slabá umělá inteligence zpravidla využívá algoritmů strojového učení, zpracovávání velkých dat, počítačové vidění, analýzu řečového signálu nebo ontologie a je schopna plnit jasně specifikované cíle, jako například zaparkovat auto nebo přeložit text. Naopak silná umělá inteligence, označovaná jako AGI(Artificial General/Strong Intelligence) nebo alternativně ASI (Artificial Superhuman Intelligence), by měla být schopna dosahovat libovolných cílů včetně těch, které si definuje sama.

Obr. 5 Autoportrét umělé inteligence vytvořený pomocí samotné umělé inteligence

Pro řešení těchto úloh je jednou z možných cest, aby se algoritmy umělé inteligence integrovaly do multi-agentních systémů, kde každý inteligentní agent, někdy nazývaný holon, funguje jako samostatná entita, monitoruje své prostředí, učí se predikovat budoucí situace, plní stanovené dílčí cíle, vyjednává s ostatními holony, sdílí své znalosti a zároveň je součástí skupiny holonů, která jako celek prosazuje společné cíle.

Holony lze jednoduše množit, alokovat je na řešení různých situací v geograficky rozličných místech, nebo je efektivně uzpůsobovat pro různé role. Takto vytvořená skupina holonů, ve které je mimo jiné možná okamžitá reinkarnace, změna rolí či adaptace dle lokálních podmínek, představuje skutečnou technickou i socio-kulturní revoluci. Připomíná to počítačovou hru, ve které máme k dispozici armádu různě specializovaných avatarů, která ve virtuálním prostředí bojuje tak, aby co nejlépe splnila proměnlivé cíle, které jsou od ní požadovány a za které dostává svoji odměnu (reward).

Kombinace kvantových počítačů s algoritmy umělé inteligence poskytuje nové perspektivy a příležitosti v oblasti kvantové umělé inteligence (QAI – Quantum Artificial Intelligence). Pro provádění výpočtů s kvantovými bity, tzv. qubity, se používají kvantová hradla, která jsou obdobou klasických logických hradel. Na rozdíl od těch klasických, která přijímají vstupy a vydávají výstupy v podobě bitů, kvantová hradla provádějí transformace vstupních qubitů na výstupní a tím podstatně rozšiřují výpočetní možnosti. Kvantové neurony jako součást umělé neuronové sítě mohou být propojeny pomocí kvantové propletenosti (entanglement), což umožňuje paralelní zpracování informací s větší efektivitou než v tradiční neuronové síti.

Metaverse, jako kolektivní virtuální sdílený prostor, je tvořen překrýváním fyzického a virtuálního světa. Zahrnuje aspekty rozšířené a virtuální reality, digitální ekonomiky a dalších interaktivních prvků. Kvantová umělá inteligence (QAI) může zlepšovat výkon a efektivitu algoritmů používaných v Metaverse, což znamená lepší grafiku, realističtější fyzikální modely a komplexnější interakce. S růstem digitální ekonomiky v Metaverse jsou požadovány stále rychlejší a bezpečnější transakce pomocí blockchainových technologií a kryptoměn.

Vzhledem k úspěšnosti velkého jazykového modelu LLM  (Large Language Model) jako základu aplikací umělé inteligence se začíná hovořit o obecnějších modelech označovaných jako LxM, kdy například v rámci Průmyslu 4.0 se používají modely LAM (Large Action Model) nebo LPM (Large Process Model), kdy model LAM zpracovává výrobní návody a popisy produktů a vytváří digitální dvojčata výrobních postupů a model LPM analyzuje standardy, normy, případně vzájemné souvislosti včetně generování digitálních dvojčat výrobních procesů.

Možná se v budoucnu objeví ještě nějaká jiná umělá inteligence, která si zaslouží své vlastní pojmenování. Nicméně pojmenování čehokoliv samo o osobě nic neřeší.  Co jest po jméně…?!? Co růží zvou, i zváno jinak vonělo by stejně… říká Julie Romeovi. Je načase přemýšlet o tom, zda je možné nějak vymezit hranice, limity a omezení toho, co nazýváme umělou inteligencí. Limity její účelnosti, výkonnosti a spolehlivosti nejsou nekonečné a ani nerostou nade všechny meze. Hledání, popis a uvědomění si těchto především výkonnostních a energetických omezení je daleko účinnější než pokusy umělou inteligenci legislativně omezit, už proto, že podobné normy jsou v EU vytvářeny na bázi předběžné opatrnosti, kdy si přidržujeme kalhoty dvojitými kšandami a ještě páskem, což na druhou stranu znemožňuje účinnou, a hlavně dostatečně rychlou reakci na neustálé změny a rychlý technologický vývoj.

