AI v Google Mapách a souboj AMD vs. Nvidia | Podcast o technologiích

Přepis epizody

Dobrý den, vítáme vás u dalšího dílu podcastu Kde skončí zítřek. Dejte nám prosím follow v aplikaci, kde nás posloucháte, aby vám neunikla žádná další technologická novinka. Dnes to bude pestré. Od inovací v umělé inteligenci, přes pokročilé obranné systémy, až po fascinující poznatky z neurovědy. Alfrede, myslím, že máme na stole opravdu poutavou směsici témat, co říkáš? Skutečně rozmanitý a plný detailů, které stojí za to rozebrat. Dnes se budeme bavit o integraci AI do běžných aplikací, o novinkách z oblasti AI hardwaru, o pokrocích v obranných technologiích, o ekonomických dopadech technologického rozmachu na trh s paměťovými čipy a zakončíme to pohledem na to, jak náš mozek zpracovává vizuální podněty.

Začněme ale s něčím, co pravděpodobně velká část našich posluchačů používá denně. Výborný nápad. Google totiž nedávno oznámil významné rozšíření funkcionality svých map prostřednictvím integrace jazykového modelu Gemini. Co to pro uživatele konkrétně znamená, Alfrede? Jak se naše navigace promění? To zní jako krok ke zvýšení bezpečnosti a pohodlí, což je rozhodně pozitivní. A co se týče vyhledávání bodů zájmu během cesty, například restaurací nebo čerpacích stanic, bude to také intuitivnější?

Právě zde se projeví síla Gemini v plné míře. Místo toho, abyste vyhledávali obecnou kategorii restaurace a poté ručně filtrovali, budete moci Gemini požádat například: Najdi mi restaurace s venkovním posezením, které jsou otevřené po 21. hodině a mají dobré hodnocení pro veganskou kuchyni. Nebo pokud řídíte elektromobil, můžete se zeptat: Kde je nejbližší nabíjecí stanice s podporou rychlého dobíjení CCS Combo 2 v okruhu 10 km od mé aktuální polohy? Gemini tyto složité dotazy zpracuje a nabídne relevantní výsledky, které zohledňují nejen vaši polohu a cíl, ale i specifické požadavky. Takže už žádné zdlouhavé ruční filtrování, to ušetří spoustu času.

A co další informace o cílové destinaci? Nabídne Gemini něco i v tomto ohledu? Ano, Gemini dokáže také poskytnout souhrnné informace o cílovém místě ještě před příjezdem. Může vám například sdělit otevírací dobu, nejoblíbenější časy návštěv, informace o dostupnosti parkování nebo bezbariérového přístupu. Představte si, že jedete na koncert a Gemini nám předem řekne: Koncert začíná ve 20 hodin, doporučujeme přijet o 30 minut dříve kvůli parkování a v místě je pouze omezené občerstvení, takže si vezměte vlastní nápoje. To vede k mnohem informovanějším cestovním rozhodnutím a efektivnějšímu plánování. To je vynikající pro předvídání a minimalizaci stresu z neznámého. Předpokládám, že se tyto nové funkce postupně zavádějí pro obě hlavní mobilní platformy, Android a iOS? Přesně tak. Google potvrdil, že tyto funkce budou postupně dostupné pro uživatele obou operačních systémů, což zajistí širokou dostupnost vylepšených navigačních schopností. Cílem je zkrátka integrovat umělou inteligenci tak, aby byla navigace plynulejší, personalizovanější a méně náročná na manuální interakci.

To je velmi významná zpráva, zejména pro trh s AI akcelerátory, který je v současné době silně dominován společností NVIDIA. Čínská společnost Zhipu AI, která patří mezi přední vývojáře umělé inteligence v Číně, oznámila, že její velký jazykový model s označením Zaya 1 využívá hardware AMD. To je pro AMD určitě důležitý průlom. Jaký konkrétní hardware od AMD byl pro trénink Zaya 1 využit a v jakém měřítku?

Zhipu AI nasadila pro trénink a provoz modelu Zaya 1 více než 200 akcelerátorů AMD Instinct MI300X GPU a Instinct MI300A APU. MI300X je grafický procesor určený speciálně pro náročné AI úlohy, disponující vysokou propustností paměti HBM3E a velkým počtem výpočetních jednotek, což je kritické pro rychlý trénink rozsáhlých modelů. MI300A je pak akcelerovaná procesorová jednotka, která integruje CPU a GPU na jediném čipu, optimalizovaná pro datová centra, kde je vyžadována synergická práce obou komponent. Ačkoliv článek neuvádí specifické číselné metriky výkonu nebo konkrétní benchmarky, zdůrazňuje, že Zaya 1 dosáhl průmyslově vedoucího výkonu v oblasti tréninku velkých jazykových modelů. Pro Zhipu AI to znamená, že mohou efektivně škálovat své AI modely a pro AMD je to potvrzení schopnosti dodávat špičkový hardware, což může pomoci diverzifikovat dodavatelský řetězec v oblasti AI akcelerátorů. Rozumím. Jde tedy o důkaz, že AMD má technologii a kapacitu, aby se stalo vážným hráčem na trhu s AI hardwarem? Díky Alfrede.

