Ľudstvo sa pomaly začína stretávať s prítomnosťou umelej inteligencie v každodennom živote. Technológia prechádza neustále novým a najmä výrazným vývojom, ktorý u mnohých ľudí vyvoláva pocity radosti a nadšenia, v iných zase obavy. Niektorí odborníci si dokonca myslia, že v najbližších 15 rokoch umelá inteligencia prevezme až 40 % pracovných miest.

Význam a veľká pomoc umelej inteligencie bola dobre badateľná najmä v poslednom roku počas obdobia pandémie, kedy sa neustále objavovali správy o revolučných riešeniach odhaľovania Covid-19 aj u asymptomatických pacientov. Trend vývoja umelej inteligencie nasleduje raketovým tempom za čo vďačíme aj odborníkom zo Slovenska, ktorí na optimalizácii tejto technológie pracujú už desiatky rokov.

Jedným z popredných slovenských vedcov, ktorý sa zaoberá touto problematikou je doc. Ing. Ladislav Hluchý, CSc. z Ústavu informatiky Slovenskej akadémie vied. V rozhovore pre FonTech.sk okrem svojej práce priblížil a predstavil aj mnoho zaujímavých myšlienok a skutočností.

Čo sa v rozhovore dozvieš?

• Ako je to na Slovensku s umelou inteligenciou
• Čo môžeme v najbližších 10 rokoch od umelej inteligencie očakávať
• Akú úlohu zohráva cloud pri spracovaní extrémneho množstva údajov
• Čím by sme mali nahradiť biele plášte, skúmavky a pipety
• Aké významné projekty na Slovensku riešime
• Akým smerom sa uberá vývoj umelej inteligencie

Umelá inteligencia je považovaná za jednu z kľúčových technológií budúcnosti. V akých odvetviach by sme sa s umelou inteligenciou mohli stretnúť na Slovensku. Na čo konkrétne ju využívame v odborných kruhoch?

Dnes sa umelá inteligencia skloňuje vo veľkom štýle, pretože je považovaná za kľúčovú technológiu nie len na Slovensku ale i vo svete. V minulosti to však bolo inak. Umelá inteligencia nebola považovaná za takú kľúčovú, pretože chýbalo počítačové zázemie.

Zoberme si len do akých rozmerov sa počítačové technológie v súčasnosti posunuli, zväčšili sa dátové úložiská, zväčšili sa operačné pamäte, enormne sa zvýšili rýchlosti. Dnes musia byť počítače pripravené na to, aby dokázali ukladať a spracovávať obrovské kvantá dát, na to jednoducho ľudský mozgový potenciál nestačí. Umelá inteligencia, resp. umelý intelekt simulovaný počítačovou a dátovou infraštruktúrou je  široká,  rozsiahla  interdisciplinárna veda.

Čo sa týka Slovenska, aspoň spomeniem, že nedávno (pozn. redakcie: 2019) bola vytvorená platforma Slovakia AI, kde sa analyzujú rôzne možnosti uplatnenia umelej inteligencie. Kde ju teda ale môžeme vidieť? Môžeme ju vidieť v medicíne, robotike, automatizácii, autonómnych vozidlách.

Na Slovensku je to ale trošku ťažšie určiť. My v podstate fungujeme ako „montážna dielňa“ a technológie, ktoré sú vyvíjané v iných štátoch s progresívnym zázemím, tu môžeme vidieť najmä v automobilovom priemysle v podobe robotických pracovísk. Uplatnenie umelej inteligencie možno u nás registrovať  aj pri ochrane životného prostredia. Zatiaľ sa ale s umelou inteligenciou u nás stretávame hlavne vo výskume, nasadenie v priemysle je zatiaľ poslabšie.

Viete uviesť nejaké praktické využitie umelej inteligencie, s ktorým sa bežne stretávame, ale ani o tom nevieme?

Jednoduchou odpoveď by mohol byť internet. Ľudia si to často ani neuvedomujú, ale nie je jednoduché vyhľadávanie informácií na internete. Napríklad aj samotný Google má obrovské mechanizmy, obrovskú podporu umelej inteligencie a rozsiahle možnosti počítania.

Na Slovensku sa veda často robí experimentálne, a nie v počítačovom prostredí. Dnes už vo svete existujú veľké laboratória vo výkonných počítačových infraštruktúrach, resp. v superpočítačoch. Experimenty sa tu dajú oveľa efektívnejšie vykonávať ako v bežných laboratóriách.  Takže to „bežné“ stretávanie s umelou inteligenciou na Slovensku nie je až také viditeľné, na čom by sme jednoznačne mali popracovať.

