Viceprezident Google a šéf Google Research Yossi Matias vo veľkom rozhovore opisuje, ako systémy umelej inteligencie prevratne menia vedecké poznanie, ako vyvažovať vedu a biznis, ako spozná, keď mu niekto predkladá nezmysly, aj ako môže AI pomôcť pri masívnych povodniach či zemetraseniach.
Yossi Matias, viceprezident Googlu, ktorý riadi svoje programy vedeckého výskumu, má na nás necelú hodinu. Potom sa už musí vrátiť k vedeniu výskumných tímov, v ktorých pôsobia traja laureáti Nobelovej ceny – dvaja za chémiu a jeden za fyziku. Ďalší dvaja nobelisti, obaja za fyziku, v nich ešte donedávna pôsobili.
Ľudia, ktorých Matias riadi, prichádzajú s objavmi a nápadmi, ktoré menia životy nás všetkých, iné ich priamo zachraňujú. Vyriešenie problému predpovedania štruktúry proteínov otvorilo dvere vývoju úplne nových liekov. Zmapovanie špirály ľudskej DNA vo vysokom rozlíšení výrazne uľahčilo predpovedanie jej skladania. Meteorologické modely zase spresnili predpovede počasia – vrátane schopnosti presne predpovedať povodne. A čoskoro možno aj zemetrasenia.
Algoritmy navrhujúce čipy, modelovanie kvantovej nadradenosti, riadenie robotov vo fyzickom priestore. Neurónové siete revolučným spôsobom vytvárajúce obrázky na základe textu. Riešenia matematických problémov, ktoré zostávali desaťročia nerozlúštené.
To všetko z vedeckých dielní Googlu putovalo do sveta. Aj vďaka Matiasovi, ktorý počas rozhovoru pridáva ďalšie príklady.
Čo sa v článku dozviete:
-
- Predpoveď katastrof s predstihom: Zistite, ako AI od Googlu zachraňuje tisíce životov pri povodniach a čo chýba k tomu, aby dokázala včas varovať aj pred zemetraseniami.
-
- Virtuálne laboratórium pre každého: Odhaľte, ako algoritmy generujú prevratné vedecké hypotézy za pár dní a prečo ani napriek tomu nedokážu nahradiť ľudských vedcov.
-
- Skĺbenie vedy a miliardového biznisu: Viceprezident Googlu opisuje, podľa akého kľúča vyberá projekty s najväčším dosahom a ako spozná nápad s reálnym potenciálom.
„Som nadšený z toho, kam smerujeme a aký obrovský záujem naša práca vyvoláva po celom svete. Je úžasné sledovať, že nech sa pozriete kamkoľvek, u vedcov, vývojárov aj podnikateľov vidíte to isté. Všade nájdete rovnakú červenú niť: snahu stavať na nových technológiách, inovovať a posúvať kľúčové oblasti. Verím, že práve technológie majú potenciál svet spájať,“ hovorí s neskrývaným optimizmom jeden z kľúčových ľudí Googlu.
Vo svojich odpovediach je jednoznačne pozitívny, no zároveň zdržanlivý. Často nejde o definitívne vyhlásenia o technologických prelomoch, skôr o opatrne optimistické konštatovania, že v niečom už zrejme dokázali zlepšiť svet. Hneď v ďalšej vete však zaznie, že sú stále na začiatku a že čím viac toho vedia, tým väčšmi si uvedomujú, ako málo toho ešte poznajú.
Ale tiež tuší, že nie všetko, na čom pracujú, sa musí raz zákonite využiť iba na všeobecné dobro.
Budíte sa niekedy v noci so strachom, keď vidíte potenciál technológií, na ktorých vaše tímy pracujú?
Úprimne povedané, slovo „strach“ by som nepoužil. Skôr by som povedal, že technológie, na ktorých pracujeme, musíme brať naozaj vážne. A mali by sme, pretože prechádzame technologickou revolúciou, ktorá zasahuje do všetkých oblastí života. Každá takáto silná technológia má, samozrejme, svoje dôsledky.