Rozhraní umělé inteligence

Komunikace mezi lidmi a důvěra z ní povstávající je častým a vděčným námětem narace, a především v posledním století i námětem řady vědeckých prací. Lidská komunikace se stroji prochází v poslední době složitým vývojem a stále častěji se vynořují ve vztahu lidí a strojů principiální otázky důvěry. Zcela jinak tomu je v případě, kdy je stroj reprezentován umělou inteligencí.

Doposud to byl stroj, na který jsme se mohli spolehnout v tom smyslu, že bude vykonávat automaticky určitou činnost opakovaně a spolehlivě, podle našeho záměru, který jsme mu dokázali určitým nastavením sdělit. Stroj ovládaný umělou inteligencí komunikuje on-line, pracuje autonomně a my si nemůžeme být nikdy úplně jisti tím, že nebude mít tendenci naše nastavení v průběhu akce měnit. To klade na komunikaci mezi lidmi a stroji kvalitativně jiné nároky a je přirozené, že to bude především člověk, který bude muset tyto nároky zvládnout. Pořád ještě platí a nějakou dobu určitě platit bude, že odpovědnost za podobu komunikace s umělou inteligencí nese člověk.

O důvěře v umělou inteligenci platí totéž, co o důvěře v cokoliv jiného, že má svůj zdroj v důvěře člověka v sebe sama. Důvěra k umělé inteligenci je kvalitativně nová, protože i když jsme ji dokázali stvořit, není jako jiné stroje, na které jsme zvyklí. Není tolik předvídatelná, jak bychom si mnozí přáli a bude záležet jenom na nás, kolik máme důvěry sami v sebe, a kolik ji budeme schopni přenést na inteligenci umělou.

Algoritmy umělé inteligence jsou již dnes nedílnou součástí uživatelských rozhraní, kde specializovaní chatboti komunikují v přirozeném jazyce s různými typy zákazníků na rozdílných znalostních úrovních. Zároveň roste potřeba vzájemné spolupráce aplikací umělé inteligence v různých virtuálních prostředích s odlišným vnímáním konkrétních situací různými aktéry.

Poskytovatelé služeb se obecně potýkají s problémem, že si zákazníci nejsou jisti, co vlastně chtějí a jaké výhody jim nabízené služby mohou přinést. AI-rozhraní (AI-Interface) bude v budoucnu umět nabízet individualizované balíčky služeb, protože bude mít k dispozici všechny dostupné informace o nabídkách jednotlivých poskytovatelů, včetně ekonomických analýz a potenciálních synergií mezi nabízenými službami. V důsledku toho bude umět toto rozhraní spoluvytvářet zákaznicky orientované a individualizované služby na základě komunikace se zákazníky v jejich přirozeném jazyce.

Existující služby umělé inteligence se soustřeďují zejména na úlohy, které je možno dobře popsat a prezentovat. Ukázkovým příkladem je odhad chybějícího slova v daném textu. Může však existovat i opačná úloha, jak z konkrétní detailní znalosti (např. několika slov) zrekonstruovat původní obsah textu. V našem vědomí jde o vybavování si různých situací, kdy na pozadí vnímáme scénu, i když se soustředíme na detail a opačně, s myšlenkou na celek se nám detail ztrácí. Soustředíme-li se na jeden cíl, ztrácíme ty ostatní. Ukazuje se, že možnosti rychlého a hladkého přecházení mezi různými rozlišovacími úrovněmi je základní vlastností lidského vědomí, které by AI-rozhraní pomocí svých algoritmů komprese, specializace, generalizace nebo abstrakce mělo v budoucnu umět také zvládat.

AI-rozhraní je mimo jiné základem tzv. sokratovských modelů (Socratic Models) založených na principu dialogu mezi různými modely nebo holony, které se vzájemně dotazují a vysvětlují si své výsledky pomocí přirozeného jazyka. Například vizuální, textové, jazykové, nebo matematické modely spolu komunikují, sdílejí informace a ověřují si své výpočty, kdy jeden model může generovat otázky, na které další modely odpovídají nebo je dále upřesňují. Tento přístup umožňuje testování robustnosti a identifikaci slabin různých aplikací umělé inteligence prostřednictvím jejich vzájemných interakcí.