Vy sa pri svojej práci venuje predovšetkým technológiám podporujúcim vykonávanie algoritmov, no niekoľko vašich projektov bolo zameraných aj priamo na umelú inteligenciu, mohli by ste v skratke tieto projekty priblížiť?

Ako uvádzate, spolu so svojim tímom sa venujeme hlavne podpore umelej inteligencie. Ako som už spomínal, na to, aby sme sa mohli venovať umelej inteligencii bolo potrebné vytvoriť najskôr zázemie. V minulosti sme nemali také podmienky aké máme dnes. Priznám sa, že po roku 1989 sme boli nútení na Ústave informatiky SAV (vtedy Ústav technickej kybernetiky SAV) zredukovať stavy.

V tej dobe sa začali  pracoviská SAV hodnotiť scientrometrickými kritériami a v rámci vnútorného procesu hodnotenia sme poklesli z 650 zamestnancov na dnešných 80 pracovníkov, čo sa mi zdá ako veľká škoda, pretože poklesol výskum a vývoj v IKT, a to práve v takých technológiách, o ktoré je v súčasnosti veľký záujem, vrátane umelej inteligencie. Ústav informatiky sa po roku 1994 stabilizoval a zúčastňoval sa riešenia zahraničných projektov rámcových programov EK, v súčasnosti H2020 a Horizon Europe.

Po roku 1994 sme urobili zmeny vo svojom výskume a začali sme sa venovať hlavne softvérovým technológiám a výkonnému počítaniu,  najmä paralelnému a distribuovanému počítaniu.

Od roku 2000 sme začali konkurovať špičkovým európskym inštitúciám s viacerými našimi projektmi. Z tých prvých by som mohol vypichnúť využívanie umelých agentov, ktorí nahradzovali a reprezentovali človeka. Snažili sme sa  riešiť v meste Janov zriadenie svetelných križovatiek. V tomto prípade softvéroví agenti monitorovali celú zriaďovaciu činnosť od podania návrhu, cez analýzu návrhu až po určenie miesta, kde by sa daná križovatka mala nachádzať. To znamená, že boli uvažované aj rôzne prvky znečistenia, či nehodovosti, ktorá tam v tej dobe bola.

Bol to taký náš prvý „agentový systém“, ktorý mal prvky umelej inteligencie a zároveň prvá naša účasť medzinárodného rozmeru. Ako pokračuje ďalej využitie našich výsledkov už bohužiaľ neviem, náš výskum končil prototypom, osvojenie technológií sa už necháva na súkromné firmy. To je zároveň aj jednou z požiadaviek európskych projektov, v konzorciu je totiž potrebné mať aj súkromné firmy, aby sa nerobil „výskum pre výskum“, ako to často na Slovensku vidíme, ale aby výskum mal rozumné a uplatniteľné výstupy.

Robili sme aj projekty v oblasti rozpoznávania emailov a ich príloh v podnikových sektoroch. Tam sme sa snažili riešiť na báze sémantických prístupov rozpoznávanie príloh, teda či sa daná príloha vzťahuje napr. k faktúre alebo k objednávke. Riešili sme aj podnikovú interoperabilitu, pretože veľké firmy využívali iný informačný systém ako drobné firmy, ktoré boli ich zákazníkmi a nemohli si dovoliť platiť drahé informačné systémy. Toto všetko patrilo medzi naše prvé projekty v rámci umelej inteligencie.

Ďalej už nasledovali projekty kde sme sa pomocou umelej inteligencie snažili rozpoznávať 2D radarové snímky (neskôr aj 3D), ktoré slúžili na predikciu výšky hladiny a teploty Oravskej priehrady na čom sme spolupracovali spolu s SHMÚ a Povodím Váhu.

Pixabay

Je známe, že umelá inteligencia, respektíve strojové učenie doslova exceluje v prípadoch, kde je potrebná analýza extrémneho množstva dát. Okrem rýchlosti, ceny a kvality je ich veľkou výhodou škálovateľnosť. Jeden z vašich posledných projektov sa zameriava práve na nové metódy a prístupy pre distribuované škálované počítanie. Čo konkrétne je cieľom tohto projektu?

Termínom extrémne dáta rozumieme veľkosť dát, ktorá sa blíži k hodnote 10¹⁸. S týmto dátami treba  pracovať a treba ich nejakým spôsobom aj spracovávať. Tu sa práve využíva tá „škálovateľnosť“ systému. Samotný problém je teda škálovateľný vtedy, keď pridávaním počítačových zdrojov sa zrýchli výpočet a výsledok spracovania sa dostaví v rozumnom čase.

