Nové počítačové systémy založené na umělé inteligenci by mohly bez problémů zvládnout vykonávání rutinních administrativních úloh.
Tento článek je překladem z amerického Computerworldu. Úplná česká verze vyšla v CW 38/2004.
Výzkumníci na Carnegie Mellon University vyvíjejí počítačového pomocníka zaneprázdněných manažerů, který by měl díky své umělé inteligenci zvládnout i náročnější kancelářského úlohy, jakými jsou plánování schůzek, filtrování e-mailů nebo přiřazování priorit jednotlivým došlým zprávám. U některých požadavků by mohl sám navrhnout jejich řešení a následně jej třeba i zrealizovat.
Projekt nese pracovní označení Radar (Reflective Agent with Distributed Adaptive Reasoning, přemýšlivý agent s distribuovaným adaptivním usuzováním) a je financován agenturou DARPA (Defense Advanced Research Projects Agency) v rámci programu PAL (Personalized Assistant that Learns, personalizovaný asistent, který se učí). DARPA poskytla projektu, který byl zahájen v květnu loňského roku, pro prvních 12 měsíců částku 7 milionů dolarů.
„Snažíme se vytvořit asistenta, který usnadní práci zaneprázdněnému manažerovi, jenž je zahlcen množstvím různých požadavků,“ popisuje svou práci Scott Fahlman, profesor a výzkumný pracovník Carnegie Mellon University.
Jak se má chovat
Více než 25 výzkumníků, kteří se na projektu Radar podílejí, strávilo první rok své práce učením systému, jak klasifikovat e-maily — a poté optimalizací jeho učících algoritmů.
Podle Fahlmana by měl Radar zvládnout některé rutinní úlohy bez cizí pomoci, u jiných požádat o schválení svého „vedoucího“ a u jiných prostě jenom vytvořit doporučení a návrhy, které uživatel bude moci přijmout nebo upravit podle vlastních potřeb.
Předpokládejme například, že manažer dostane e-mail od některého kolegy, který požaduje některé stránky z jeho prezentací. Fahlman a jeho tým se snaží optimalizovat systém Radar tak, aby požadavku na základní úrovni porozuměl, napsal návrh odpovědi a upozornil manažera hláškou jako „Zde je můj návrh odpovědi, souhlasíte?“ a očekával jeho reakci.
Radar ovšem není podle Fahlmana zamýšlen jako obecný systém pro filtrování a vyřizování pošty. Podle jeho slov lze efektivnější využití vidět v komunikaci s dalšími podobnými systémy, s nimiž může být schopen naplánovat schůzky skupiny manažerů, případně získat informace potřebné k rozhodování o nejrůznějších záležitostech. Tyto informace by měl být schopen získávat i z webu — a tam je také v případě potřeby publikovat.
Fahlman ovšem upozorňuje, že jakákoli publikace informací musí být pod kontrolou uživatele, který dohlíží na to, aby Radar dodržoval potřebné politiky ochrany informací.
Učit se
Radarův systém umělé inteligence umožňuje učení na základě statistiky výskytu různých událostí a ze symbolů. Řekněme, že jeho uživatel — manažer vykazuje tendenci odmítat e-mailové požadavky na uspořádání schůzek v pátek, a to po několik měsíců. Radar si tento vzorec chování zapamatuje a pošle manažerovi dotaz, zda by dával přednost tomu, kdy by byly schůzky na pátky automaticky odmítány. „Manažer poté může Radaru odpovědět, že by například měl odmítat schůzky na pátek dopoledne, ale páteční odpoledne jsou v pořádku,“ vysvětluje Fahlman. „To, o co se snažíme, je smíchání toho nejlepšího z obojího — ze statistické i symbolové výuky,“ dodává.
Využití umělé inteligence spolu s jazykem přirozené řeči není rozhodně nijak novým konceptem — výzkumníci na úkolech z této oblasti pracují podle Fahlmana minimálně 25 let. „Mnozí výzkumníci se zaměřili na to, jak s pomocí porozumění jazyku řešit konkrétní praktické problémy a my se snažíme posunout tuto práci dále,“ vysvětluje Fahlman.
Překážky
„Výzkumníci, kteří pracují na strojovém učení mají k dispozici množství nástrojů a přístupů, které mohou být aplikovány tak, aby stroje porozuměly některým lidským sociálním dovednostem,“ říká Dan Siewiorek, šéf Institutu pro interakci lidí a počítačů při Carnegie Mellon University. Zatím však ono porozumění rozhodně není dokonalé.
Některé z technických problémů, na které Fahlman a Siewiorek při své práci narazili, vyplývají z Radarovy nedostatečné úrovně porozumění přirozenému jazyku. Dalším problémem je podle Fahlmana vybavení Radara schopností skutečně stavět na své bázi znalostí a naprogramovat ho, aby se učil z chyb, kterých se někdy v minulosti dopustil.
V současnosti je Radar učen, aby se byl schopen vzdělávat prostřednictvím interakce s textem. Podle Siewioreka je nicméně možné, že v budoucnu — s tím, jak bude projekt postupovat dále — se naučí porozumět i mluvené lidské řeči.
„Projekt Radar představuje skutečně zajímavý koncept,“ říká Martin Colburn, CTO (Chief Technology Officer) NASD (National Association of Securities Dealers). Colburn v průběhu své dřívější kariéry vyvíjel nástroj pro automatizované schvalování hypoték, jehož engine využíval umělé inteligence. Ta zajišťovala simulaci rozhodování při uzavírání obchodů — takového rozhodování, které odpovědná osoba běžně podstupuje, když na základě pevně daných pravidel schvaluje nebo zamítá každý konkrétní obchodní případ. „Taková řešení mají zjevně šanci na využití v praxi,“ říká Colburn. Podle jeho názoru mohou být podobné systémy využity pro činnosti, jakými jsou běžná práce s dokumenty, jejich archivování nebo znovuzískávání.
Do budoucna
Ačkoli je Radar financován DARPA a předpokládá se jeho přednostní využití v oblasti vojenské obrany, podle Fahlmana lze v době dokončení projektu v roce 2008 očekávat i jeho komerční aplikace. Podle Fahlmana jsou totiž v této oblasti civilní a vojenské aplikace velmi podobné.
Fahlman ovšem urychleně dodává, že Carnegie Mellon University se nezabývá byznysem — jejím cílem není vývoj a prodej komerčních aplikací. Nicméně podle jeho názoru mohou vzniknout odštěpené společnosti, případně některé již existující firmy mohou koupit z projektu vzešlé licence.
Siewiorek dodává, že Radar není zamýšlen jako náhrada živých asistentů, ale pro to, aby jim pomáhal. „Lidští asistenti mají omezenou kapacitu, a tak pro ně někdy může být obtížné splnit všechny úkoly náročného šéfa. Jejich pomocník, asistent na bázi stroje, však zvládne dělat řadu úloh současně, a tak jim ulehčí jejich práci“ uzavírá Siewiorek.
Tento článek je překladem z amerického Computerworldu. Úplná česká verze vyšla v CW 38/2004.
