Jak se teorie her, kybernetika a teorie informace dotýkají umělé inteligence?

John von Neumann a Norbert Wiener jsou dvě postavy, které zásadně ovlivnily vývoj nejen matematiky, ale i umělé inteligence. Jejich příspěvky byly klíčové pro vznik a rozvoj moderních technologií, které dnes formují naše porozumění komplexním systémům, včetně umělé inteligence. Jejich teoretické práce, spojené s teorií her, kybernetikou a teorií informace, položily základy pro rozvoj mnoha oblastí, které mají dnes zásadní vliv na naše životy.

Společně s ekonomem Oskarem Morgensternem vytvořil v roce 1944 dílo Teorie her a ekonomické chování, které rozšiřovalo tuto teorii i na víceúčelové hry, tedy takové, které zahrnují více než dva účastníky. Tato práce se stala základním kamenem teorie her v ekonomii, kde je rozhodující úloha informace. Tři základní typy informací, které ovlivňují strategické rozhodování, zahrnují úplné, perfektní a dokonalé informace, přičemž dokonalé informace nejsou v běžných hrách standardní, protože by výrazně komplikovaly modely a vysvětlování mnoha běžných konfliktů.

Norbert Wiener, americký matematik a filozof, se stal známým především jako zakladatel kybernetiky, vědy o řízení a komunikaci. V roce 1948 publikoval svou klíčovou práci Kybernetika: Řízení a komunikace v živém organismu a stroji, kde se zaměřil na studium zpětné vazby a jejích analogií jak v nervových soustavách živých organismů, tak ve strojních systémech. Kybernetika jako vědní obor spojuje matematiku, inženýrství, biologii a filozofii, a v jeho pracích se klade důraz na to, jakým způsobem zpětná vazba může stabilizovat a řídit komplexní systémy, od mozku až po sociální organizace.

Wienerovy myšlenky o komunikaci, informacích a učení se vyvolaly otázky, které dnes jsou velmi aktuální, zejména ve vztahu k umělé inteligenci. Tím, že analyzoval systém dvojkové soustavy, která se stala základem pro moderní počítače, ukázal, jak může být minimální náročnost na zpracování a uchovávání informací dosažena pomocí jednoduchých binárních rozhodnutí. Zajímavý je i jeho pohled na vývoj strojů a jejich schopnost učit se. V roce 1961, kdy psal o nebezpečí třetí světové války, varoval před neuváženým použitím strojů, které by mohly mít schopnost zlepšovat své vlastní algoritmy a tím i své inteligentní chování. Dnes se tyto obavy potvrzují, jak se umělá inteligence a strojové učení stávají stále autonomnějšími a schopnými učinit rozhodnutí, která mohou přesahovat lidskou kontrolu.

V této souvislosti nelze opomenout ani příspěvky Claudea Shannona, zakladatele teorie informace, jehož práce položily základy pro dnešní zpracování a přenos informací v digitálních systémech. Shannon definoval informace jako klíčový prvek v komunikaci, který je měřitelný a jehož šíření může být optimalizováno pro efektivní využití v různých typech systémů. Bez teorie informace bychom dnes neměli základy pro tvorbu komunikačních protokolů, šifrování, ani pro modely datových sítí.

Tento pohled na teorii her, kybernetiku a teorii informace ukazuje, jak zásadní jsou teoretické základy těchto disciplín pro rozvoj umělé inteligence a dalších pokročilých technologií. Moderní výzvy, které před námi stojí, včetně etických a sociálních dopadů umělé inteligence, jsou přímým dědictvím těchto vědeckých oblastí. Abychom plně pochopili, jak fungují inteligentní systémy, je třeba nejen pochopit jejich technickou stránku, ale i hlouběji se zamyslet nad jejich vlivem na naše společenské struktury, rozhodování a etiku.

Jak simulace přispívají k pochopení klimatických cyklů a globálních krizí?

V posledních několika milionech let jsme byli svědky dramatických změn v růstu a úpadku obrovských kontinentálních ledovcových ploch na severní polokouli. Nejvýraznější fluktuace klimatu čtvrtohor se nejlépe identifikují pomocí měření izotopů kyslíku v jádrech mořských sedimentů, které odrážejí změny v objemu globálních ledovců a teplotě oceánů. Tato data ukazují jasný trend k větším ledovcovým plochám a nižším teplotám během posledních 3 milionů let, doprovázený rostoucí amplitudou fluktuací mezi dobami ledovými (glaciály) a meziledovými obdobími (interglaciály). Tento cyklus prochází postupnou změnou přibližně před milionem let, kdy došlo k přechodu od převážně symetrických cyklů s periodicitou 40 000 let k silně asymetrickým cyklům o délce 100 000 let. Příčiny těchto přechodů v dynamice ledovcových cyklů však zůstávají mezi odborníky předmětem diskusí.

