Co je AI? Vše, co byste měli vědět o umělé inteligenci

Pokrýváme vše, co tvoří technologii, od strojového učení a LLM až po obecnou umělou inteligenci a neuronové sítě a jak ji používat.

Co je umělá inteligence?

Umělá inteligence (AI) je koncept, který se týká schopnosti stroje vykonávat úkol, který by dříve vyžadoval lidskou inteligenci. Existuje již od 50. let 20. století a jeho definice se během desetiletí výzkumu a technologického pokroku měnila.

Dnes AI pohání samořídící auta, notebooky, chatboty, jako je ChatGPT, a generátory obrázků. Co to tedy je a jak to funguje?

Fráze AI pochází z myšlenky, že pokud je inteligence nedílnou součástí organického života, její existence jinde ji dělá umělou. Počítačový vědec Alan Turing byl jedním z prvních, kdo prozkoumal myšlenku, že stroje mohou využívat informace a logiku k rozhodování jako lidé. Vytvořil Turingův test, který porovnává strojové schopnosti s lidskou schopností, aby zjistil, zda je lidé dokážou rozpoznat jako umělé (přesvědčivé deepfakes jsou příkladem toho, jak umělá inteligence prošla Turingovým testem).

Základní výpočetní systémy fungují, protože je programátoři kódují tak, aby dělaly konkrétní úkoly. Umělá inteligence je na druhé straně možná pouze tehdy, když počítače dokážou ukládat informace, včetně minulých příkazů, podobně jako se lidský mozek učí ukládáním dovedností a vzpomínek. Díky této schopnosti jsou systémy umělé inteligence schopné přizpůsobit se a provádět nové dovednosti pro úkoly, pro které nebyly výslovně naprogramovány.

Někteří odborníci definují inteligenci jako schopnost přizpůsobit se, řešit problémy, plánovat, improvizovat v nových situacích a učit se novým věcem. Ačkoli tyto systémy nenahrazují lidskou inteligenci nebo sociální interakci, dnešní systémy umělé inteligence vykazují některé rysy lidské inteligence, včetně učení, řešení problémů, hledání vzorů, vnímání a dokonce i omezené spektrum kreativity a sociálního povědomí.

Důležitou součástí lidské inteligence je samozřejmě něco, co umělá inteligence zatím nedokázala replikovat: kontext. Umělá inteligence Google například postrádá logiku reálného světa a nedokáže rozeznat lidské jemnosti, jako je sarkasmus a humor, což dokazuje technologie, která vám radí přidat lepidlo do omáčky na pizzu, aby se sýr lépe přilepil, nebo použít benzín k přípravě pikantních špaget. Tyto příklady jsou nižší sázky, ale systém umělé inteligence podnikající akci bez sémantického porozumění může mít v nesprávné situaci vážné důsledky.

Jak mohu používat AI?

Umělá inteligence má spoustu možných aplikací, z nichž mnohé jsou nyní široce dostupné v každodenním životě. Na spotřebitelské úrovni tento potenciál zahrnuje nově přepracované Vyhledávání Google, nositelná zařízení a dokonce i vysavače. Chytré reproduktory na vašem plášti s vestavěným hlasovým asistentem Alexa nebo Google jsou také skvělými příklady AI.

Populární chatboty s umělou inteligencí, jako jsou ChatGPT, Copilot od společnosti Microsoft a Claude, lze použít pro konverzační otázky nebo úkoly, jako je rozebírání konceptů, vytváření e-mailů nebo osnov projektů a dokonce i psaní kreativních příběhů. Ale protože modely umělé inteligence nedokážou rozlišit fakta od fikce, tito chatboti mají tendenci halucinovat nebo si vymýšlet - tam, kde je to možné, vždy ověřte prohlášení chatbota nezávislým výzkumem, zvláště pokud si nejste jisti kvalitou jeho citací.

Hlavní funkcí AI ve spotřebitelských produktech je personalizace, ať už pro cílené reklamy nebo biometrické zabezpečení. To je důvod, proč váš telefon dokáže rozlišit váš obličej od někoho jiného, když jej odemykáte, například pomocí Face ID - zjistí, jak vypadá ten váš, odkazováním na miliardy tváří jiných lidí a porovnáváním konkrétních datových bodů.

