Část odborníků varuje před umělými inteligencemi. Obávají se dne, kdy převezmou vládu nad světem a nejspíš si zakázali sledovat terminátory i Nevědomí. Ti ostatní pochopili jejich přínos a využívají je ve výzkumu. Umělé inteligence jsou přitom skvělé na úlohy, které vyžadují pekelné soustředění a zároveň představují ubíjející rutinu.
Domenico Di Sante z amerického Flatiron Institute a italské Alma Mater Studiorum Università di Bologna a jeho kolegové zapřáhli umělou inteligenci a vrhli se na téměř neuvěřitelně složitý problém, renormalizační grupu. Je to matematický aparát, který nabízí možnost studovat kvantové systémy. Problém je v tom, že zahrnuje desetitisíce, statisíce a klidně i miliony rovnic. Každá z rovnic popisuje dvojici interagujících elektronů.
Di Santeho tým vzal renormalizační grupu se 100 tisíci rovnicemi a umělá inteligence ji ořezala na dřeň. Zjednodušila ji na pouhé 4 rovnice, aniž by došlo k obětování přesnosti výpočtu. Jde o průlomový úspěch, který by teď mohl zjednodušit výzkum systémů s mnoha interagujícími elektrony. Výhledově by mohl pomoci při vývoji nových materiálů s exotickými vlastnostmi, jako je například supravodivost.
Badatelé vycházeli z Hubbardova kvantového modelu z roku 1963, který se obvykle používá ke studiu magnetického a supravodivého chování materiálů, především jejich elektronů. Je to takový teoretický kvantový trenažér. Hubbardův model je užitečný, ale zároveň zrádný. I když se skládá jen z nízkého počtu elektronů, tak má brutální výpočetní nároky, které exponenciálně narůstají a brzy narážejí na strop možností i těch nejvýkonnějších superpočítačů. Hubbardův model zároveň představuje jeden ze systémů, k jehož studiu se využívá renormalizační grupa.
Di Sante si pochvaluje, že umělé inteligence jsou skvělé v pátrání po skrytých vzorech a souvislostech. Také s kolegy zažili úžas nad výsledkem, protože při nasazení umělých inteligencí lze jen těžko odhadnout, co vlastně udělají. Nakonec to bylo mnohem lepší a přínosnější, než původně čekali.
Nebylo to snadné. Trénování umělé inteligence na zeštíhlení renormalizační grupy zjevně není legrace. Spotřebovali celé týdny výpočetního času. Teď mají ale umělou inteligenci vycvičenou a další podobné problémy zvládne mnohem rychleji. Je příznačné, že Di Sante s kolegy vlastně nevědí, jak se to jejich umělá inteligence naučila a teď se to snaží zpětně zjistit. I to by mohlo být pro fyziky velmi přínosné, protože „logika“ umělé inteligence nabízí nový úhel pohledu. Třešničkou na dortu by mohlo být využití této umělé inteligence v úplně jiných oborech, kde se rovněž trápí s renormalizační grupou, jako je například kosmologie nebo neurověda.
Literatura
Neurální sítě potkávají Einsteina ve vesmíru
Autor: Stanislav Mihulka (11.09.2017)
Umělá inteligence ze stáje DeepMind pomáhá krotit plazma v tokamaku
Autor: Stanislav Mihulka (18.02.2022)
Farmaceutická umělá inteligence vymyslela 40 tisíc chemických zbraní za 6 hodin
Autor: Stanislav Mihulka (22.03.2022)
Umělá inteligence úspěšně předpovídá riziko infarktu během příštích 5 let
Autor: Stanislav Mihulka (26.03.2022)
Diskuze:
dodatok
Mikulas Alexík,2022-10-01 16:37:51
Ospravedlňujem sa, chybne som zaradil diskusný príspevok. Patrí k článku od pána Zděnka Kratochvíla.
Keď som už omylom vstúpil do tejto diskusie, dovolím si komentár.
Umelá inteligencia je naozaj "umelá".
Bolo by na dlhší text vysvetľovať vývoj od Adaptivita -učenie -inteligencia. (Exaktne v definíciách a rovniciach to ide pre adaptivitu a učenie, pre inteligenciu už nie). Chýba nám totiž "model" resp. popis v rovniciach pre "vonkajšie prostredie", v ktorom sa inteligentný systém pohybuje - pôsobí. Pretože je "inteligentný", napr. človek, tak je presvedčený, že nie on sa bude prispôsobovať vonkajšiemu prostrediu (ako adaptívny resp. učiaci sa) ale snaží sa prispôsobiť vonkajšie prostredie pre seba. Mal by poznať, ako každý jeho zásah do vonkajšieho prostredia ovlivní jeho schopnosť "prežiť" resp. existovať v tomto prostredí. Inak to pre Int. systém skončí tragicky.
K tomu musí mať v "pamäti" model vonkajšieho prostredia , aby predikoval vývoj a spätné pôsobenie prostredia na seba. To zatiaľ nedokážeme. Viď princíp "objektivácie" od E. Schrodingera.
Objektívna realita je "objektívna" pre subjekt skúmania (vo vede) len preto, lebo seba ako subjekt nezahrnie do tejto "objektívnej reality". Ergo, chýba v nej všetko "subjektívne", city, pocity, farby vône atď. Teda naša "Západná veda" nedokáže "popísať" spomenutú problematiku (láska, hnev, radosť, zlosť), preto ani nedokáže formulovať "model - rovnice vonkajšieho prostredia - sveta".