Musíme ich riešiť s plnou vážnosťou a zabezpečiť, aby sme AI vyvíjali správnym smerom, aby sme ako spoločnosť nastavili potrebné mantinely a aby sme proaktívne reagovali na zmeny, ktoré to prináša – pre spoločnosť, odborníkov aj spôsob, akým pracujeme.
Úprimne si však myslím, že by nás rovnako malo trápiť, či dokážeme technológiu skutočne naplno využiť na všetky tie úžasné veci, ktoré ponúka. Vždy hovoríme, že k vývoju AI pristupujeme odvážne a zodpovedne. Keď toto slovo „zodpovedne“ rozoberiete, znamená to budovať systémy správne a venovať pozornosť všetkému, čo je potrebné. Z pohľadu spoločnosti to znamená zabrániť zneužitiu technológií a predchádzať neželaným dôsledkom.
Takže nechať technológiu ležať v zásuvke pre potenciálnu hrozbu zneužitia jednoducho nejde?
Súčasťou zodpovednosti je aj to, že technológiu nasadíme tam, kde môže pomáhať – napríklad zachraňovať životy v zdravotníctve. Ak máte k dispozícii technológiu, ktorá to dokáže, je našou zodpovednosťou správne ju používať a ďalej na nej stavať. To sú pre mňa rôzne uhly pohľadu na celú tému.
Viem si teda predstaviť, že ste už z titulu svojej pozície technoptimista…
Určite som veľký optimista. No nie preto, že by som si myslel, že veci jednoducho samy od seba dopadnú skvele, ale preto, že máme vo svojich rukách moc zabezpečiť, aby dopadli skvele. Práve preto musíme ako spoločnosť venovať pozornosť všetkému, o čo sa treba postarať.
Takže áno, som optimista v tom, že je v našich silách prijať všetky správne opatrenia a využívať technológie spôsobom, ktorý bude pre spoločnosť obrovským prínosom.
Veľmi ma zaujal Demis Hassabis, zamestnanec Googlu. Podarilo sa mu získať Nobelovu cenu v odbore, ktorý pôvodne ani nebol jeho – v chémii. Je počítačový inžinier. To bolo v histórii vedy nemysliteľné. Teraz sa veľa hovorí o tom, ako umelá inteligencia mení spoločnosť, ale nemení azda zásadným spôsobom aj vedu?
Rozhodne. Umelá inteligencia premieňa odbory, ktoré sú nám veľmi blízke – mení inžinierstvo, vývoj produktov, ale tým najzásadnejším spôsobom transformuje práve vedu. Je to pre mňa jedna z najfascinujúcejších oblastí.
Na vedeckých aplikáciách pracujeme už viac ako 10 rokov. Vediem výskumnú organizáciu, sám mám vedecké zázemie a v tíme pracujem s mnohými skvelými vedcami. Hľadanie spôsobov, ako posúvať vedu, bolo pre nás vždy prioritou. Skutočnosť, že dnes môžeme AI využívať nielen na podporu vedy, ale aj na urýchlenie procesu vedeckých objavov, považujem za vôbec najhlbší dosah celej tejto technológie.
Hneď ako zrýchlite objavovanie, dokážete dosiahnuť pokrok prakticky všade. Všetky odvetvia predsa stoja na vedeckom pokroku – od zdravotníctva a biomedicínskeho výskumu cez materiálové vedy až po chémiu a podobne. Mení sa tým aj podstata toho, ako sa dnes veda robí. Je to téma, ktorej venujem naozaj veľa času – ako môžeme tento proces čo najlepšie podporovať, usmerňovať a urýchľovať v prospech budúcich vedeckých objavov.
Často hovoríte o dôležitosti vedeckej metódy. Zmenilo sa na tom niečo s nástupom novej éry umelej inteligencie? Treba nejako prispôsobiť samotnú vedeckú metódu alebo v jadre stále platia rovnaké princípy?
Vedecká metóda je nepochybne dôležitejšia než kedykoľvek predtým. Spôsob, akým robíme vedu, sa však zjavne musí zmeniť, a to z dvoch dôvodov. Po prvé, musíme reagovať na novú realitu – na jej rozsah, tempo aj na skutočnosť, že súčasťou celého procesu sa stávajú AI agenti. A po druhé, musíme naše postupy prispôsobiť novým príležitostiam, ktoré sa tým otvárajú. Sú to témy, o ktorých veľmi často diskutujem s kolegyňami a kolegami z vedeckej komunity.
