031 - Sztuczna inteligencja (AI) zagrożeniem dla wielu zawodów? [Tymoteusz Olszewski]

No dobra, to tutaj dwa pytania, czyli czy bać się, czy nie bać, ale odpowiem najpierw na pierwsze, czyli jakie zawody mogą czuć się zagrożone. No i to są wszystkie zawody, wejście w świat biznesu dzisiaj z wykorzystaniem tego rodzaju technologii, no bajka. Ale innym pytaniem jako dla człowieka, który... Ale wykorzystanie przede wszystkim widzę w takich zawodach, które... Tutaj AI ma swoje zastosowania do tego, żeby dzięki Computer Vision, czyli tym modelom, które są w stanie rozpoznać kota i psa, one też potrafią rozpoznać z całkiem niezłą dokładnością i precyzją, okazuje się, chwasta. Witamy w Wegner Podcast. Dzisiaj moim gościem jest Tymoteusz Olszewski.

No więc to było jego zadanie. Alan Turing był postrzegany jako totalny wariat, szaleniec. Genialny, ale jednak szaleniec, dlatego że wszystko postawił na jedną kartę, a mianowicie na wizję uniwersalnego komputera, który byłby w stanie przetworzyć dane wejściowe i wypluć Jakiś rezultat na sam koniec, więc musiał posiadać jakąś tam zdolność do zapamiętywania tego programu, przetwarzania go i tak dalej. To był koncept takiego pierwszego komputera uniwersalnego, który w tamtym okresie w ogóle nie funkcjonował. Udało mu się to, więc Alan Turing złamał szef reningmy w 43, co doprowadziło później do rozwoju jego koncepcji,

Wracamy do odcinka. Nie wchodźmy w to głębiej. Chodzi o to, że możemy się oszukać sami. Przerwę Cię na chwilę, bo jak to opowiadasz, to od razu mi się przypomniał Iron Man, albo chyba Avengers, jak Tony Stark oglądał taśmę od swojego ojca, w którym pokazywał mu jakąś makietę. Który widział rozwiązanie problemu i powiedział, że na jego czasy nie jest to możliwe, żeby to rozwiązać, ale on znajdzie tą odpowiedź. Więc to troszeczkę coś podobnego. Genialne porównanie. Tak, faktycznie coś bardzo podobnego, tylko że dla Alana Turinga, tylko że Alan Turing też mylił się w wielu kwestiach. Już jak chodzi potem o Tutaj musielibyśmy się odnieść do architektury komputera, bo powstała wtedy taka uniwersalna architektura, którą stworzył wtedy John von Neumann, który jest w ogóle ojcem takiej architektury procesora, którą znamy dzisiaj.

Jakby x86, czyli ta architektura intelowska powstała właśnie na założeniach tej pierwotnej koncepcji Johna von Neumanna. W każdym razie, Po tym sukcesie Turinga przyszedł czas, w którym ludzie zaczęli tworzyć różne koncepcje odnośnie logiki funkcjonowania ludzkiego mózgu w przełożeniu na potencjalne funkcjonowanie komputera wokół tego wszystkiego, co Alan Turing mówił. Więc tak naprawdę pierwsza koncepcja sieci neuronowej, neuronu takiego sztucznego, Przełożenie na logikę funkcjonowania tego komputera powstało w 1947. Już zaraz po złamaniu szyfru Enigmy, jakby po tym okresie drugiej wojny światowej.

Więc to wszystko działo się oczywiście w Stanach Zjednoczonych. Potem przyszedł Claude Shannon, który tam w 54 i 56 miał takie swoje najważniejsze osiągnięcia. Potem w 56 roku Przyszedł taki człowiek, który się nazywał John McCarthy razem ze swoim kumplem Marvinem Mińskim. Poszli do Fundacji Rockefellera, która wtedy miała najwięcej hajsów w Stanach Zjednoczonych, jak wszyscy wiedzą, bo pomyśleli sobie tak, no dobra, mamy teraz te takie wstępne komputery, tam Ferranti Mark I, Ace, nad którym pracował też Turing,

Wszystkie komputery wykorzystują jakąś tam logikę. I teraz ludzie zachłysnęli się tym wszystkim i stwierdzili, no dobra, a co jakby zaprząc te komputery do tego, żeby poza łamaniem tych wszystkich szyfrów robiły też coś dla nas. Nie wiem, obliczały na przykład trajektorie torpedy albo wyliczały Nie wiem, podatek dochodowy, bo nam się tego nie chce robić. I wtedy nazywano to automata studies, czyli studiami nad potencjalnymi takimi systemami automatyzacji. I John McCarthy strasznie tego nie lubił. Wkurzało go to pojęcie automata, bo Byli też tacy zwolennicy, którzy zamiast mówić automata mówili cybernetyka.