Ďalší problém je Intuícia, Tvorivosť. Pre inteligentného tvora je to zásadná vec, nevieme ju však "formulovať", modelovať, rovnicami popísať.
Spomínanú problematiku však vie charakterizovať, opísať - "umenie", najmä poézia. A to je vrcholná forma tvorivosti aj subjektivity, na akú nič "umelé" nemá nárok. Ergo, "umelú inteligenciu" čaká osud "umelej hmoty", teda plastov (v počiatkov používania plastov sa používal názov "umelá hmota").
Tento komentár je síce trochu provokatívny, ale to preto, lebo tak lepšie vyprovokuje diskusiu.
Re: dodatok
Eva M,2022-10-01 22:16:32
Dobrý den,
:) sice Vám asi nenapíšu nic příliš inteligentního, leč...
- urodilo se poslední dobou mnoho článků tohoto typu
https://www.seznamzpravy.cz/clanek/tech-technologie-obraz-ziskal-prvni-cenu-porota-netusila-ze-ho-vytvorila-umela-inteligence-212963
tož buď ta umělá inteligence tak výtvarně "válí", nebo se nám něco stalo s výtvarným uměním :)?
- no a "Mal by poznať, ako každý jeho zásah do vonkajšieho prostredia ovlivní jeho schopnosť "prežiť" resp. existovať v tomto prostredí. " - :) to opečovávaný umělý inteligent neřeší, když jej nelze "částečně vypnout za vzniku nelibých pocitů" a na péči o baterky má své slouhy, ne?
No... a obávám se, že "přirozená inteligence" pozoruje neblahé či blahé důsledky také spíš na ostatních příslušnících svého druhu než na sobě.../"Franta snědl ty modré bobule a již není mezi námi..."/
Pytagoras -Zalmoxid
Mikulas Alexík,2022-10-01 15:57:55
Pred viac ako rokom som Vás v diskusii požiadal o komentár k Pytagorovmu sluhovi(?), či spoločníkovi(?) s menom Astreios (možno je to chybne). Odpísali ste mi v diskusii, kde to nájdem (druhý diel Diogena Laertia). D.L. som doma "vyhrabal" až o 3 mesiace, ale nevedel som to v texte nájsť.
Prosím Vás, môžete mi zopakovať kde sa zmienka o Astreios v D.L. Nachádza?
Ešte 2 otázky.
1. V knižke "Od Zalmoxida po Džingischána" (M. Eliade), som sa dočítal, že žreci u Getov resp. Trákov, pokladajú Zalmoxida za svojho "proroka" (lebo ich presvedčil o metempsychoze. M.E. trocha ironicky komentuje akým "trikom" to dosiahol). Pokladali pritom Zalmoxida za "Pytagorovho otroka", ktorý unikol skaze v Metaponte. Môže byť Atreios a Zalmoxid tá istá osoba?
2. V jednom dlhšom komentári o zlatom reze a Timao (Platón), som čítal ako Descartes pri "starostlivom čítaní Timaa" mal dve "videnia", ktoré ho inšpirovali pri formulácii Analytickej geometrie. (Nebol sám, ktorého čítanie Timaa "inšpirovalo", viď napr. Kepler). Mohlo to byť tým, že pochopil,, kedy je "grécke písmeno iba symbolom pre číslo resp. "premennú" vyjadrenú písmenom (to už je moderný Descsartov vynález). Zdá sa mi, že slovne boli kvadratické rovnice a analytická geometria formulované (viac menej skryto) už v Timao. Dá sa nájsť matematický výklad k Timao v Češtine alebo Slovenčine, prípadne v Angličtine?
To jsem četl dávno
Franta Alb,2022-09-29 16:41:31
Tady má také jen 4 kousky http://www.x-idea.cz/vesmir-jak-na-simulaci-vlastniho-vesmiru/
?
Eva M,2022-09-29 10:34:43
- je to po ní někdo schopen zkontrolovat?
- přirozená inteligence složitý problém někdy správně vyřeší, jindy udělá chybu... co když s tou umělou je to stejné?
Re: ?
Jirka Naxera,2022-09-29 15:16:29
1.Předpokládám, že se neuronka učila na podmnožině proběhlách numerických simulací, takže ano
2. To se ukáže časem. (obecně, nevím jak v tomto specifickém případě) jsou spíš pochybnosti, jak moc je použitelný výstup mimo rozsah dat, na kterých se učila (jinak řečeno, jestli je ta neuronka schopna i objevit něco úplně nového), na druhou stranu chyby nemusí být nutně na škodu. Pokud hledáte něco nového, třeba vysokotepelný supravodič, je často úloha takové, že musíte projít obrovské množství kombinací, přičemž jsou výpočty extrémně náročné. A je trochu rozdíl, jestli máte počítat několik triliónů kombinací materiálu, nebo jen několik potenciálních kandidátů, které vypadly z mnohem rychlejší neuronky.
(trochu u toho mám deja-vu, něco podobného bylo nedávno s použitím neuronky na folding proteinů)
Diskuze je otevřená pouze 7dní od zvěřejnění příspěvku nebo na povolení redakce