Čo máte konkrétne na mysli?
Vezmite si napríklad systém vedeckých publikácií. Je síce jedným z najúspešnejších počinov v histórii ľudstva, ale má svoje limity a oblasti, ktoré by sme všetci radi posunuli ďalej. Verím, že vďaka AI dokážeme tomuto systému pomôcť k ešte lepším výsledkom.
Môžeme začať napríklad pri šírení vedeckých poznatkov. Čoraz viac ľudí dnes využíva nástroje ako NotebookLM alebo pokročilú sumarizáciu textu, aby dokázali spracovať väčšie množstvo informácií. Je to obrovské požehnanie – žiaden vedec totiž dnes nedokáže sledovať všetok pokrok vo vlastnom odbore. Koniec koncov to platilo ešte predtým, než sa umelá inteligencia dostala do popredia.
Alebo dokonca vo viacerých odboroch naraz…
Presne tak. Jednou z vecí, pre ktoré som bol vždy veľmi zapálený, je prepájanie rôznych odborov. Práve na rozhraní rôznych vedných disciplín sa totiž dejú tie najzaujímavejšie veci. A vďaka AI dnes môžeme ľuďom pomôcť pracovať naprieč odbormi – či už spolupracujú medzi sebou, alebo s AI agentmi.
Keď sa pozriete na náš projekt AI co-scientist, fascinuje ma na ňom jedna vec: nezískavate len veľmi výkonného AI agenta, ale v podstate kolegu so širokým, interdisciplinárnym rozhľadom. Tento AI agent má prístup k literatúre naprieč všetkými odbormi. Dokáže prekladať koncepty medzi odbornými jazykmi rôznych vedných disciplín, porovnávať sémantiku aj definície a nachádzať skryté súvislosti.
Veľká časť vedeckého pokroku pritom spočíva práve v objavovaní a prepájaní týchto zdanlivo nesúvisiacich vecí. Vedci tak konečne dostávajú k dispozícii partnera, ktorý im s tým dokáže reálne pomôcť.
Funguje dnes v tomto smere veda inak? S tým, ako sa prehĺbili naše znalosti, rastie aj potreba špecializovať sa a tým prichádzať o kontext príbuzných odborov?
Stačí sa pozrieť do minulosti. David Hilbert prešiel k fyzike v pomerne pokročilom veku po veľkolepej matematickej kariére. John von Neumann či Albert Einstein zase svoje teórie konzultovali s kolegami matematikmi. To sú, samozrejme, velikáni vedy, ale interdisciplinárny prístup je kľúčový pre akékoľvek vedecké úsilie.
Dnešný vedecký svet je však nastavený tak, že sa od vás vyžaduje extrémne hlboká špecializácia. V mnohých oblastiach je potom nesmierne ťažké udržať si komplexný prehľad aj v rámci vlastnej disciplíny, nieto ešte naprieč ostatnými. Ponúka sa teda otázka: Ako môžeme AI využiť na to, aby sme vedcom umožnili robiť výskum presahujúci jednotlivé odbory? Ako im pomôcť udržať si prehľad o všetkom podstatnom a lepšie uchopiť poznatky z iných domén?
Znamená to – aj pomocou AI – ísť za hranice klasickej vedeckej literatúry?
Objem vedeckého poznania, ktoré sa neustále hromadí, už ďaleko presahuje to, čo máme zachytené v publikovaných prácach. Doteraz sme používali metódy, ktoré zodpovedali našim ľudským limitom. Teraz, keď máme k dispozícii AI, ktorá dokáže poznatky filtrovať a organizovať, sa nám otvárajú úplne nové príležitosti.
Zároveň sa však musíme vrátiť k podstate vedeckej metódy. Niektoré jej aspekty sú dnes dôležitejšie než kedykoľvek predtým – najmä overovanie a validácia. Vo svete, kde dokážeme vďaka AI generovať neporovnateľne viac hypotéz, sa schopnosť tieto hypotézy aj vedecké práce preveriť stáva úplne zásadnou.
A to už je práca pre človeka?