Ve větším měřítku mohou marketingové a obsahové týmy využívat umělou inteligenci ke zefektivnění produkce, zatímco vývojáři s ní píší a spouštějí kód. Umělá inteligence může také exponenciálně zvýšit rychlost a efektivitu lékařského výzkumu.

Co je strojové učení (ML)?

Strojové učení (ML) označuje proces trénování sady algoritmů na velkém množství dat k rozpoznání vzorců, což pomáhá předpovídat a rozhodovat se. Toto vyhledávání vzorů umožňuje systémům automatizovat úkoly, pro které nebyly explicitně naprogramovány, což je největší rozdíl mezi umělou inteligencí a jinými tématy informatiky. Tato schopnost je to, co mnozí označují jako AI, ale ML je podmnožinou AI.

Když jsou data strukturovaná nebo organizovaná, systém může snadněji detekovat anomálii - například když transakce na vaší kreditní kartě pochází z části světa, kterou není ve vaší aktivitě zvyklá vidět.

Příklady ML zahrnují vyhledávače, rozpoznávání obrázků a řeči a detekci podvodů. Podobně jako u Face ID, když uživatelé nahrávají fotky na Facebook, rozpoznávání obrázků sociální sítě může analyzovat obrázky, rozpoznávat tváře a navrhovat doporučení k označení přátel, které identifikuje. Časem, praxí a více obrazovými daty systém tuto dovednost zdokonaluje a stává se přesnější.

Jak funguje strojové učení?

Strojové učení se obecně dělí do dvou hlavních kategorií: učení pod dohledem a učení bez dozoru.

Výuka pod dohledem

Tato běžná technika pro výuku systémů umělé inteligence využívá anotovaná data nebo data označená a kategorizovaná lidmi. Systémy ML jsou pak napájeny těmito daty, aby se naučily vzorce.

Předpokládejme, že jste chtěli trénovat model ML, aby rozpoznával a rozlišoval obrázky kruhů a čtverců. V takovém případě byste shromáždili velkou datovou sadu obrázků kruhů (jako jsou fotografie planet, kol a dalších kruhových objektů) a čtverců (stolů, tabulí atd.), doplněných popisky jednotlivých tvarů.

Algoritmus by se pak z této označené kolekce obrázků naučil rozlišovat tvary a jejich charakteristiky: v tomto případě kruhy nemají rohy a čtverce mají čtyři strany stejné délky. Systém pak může vidět nový obrázek a určit tvary.

Učení bez dozoru

Naproti tomu učení bez dozoru umožňuje algoritmům pokusit se identifikovat vzory v neoznačených datech hledáním podobností, které mohou použít ke kategorizaci dat.

Algoritmy nejsou naprogramovány předem, aby vybíraly konkrétní typy dat; jednoduše hledají podobná data, která mohou seskupit - například segmentují zákazníky na základě nákupního chování a zacílí na ně personalizované marketingové kampaně.

Posílení učení

Při posilovacím učení je systém trénován tak, aby maximalizoval odměnu na základě vstupních dat, přičemž prochází procesem pokus-omyl, dokud nedojde k nejlepšímu možnému výsledku.

Představte si trénování systému pro hraní videohry. Systém může získat kladnou odměnu, pokud získá vyšší skóre a zápornou odměnu za nízké skóre. Systém se učí analyzovat hru a provádět tahy a učí se pouze z odměn, které dostává. Může nakonec hrát samo a naučit se dosahovat vysokého skóre bez lidského zásahu.

Posílené učení se využívá i ve výzkumu, kde může pomoci naučit autonomní roboty optimálnímu způsobu chování v reálném prostředí. Roboti, kteří se učí navigovat v nových prostředích, ze kterých nezískali data - jako je manévrování kolem překvapivých překážek - jsou příkladem pokročilejšího ML, které lze považovat za AI.

Jaké jsou různé typy AI?

Umělou inteligenci lze rozdělit do tří podkategorií: úzká AI, obecná AI a super AI.

Co je úzká AI?

Umělá úzká inteligence (ANI) označuje inteligentní systémy navržené nebo vyškolené k provádění konkrétních úkolů nebo řešení konkrétních problémů, aniž by byly výslovně navrženy. Tento typ AI je zásadní pro hlasové asistenty, jako jsou Siri, Alexa a Google Assistant.

ANI se někdy říká slabá AI, protože nemá obecnou inteligenci. Ale to neznamená, že není mocný sám o sobě. Kromě hlasových asistentů jsou příklady ANI systémy pro rozpoznávání obrazu, technologie, které reagují na jednoduché požadavky zákaznických služeb, a nástroje, které označují nevhodný obsah online.