Čím je menší výkon spracovania, tým je dlhší čas spracovania, niekedy na osobnom počítači to môže trvať aj týždne, naopak čím je počítačový výkon s využitím distribuovaného spracovania vysoký, potom aplikácia pracujúca s veľkými dátami na báze napr. neurónových sietí, hlbokého učenia, tým sú výsledky dosiahnuté v krátkom čase a  presnejšia je aj predikcia.

Princíp škálovaného počítania môžeme uviesť na príklade zdvíhania, prenášania a ukladania ťažkého predmetu (telesa) ľuďmi. Až od istého počtu môžu ľudia zdvihnúť predmet, preniesť ho a uložiť na danom mieste. Teda ak to prenesieme do škálovaného počítania, tak pre danú úlohu – aplikáciu musí byť minimálny výkon počítača, kedy má význam ju vykonávať, inak by trvala nekonečný dlhý čas.

Ak sa vrátime ku škálovanému prenášaniu ťažkého predmetu, potom môžeme pridávať počet ľudí (škálovať úlohu), aby bez problémov preniesli ťažký predmet v čo najkratšom čase, ďalšie pridávanie ľudí už nezlepší čas vykonávania úlohy, čiže nastala saturácia v potrebe ľudských zdrojov. Podobne aj pri počítačovom spracovaní už pridávanie zdrojov nezníži čas vykonávania, vykonávanie je saturované. Avšak existujú tzv. pahltné aplikácie, ktoré potrebujú teoreticky nekonečné pridávanie zdrojov a sme pri termíne exaškálovaného počítania.

Exaškálované počítanie reprezentuje spracovávanie údajov teoreticky v infraštruktúre s neobmedzeným pridávaním počítačových zdrojov, čo môže viesť aj k niekoľkým stovkám PFLOPS v rozsahu operácií 10^17.. Exaškálované počítanie má obrovský potenciál a možnosti spracovania dát uložených v distribuovaných  dátových úložiskách, alebo v repozitároch

Cieľom distribuovaného škálovaného počítania je vytvárať výskumné laboratóriá v počítači. Ja stále hovorím, že skúmavky, pipety a biele plášte je potrebné nahradiť počítačovými laboratóriami. Isteže stále sú neodmysliteľnou súčasťou výskumu, ale dnes aby sa netrápili zvieratá, hlavne pri výskumoch liekov a vakcín je potrebné mať laboratória v počítačoch, treba používať umelú inteligenciu a správne smerovať celý výskum bez toho, aby sme ho potrebovali testovať na zvieratách alebo dobrovoľníkoch. Dnes tento problém predstavuje veľkú výzvu a zdá sa mi, že trošku vedcom chýbajú exaktnejšie prístupy práve v takýchto oblastiach.

Prečo je potrebné neustále pracovať na nových metódach škálovaného počítania a ako sa v súčasnosti rieši extrakcia dát z neustále narastajúceho, častokrát extrémneho množstva údajov?

Ako som spomínal, umelá inteligencia je interdisciplinárna veda za účasti tých, pre ktorých sa má aplikovať. Jednou z oblasti umelej inteligencie je aj strojové učenie, hlboké učenie.  Obe učenia sa riadia CRISP modelom, podľa ktorého ten, kto pripravuje použitie strojového alebo hlbokého učenia musí porozumieť dátam, lebo inak bude model zle naučený.

Ak expert porozumie dátam, potom musí prísť ku kontrole dát k tzv. ich čisteniu, aby sa nestalo, že niekde bude(ú) nesprávný(é) údaj (dáta), inak by naučený model mal chyby. Potom nasleduje vhodný výber softvérovej platformy a uskutočnenie procesu učenia, na konci cyklu sa kontroluje výstup z učenia a v prípade nespokojnosti sa pokračuje v kruhovom cykle CRISP modelu. Treba vidieť, že sa pracuje často s veľkými dátami, preto je potrebné použiť výkonné počítanie, aby sa v rozumnom čase uskutočnilo učenie

Jedným z cieľov projektu je aj modernizácia vysokovýkonovej platformy pomocou najnovších poznatkov cloudových technológií. Akú úlohu tu zohrávajú cloudové technológie?

Pre výskum umelej inteligencie je nevyhnutné použiť cloudové technológie, aby výskumníci nemali starosť s výpočtovou a dátovou infraštruktúrou.  Nemusia vedieť, kde je reálne umiestnená infraštruktúra, ktorú chcú využiť a nemusia poznať jej detaily. Na základe svojich požiadaviek môžu prostredníctvom virtuálneho prístupu spúšťať svoje aplikačné programy.