Aj v tejto oblasti môžeme zapojiť AI. Jednou z výziev pri dnešnom obrovskom množstve publikácií je vôbec dokázať ich sledovať. Vyvinuli sme preto nástroj Experimental Paper Assistant, ktorý poskytuje spätnú väzbu k vedeckým článkom.
Na niekoľkých konferenciách sme si vyskúšali, že autori môžu získať posudok priamo od AI agenta, a vidíme, že čoraz viac vedeckých fór využíva AI ako ďalšieho recenzenta. To sú podľa mňa veľmi dôležité smery – využiť AI na validáciu prác aj poskytovanie spätnej väzby. A v tom všetkom sme stále len na úplnom začiatku.
Vráťme sa ešte k tomu, ako idú Google a vedecký výskum dohromady. Čo vlastne robíte?
Náš záber je naozaj široký. V princípe je našou úlohou pozerať sa do budúcnosti a skúmať výskumné otázky, ktoré môžu formovať nadchádzajúce technológie a produkty kľúčové pre Google.
Venovať sa všetkému od základného výskumu strojového učenia a algoritmov cez generatívnu AI – kde riešime jej efektivitu, faktickú presnosť a ďalšie aspekty – až po architektúru a efektivitu budúcich výpočtových systémov. Skúmame tiež využitie AI v oblastiach, ako sú zdravotníctvo či udržateľnosť a odolnosť voči klimatickej kríze, a budujeme aj vlastný kvantový počítač, pri ktorom hľadáme praktické využitie.
Keďže naše produkty oslovujú miliardy ľudí, veľká časť našej práce spočíva v hľadaní technológií novej generácie, ktoré ich v budúcnosti transformujú. Nie je to len o zlepšovaní toho, čo vieme teraz, ale aj o schopnosti vidieť za roh. Napríklad konverzačnej AI som sa začal venovať približne pred 10 rokmi. Vtedy to bola skôr vízia, dnes je to realita.
Čo s vaším zameraním urobil nástup veľkých jazykových modelov?
V momente, keď sa začali objavovať veľké jazykové modely, zamerali sme sa na to, ako ich urobiť fakticky presnejšími a ako riešiť problém halucinácií, aby boli maximálne dôveryhodné. Už v roku 2022 sme vydali náš prvý benchmark na overovanie faktickosti, čo bolo vzhľadom na vtedajší vývoj AI pomerne skoro. A v tomto úsilí, samozrejme, pokračujeme aj naďalej.
Ako sa vlastne v neprebernom množstve možností rozhodujete, ktorej prelomovej technológii dať prioritu?
Príležitostí je obrovské množstvo, takže vybrať správne oblasti je pre nás jednou z najzaujímavejších a zároveň najnáročnejších výziev. Rozhodovanie je viacrozmerné. Nejde len o to vybrať odbor a určiť objem investícií, ale v každej oblasti musíme vyvažovať projekty, ktoré môžu priniesť výsledky veľmi skoro, so stávkami na vzdialenú budúcnosť.
Naša práca je v podstate riadená mierou dosahu – pozeráme sa na to, kde môžeme v budúcnosti dosiahnuť najväčšiu zmenu. A musíme počítať aj s tým, že keď investujete do niečoho s neistým výsledkom, nemusí sa každá stávka napokon naplniť.
Takže čím ambicióznejšie, tým lepšie?
Rozhodne. Ak je jedna vec, ktorú svojim tímom – aj tomu tu v Tel Avive – neustále opakujem, je to výzva: hľadajme ešte väčšie otázky. Kde môžeme dosiahnuť skokový posun?
Dnes síce môžeme veľa urobiť pre zlepšenie toho, čo už funguje, ale v každej oblasti si musíme klásť otázku, čo bude ďalším kvalitatívnym skokom. Mnohé z vecí, o ktorých sme sa rozprávali, boli na začiatku čistou víziou.
Keď sme začínali skúmať, či jazykové modely môžu slúžiť ako vedeckí spolupracovníci, neexistovala žiadna záruka výsledku. Väčšina ľudí by predpokladala, že k tomu raz dospejeme, ale kľúčová otázka vždy znie: Je správny čas práve teraz a máme všetko potrebné na to, aby sme takýto prelom dokázali?