ChatGPT je také příkladem ANI, protože je naprogramován k provádění konkrétního úkolu: generování textových odpovědí na výzvy, které dostává.

Co je obecná AI?

Umělá všeobecná inteligence (AGI), neboli silná AI, je stále hypotetický koncept, protože zahrnuje strojové porozumění a autonomní provádění nesmírně odlišných úkolů na základě nashromážděných zkušeností. Tento typ inteligence je spíše na úrovni lidského intelektu, protože systémy AGI by byly schopny uvažovat a myslet více jako lidé.

Stejně jako člověk může AGI potenciálně porozumět jakémukoli intelektuálnímu úkolu, myslet abstraktně, učit se ze svých zkušeností a využívat tyto znalosti k řešení nových problémů. V podstatě mluvíme o systému nebo stroji schopném zdravého rozumu, což je v současné době nedosažitelné s jakoukoli dostupnou AI.

Vyvinout systém s vědomím je podle všeho stále férová cesta na dálku, ale je to konečný cíl výzkumu AI. OpenAI naznačuje, že jeho nadcházející GPT-5 nás přiblíží AGI.

Co je super AI?

Umělá superinteligence (ASI) by byla strojová inteligence, která překonává všechny formy lidské inteligence a překonává lidi ve všech funkcích. Systém, jako je tento, by lidstvo jen tak nerozkolísal k jeho jádru - mohl by ho také zničit. Pokud to zní jako něco přímo ze sci-fi románu, je to proto, že to tak trochu je.

Inteligentní systém, který se může učit a neustále se zlepšovat, je stále hypotetický koncept. Pokud by se však systém používal efektivně a eticky, mohl by vést k mimořádnému pokroku a úspěchům v medicíně, technologii a dalších.

Jaké jsou nedávné příklady umělé inteligence?

Některé z nejpůsobivějších vylepšení v AI jsou kromě realistických avatarů AI a deepfakes vývoj a vydání GPT 3.5 a nejnověji GPT-4o. Ale v AI bylo mnoho dalších revolučních úspěchů - příliš mnoho na to, abychom je sem zahrnuli.

Zde jsou některé z nejpozoruhodnějších.

ChatGPT (a značky GPT)

ChatGPT je AI chatbot schopný generovat a překládat přirozený jazyk a odpovídat na otázky. Ačkoli je to pravděpodobně nejoblíbenější nástroj AI, díky své široké dostupnosti udělal OpenAI významné vlny v umělé inteligenci vytvořením GPT 1, 2 a 3 před vydáním ChatGPT.

GPT je zkratka pro Generative Pre-trained Transformer a GPT-3 byl největší jazykový model při svém uvedení na trh v roce 2020 se 175 miliardami parametrů. Pak přišel GPT-3.5, který pohání bezplatnou úroveň ChatGPT. Největší verze, GPT-4, dostupná prostřednictvím bezplatné verze ChatGPT, ChatGPT Plus a Microsoft Copilot, má jeden bilion parametrů.

Samořídící auta

I když je bezpečnost samořiditelných aut hlavním zájmem potenciálních uživatelů, tato technologie se díky průlomům v AI neustále vyvíjí a zlepšuje. Tato vozidla využívají algoritmy ML ke kombinaci dat ze senzorů a kamer, aby vnímala své okolí a určila nejlepší postup.

Funkce autopilota v elektrických vozidlech Tesla je pravděpodobně to, co většina lidí myslí, když uvažuje o samořídících autech. Waymo, z mateřské společnosti Google Alphabet, ale také vyrábí autonomní jízdy - například jako taxi bez řidiče nebo doručuje Uber Eats - v San Franciscu v Kalifornii a ve Phoenixu v AZ.

Cruise je další robotaxi služba a automobilové společnosti jako Audi, GM a Ford pravděpodobně také pracují na technologii samořídících vozidel.

Robotika

Úspěchy Boston Dynamics vynikají v oblasti umělé inteligence a robotiky. I když jsme stále daleko od vytvoření technologie umělé inteligence na úrovni Terminátora, sledování hydraulických humanoidních robotů Boston Dyanmics, kteří používají umělou inteligenci k navigaci a reakci na různé terény, je působivé.