Simulace ukazují, že klimatické a ledovcové cykly jsou silně citlivé na i malé změny v koncentracích CO2 v atmosféře. Postupný pokles koncentrace CO2 pod hodnotu přibližně 350 ppm vedl k zahájení glaciace Grónska a obecně celé severní polokoule na začátku čtvrtohor. Růst a tání ledovců následně vedly k postupné erozi silné vrstvy volných sedimentů, které se na kontinentech formovaly po miliony let v důsledku neporušeného působení zvětrávání. Eroze těchto sedimentárních vrstev – které byly doslova odsunuty pohybujícími se ledovci – ovlivnila vývoj cyklů ledových dob několika způsoby. Ledovce na měkkých sedimentech jsou obecně pohyblivější než ledovce na tvrdých skalách, protože se led snadněji pohybuje po sedimentech než po pevném podloží. Navíc transport sedimentů na okraje ledovců vytváří významné množství prachu, který po usazení na povrchu ledovce zvyšuje jeho tání, protože led se stává tmavší a tím absorbuje více slunečního záření.

Tento model se ukázal jako správný při předpovědi změn mořské hladiny za posledních 400 000 let a rovněž při mapování prostorového rozložení ledovců na vrcholu poslední doby ledové. Je tedy možné s jistotou tvrdit, že citlivost ledovců na změny klimatu je realistická a má zásadní význam pro další klimatické predikce. K tomu, aby mohli vědci lépe pochopit vlivy jednotlivých faktorů na klimatické cykly, je nezbytné mít nejen kvalitní historická data, ale i sofistikované modely simulující komplexní interakce mezi atmosférou, oceány, biosférou a geosférou.

Kromě klimatických simulací se dnes vědci, podnikatelé a vládní činitelé stále více zaměřují i na simulace pandemických krizí. Tyto simulace se staly klíčovým nástrojem pro testování připravenosti zdravotnických systémů na krizové situace, jako byly například epidemie SARS, H1N1 nebo ebola. Během těchto simulací se rozhodovatelé snaží reagovat na rychle se šířící krize ve formátu reálného času, což umožňuje vyhodnotit efektivitu různých opatření v boji proti pandemii. Příklady, jako jsou simulace malomocné epidemie ve Spojených státech v roce 2001 (Dark Winter), ukazují, jak takové simulace mohou předpovědět reakci systémů na krizové situace, které se mohou stát skutečností.

S pomocí těchto simulací se ukazuje, jak složité systémy, jako jsou klimatické cykly nebo pandemie, mají v sobě inherentní nelineární chování a mohou být náchylné k neočekávaným výstupům, což činí jejich přesné předpovědi výzvou, ale zároveň i cenným nástrojem pro přípravu na potenciální globální výzvy.

Jaké právní problémy vyvstávají při používání robotů?

V oblasti robotiky je právní regulace stále v plenkách, přičemž její vznik je relativně nedávný, přičemž se právní normy začaly přijímat až od roku 2012. Tento proces je důsledkem rychlého rozvoje technologií, které se často nacházejí na hranici mezi technickými inovacemi a právními předpisy. Zatímco samotná robotika se vyvíjí rychle, právní rámce týkající se robotů zůstávají často za krok, což vytváří problémy v oblasti odpovědnosti, vlastnictví a duševního vlastnictví.

V oblasti patentů je situace o něco jasnější. Patenty na roboty mohou být chráněny zákonem o patentech, ale aby byl patent udělen, musí mít vynález splněny určité požadavky, přičemž musí být nový, musí představovat vynález a musí být průmyslově využitelný. Pokud robot obsahuje nové funkce, které nepatří do stavu techniky, může být patentován. To se týká nejen celého robota, ale i jednotlivých komponentů, jako je robotická paže nebo systém pro pohyb. Patentované vynálezy musí být použitelné v průmyslové praxi a musely by mít komerční potenciál.