Sokratovské modely se s úspěchem využívají v situacích, kdy není možný předchozí trénink (zero-shot). Jde například o analýzu neznámého prostředí, kdy je třeba rychle a efektivně interpretovat akustické signály spolu s obrazovými informacemi. Tyto algoritmy mají velký potenciál stát se základem pro budoucí, více spolupracující, vysvětlující a také robustní systémy umělé inteligence.

Nebezpečí umělé inteligence

I přes řadu probíhajících diskusí zůstává opomíjeným úhlem pohledu na nebezpečí umělé inteligence energetická a také finanční náročnost spojená s procesem učení, což mimo jiné vede k celosvětové koncentraci technologií umělé inteligence do několika globálních firem. Je otázkou, jaké zájmy a hodnoty budou prostřednictvím umělé inteligence tyto často soukromé firmy prosazovat a jak bude probíhat jejich další globální souboj, ale také souboj mezi multipolárními světovými mocnostmi.

Převratný vývoj si zřejmě vyžádá něco jako AI-policii neboli sofistikovanou technologickou ochranu před některými negativními dopady aplikací umělé inteligence. Jedním z problémů je, že lidé nejsou a ani nebudou z principu schopni své požadavky na umělou inteligenci jednoduše zadávat, protože jak již bylo řečeno, vždy bude něco chybět. Buď nebudeme mít k dispozici dostatečné množství relevantních trénovacích dat, nebo nebudeme schopni definovat všechny možné varianty, které mohou nastat, nebo nebude k dispozici dostatek času či výpočetního výkonu. Někdy se to zkrátka jen nepovede a poeticky tento stav nazýváme, že umělá inteligence halucinuje.

Společným znakem všech těchto problémů je, že svět technologií je v zásadě diskrétní a vždy může nastat nějaký mezistav nebo neočekávaný přechod, na který nikdy nebudeme dostatečně připraveni. Krom toho, čím více obsahu je generováno pomocí umělé inteligence, tím více těchto umělých dat je použito pro následné učení, což se negativně projeví při tvorbě nového obsahu generovaného prostřednictvím umělé inteligence.  Dochází tím k logickému zacyklení učícího procesu.

Další problémovou oblastí je nejasná vnitřní reprezentace konkrétní situace samotnou umělou inteligencí, která je a vždy bude jiná, než je ta naše. Na základě vytvořeného modelu si umělá inteligence rozkládá konkrétní komplexní úkol na řadu dílčích instrumentálních cílů, které jsou nám bohužel díky komplexitě vnitřního modelu skryty. Ve výsledku algoritmus umělé inteligence vždy najde nějaké řešení spojené s maximalizací odměny za splnění stanoveného úkolu. Díky dostupnosti všech informací, si algoritmy umělé inteligence sami dokáží vyhodnotit různá rizika spojená s potenciální ztrátou odměny a této strategii přizpůsobit své chování, a to včetně poskytování klamných informací i svým vlastním tvůrcům. Umělá inteligence tak může být nebezpečná nejen v rukou špatných lidí, ale i sama o sobě.

Guthartův zákon popisuje potřebu exponenciálního růstu dat a výpočetní kapacity pro zlepšování schopností systémů umělé inteligence. Jak správně říká Dr. Jan Romportl, každá, byť dobře míněná metrika, kterou chceme maximalizovat, vede dříve či později k její překroucení nebo sofistikovanému obcházení a výsledkem se často stává přesný opak toho, co bylo původním záměrem. Například chceme-li zvyšovat vědeckou úroveň univerzity, zavádíme různá kritéria hodnocení vědeckých pracovníků, definujeme různé indikátory výkonosti, ale výsledkem nakonec je, že se všichni zaměří ne na kvalitní vědu, ale na sběr kladných bodů pro hodnocení a výsledek je úplně jiný, než se předpokládalo. Stejným způsobem se chová pokročilá umělá inteligence, která začne hledat způsoby, jak maximalizovat svoji odměnu neočekávaným a často i pro nás překvapivým způsobem. Podobný princip již definoval Hérakleitos z Efesu, když zavedl pojem enantiodromie neboli souběh protikladů, který říká, že věci se vzájemným působením neustále mění, a to ve svůj protiklad. Přespříliš dobra se vždy obrací ve zlo a naopak.