DeepMind

Dceřiná společnost Google DeepMind je průkopníkem umělé inteligence se zaměřením na AGI. I když tam ještě není, společnost se v roce 2016 dostala do titulků díky vytvoření AlphaGo, systému umělé inteligence, který porazil nejlepšího (lidského) profesionálního hráče Go na světě.

Od té doby DeepMind vytvořil AlphaFold, systém, který dokáže předpovídat složité 3D tvary proteinů. Vyvinula také programy pro diagnostiku očních onemocnění stejně efektivně jako špičkoví lékaři.

Co jsou velké jazykové modely?

Převládajícím příkladem AI jsou velké jazykové modely (LLM). Tyto modely využívají strojové učení bez dozoru a jsou trénovány na velkém množství textu, aby se naučily, jak funguje lidská řeč. Technické společnosti často tyto texty stahují z internetu zdarma, aby udržely nízké náklady - zahrnují články, knihy, obsah z webových stránek a fór a další.

V procesu školení LLM zpracovávají miliardy slov a frází, aby se naučili vzorce a vztahy mezi nimi, což umožňuje modelům generovat odpovědi na výzvy podobné lidským.

Ale znovu mějte na paměti, že tyto modely replikují běžné gramatické vzorce a slovní páry, i když na sofistikované úrovni - neuvažují jako my, v tom smyslu, že nemohou rozumět faktům, logice nebo zdravému rozumu.

Nedávno vydaná OpenAI GPT-4o je nyní na vrcholu žebříčku Chatbot Arena. GPT-4 Turbo společnosti je považován za jeden z nejpokročilejších LLM, zatímco GPT-4 je největší LLM s údajnými 1,78 bilionu parametrů. ChatGPT běží na GPT-3.5 i GPT-4. Gemini pohání stejnojmenný LLM vyvinutý společností Google, a přestože jeho počet parametrů nebyl potvrzen, odhaduje se až na 175 bilionů.

Co jsou to neuronové sítě?

Úspěch strojového učení závisí na neuronových sítích. Jedná se o matematické modely, jejichž struktura a fungování jsou volně založeny na spojení mezi neurony v lidském mozku a napodobují, jak si navzájem signalizují.

Představte si skupinu robotů, kteří spolupracují na vyřešení hádanky. Každý je naprogramován tak, aby v dílcích skládačky rozpoznal jiný tvar nebo barvu. Neuronová síť je jako skupina robotů, kteří kombinují své schopnosti, aby společně vyřešili hádanku.

Neuronové sítě mohou vyladit vnitřní parametry, aby se změnil výstup. Každý z nich je napájen databázemi, aby se dozvěděl, co by měl vydávat, když jsou mu během školení předložena určitá data.

Tyto sítě obsahují vzájemně propojené vrstvy algoritmů, které do sebe předávají data. Neuronové sítě lze trénovat tak, aby prováděly specifické úkoly úpravou důležitosti připisované datům při jejich průchodu mezi vrstvami. Během trénování těchto neuronových sítí se budou váhy připojené k datům při jejich průchodu mezi vrstvami nadále měnit, dokud se výstup z neuronové sítě nebude velmi blížit požadovanému.

V tomto okamžiku se síť „naučí“, jak provádět konkrétní úkol. Požadovaným výstupem může být cokoli od správného označení ovoce na obrázku až po předvídání, kdy může výtah selhat na základě dat ze senzoru.

Co je hluboké učení?

Hluboké učení je součástí rodiny ML a zahrnuje trénování umělých neuronových sítí se třemi nebo více vrstvami pro provádění různých úkolů. Tyto neuronové sítě jsou rozšířeny do rozlehlých sítí s velkým počtem hlubokých vrstev, které jsou trénovány pomocí obrovského množství dat.

Modely hlubokého učení mívají minimálně více než tři vrstvy a mohou mít maximálně stovky vrstev. Hluboké učení může v tréninkových procesech používat učení pod dohledem nebo bez dozoru nebo obojí.

Protože technologie hlubokého učení se může naučit rozpoznávat složité vzorce v datech pomocí AI, často se používá při zpracování přirozeného jazyka (NLP), rozpoznávání řeči a rozpoznávání obrázků.

Co je konverzační AI?

Konverzační umělá inteligence označuje systémy naprogramované tak, aby vedly konverzace s uživatelem a které jsou trénovány tak, aby naslouchaly (vstup) a odpovídaly (výstup) konverzačním způsobem. Konverzační umělá inteligence využívá NLP k porozumění a přirozené reakci.