Co však není možné patentovat, jsou vědecké teorie, matematické metody a design nebo estetické tvary robota. Tento rozdíl v ochraně patentu a ochrany designu či vzhledu je důležitý, protože ne všechny aspekty robota mohou být chráněny stejným způsobem.

Důležitým právním aspektem je i otázka odpovědnosti za škody způsobené roboty, což se v současnosti stává stále aktuálnějším tématem. Pokud robot způsobí škodu, mohou se objevit nároky na odškodnění, a to jak na základě porušení smlouvy, tak na základě deliktu nebo právní odpovědnosti za výrobek. Například v případě použití robota ve zdravotnictví, jako je známý případ ROBODOC, kdy došlo k nárokům na náhradu škody, se ukázalo, že výrobce robota může nést odpovědnost za chyby v softwarovém řízení robota. V tomto případě je klíčové, zda byl robot v době uvedení na trh bezpečný a zda v něm byly dostatečně implementovány bezpečnostní opatření.

Odpovědnost za rozhodnutí učiněná robotem na základě umělé inteligence je stále otevřenou otázkou. Vzhledem k autonomii některých robotů a jejich schopnosti rozhodovat se na základě algoritmů vzniká otázka, kdo je zodpovědný za taková rozhodnutí. Možné odpovědnosti mohou spočívat na uživateli robota, pokud ten nesplní svou povinnost dbát na bezpečnost a zabezpečení. Pokud robot v průběhu své činnosti způsobí škodu, může být odpovědný i výrobce, pokud bylo prokázáno, že robot nebyl správně naprogramován nebo že obsahoval konstrukční vady, které vedly k nehodě.

Vzhledem k tomu, že roboty často fungují v oblastech, které vyžadují vysokou míru autonomie a samostatného rozhodování, bude se právní rámec v této oblasti i nadále vyvíjet, aby reagoval na nové výzvy, které přináší rostoucí využívání umělé inteligence a autonomních systémů. Roboty budou v budoucnosti stále častěji zasahovat do života jednotlivců, firem a celých odvětví, což znamená, že právní úpravy musí držet krok s jejich vývojem.

Nahradí umělá inteligence právníky, nebo jen změní jejich práci?

Regulační rámec pro využití umělé inteligence v právu zůstává neuzavřený. Evropská komise teprve v dubnu tohoto roku zveřejnila návrh nařízení, které má stanovit harmonizovaná pravidla pro AI. Německá federální advokátní komora tento krok vítá jako důležitý začátek, ale zároveň upozorňuje na nutnost dalších upřesnění. Spor mezi právními technologickými firmami a advokátními komorami nadále doutná. Poskytování právního poradenství je výhradním právem advokátů, a to z důvodu ochrany před neodbornými radami. Jak nejednoznačná tato hranice může být, ukázal nedávný rozsudek německého Spolkového soudního dvora (BGH) ve věci smluv nabízených online společností Smartlaw. Ačkoliv soud rozhodl ve prospěch poskytovatele, výslovně konstatoval, že automatizované smluvní nástroje nemohou nahradit právní poradenství poskytované advokátem.

Soudní vítězství tohoto typu sice podporují inovace, ale zároveň vytyčují limity. Trh se mění. Některé právní technologické firmy zaniknou, jiné se konsolidují. V dlouhodobém horizontu budou algoritmy a AI schopny konkurovat advokátům v konkrétních oblastech, ale nenahradí je. Rozhodující bude aktivní formování vývoje AI v právní praxi — nejen technicky, ale také eticky, regulačně a kulturně. Pandemie covidu-19 tento proces akcelerovala. Mnohé digitální změny, které by za normálních okolností trvaly roky, proběhly během měsíců. Tento impuls je třeba udržet.

Budoucnost práva spočívá v kombinaci člověka a stroje, která se vzájemně doplňuje. Aby k tomu došlo, je zapotřebí kvalifikovaných expertů. Znalosti a lidský kapitál zůstanou hnací silou inovací. Změní se pouze forma, jakou budou tyto kapacity využívány.

Jak může umělá inteligence změnit budoucnost Karibiku a Latinské Ameriky?