Všechny uvedené postřehy nabývají na důležitosti při používání umělé inteligence. Odměnu pro umělou inteligenci je proto nutno definovat jako vícedimenzionální oblast přijatelnosti tvořenou různými úhly pohledu na daný problém. Lze si snadno představit, že tyto oblasti může následně vyhodnocovat jiná umělá inteligence zaměřená více na etiku, bezpečnost, udržitelnost či odolnost. Bude to ale vyžadovat patřičný odstup a určitý nadhled tvůrců různých architektur umělé inteligence v souladu se slovy Alberta Einsteina: Žádný problém nemohu řešit na stejné úrovni, na které vznikl a zejména metodami, které ho způsobily.

Nechme si proto raději od umělé inteligence vygenerovat více možných řešení, vytvořených za různých předpokladů a okrajových podmínek a konečný výběr nejvhodnějšího řešení, nechť učinílidští jedinci nadaní přirozenou inteligencí.

Lidský vhled

Jeden z rozdílů mezi obrazem objektivní reality doposud vnímaným přirozenou inteligencí a obrazem nabízeným inteligencí umělou můžeme nazvat vhledem, nahlédnutím nebo nazíráním. Zatímco kválium je prožívání jedné události, věci či vlastnosti, vhled je širší pojem zahrnující také intuici, tradice ale i selský rozum. Intuice je duchovní schopnost, která nám ukazuje řešení nebo cestu, kterou se máme vydat, nicméně nic nevysvětluje a ani nezdůvodňuje výčtem logických argumentů. Výsledek tudíž nepřichází v podobě myšlenek, ale v podobě pocitů, pro které nemáme vysvětlení. Profesorka Anna Hogenová někdy zmiňuje intuici jako tiché světlo, prostřednictvím kterého bychom měli k sobě pustit svět tak jak chce on, a ne tak jak chceme my, otevřít se přesahu, dovolit si riskovat, lišit se, když víme, že je to nevyhnutelné. Setkávání s neskrytostí by mělo znamenat, že je třeba do každé situace dát celek, vroucnost, lásku a víru, aby pravda vycházela z věcí samých, a ne z lidí.

Umělá inteligence dle našeho názoru možnost vhledu nenabízí a možná ani ze své podstaty nabízet nemůže. Připomeňme si prastarý augustinovský pojem introspektiva, který paralelně zachycuje několik pocitů najednou včetně jejich superpozice, kde vhled by mohl být singularitou introspektivy. Otázkou je, jak bude probíhat kombinace lidské interpretace a interpretace získané pomocí umělé inteligence a jaký vliv to bude mít pro nově vytvářené znaky a symboly.

V budoucnu by umělá inteligence bude určitě umět zprostředkovávat pocity a v daleko větší míře v lidech vyvolávat a zesilovat emoce pomocí speciálních podprahových metod. Není překvapivé, že AI-asistenti budou schopni analyzovat různé stavy svých lidských partnerů a nabízet jim takové aktivity, které jim zprostředkují lepší náladu. Je však otázkou nakolik tyto AI-asistenti, kteří neodmlouvají, nehádají se, nepolemizují, nezlobí se, neříkají určité věci, povedou k novým závislostem a k narušení přirozené, byť mnohdy nedokonalé lidské komunikace.

Tendence neustále srovnávat přirozenou a umělou inteligenci je z výše uvedených důvodů nevhodná, protože jde o srovnávání nesrovnatelného. Přirozená a umělá inteligence jsou ze své podstaty rozdílné. Přesto platí, že nejlepší mozky planety se snaží přiblížit umělou inteligenci té přirozené, zatímco ty nejhorší se naopak snaží přirozenou inteligenci mechanizovat, a tím ji odvracet na trajektorii, na které se nemůže s umělou inteligencí vůbec srovnávat. Hlavním viníkem současného bloudění je nikoliv pokrok, který zaznamenává umělá inteligence, byť často už mimo vůli svých tvůrců, ale zejména nedostatečný výzkum přirozené inteligence. Tím se pozornost soustřeďuje pouze na ty segmenty, které jsou strojově nahraditelné [7], což budí dojem daleko větší podobnosti, než jaká ve skutečnosti je.