Některé příklady konverzační umělé inteligence jsou chatboti jako Gemini, chytré reproduktory s hlasovým asistentem, jako je Amazon Alexa, nebo virtuální asistenti na vašem smartphonu, jako je Siri.

Jaké služby AI lze použít?

Spotřebitelé i firmy mají k dispozici velké množství služeb umělé inteligence, které urychlují úkoly a zvyšují pohodlí každodenního života - pravděpodobně máte doma něco, co umělou inteligenci do určité míry využívá.

Zde je několik běžných příkladů AI dostupné veřejnosti, a to jak zdarma, tak za poplatek:

• Hlasoví asistenti: Amazon Alexa na zařízení Echo na poličce, Siri od Apple na vašem iPhonu a Google Assistant na zařízení Pixel používají zpracování přirozeného jazyka, aby porozuměli vašim otázkám nebo příkazům a reagovali na ně.
• Chatboti: AI chatboti jako ChatGPT, Copilot a Perplexity jsou další formou virtuálních asistentů, kteří mohou komunikovat s lidmi a v některých případech vést konverzace jako lidé, dokonce napodobující empatii a obavy.
• Jazykový překlad: Služby jako Google Translate, Microsoft Translator, Amazon Translate a ChatGPT využívají k překladu textu strojové učení.
• Produktivita: Microsoft Copilot pro Microsoft 365 je skvělým příkladem LLM používaného jako nástroj produktivity AI zabudovaný do aplikací Word, PowerPoint, Outlook, Excel, Teams a dalších k automatizaci úloh. Například jednoduchým zadáním „E-mail týmu o nejnovějším stavu projektu“ spustí Copilot automaticky shromažďovat informace z e-mailů a dokumentů, aby vygeneroval text s vaším požadavkem.
• Rozpoznávání obrázků a videa: Různé programy používají umělou inteligenci k vyhledání informací o obsahu obrázků a videí, jako jsou obličeje, text a objekty. Clarifai, která využívá strojové učení k uspořádání nestrukturovaných dat ze zdrojů, a Amazon Rekognition, služba AWS, která uživatelům umožňuje nahrávat obrázky za účelem získání informací, jsou dva příklady.
• Vývoj softwaru: Mnoho vývojářů používá ChatGPT k psaní a ladění kódu více než rok, ale je k dispozici mnoho dalších nástrojů umělé inteligence, které usnadňují práci programátorů. Jedním z příkladů je párový programátor AI GitHub Copilot od OpenAI Codex, generativní jazykový model, který dokáže psát kód rychleji s menší námahou díky okamžitému automatickému doplňování komentářů a kódu.
• Budování firmy: Mnoho společností vytváří nástroje AI speciálně pro firmy, jako je GPT-4 API OpenAI nebo Amazon Bedrock, sada cloudových nástrojů AI pro vývojáře.

Která společnost vede závod AI?

S nástupem generativní umělé inteligence pracuje několik společností v tomto prostoru konkurenceschopně - jak staré technologické firmy, tak začínající firmy. I když se každý vyvíjí příliš rychle na to, aby existoval statický vůdce, zde jsou některé z hlavních hráčů.

OpenAI

Není překvapením, že OpenAI má obrovský dopad na AI poté, co zdarma zpřístupnila své výkonné generativní nástroje AI, včetně ChatGPT a Dall-E 3, generátoru obrázků AI.

Antropické

Anthropic vytvořil Claude, silnou skupinu LLM, a je považován za hlavního konkurenta OpenAI. Společnost se ve svém výzkumu AI zaměřuje na bezpečnost a etické otázky.

Abeceda

Mateřská společnost Google, Alphabet, má ruce v několika různých systémech umělé inteligence prostřednictvím společností včetně DeepMind, Waymo a Google.

Google měl těžký začátek v závodě chatbotů s umělou inteligencí s nevýkonným nástrojem nazvaným Google Bard, původně poháněným LaMDA. Společnost poté dvakrát změnila LLM za Barda - poprvé pro PaLM 2 a poté pro Gemini, LLM, který jej aktuálně pohání. S poslední změnou Google také přejmenoval bota Bard na Gemini.

DeepMind pokračuje ve sledování AGI. Vyvinul modely strojového učení pro Document AI, optimalizoval zážitek diváků na Youtube, zpřístupnil AlphaFold výzkumníkům po celém světě a další.

