AI míří do buněk i pralesů

Není týdne, aby přední vědecké časopisy Science či Nature nepřinesly nějakou zajímavou novinku o rozpuku či uplatnění umělé inteligence (AI). Ta je tu s námi vlastně již pár desetiletí, ovšem v posledních několika letech zažívá velký hype i reálný boom, řečeno po anglicku. Posuďte sami.

Jen před několika týdny vydali němečtí vědci studii, která ukazuje, že dokonce i automatizované analýzy zvuků z deštného pralesa (!) mohou pomoci k poznání či ochraně světové biodiverzity. Jak to? Tým ekologa Jörga Müllera z Universität Würzburg nastražil v ekvádorském regionu Chocó mikrofony do 43 míst, navíc v různých výškách, takže získal průběžné nahrávky různých živočichů. Experti rozpoznali na 183 ptačích a 43 obojživelných zvuků, navíc trojici savců. Nahrávky posléze prohnali přes AI, takzvanou konvoluční neurální sítí (CNN), která dokázala bryskně identifikovat 75 ze 77 ptačích druhů, jež měla v datasetu.

Ornitologové, lidé, by museli naposlouchat desítky hodin zvuků, aniž by si byli tak jisti jako strojová činnost. „Naše výsledky ukazují, že AI je připravena k daleko komplexnější zvukové identifikaci druhů,“ uvedl Müller. Nejde jen o audio. Vznikají celé projekty, jako je anglický Conservation AI, jenž hodlá z milionů snímků a nahrávek dronů automatizovaně těžit data k poznání a ochraně biodiverzity na Zemi. AI tak „střeží“ ohrožené gorily v Gabunu nebo orangutany v Malajsii: „Naše platforma může zprocesovat desítky tisíc snímků za hodinu, což je v kontrastu s maximálně pár tisíci u člověka,“ tvrdí Paul Fergus, vědec z neziskové sítě.

Prosím, léčiva na míru!

Ale některé vědecké AI projekty mají i obrovský ziskový potenciál. Třeba aplikace AlphaFold, kterou vyvinula divize DeepMind z Googlu. Od roku 2020 nabízí chemikům a biologům predikce 3D struktury proteinů a slibuje též potenciálně rychlejší vývoj léčiv a dalších funkčních látek. „Myslím, že pro nás v oboru to bude svým významem něco jako přistání na Měsíci,“ uváděl tehdy biolog Jan Černý debatu na Přírodovědecké fakultě UK.

Společnost DeepMind, připomeňme si, způsobila pozdvižení již v roce 2016, kdy její umělá inteligence dokázala nečekaně porazit nejlepšího hráče světa ve hře go. Předminulý měsíc pak americká biotechnologická firma Recursion z Utahu ohlásila, že si svojí AI apkou s názvem MatchMaker spočítala 36 miliard potenciálních sloučenin, které by se daly provázat s 15 tisíci lidskými proteiny, jejichž prostorové struktury (jsou jen stěží identifikovatelné) předvídá AlphaFold. Co je hlavním cílem? Rychleji nacházet látky, které by přispívaly ke zdraví. Čísla, tempo i počty ušetřených lidských „chemiko-hodin“ jsou ohromující, avšak jiní vědci, jako je Masha Karelinaová ze Stanfordovy univerzity, varují, že takto automatizovaně to s léky jistě nepůjde.

Buď jak buď, potenciál pro farmacii a medicínu mají AI technologie obrovský – třeba firma Generate Biomedicines neotálí a hovoří již o AI designování látek pro nová léčiva. Další společnosti zase uvažují, jak umělé inteligence využít ke studiu té neumělé, přirozené, takže komputační neurologové vyvíjejí i digitální modely „mozku“ některých živých organismů: existují konektomy (mapy neurálních propojení) červíků, larev nebo mušek, octomilek.

Vývoj, kam se podíváš

Využití chytrých jazykových modelů a obřích dat je zřejmé v informatice, digitalizaci, ale klidně i v astrofyzice. Co dělali lidé dlouhé hodiny, zvládnou sebeučící se „stroje“ v minutách, ne-li vteřinách. Mnohé programy na bázi AI mění nejen vědu a výzkum, ale i obrázky či texty – se stále výkonnějšími chatboty (jako je ChatGPT) či generátory ilustrací (jako je Midjourney) se učí pracovat žurnalisté i sami publikující vědci. Jedna z velkých starostí vědy byla a je o vědecké studie; už nesčetněkrát se ukázalo, že abstrakty i celé články z předložených dat vyprodukovaly nikoliv týmy lidských badatelů, nýbrž nějaký chytrý, šikovný program…

Ale i to (vy)řeší umělá inteligence! Minulý týden, 6. listopadu, vyšla studie ve vědeckém žurnálu Cell Reports Physical Science, která tvrdí, že přichází s modelem strojového učení, jež hravě odhalí chemické studie napsané nástrojem GPT. Jak? Detektor, který vysoce předehnal dva jiné, umí prý rozpoznat naučené styly automatického psaní od lidského, ovšem jen v chemii. „Všichni v odvětví textové analýzy by chtěli obecný, generální detektor, který bude fungovat na vše.

My jdeme po typu (oborových) článků a po přesnosti,“ uvedla jedna z auto­rek zmíněné studie Heather Desireová z University of Kansas. Člo­věka jen maně napadá, že firma či instituce, která bude v budoucnu umět stoprocentně rozlišit díla lidská a nelidská, prověřit je a orazit puncem „by Human“, má o byznys budoucnosti postaráno…

A popojedeme. Koncem října představili vědci v časopise Nature neurální síť, která podobně jako lidé dokáže v jazyce „systematicky generalizovat“ a přejímat do svého slovníku nová slova, jež umí v nových kontextech i vy­užívat. Onen slavný generativní velký jazykový model jménem GPT-4 dostal v tomto klání na svůj (virtuální) zadek. Co by to znamenalo? Další průlom! Nový model, s nímž pracovali Brenden Lake a Marco Baroni, autoři studie z New York University, by mohl stroje naučit daleko lidštější a přirozenější komunikaci s lidmi, než o jaké se nám zatím u veškeré AI snilo. Jízda je to rychlá. A zdá se, že stále zrychlujeme.