Podobne to bolo v zdravotníctve. Keď sme začali pracovať na jazykových modeloch pre medicínu, najprv MedPaLM, neskôr MedGemini, vôbec nebolo isté, či sú veľké modely pripravené na medicínsku konverzáciu. Práve preto mal náš výskum okolo MedPaLM taký dosah. Ukázal totiž, že to reálne ide.
Ako sa vám darí mentálne skĺbiť vedeckú a biznisovú zložku toho, čo robíte?
To priamo súvisí s tým, čo rád nazývam „magickým cyklom výskumu“. Na jednej strane som vedec a milujem vedecký výskum, na druhej strane som inžinier a podnikateľ, ktorý rád vytvára reálne produkty. To, čo ma fascinuje najviac, je práve prepájanie oboch svetov – teda ako viesť výskum spôsobom, ktorý bude mať zásadný vplyv na to, čo vytvárame. To je v podstate aj hlavná úloha Google Research.
Tento proces staviam na koncepte, ktorý nazývam „zámerná zvedavosť“. Nejde len o to byť zvedavý, ale zamerať zvedavosť na oblasti, kde vyriešenie problému prinesie reálny posun. Vedecký pokrok býva postupný, veľký problém nevyriešite zo dňa na deň, ale postupujete krok za krokom. Keď dosiahneme vedecký prelom, prenesieme ho do reality. Do produktu, platformy, experimentu alebo partnerstva. A z toho vzíde ďalšia otázka, ktorá nás posunie o kus ďalej.
Preto hovorím o cykle. Počas procesu sa učíte a spresňujete ďalšie otázky. Platí to pre konverzačnú AI, s ktorou sme začínali pred 10 rokmi a ktorá v roku 2018 vyústila do systému Google Duplex. Vtedy sme netušili, či bude úspešný, ale mali sme veľmi hrubé demo a postupne sme ho zdokonaľovali.
Kedy ste si položili takú veľkú otázku?
Pred 10 rokmi som si položil otázku, či dokážeme pomôcť s predpovedaním povodní. V rámci svojej funkcie mám na starosti aj krízovú odolnosť – teda situácie, keď ľudia na Googli hľadajú informácie o prírodných katastrofách. Vtedy som zistil, že pri povodniach veľmi užitoční nie sme, pretože nikto nemá včasné informácie. Kľúčové je pritom dostať varovanie včas.
Vedecká komunita v tom čase prevažne tvrdila, že tento problém je príliš zložitý. Vstupuje doň príliš veľa premenných na to, aby ste poslali varovanie, na základe ktorého ľudia podniknú nákladné kroky, ako je evakuácia. Prevládal názor, že je to takmer neriešiteľné. Mne to však pripadalo dostatočne dôležité na to, aby sme sa o to pokúsili.
Ako to dopadlo?
Začali sme v malom. Jeden inžinier venoval tejto téme časť svojho času počas niekoľkých týždňov. Chcel som vidieť, či dokážeme dosiahnuť aspoň nejaký pokrok. Keď mi ukázal sľubné výsledky, zostavili sme malý tím a spustili pilotný projekt v Indii. Ukázali sme, že za určitých okolností dokážeme predpoveď vytvoriť pre malé územie.
To stačilo ako dôkaz, že má zmysel investovať viac. Získal som dostatočnú dôveru na to, aby sme s tímom publikovali prácu s hypotézou, že vďaka strojovému učeniu, cloudu a dátam dokážeme predpovedanie povodní škálovať.
Rýchly posun do súčasnosti: po mnohých iteráciách, výskume a úzkej spolupráci s vedeckou komunitou – z ktorej vzišiel aj článok v časopise Nature – máme systém, ktorý poskytuje predpoveď povodní až sedem dní vopred v 150 krajinách a pokrýva dve miliardy ľudí.
Reálne zachraňuje životy. Spolupracujeme so Svetovou meteorologickou organizáciou aj s úradmi v rôznych krajinách vrátane Českej republiky na testovaní a ďalšom využití týchto modelov. Pred niekoľkými mesiacmi nigérijská vláda poslala dedinčanom finančnú pomoc ešte predtým, ako povodeň udrela, práve na základe údajov z nášho systému.