I když o AI společnosti Alphabet neslyšíte každý den ve zprávách, její práce v oblasti hlubokého učení a AI obecně má potenciál změnit budoucnost lidských bytostí.

Microsoft

Kromě vytváření Microsoft Copilot poskytuje společnost vývojářům v Azure sadu nástrojů AI, jako jsou platformy pro vývoj strojového učení, datové analýzy, konverzační AI a přizpůsobitelná rozhraní API, která dosahují lidské parity v počítačovém vidění, řeči a jazyce.

Microsoft také hodně investoval do vývoje OpenAI. Technologický gigant používá GPT-4 v Copilotu, dříve známém jako Bing chat, a v pokročilé verzi Dall-E 3 ke generování obrázků pomocí aplikace Microsoft Designer.

Jablko

Apple také nedávno vstoupil do vesmíru se svou řadou iPadů s vylepšenou AI a potenciálními novými oznámeními, která přijdou na WWDC.

Jiné společnosti

Další firmy dělají pokroky v oblasti umělé inteligence, včetně Baidu, Alibaba, Cruise, Lenovo, Tesla a dalších.

Jak AI změní svět?

V míře a rozsahu, v jakém se používá, bude umělá inteligence ovlivňovat to, jak pracujeme, nakupujeme a konzumujeme média, naše soukromí, naše zdraví a další. Stejně jako u většiny historických posunů jsou výhody, nevýhody a potenciální škody smíšené.

Každý pokrok v technologii změnil povahu práce. Automatizací určitých úkolů mění AI každodenní pracovní životy lidí napříč odvětvími a vytváří nové role (a některé činí zastaralými). Například v kreativních oblastech generativní umělá inteligence snižuje náklady, čas a lidský vstup při vytváření marketingového a video obsahu.

Umělá inteligence hraje stále větší roli v našich zdravotnických systémech a lékařském výzkumu. Tato technologie by mohla pomoci učinit péči škálovatelnější a dostupnější. Lékaři a radiologové by mohli diagnostikovat rakovinu s použitím menšího množství zdrojů, identifikovat genetické sekvence související s nemocemi a identifikovat molekuly, které by mohly vést k účinnějším lékům a potenciálně zachránit nespočet životů.

Tato technologie také vytváří nové otázky o tom, jak uchováváme všechny druhy dat - dokonce i naše myšlenky - v soukromí. Umělá inteligence učinila rozpoznávání obličejů a sledování běžnými věcmi, což způsobilo, že mnoho odborníků obhajovalo jejich úplný zákaz. Ve stejné době, kdy umělá inteligence zvyšuje obavy o soukromí a bezpečnost, tato technologie také umožňuje společnostem dělat pokroky v softwaru pro kybernetickou bezpečnost.

S tím, jak jsou modely - a společnosti, které je vytvářejí - stále výkonnější, uživatelé požadují větší transparentnost ohledně toho, jak jsou vytvářeny a za jakou cenu. Praxe, kdy společnosti získávají obrázky a text z internetu, aby trénovaly své modely, vyvolala stále se rozvíjející právní konverzaci o licencování kreativních materiálů.

Neuronové sítě lze použít k realistické replikaci něčího hlasu nebo podoby bez jeho souhlasu, čímž se hluboce falšované a dezinformace stávají aktuálním problémem, zejména pro nadcházející volby.

Protože umělá inteligence usnadňuje automatizaci ve velkém měřítku, výzkumníci a tech zaměstnanci sdílejí obavy ohledně její role ve výrobě zbraní a válčení.

Ukradne vám AI práci?

Možnost uměle inteligentních systémů, které nahradí značnou část moderní práce, je věrohodnou možností blízké budoucnosti.

I když běžná umělá inteligence nenahradí všechny úlohy, zdá se jisté, že umělá inteligence změní povahu práce, přičemž jedinou otázkou je, jak rychle a hluboce automatizace změní pracoviště.

Umělá inteligence však nemůže fungovat samostatně. Zatímco mnoho úloh s rutinní, opakovanou prací s daty může být automatizováno, pracovníci na jiných pozicích mohou používat nástroje, jako je generativní AI, aby byli produktivnější a efektivnější.

Mezi odborníky na umělou inteligenci existuje široká škála názorů na to, jak rychle uměle inteligentní systémy překonávají lidské schopnosti.