V pokeru a šachu proti sobě neustále stavíme umělou inteligenci a lidi ve stále komplexnějších hrách. Snažíme se zjistit, jestli umělá inteligence dokáže lidi porazit. Vede to k zajímavým výsledkům a diskusím.
Proč, například, může UI porazit nejlepší hráče na světě ve staré čínské deskové hře Go, která je známá svou obrovskou komplexností, ale má problém porazit lidi v Dota 2, videohře, která je mnohem méně intelektuálně náročná?
Jednoduchou odpovědí je, že zatímco UI je mimořádně schopná, není vhodná k řešení každého problému – některá rozhodnutí dělají nejlépe lidé v oblastech, kde znalost není kompletní. To platí jak v akademické sféře, stejně tak jako v digitální reklamě. V nejlepším případě existuje jasná definice úspěchu, známý prostor ke hře a nadbytek dat, ze kterých je možné se učit.
Podívejme se na příklad překladatelského softwaru. Ačkoli cíl “přijatelný překlad” není dokonale vhodný pro UI, v posledních letech jsme byli svědky obrovského úspěchu systémů postavených na UI. Původně se odborníci snažili překladatelské systémy naučit pravidla syntaxu a semantiky. Tato pravidla se snažila pokrýt všechny základní detaily jazyka, ale pouze s minimálním úspěchem. Pak do hry vstoupil software jako Google Translate. Předtím se experti snažili vytvořit překladatelský systém postavený na pravidlech, ale bez úspěchu. Jazyky obsahují mnoho proměnných, dialektů, nejasné semantiky a definic. Je zřejmé, že přístup založený na pravidlech byl odsouzený k tomu, že nebude nikdy fungovat. Potřeboval obrovské množství dat, ze kterých by bylo možné se učit a řešení jako Google Translate využívající hlubokého učení (podkategorie umělé inteligence), aby dosáhl úrovně kvality, na které je dnes. To je možné pouze při využití velkého množství tréninkových dat a plně automatického učení.
Stejné principy se uplatňují v digitální reklamě, kde UI určuje ideální cenu za akvizici na základě pravděpodobnosti konverze. Existují tisíce bodů, které ovlivňují zákaznickou cestu, které se mohou spojovat v nespočtu sousledností, ale UI se může učit z miliard signálů, aby předpověděla pravděpodobnost konverze a vytvořila správnou nabídku v reálném čase. Lidé nemohou nikdy stvořit pravidla, aby dosáhli stejných výsledků. A už vůbec nedovedou upravovat nebo zcela měnit pravidla svého podnikání tak, aby se přizpůsobili rychle se měnícím podmínkám digitálního ekosystému a škále proměnných, které na něj působí.
Tento výjimečný talent umělé inteligence učit se ve strukturovaném prostředí vysvětluje, proč je schopná hrát hru Go na dosud nevídané úrovni. V úzce vymezených oblastech hry mohou stroje analyzovat více možných pohybů než lidé a to při kombinaci simulací a hlubokého učení. Vzpomeňte si na hru mezi Lee Sedolem a AlphaGo, v níž vyhrál počítač. Nebyla to samotná výhra, která byla zajímavá, ale 37. tah počítače – takový, který by člověk nikdy neudělal – a který se ukázal být klíčovým v okamžiku Sedolovy prohry. Schopnost stroje se učit a trénovat díky hraní milionů her proti sobě samému ho posunula nikoli o jeden, ale o mnoho kroků před lidského hráče. Kroky, které se podobají zmíněnému 37. kroku, jsou ty, na které si budeme muset zvyknout také v oblasti digitální reklamy, pokud budeme chtít zůstat na vedoucích pozicích. V některých scénářích s jasnými a přesně definovanými cíli je to stroj, kdo má lepší schopnosti.
Tak proč stroje, navzdory těmto schopnostem, prohrávají ve hře Dota 2? Tato online hra, kterou hraje více hráčů, se na první pohled zdá být mnohem méně intelektuálně náročná. Pro počítač je ale k hraní složitější. Hráči mají na začátku velmi málo informací. Musí objevovat a zjišťovat, kdo je jejich oponent a kde je. Potřebují více běžných lidských schopností a dovedností – intuici a instinkt k analýze chování dalších hráčů, schopnost fungovat v nejistém prostředí, rozpoznávání přirozeného lidského chování jako blufování a schopnost pochopit nelogické nebo zavádějící chování, což stroj neumí.
Stroje dělají velký posun v Dota 2. Stále je to ale prostředí, ve kterém mají lidé navrch a ve kterém těží ze své inteligence. V situacích s neúplnou informací nebo nedostatkem dat, kde není zřejmé, co je správně a co špatně a kde je potřeba kreativita, umělé inteligenci trvá učení déle a rozhodování lidí má stále navrch. Období koexistence bude dlouhé. Umělá inteligence je skvělá v některých věcech. Bude ale ještě nějakou dobu trvat, než vznikne umělá inteligence, která bude plně schopná fungovat jako člověk.
To neznamená, že lidé by měli nechat algoritmy být a že by měli strojům přenechat ty úkoly, k jejichž plnění se nejlépe hodí. Ve skutečnosti je pravdou opak. Lidé a stroje mají odlišné schopnosti a silné stránky. Těch se dá nejlépe využít, pokud spolupracují. Lidé se musí zlepšit v komunikaci se stroji a musí zjistit, co dělají a proč, aby lépe pochopili doporučení umělé inteligence a dokázali jim důvěřovat. Pouze potom budou moci stroje dělat to, v čem excelují. Tím dojde k osvobození lidí, kteří se budou moci plně věnovat rozvoji inovativních schopností, ve kterých mají navrch oni. Umělá i lidská inteligence mají obě své silné stránky a své místo pod Sluncem. V této hře musí vystupovat jako spojenci, ne jako nepřátelé. Tento hybridní přístup je pro nás základem pro rozvoj technologií, které stavíme a pro problémy, které pro naše klienty řešíme. Tento důraz na spolupráci se stroji s sebou přináší také významnou výhodu oproti konkurenci.
Proces identifikace příležitostí, vyhodnocování dat a následného rozhodování se nezměnil. Stroje do tohoto přispívají tím, že to jsou schopny dělat v reálném čase a dokáží brát v potaz stále narůstající množství podkladů z různých kanálů. Jejich množství bude pouze narůstat. Při hře využíváme našich schopností. Úspěch je postaven na vyrovnávání našich slabostí a to tam, kde spojenectví se stroji už změnilo způsob, jakým je realizována digitální reklama.
Autor: Jochen Schlosser, Chief Strategy Officer, Adform