Máte na stole niečo podobne veľké aj teraz?
Zaoberali sme sa aj zemetraseniami a otázkou, či ich dokážeme predpovedať vopred. Hoci sme o tom publikovali vedeckú prácu, toto zostáva otvoreným problémom, ktorý ešte len čaká na vyriešenie. Nie každý problém vyriešite hneď.
Hoci zemetrasenia nedokážeme predpovedať vopred, našli sme inú cestu. Využívame senzory v zariadeniach Android na to, aby sme okamžite detegovali, že práve dochádza k zemetraseniu. Ľuďom v okruhu epicentra potom pošleme varovanie v priebehu niekoľkých sekúnd pred príchodom vĺn. Ukazuje sa, že aj niekoľko sekúnd navyše má obrovský význam a dokáže zachraňovať životy.
Máte vlastný spôsob, ako odhaliť nezmysly, keď vám niekto navrhuje veľmi ambiciózny projekt?
Úprimne povedané, nemyslím si, že by to bol v tomto prípade hlavný problém. Skôr ide o to, že prakticky všetky projekty a návrhy, ktoré sa ku mne dostanú, sú dobré.
A o to ťažšia práca je z nich vyberať…
No, samozrejme. Všetky projekty majú svoj dosah. V mojom tíme totiž pracujú nesmierne talentovaní ľudia, ktorí patria k absolútnej svetovej špičke – a prichádzajú s veľmi premyslenými návrhmi. Skutočným problémom je teda vybrať z týchto skvelých príležitostí tie, ktoré prinesú úplne najväčší efekt. A keď sa vrátim k vašej predchádzajúcej otázke, ide o to mieriť k ešte väčším ambíciám. Neustále sa snažíme tieto ambície posúvať vyššie, aby sme dosiahli čo najväčší dosah.
Spomenul som povodne. Venujeme sa však aj cyklónom – nedávno nám v časopise Nature vyšla veľmi vplyvná práca o ich predpovedaní – alebo lesným požiarom, do ktorých tiež masívne investujeme. V určitom momente sme si však položili otázku: Dokážeme všetky tieto geopriestorové modely spojiť s AI a vytvoriť tak ucelenú „planetárnu inteligenciu“?
To je Earth AI?
Áno, presne tak. Vďaka tomu sa už nepýtame len na to, kde presne udrie búrka alebo povodeň, ale dokážeme zistiť, ktoré komunity sú najzraniteľnejšie a aké konkrétne opatrenia by mali prijať. Alebo môžeme na základe týchto geopriestorových údajov riešiť otázky verejného zdravia. A to už je posun na oveľa ambicióznejšiu úroveň.
To nás vracia späť k AI co-scientist, kde ste tiež začali budovať nadstavbu, však?
Kým co-scientist pomáha s rešeršou literatúry a generovaním hypotéz, išli sme ďalej a položili si otázku: Môže AI pomôcť vytvárať modely? Na tento účel sme vytvorili systém s názvom Empirical Research Assistance.
Ak máte jasne definovaný problém a údaje, systém preskúma obrovské množstvo možností a pomôže vám priamo s vytvorením daného modelu. Keď sa nad tým zamyslíte, dáva to výskumníkom v akomkoľvek odbore obrovskú silu – nemusia sami vedieť vytvárať AI modely ani byť závislí od iných expertov.
A platí to aj pre skúsených odborníkov. Niektorí naši vedci sa pokúšali vyriešiť konkrétny problém dva roky, ale až po zapojení Empirical Research Assistance dosiahli prelom v oblasti, na ktorej tak dlho pracovali. Dnes už máme celý rad spolupracovníkov, ktorí vďaka tejto agentnej AI publikujú vedecké práce v najrôznejších odboroch.
Generovanie hypotéz je pri projekte AI co-scientist skutočne tým najzásadnejším prvkom. Náš výskum ukazuje, že AI agenti neslúžia len na prehľadávanie literatúry, ale dokážu posúvať vedecké zadanie.