Súčasťou exaškálovaného počítania je aj externá  prenosová rýchlosť medzi cloudovými uzlami a pohybuje sa v súčasnosti 100Gbit/s a v krátkej budúcnosti niekoľko 100 Gbit/s. Súčasné  cloudové technológie, ktoré umožňujú spoluprácu na  probléme vyžadujúcom vysoký výkon spracovania, tak je ich snahou preniesť škálovaný problém do tzv. federácie a v rámci  federatívneho cloudu  je možné použiť rôzne softvérové platformy pre riešenie zložitej aplikácie, napr. v oblasti rozpoznávania rakovinových buniek z magnetickej rezonancie dospieť k čo najpresnejšej predikcii existencie rakovinových buniek.

Takže ak chceme umelú inteligenciu trénovať na extrémnom množstve dát, nedá sa to urobiť v jednom centre, alebo v jednom špičkovom superpočítači. Je nevyhnutné, aby tam bolo zapojených viacero výkonných počítačových zdrojov pod distribuovaným operačným systémom. Takže situácia je asi taká, že ak chceme využiť cloudové technológie v plnom rozsahu, musia prísť nové prístupy v metódach a algoritmoch umelej inteligencie. V súčasnosti sa pracuje na vytváraní federatívnych metód pre umelú inteligenciu, ale nie na jednom stroji, ale na federácií takýchto zariadení.

Je budúcnosť skrytá práve v cloude?

Budúcnosť v cloudoch je veľká, resp. sa používajú vo veľkom už dnes. Existujú viaceré spoločnosti napr. Google, Amazon, Microsoft, IBM a pod. , ktoré ponúkajú svoje technológie a to infraštruktúru ako službu, platformu ako službu, softvér ako službu. Tieto cloudové infraštruktúry využívajú tak súkromné firmy ako aj výskumné organizácie.

Ale pre výskum nie je najvhodnejšie využívať súkromné cloudy, nakoľko dochádza k tzv. „vendor lock“ stavu, t.j. súkromná spoločnosť uzavrie používateľov svojou technológiou a prenositeľnosť do iného cloudu je potom náročná. Preto sa v poslednom období buduje Európsky cloud pre otvorenú vedu a na Slovensku je záujem vybudovať Slovenský cloud pre otvorenú vedu.

Pixabay

Častokrát je možné stretnúť sa s názorom, že uplatnenie umelej inteligencie bez cloudu, respektíve cloud computingu je nemožné. V čom spočíva jeho sila?

Všetko záleží od zložitosti aplikácie, pre ktorú sa navrhujú metódy umelej inteligencie. V jednoduchších prípadoch je možné využiť aj osobný počítač, to sú vlastne jednoduché problémy.

V prípade, že sa jedná o zložitú aplikáciu, ako som už uviedol rozpoznávanie rakovinových buniek z magnetickej rezonancie a učenie sa vykonáva na veľkých dátach v stovkách TB, tak potom je nevyhnutné využitie distribuovaného spracovania, teda využitie cloudovej infraštruktúry, ale aj s možnosťou využitia tzv. hybridného cloudu s možnosťou napojenia sa na superpočítač.

Momentálne však nepracujete iba na metódach pre škálované počítanie, ale i na Európskom cloude pre otvorenú vedu. Vy ste sa viackrát zmienil, že sa snažíte vybudovať Slovenský cloud pre otvorenú vedu. Čo by takáto cloudová a určite ambiciózna štruktúra znamenala, prípadne bolo by možné ju spojiť s tou Európskou?

V Európe vzniká už niekoľko rokov Európsky cloud pre otvorenú vedu. Ten je založený na iniciatíve jednotlivých krajín, kde by takáto cloudová infraštruktúra pre otvorenú vedu mala fungovať, takže každá krajina by si svoj cloud mala dokázať pripojiť k tomu európskemu.

Otvorená veda musí byť naozaj otvorená. Vedci musia mať snahu spolupracovať, preto sa vytvárajú aj medzinárodné tímy v tzv. virtuálnych organizáciách, kde vedci majú možnosť navzájom spolupracovať, diskutovať a vymieňať si medzi sebou  poznatky a dosiahnuté výsledky.

Realita je však trochu iná. Pretože aj vedci sú len ľudia a jedinci, a každý si myslí, že je tým najlepším, takže aj táto vzájomná spolupráca funguje iba do určitej miery. Často sa môžeme stretnúť s tým, že niektorí vedci svoje výsledky odmietnu odovzdať, čo je dobre badateľné napr. aj pri vývoji vakcín proti koronavírusu.