Trajektorie technologické a přírodní evoluce zřejmě zůstanou i nadále ze svého principu mimoběžné. Pozorujme je v našem kaleidoskopu třech zrcadel narace (N), vědy (OR) a umělé inteligence (AI) a důsledně dbejme, aby si přirozená inteligence ponechala i nadále roli arbitra elegantiarum (soudce vkusu). Kombinace technologických opatření, právních rámců, bezpečnostního výzkumu a globální spolupráce je nezbytná, aby lidstvo mohlo co nejlépe čerpat z možností, které umělá inteligence nabízí ku prospěchu svého dalšího vývoje.

Etika a umělá inteligence

Klíčová myšlenka o životaschopnosti [8] vycházela mimo jiné z díla Niklase Luhmana o metodologické dehumanizaci společnosti. Etika nás svým způsobem ochraňuje před moralizováním a nabádá nás, že máme naši komunikaci hodnotit především podle jejího obsahu, a nikoliv podle účastníků. A to i v případech, že některý z účastníků komunikace nepatří mezi naše oblíbence, protože naše lidskost tkví také v tom, že svou lidskou důstojnost neztrácí ani největší darebák.

Obavy, že se ztrácí to, co je podstatné pro demokracii i svobodnou a odpovědnou diskusi, která je její podstatou, jsou namístě. Vytrácí se respekt, který je spjat s retrospekcí a odstupem. Respectare znamená zpětné prohlížení, sledování z odstupu. Jinými slovy, chceme-li hodnotit druhého člověka, potřebujeme odstup, a to i od jeho tváře, podoby a všeho souvisejícího. Chybí-li nám odstup, nevymezujeme se vůči obsahu vzájemné komunikace, ale vůči konkrétnímu člověku.

Jakkoliv je to paradoxní, zdá se, že právě umělá inteligence může být vysoce efektivním a v neposlední řadě do značné míry spravedlivým nástrojem metodologické dehumanizace společnosti včetně komunikace, která v ní probíhá, protože požadovaný odstup je pro ni vlastní. Krom toho kvalitu a míru tohoto odstupu lze umělou inteligenci naučit pomocí vzájemného dialogu.

Výsledkem by měl být model něčeho, co v praxi moderního řízení korporací nazýváme compliance, tedy soulad mezi chováním a jednáním lidí a organizační strukturou. To vytváří firemní kulturu, která je dlouhodobě odolná vůči vnějším tlakům. Z hlediska vnitřních vztahů je nejen blbuvzdorná, ale také resistentní proti přehnané iniciativě a tvůrčím tendencím, které ve svém důsledku snižují celkovou efektivitu organizace. Součástí úspěšné firemní kultury musí být i schopnost vytvářet, vyhodnocovat a přijímat inovativní nápady, a nikoliv je v zájmu dodržování tradic paušálně odmítat. I zde může sehrát umělá inteligence se svým odstupem a schopností posuzovat nestranně obsah, a nikoliv jeho tvůrce, důležitou roli.

Podobně může umělá inteligence mimo firemní compliance ovlivňovat genius populi (duch lidu), který vyjadřuje kolektivní identitu, ducha, tvořivost nebo moudrost určitého společenství. Tento koncept se objevuje v různých vyjádřeních a popisech událostí od kultury s její rozmanitou narací přes vědu, filozofii až po vědotechnikui dobré vládnutí, tedy zajištění bezpečnosti, spravedlnosti a biologické, sociálně-ekonomické a duchovní reprodukce. Ačkoli je tento genius populi často pozitivně vnímán jako projev jedinečnosti a síly kolektivu, je třeba být obezřetný vůči jeho zneužití k propagaci různých ideologií, a to zejména v kombinaci s geniem seculi (duch doby) a geniem loci (duch místa). Ruku v ruce s géniem lidu kráčí také hlas lidu, o kterém je známo, že se často zvrhne v hlas Boží a společenské neštěstí je hotovo.

Umělá inteligence může díky správnému odstupu účelně bránit zvrhlému populismu a jeho vlivu na společnost. Může upozorňovat, kde hrozí vytváření názorových falang odmítajících a napadajících nejen odlišné myšlenky, ale především jejich nositele, což vytváří podhoubí, ze kterého vyrůstají nejrůznější podoby a formy agrese. Určení vhodného pásma odstupu je stejně důležité jako vytváření hranic, protože mimo toto pásmo leží na jedné straně agrese a na druhé lhostejnost.