V našej pôvodnej práci sme opisovali spoluprácu s Imperial College London na výskume rezistentných baktérií. Tamojší vedci roky pracovali na hypotéze, ktorú dovtedy ani nepublikovali. AI co-scientist dospel k rovnakému záveru iba za niekoľko dní. A čo je ešte dôležitejšie – ponúkol im aj ďalšiu hypotézu, ktorá vedcom vôbec nenapadla.
Ďalším príkladom je výskum fibrózy pečene s kolegami zo Stanfordu alebo hypotézy zamerané na nové využitie existujúcich liekov pri liečbe akútnej myeloidnej leukémie (AML). Niektoré z týchto výsledkov už boli publikované vo vedeckých časopisoch a potvrdili ich reálny prínos.
Nedávno sme tiež publikovali prácu ukazujúcu pokrok pri riešení problémov v matematike, inžinierstve či ekonómii. Mať k dispozícii systém schopný generovať hypotézy je revolučné a mení aj spôsob, akým robíme vedu. O to dôležitejšie teraz bude vedieť klásť správne otázky, overovať výsledky a ďalej pracovať s vygenerovanými hypotézami.
Je to budúcnosť vedy?
Keď premýšľam o budúcnosti, vidím svet, v ktorom má každý výskumník svojho AI co-scientistu. Je to, akoby každý vedec získal vlastné virtuálne laboratórium. Poviete systému, v akej oblasti sa chcete posunúť, a on vám vráti nápady aj s ich presným zdôvodnením. A nielen to – ukáže vám aj jemné nuansy a vysvetlí, ako by sa výsledky zmenili, keby ste zadanie mierne upravili. Získať prístup k takémuto systému v podstate znamená mať neobmedzené virtuálne laboratórium priamo poruke.
To znamená aj študenti?
Áno, aj tí budú mať vlastné virtuálne laboratórium. Je to obrovské posilnenie ľudských možností. O umelej inteligencii rád premýšľam ako o zosilňovači ľudskej vynaliezavosti. Zrazu sa každý dostane do pozície, v ktorej sú dnes len najskúsenejší vedci, a bude mať k dispozícii zázemie, s ktorým môže reálne pracovať.
Vďaka tomu sa všetci posunú na vyššiu úroveň. Budú môcť klásť zložitejšie otázky a dosahovať rýchlejší pokrok. A keďže vo vedeckom svete rozhodne nemáme núdzu o otázky, ide o nesmierne dôležitú vec.
Je budúcnosť skutočne taká ružová, ako sa o nej teraz spolu rozprávame?
Stále máme pred sebou dosť práce. Jedným z úskalí totiž zostáva otázka, ako všetkých vedcov naučiť, aby s takýmto virtuálnym laboratóriom dokázali pracovať a viesť ho. Verím, že sa prispôsobíme. A aj v tomto procese zohrajú AI nástroje zásadnú úlohu.
Spomenul som, že skúmame využitie AI na hodnotenie vedeckých prác. Predstavte si však AI, ktorá študentovi poskytuje spätnú väzbu na jeho prvé návrhy alebo v reálnom čase komentuje jeho nápady. Ľahko si viem predstaviť, že AI sa stane akýmsi osobným tútorom alebo pravou rukou školiteľa, čo výrazne urýchli rozvoj nových vedeckých talentov a umožní im napredovať oveľa skôr, než je bežné dnes.
Myslím, že sa rozrastie do nekonečna. Ako vedci totiž znova a znova zisťujeme jednu vec: čím viac toho vieme, tým jasnejšie vidíme, ako málo toho v skutočnosti poznáme. A platí to pre každý odbor. Vedecký pokrok vás v tomto zmysle drží pri zemi, pretože s každým objavom sa otázky stávajú ešte špecifickejšími a komplexnejšími a okamžite vznikajú desiatky ďalších.
Takže to neznamená vyriešiť všetky problémy sveta?
To by som si želal, ale nemyslím si, že k tomu dôjde. Pozrite sa napríklad na ľudské telo a zdravotníctvo. Robíme v ňom síce obrovské pokroky, ale z celkového pohľadu sme stále na začiatku. Čaká nás ešte nepredstaviteľné množstvo práce, kým dokážeme odstrániť všetky choroby a nájsť správne lieky. Podobne je na tom výskum nových materiálov alebo energetika. Vo všetkých týchto oblastiach sa otvára neuveriteľný priestor a to je pre mňa nesmierne vzrušujúce.
