Něco málo o technooptimismu | Kapitola 2
Seznam kapitol
Patří k dobrému bontonu technologických skeptiků vyhrožovat všelijakými selháními a katastrofami - obří kolidery zničí svět černou dírou, řídící počítače si zahrají na ostro Command & Conquer s dálkově řízenými vojenskými roboletadly a nebo se váš domácí univerzální mixér propracuje k vlastnímu vědomí a veden destrukčně nihilistickou filozofií Will It Blend?, kterou objevil na netu, vám rozmixuje ruku v momentě, kdy se z něj pokusíte vyčistit zbytky karotky.
Zopakujeme si to a zrekapitulujeme: Jde o knihu, která vyšla v roce 1964, byla tedy sepsána ještě o něco dříve. V té době existovaly mašiny, které dokázaly třídit děrné štítky rychlostí 6000 za HODINU a ty nejrychlejší to dávaly zhruba čtyřnásobně. Elektronické počítače byly opravdový state-of-art a k programování jste se nedostali, pokud jste nebyli renomovaní inženýři. Co se za 45 let od jejího vydání povedlo a co se nepovedlo? Počítačově řízené kosmické lodě se objevily brzy a fungovaly dobře. Plně automatická letadla se ale neobjevila dříve než za 20 let a s automaticky řízenými auty se stále dělají pokusy, v podstatě máme „computer assisted“ stroje, ale ne stroje úplně automatické.
V té době se ovšem zdálo, že přece není nic jednoduššího, než udělat automatický automobil: Do silnice zabudujete magnetické tyče a nebo vodiče, které budou automobilům indukcí předávat informace o rychlosti a navádět je - a odstup od předchozího a následujícího vozidla bude udržovat radar. Konstruktéři to viděli tak jednoduše, že podobné automobily neoznačovali jako "počítačem řízené", ale prostě jenom "automatické".
Sovětské automatické rozluštění inckých hieroglyfů je z říše fantazie: Dodnes se vedou diskuse o tom, zda incké hieroglyfy představují opravdu písmo a nejde jen o jakousi formu symbolické dekorace. Lidský mozek, jakožto vedoucí element při lámání kódů, nebyl dosud překonán, i když počítače pomáhají při statistické analýze kódů a nebo dokážou sestavovat fragmenty rozbitých textů. Taktéž Dr. House se nemusí nijak bát toho, že ho z nemocnice vyštve expertní systém - a to samé platí i o soudech. Ve všech jmenovaných případech se počítače pochopitelně využívají, ale ne ve funkci rozhodovací, ale podpůrné -zobrazovací, archivační, statistické atd. Ani samoskládání uměleckých děl není na pořadu dne, všechno jsou jen takové experimenty. Snad jenom aplikace na automatické psaní odborných textů z internetu by se nám do výše zmíněných představ propasírovala, ale to možná vypovídá cosi o odborných textech :-)
Teorie a praxe, velký rozdíl.
Řada problémů je svázána s tím, že je snadné dosáhnout jednoduchého demonstrátoru, ale je těžké dosáhnout dokonalého řešení. Je zásadní rozdíl mezi robůtkem, který simuluje kybernetickou myš a autem, do kterého posadíte celou rodinu - a chcete, aby nezabilo ani ji, ani případné chybující chodce či jiné řidiče. Řada chování je i v přírodě řešena velice jednoduše, taková moucha má pár milionů neuronů a přesto dokáže velice dobře létat, navádět se k jídlu, přistávat na listech hlavou dolů, množit se - a podobně.
Pokud se jí při řízení něco poplete, nabourá a spadne, což ovšem nemívá nijak tragické následky díky tomu, že má dobrý exoskeleton a je velmi lehká. Navíc - i kdyby dopadla nějak fatálně a zabila se, je díky její masivní reprodukci přežití mouchy coby druhu zaručeno snadno. Díky tomu všemu nemusí být nijak extrémně chytrá. Pokud ale chcete sestavit řídící systém pro automatické osobní letadlo, je to mnohem složitější. Dokud je letadel ve vzduchu jenom pár a všechna je kontrolují pozemní střediska, je automatické navádění zvladatelné. Představte si ale systém, kde létají miliony strojů současně a některé z nich se vymknou kontrole, takže je třeba v omezeném čase plánovat změny trajektorie mnoha set strojů. To je úkol mnohem komplikovanější, než uřídit jednu mouchu.