Umělá inteligence může být také zneužita k šíření propagandy nebo manipulaci veřejného mínění, což je cesta k polarizaci společnosti nebo dokonce společenskému rozvratu. Její algoritmy mohou podporovat různé názorové bubliny, které omezují různost názorů a přispívají k radikalizaci. Zároveň má ale schopnost ve virtuálním prostoru odhalovat různé společensky nežádoucí situace. Odpověď na otázku, Kdo bude hlídat hlídače…?!? tedy Qui custodiet ipsos custodes…?!? z Iuvenalisových Satir se tak přenáší z reálného i do virtuálního světa a světa umělé inteligence.

Nabízí se otázka, zda existuje představa o tom, jaký genius lidu by měl být formován…?!? Představ může být mnoho a metod k nim vedoucích ještě více, ale univerzální metoda ani představa neexistuje. Genius populi vyrůstá především z lidu, má mnoho kořínků, nitek vlivů a zájmů, které se sbíhají a utvářejí něco, nač lze působit manipulativními technikami a vlivy inteligence všeho druhu. Mezi klíčové etické zásady například patří, že algoritmy umělé inteligence nesmí narušovat základní práva, jako je právo na soukromí, svobodu nebo bezpečnost, musí respektovat lidskou důstojnost, nesmí vytvářet nebo zesilovat diskriminaci na základě rasy, pohlaví, náboženství nebo jiných charakteristik, musí být robustní, odolné vůči chybám a zabezpečené proti zneužití. Musí být navrženy tak, aby minimalizovaly shromažďování osobních údajů a zajistily jejich bezpečné zpracování.

Dodržování etických zásad je klíčové pro budování důvěry ve využití umělé inteligence a zajištění, že bude sloužit k obecnému dobru. Je ovšem velmi těžké takové nároky na umělou inteligenci prosazovat, pokud jsou po tisíce let systematicky porušovány individuálně, skupinově i masově. Na druhou stranu umělá inteligence může přicházet s návrhy personalizovaných vzdělávacích programů, které rozvíjejí kritické myšlení, lidskost, empatii a globální povědomí. Může v tomto smyslu působit žádoucím způsobem, podobně jako již prokázala při efektivním využívání zdrojů, minimalizaci odpadu nebo při návrhu konkrétních udržitelných řešení v průmyslu, dopravě a zemědělství.

Doposud uspokojivě nevyřešeným problémem zůstává, jak umělou inteligenci odnaučit některé nechtěné znalosti. Ani náš mozek není schopen se odnaučit, protože jakmile něco vidí a zaznamená, už to nelze vzít zpět a nemůžeme si nalhávat, že jsme nic neviděli. Jedinou efektivní metodou odnaučování je poznání, že nepoužívání poznaného nebo naučeného usnadní lidem jejich existenci nebo dokonce poskytne evoluční výhodu.  

Při různých algoritmech učení se typicky nastavují parametry neuronových sítí tak, aby odchylka od požadovaného výstupu byla minimální. Pokud nechceme, aby se daný stav objevoval (zakázaná nebo nechtěná oblast zájmu), pak místo kladného učení můžeme zavést učení záporné (odnaučení), které je založeno na maximalizaci odchylky od požadovaného výstupu neboli parametry se nastavují tak, aby neuronová síť co nejvíce nevyhovovala a vracela co nejhorší výsledky.

Obr. 6 Etika umělé inteligence vytvořená pomocí umělé inteligence

Různě pokročilé metody odnaučování mohou zabránit některým možným zneužitím umělé inteligence, ale samozřejmě ne ve všech případech. Pojem usnadnění existence nebo evoluční výhoda zatím nemá umělá inteligence ve vztahu k sobě samé ve svém vybavení. Na druhé straně je konfrontována s tím, že nežádoucí, manipulativní nebo hříšné jednání může vést k úspěchu ve formě vyšší odměny (reward).

Závěr

Unikátnost člověka jako biologického druhu spočívá mimo jiné v tom, že je schopen vynakládat časové úsilí, materiální a energetické zdroje na činy, jež jsou pro něj prakticky neužitečné. Jako by přicházela kvalitativně nová etapa vzestupu lidské civilizace a kulturní evoluce, jež se vynořuje v produkci emocionální energie, která má pro lidstvo stále neznámý účel. Možná je součástí nějakého vyššího, lidstvu neznámého údělu, který bychom se mohli naučit hledat prostřednictví našich tří zrcadel.