Aká je v tom všetkom úloha človeka?
Úloha človeka bude v tomto procese čoraz dôležitejšia a silnejšia. Občas dostávam otázku: Keď máte AI co-scientistu, budete vôbec ešte potrebovať vedcov? Vždy odpovedám: Samozrejme! A nielen to. Vo chvíli, keď má každý študent alebo začínajúci výskumník k dispozícii vlastné virtuálne laboratórium, výrazne rastú moje očakávania týkajúce sa ich výsledkov, tempa aj toho, aké hlboké a zásadné otázky si budú klásť.
Opäť sa vraciam k tomu, že hlavnou podstatou AI je posilňovať ľudí. A to platí bez výnimky: pre lekárov, vedcov, učiteľov aj podnikateľov. Úlohou umelej inteligencie aj našou zodpovednosťou pri jej vývoji je dávať ľuďom do rúk väčšiu silu a využívať ju ako zosilňovač ľudskej vynaliezavosti, aby sme dokázali dosahovať neporovnateľne väčšie veci.
Aj v prípade, že človek už nebude robiť takmer nič lepšie než stroj?
Ide predovšetkým o nové príležitosti. Vezmite si konkrétny príklad: náš systém AlphaFold. Práve za prácu, ktorá za ním stojí, dostal Demis Hassabis Nobelovu cenu. Dnes nemáme menej biológov len preto, že existuje AlphaFold. Naopak, aktívne ho používajú viac ako tri milióny odborníkov. Už však nemusia tráviť roky ručným určovaním štruktúry bielkovín a môžu sa venovať nadväzujúcim problémom. A úplne to isté podľa mňa platí pre akúkoľvek inú vednú disciplínu aj oblasť ľudského úsilia.
Sedíte práve teraz v Tel Avive, ste z Izraela. Z vlastnej skúsenosti veľmi dobre viete, že súčasťou rovnice ľudského pokroku bude vždy geopolitika, boj o moc aj vojna. Nie je pre vás frustrujúce, že vedecký pokrok by nám pomohol vyriešiť toľko problémov, ale namiesto toho spotrebúvame zdroje na konflikty, ktoré vedieme medzi sebou?
V konečnom dôsledku je na nás ako spoločnosti a na ľudstve ako celku, aby sme tieto výzvy riešili. Preto sa musíme aktívne zapájať do diskusie. Aj preto som bol v Ženeve na dialógu o AI, kde som s tvorcami politík a ďalšími lídrami riešil, ako by sme mali premýšľať o vede vo všetkých jej aspektoch. Platí to pre oblasti, v ktorých túto technológiu nasadzujeme, aj pre nastavovanie mantinelov a zvládanie spoločenských zmien, ktoré prináša.
Zásadnou oblasťou, ktorej musíme venovať pozornosť, je napríklad rozvoj zručností a vzdelávanie. Keď totiž hovorím, že AI je zosilňovačom ľudskej vynaliezavosti, nehovorím o tom len ako o predpovedi budúcnosti. Vnímam to predovšetkým ako náš cieľ. Musíme odviesť konkrétnu prácu na tom, ako zabezpečiť, aby AI ľudí skutočne posilňovala. A na tom musíme pracovať tak na strane technológií, ako aj na strane ľudí.
Rovnako musíme ako spoločnosť zabezpečiť, aby sme dokázali naplno využiť to, čo vyvíjame, a zároveň zabránili všetkým možným negatívnym javom, ktoré môže takáto silná technológia priniesť – či už v dôsledku zlých úmyslov, nezamýšľaných následkov, alebo jednoducho nevhodného používania.
Tejto téme musíme venovať obrovskú pozornosť na všetkých úrovniach: v geopolitike, spoločnosti aj ekonomickej sfére. Je to súčasť našej spoločenskej zodpovednosti. A som presvedčený, že každý, kto sa na tomto technologickom úsilí podieľa, by mal byť súčasťou tejto diskusie a vnímať ju ako jej zásadnú súčasť.
Článok vyšiel na forbes.cz.