Rozvoj umělé inteligence (AI) v Karibiku a Latinské Americe zůstává zatím v raném stádiu, přestože možnosti jejího využití jsou v těchto regionech značné. Především v malých karibských státech se ukazuje výjimečný potenciál v tom, že kvalitní AI systémy vyvinuté na jednom místě lze snadno sdílet a implementovat jinde – a to i přes geografické a ekonomické rozdíly. Díky správnému rozdělení práce lze rychle dosáhnout vyšší technologické úrovně v několika státech současně.

Inspirativním příkladem je výzkum vedený na univerzitách v São Paulu, Limě či Buenos Aires. Brazilští vědci využívají AI k určení náchylnosti pacientů k epidemiím, peruánští inženýři nasazují roboty do dolů za účelem detekce nebezpečných plynů a argentinské výzkumné ústavy vyvíjejí software, který dokáže předvídat časnou diferenciaci kmenových buněk. Tato a další zjištění byla prezentována na dílně AI pro Latinskou Ameriku a Karibik, kterou v Montevideu pořádala Facebook a Meziamerická rozvojová banka.

Přesto je ve většině karibských států výzkum a vývoj v oblasti AI stále omezený. Ve státech jako Bahamy, Belize nebo Guyana chybí širší politická diskuze o směřování AI a její aplikace se omezuje na izolované případy. A právě zde leží zásadní příležitost. V oblasti zdravotnictví, kde je v karibském regionu nejvyšší úmrtnost na chronická onemocnění v celé Americe, by systémy jako Fedo – AI pro predikci náchylnosti pacientů ke chronickým onemocněním – mohly zásadně ovlivnit prevenci a léčbu. Nedostatek zdravotních sester, který v roce 2010 činil pouhých 1,25 sestry na 1000 obyvatel, by mohl být částečně řešen pomocí virtuálních asistentů typu Dragon Medical. V zemědělství by robot See & Spray, schopný snížit náklady na herbicidy až o 90 %, či sklízecí roboti, nahrazující třicet pracovníků, mohli výrazně přispět k soběstačnosti regionu, jehož účet za dovoz potravin se blíží až k 10 miliardám dolarů.

Aby však mohl být potenciál umělé inteligence skutečně využit, je třeba naplnit tři podmínky. První je vytvoření poptávky a důvěry ve schopnosti AI. Bez firem a vlád ochotných integrovat AI do poskytování služeb zůstane i ten nejlepší výzkum bez dopadu. Současně je nezbytný výzkum zaměřený na konkrétní výzvy regionu, který by ukázal, jak může AI tyto výzvy řešit.

Druhou podmínkou je vytvoření strategických partnerství – se soukromým sektorem, univerzitami a mezinárodními institucemi. Zatímco v Jižní Americe spolupracují s Googlem, Unileverem či MIT, Karibik zatím zůstává mimo tyto sítě. Pro překonání finančních a personálních omezení je nezbytné vyhledat podporu institucí, jako je Meziamerická rozvojová banka, a oslovit globální technologické hráče pro vývoj a testování řešení přímo v regionu.

V Guyaně například vzniká technologický ekosystém pod vedením profesora Jasona Marse, tvůrce AI frameworku Jaseci. Mladí Guyančané, kteří prošli tréninkovým programem, již nyní pracují na vývoji vlastních produktů. Cílem je nejen vychovat novou generaci odborníků, ale vytvořit příležitosti, které je udrží v zemi a zabrání jejich odlivu do zahraničí.

V oblasti precizního zemědělství nachází AI své místo v monitoringu půdy a růstu plodin. Tradiční metody, spoléhající na lidskou intuici a pozorování, selhávají ve své přesnosti a rychlosti. Drony vybavené AI modely pro počítačové vidění dnes dokáží přesně vyhodnotit jak složení půdy, tak stádia růstu plodin. Například při sledování vývoje klasů pšenice byla pomocí hlubokého učení vytvořena dvoustupňová detekce, která předčila lidskou přesnost a odstranila potřebu manuálních pozorování.

AI tedy přináší nejen efektivitu, ale i možnost skokového rozvoje. Je však třeba pochopit, že technologie sama o sobě nestačí. Bez dlouhodobé vize, investic do vzdělání, kvalitní infrastruktury a otevřeného prostředí pro výzkum zůstane potenciál umělé inteligence v Karibiku a Latinské Americe nenaplněn. Klíčem k úspěchu není pouhá imitace cizích modelů, ale schopnost vytvořit vlastní, kontextuálně ukotvená řešení, která budou reflektovat jak potřeby společnosti, tak její kulturní a ekonomické reálie.