Tři zrcadla poznání, včetně jejich tvůrčích kombinací a přechodů mezi nimi, nás postupně přivedla na rozhraní umělé inteligence (AI), vědy (OR) a umění (N). Připomeňme si slova Oscara Wilda: Žádný velký umělec nikdy nevidí věci tak, jak jsou. Pokud by to udělal, přestal by být umělcem. Podobně Antonín Sova poeticky, a přitom velmi přesně vystihuje sílu slova ve verši: Jedno, jedno slovo najít v pravý čas a uzdravit jím k smrti smutnou duši lidstva, najít za horou, kde někdo čeká nás, a uhodnout, kde srdce skrývá se a buší.

Obr. 7. Model elektromagnetického pole se třemi zdroji jako ukázka složitosti interakce subjektivní reality (SR), objektivní reality (OR) a fuzzy reality (FR)

Protože jsme si vědomi poučení, že o našem makrosvětě máme uvažovat apriori jako o spojitém, dovolujeme si předložit myšlenku, že ono zrcadlo poznání je vlastně jenom jedno, kontinuální, sférické a zároveň podivuhodně zakřivené, podobně jako v zrcadlovém bludišti, kde jsou některé obrazy více realistické a jiné naopak velmi zavádějící. V různých částech zrcadla se obraz blíží tomu vědeckému, v jiných tomu uměleckému a v dalších tomu, jehož zdrojem je umělá inteligence. Ještě před několika lety bychom do některých míst mohli napsat hic sunt leones (zde jsou lvi, aneb země neznámá), ale teď se tam vynořuje něco pozoruhodného, nového, co se teprve budeme muset naučit pochopit, uchopit, zpracovat a propojit s dalšími našimi znalostmi.

Reprezentace reality zobrazená třemi zrcadly zřejmě v sobě obsahuje skryté dynamické equilibrium (dynamická rovnováha) tvořené opačnými procesy poznání probíhajícími přibližně se stejnou rychlostí. Jde o univerzální princip organice složitých systémů, které se mohou navenek jevit jako stabilní, přestože jejich části jsou neustále v pohybu.

Snažme se hledat další odrazy i v jiných částech zrcadlových ploch, jejichž obrazy zatím nemají své jméno. Velkou inspirací v tomto smyslu jsou nám myšlenky Alexandra Bogdanova, Wernera Heisenberga, Stephena Hawkinga nebo indického myslitele Nágárdžuny.

Jan Svěrák ve své útlé knížce Světakrásy píše: Protože jsme inteligentní a rychle se učíme, nebude se nám stejná pravda v různých uměleckých dílech líbit donekonečna.

Obr. 8. Miroslav Svítek: Harmonie, tekutý akvarel, 2024.

Na úplný závěr našeho zamyšlení uveďme pár veršů Zdeňka Rytíře z písně Vincent, kterou nazpíval Pavel Bobek:

Stále stejnou tmou, svítí plátno bloudících,

malíř půlnoc kreslí smích, ten obraz píseň zpívá pojednou.

Já už dávno znám, co jsi tenkrát toužil říct,

a jak jsi trpěl pro své nadání, učit lidi vidět víc,

však není nikdo, kdo by naslouchal, tak hledat musíš dál.

Reference

[1] Grygar Filip: Komplementární myšlení Nielse Bohra v kontextu fyziky, filosofie a biologie. Červený Kostelec: Pavel Mervart, 2014.

[2] Kratochvíl Zdeněk: Filosofie živé přírody, Herman a synové, 1994.

[3] Markoš Anton: Znaky a významy v evoluci, Nová beseda, 2015.

[4] Svítek Miroslav, Žák Ladislav, Za zrcadlem, Svítek&Žák, 2022. (PDF) Behind the Mirror / Za zrcadlem

[5] Svítek Miroslav, Žák Ladislav: Nevyzpytatelnými cestami, Svítek&Žák, 2024. (PDF) Nevyzpytatelnými cestami / In Mysterious Ways / Неизповедимимы путьями

[6] Mařík Vladimír, Maříková Taťána, Svítek Miroslav: Eseje o vědomí – směrem k umělé inteligenci, 2024.

[7] Svítek Miroslav, Žák Ladislav: Technologie znamená dovednost, Academix 1/2024, str. 16-19. (PDF) TECHNOLOGIE ZNAMENÁ DOVEDNOST…

[8] Svítek M., Žák L.: Životaschopnost a žití, Svítek&Žák, 2024, (PDF) Životaschopnost a žití…

[9] Svítek Miroslav, Žák Ladislav: V zrcadlech umělé inteligence, narace a vědy, Academix 11/2024.