Vždy pobaveně sleduji historky o umělé inteligenci, válcující svými schopnostmi lidi. Obvykle dojde k tomu, že do robota / roboletadla / komputeru praští blesk a nebo v něm hacker spustí nějaký virus, načež stroj obživne a začne nás bavit povedenými kousky. Velmi pěkné to bylo třebas v kusu "Číslo 5 žije", no, nebyl roztomilej? Problém je ale v tom, že abyste dosáhli určité komplexity chování, nutně na to potřebujete výkon, musí na to být prostě hardware. Kde není, nelze konstruovat dostatečně komplexní chování. Do takového mloka a nebo kanárka můžete nechat mlátit bleskem jak chcete, ale nikdy vám potom nezačne citovat ryčným hlasem Illias a nebude dumat nad problematikou jednotné teorie pole. Pokud jde o pěkné kousky, viděl jsem v poslední době slona, který maluje portréty slonů. Vzhledem k tomu, že jeho mozkové výpočetní centrum je mnohem větší než to lidské, na tom vlastně ani nic tak překvapivého není. Zajímavější by bylo, kdyby to naučili třeba pštrosa. Během návštěvy ZOO bylo ovšem zjevné, že toto zvíře s mozkem menším než jeho oční bulva ani po mnoha pokusech není schopno pochopit princip okna. A nebo už mělo z opakovaného tepání zobákem do tabule otřes mozku...
Mozek stále nejlepší počítač. Zatím.
U lidského mozku se jeho výpočetní kapacita odhaduje neurovědci na 100 PFLOPS, k čemuž potřebuje papat 25 wattů ve formě spalování kyslíku a cukru. (Slušné, že ano? Na rozdíl od většiny grafických karet tak, díkybohu, nepotřebujeme mít v hlavě kilo hliníku a ventilátor.) Dnes již klasický Athlon 64 X2 4600 měl cca 15 GFLOPS a GPU na ATI X1900 pak 550 GFLOPS. Dnes je, pravda, zcela nemódní měřit výkonnost procesorů v MIPS a FLOPS, ale po pravdě řečeno se mi nikde nepodařilo dopátrat se benchmarku lidského mozku v Sandře a nebo ve Vantage a sami neurovědci zatím přesně neví, jak výkon měřit, takže ho odhadují z fyziologických parametrů a to ve velice širokém pásmu. Přesto je vidět, že se výkonnost ani těch nejlepších procesorů nemůže s kapacitou mozku ani řádově měřit. Nejvýkonnější superpočítače, jako Roadrunner se 122400 procesory dosahují ve špičce na 1,3 PFLOPS, takže jsme "už" dosáhli skoro na 2% výkonu mozku.
V principu ale neexistuje žádná bariéra, zabraňující nám dosáhnout a přesáhnout výpočetní sílu mozku. Nejpřesnější odhady, které jsem viděl, umisťují překonání této bariéry asi do roku 2030. Stále ale půjde o stroj, který bude mnohem méně efektivní, než je jeho biologický vzor - a bude trvat ještě nějaký pátek, než si i umělý mozek vystačí s pouze 25 watty.
Dosažení dostatečného výkonu je jedna věc, druhá věc je, jak to naprogramovat - pokud vůbec půjde o nějakou formu programování. Zdá se, že příroda dala komplexní "software" do vínku spíše jenom jednodušším zvířatům, jenom oni se vylíhnou a fungují v podstatě stejně, jako dospělý jedinec. Vyšší tvorové mají schopnost se učit a to v mnoha rozsazích a formách, přičemž čím je živočich chytřejší, tím déle a lépe se učí. U jednodušších zvířat vidíme zvláštní, velmi specifické formy učení, kdy zvíře už má "hotové programy", ale doplňuje si do nich "uživatelsky specifická data". U ptáků třebas vidíme imprinting, který funguje po vylíhnutí jenom velmi krátkou dobu, zato ale trvale - naučí každé mládě rozeznat jeho matku, i kdyby tím mělo být něco tak bizarního, jako je holínka. Migrační cesty, místa pro kladení apod. se zvířata rovněž učí - ale obvykle si to jenom "vypálí do EPROMky" a naprogramované se už nemění. Jiné potvory, jako třeba krysy, mají více různých a nezávislých systémů učení, které slouží ke specifickým věcem. Takové kryse můžete vyřadit hippocampus, který u savců slouží k fixování vzpomínek do dlouhodobé paměti, ale přesto si dokáže zapamatovat vůni a chuť jídla, po kterém jí pak bylo špatně, i když jí od požití do projevu otravy dělí téměř dva dny. Všechna tato zvířata se chovají jako roboti, u nichž je speciálně vyčleněno a zdůrazněno takové učení, které je podstatné pro jejich správnou funkci. Zdá se, že se podobné strategie budou využívat i u našich robotů - vzpomeňte si třeba na scénu z "AI", kdy matka provádí robotovi imprinting vyslovením klíčového slova a od toho okamžiku se už jednou provždy bude považovat za její dítě.
Komentáře naleznete na konci poslední kapitoly.