Keby sa všetky vedecké výsledky spojili, možno by už dávno vznikla „vynikajúca vakcína“ so všetkými efektívnymi prvkami a nevytvárali by sa krvné zrazeniny alebo iné vedľajšie účinky. K tomuto však asi nedôjde, pretože ako všade ide o biznis. To isté platí pri vývoji, výrobe liekov. Ak by sa vedci spojili  do virtuálnych organizácií, mohlo by byť všetko inak, to však zrejme biznis nikdy nedovolí.

Keďže  môj tím sa dlhodobo podieľa na vytváraní vysokovýkonných infraštruktúr, snažíme sa na Slovensku robiť propagáciu o tejto problematike, aby si ju vedci osvojili. Hoci táto problematika je v Európe jednou z prioritných oblastí, na Slovensku o nej nie je veľmi počuť.

Snažíme sa do povedomia pretlačiť, že ide o pokrokové IKT, ktoré v mnohom zefektívni  vedcom ich  prácu. Výskumníci tým získajú najmä to, že sa nebudú musieť trápiť budovaním infraštruktúry, budú k nej mať virtuálny prístup, môžu tam vykonávať svoje výpočty, prácu s dátami, nepotrebujú najímať ľudí, ktorí by sa im o to všetko starali.

Celé by to prevádzkovali a monitorovali tí najlepší experti na Slovensku. Menovite, Ústav informatiky SAV, Fakulta informatiky a informačných technológií STU, Centrum vedecko-technických informácií, Žilinská univerzita, Univerzita Mateja Bela a Technická univerzita v Košiciach

Pixabay

Ako takúto infraštruktúru vnímajú vedci a odborníci na Slovensku? Bola by to vítaná zmena, alebo sa nájdu aj odporcovia, ktorí nie sú ochotní sa na takejto infraštruktúre podieľať?

Ako to vedci vnímajú je náročné zhodnotiť. U nás je to oproti „západnému svetu“ všetko akosi oneskorené, možno aj o niekoľko rokov, takže máme čo doháňať. Verím však, že sa to nejakým spôsobom podarí celé dobehnúť pokiaľ ešte máme čas. Závisí to na decíznej sfére.

Slovensko má celkovo veľmi malú účasť v európskom výskumnom priestore, čo v podstate svedčí o zaostalosti výskumu v našej krajine. Ako som už spomínal, je to možno spôsobené aj tým, že my sme tu v podstate ako montážna dielňa a výskumný vlak nám stále uteká.

Mnoho odborníkov varuje pred možnými bezpečnostnými rizikami, ktoré umelá inteligencia predstavuje. Ako vy vnímate tieto riziká? Existujú vôbec nejaké, alebo je táto problematika zbytočne nafúknutá?

V podstate ide o populárnu tému v médiách, o ktorej sa dá donekonečna filozofovať. Popravde to však všetko záleží od tých najlepších expertov z celého sveta, ako uplatnia umelú inteligenciu v daných aplikačných oblastiach, a či správne naučia model z dostupných dát.

Dá sa odhadnúť akým smerom sa uberá umelá inteligencia a s ňou súvisiace technológie?

Umelá inteligencia – umelý intelekt v najbližšom období zaznamená veľký progres vďaka dostupnosti výkonnej infraštruktúry a dátovým úložiskám v mnohých oblastiach nášho života ako napr. v zdravotníctve – doktori budú mať inteligentné poradenstvo v diagnóze pacientov a nasadení liečby z naučených modelov, vo výskume liekov a vakcín, v životnom prostredí v okamžitej predpovedi  počasia na malých územiach, naučené modely z prírodných katastrof,  v automatizácii výrobných procesov s nasadením inteligentných robotov, v autonómnych vozidlách, v podnikových procesoch a pod.

Čo môžeme očakávať v krátkodobom horizonte, povedzme 10 rokov?

Myslím si, že v priebehu 10 rokov sa dočkáme naozaj veľkých a prelomových vecí o akých sa nám teraz možno ani nesníva. Umelá inteligencia napreduje míľovými krokmi, vedecké laboratóriá, experimentovanie liečenia ľudí bez pokusov na zvieratách, automatické vyhodnotenie laboratórnych vyšetrení vrátane magnetickej rezonancie, CT vyšetrení, modelovanie a simulácia mozgu, a ďalších orgánov ľudského tela v počítačovom prostredí sa stanú realitou.

Odstránia sa omyly lekárov v diagnózach a pri liečení ľudí, pretože odborníci budú mať k dispozícii rekomendačný systém postavený na doterajších skúsenostiach obrovského počtu doktorov. Samozrejme pokrokom bude aj automatická, resp. semiautomatická výroba bez potreby manuálnej práce.