Czyli już tam niektórych kusiło, żeby pójść w tę stronę rozwoju ludzkiego mózgu, żeby wbijać się w te neurony, wyobrażać sobie funkcjonowanie komputera jako ludzkiego mózgu. Ale uniwersytety były Nie miały zbyt otwartej głowy w tamtym okresie, tak jak zresztą w sumie w dzisiejszych czasach tak samo. Wiemy, że bardzo ciężko przebić się z nowymi koncepcjami w zamkniętym środowisku naukowym, dlatego środowisko naukowe tego nie lubiło. I John McCarthy stwierdził, dobra skrzykniemy kilku najmędrzejszych chłopaków i zrobimy sobie taki workshop. I był to bardzo słynny workshop w Dartmouth w 1956 roku,

Takiego komputera IBM-owego pierwszego, a z systemami eksperckimi, ta różnica między nimi była taka, że te zwykłe procesory dla komputerów takiego generalnego użytku, one zaczęły wyprzedzać swoimi możliwościami te podzespoły budowane dla systemów eksperckich. I to też była jedna z przyczyn tej drugiej zimy AI. No i potem jak ludzie doszli do wniosku, że ale zaraz, w sumie to nie musimy tworzyć od zera hardware'ów po to, żeby puszczać te nasze algorytmy AI, możemy tak naprawdę wykorzystać ogólną architekturę do tego. No i zaczęli to robić. No i pokłosiem tego było to, że w 97' Gary Kasparow, wielki arcymistrz szachowy, przegrał z Deep Blue IBM'owym szachy.

Nic innego. Natomiast dzięki temu Dzięki temu, że mieliśmy duże zbiory danych, teoretycznie moglibyśmy się posłużyć tym konceptem konekcjonistycznym i użyć tych sieci neuronowych. I wtedy już powstało bardzo, bardzo dużo koncepcji. Tak naprawdę w roku 97 już wtedy ten komputer, który pokonał Gary'ego Kasparowa, wtedy już korzystał z koncepcji połączonych sieci neuronowych ze sobą. Natomiast, no bo działanie tego komputera opierało się na Prawdopodobieństwie, probabilistyce. To nie był ten taki system ekspercki, który tam wyliczał po kolei. Bo gdyby chciał wyliczać po kolei, wiesz ile kombinacji jest w szachach, przez które musisz przejść wszystkich ruchów?

No tak, wydobycie oleju, coś w tym jest. Jednak opłacalny biznes. No dobra, to wróćmy sobie do tej analogii z Ironmana. On ma swój komputer, nie pamiętam jak on miał na imię, ta jego sztuczna inteligencja, do której on mówił zawsze. Jarvis. Jarvis, właśnie. Powiedzmy, że ludzie znają sztuczną inteligencję z czegoś takiego bardziej, z filmów. I teraz jakbyś miał wytłumaczyć, czym teraz w obecnym świecie jest sztuczna inteligencja i na ile możemy ją porównać do takiego Jarvisa z Iron Man. Nie pamiętam, która firma, ale Jarvis była firma, która podjęła się w rekonstrukcji takiego Jarvisa, stworzyła sobie taki prototyp, bo przy wykorzystaniu takiego GPT-3 na przykład od OpenAI, no to nie jest nic trudnego.

Ty też na pewno miałbyś sporo do powiedzenia w kwestii jakości żywienia i odżywiania i źródła pokarmów, z których takie warzywa czy owoce potem bierzemy. Tutaj AI ma swoje zastosowania do tego, żeby dzięki Computer Vision, czyli tym modelom, które są w stanie rozpoznać kota i psa, one też potrafią rozpoznać z całkiem niezłą dokładnością i precyzją, okazuje się, chwasta. I tego chwasta sobie wyrywamy, najczęściej laserem. Czyli jedzie sobie taki wielki, taka wielka maszyna z kamerami i wali laserem po tych chwastach, które znajdzie na polu. Nie niszcząc upraw, nie prowadząc potem do, nie wiem, do wyniszczenia uprawy czy do zmiany jakiegoś tam płodu rolnego.

Właśnie, jeszcze jest jedna perspektywa w tym wszystkim, czyli branie odpowiedzialności za dane, na przykład w Europie. Dlaczego Europa tak wolno się rozwija pod tym kątem? No między innymi dlatego, że mamy nad sobą administracyjny BAP w postaci Unii Europejskiej, która z jednej strony próbuje nas chronić, ale z drugiej strony zalewa nas biurokracją, bo wprowadzenie dzisiaj systemu opartego na computer vision, czyli Wszystkiego, co się wiąże z rozpoznawaniem obrazu twarzy i tak dalej, kłóci się z GDPR. Teraz taka firma, która chce wprowadzić np. inteligentny monitoring na jakimś obszarze, nawet w firmie, musi przejść przez bardzo skomplikowany proces biurokratyczny, który np. każe ci... Mój klient np. wprowadzał takie rozwiązanie w Audi,