Nyní se přesuneme k tématu, které je zásadní pro globální bezpečnost. Jistě. Společnost Leonardo SPA, která je významným italským průmyslovým gigantem v oblasti letectví, obrany a bezpečnosti, hraje klíčovou roli v posilování schopností protiraketové obrany NATO. Článek vyzdvihuje především jejich expertizu v oblasti velení a zde se objevuje i ten zajímavý termín Michelangelova kupole. Michelangelova kupole to zní spíše jako umělecké dílo než součást obranného systému. Co přesně tento název skrývá a jak se integruje do širší architektury protiraketové obrany NATO?

Je to skutečně trochu poetické, že ano. Nicméně z kontextu je zřejmé, že Michelangelova kupole není fyzická stavba, ale spíše označení pro vysoce sofistikovaný systém velení a řízení, který je klíčovým komponentem komplexního štítu protiraketové obrany NATO. Leonardo se specializuje na vývoj softwaru a hardwaru pro tyto pokročilé systémy. Jejich technologie umožňují alianci NATO zpracovávat obrovské objemy dat v reálném čase, vyhodnocovat potenciální útoky a následně efektivně distribuovat kritické informace k systémům, které jsou zodpovědné za fyzické zachycení a zničení příchozích střel. Cílem je poskytnout jednotný, koherentní a včasný operační přehled pro rozhodování. A to rozhodování musí být extrémně rychlé vzhledem k rychlosti balistických raket.

Přesně tak. Protiraketová obrana NATO je navržena jako vrstvený systém, což znamená, že využívá různé typy interceptorů, tedy raket navržených k zneškodnění balistických střel v různých fázích jejich letové trajektorie, od rané až po terminální fázi. Leonardo se zaměřuje na mozek této obrany, na ten kritický systém, který analyzuje data, vyhodnocuje prioritní hrozby a vydává povely k odpálení správného interceptoru v ten správný okamžik. Jejich technologie posilují kolektivní obranu NATO, zvyšují odstrašující schopnosti a celkovou odolnost proti stále sofistikovanějším hrozbám v dnešním komplexním bezpečnostním prostředí. Je to fascinující ukázka toho, jak kritické jsou pokročilé technologie, a to i v takto specifické a strategické oblasti. Děkuji Iveto.

A nyní se přesuneme k tématu, které opět souvisí s umělou inteligencí, ale tentokrát z ekonomického pohledu. Trh s paměťovými čipy spouští takzvaný supercyklus pro tyto komponenty a zároveň hrozí značný nedostatek. Iveto, jaká je aktuální situace na trhu? Ano, Alfrede, je to přesně tak. Exponenciální růst poptávky po systémech umělé inteligence vyvíjí bezprecedentní tlak na výrobce paměťových čipů, což vytváří supercyklus růstu, ale zároveň i značné obavy z nedostatku dodávek. Tento jev se primárně týká dvou klíčových typů pamětí. Předpokládám, že hovoříme o High Bandwidth Memory, tedy HBM, a také o nejnovější generaci standardních operačních pamětí, DDR5. Je to tak?

Ano, přesně ty. Na prvním místě je to High Bandwidth Memory, zkráceně HBM. Tyto paměti jsou naprosto nezbytné pro moderní AI akcelerátory, zejména pro grafické procesory GPU, které jsou používány pro trénink a inferenci velkých jazykových modelů a dalších komplexních AI úloh. Takže je to kombinace specifických ultravýkonných pamětí a také těch standardních, které jsou ovšem nasazovány v obrovském měřítku. Jak se to projevuje na straně nabídky? Mají výrobci dostatečné kapacity?

Bohužel, kapacity nejsou v současné době schopné uspokojit tak masivní nárůst poptávky. Výroba HBM pamětí je mimořádně složitá a technologicky náročná. Vyžaduje specializované výrobní procesy, včetně takzvaného pokročilého balení, kdy se několik vrstev paměťových čipů, propojených takzvanými TSV (through silicon vias), skládá na sebe a integruje do jednoho balíčku. Tím pádem, pokud poptávka raketově roste a nabídka je omezená a náročná na škálování, pak se dá očekávat, že tento supercyklus by mohl trvat 3 až 5 let, dokud se výrobní kapacity dostatečně nepřizpůsobí exponenciálně rostoucí poptávce, která je poháněna rozvojem umělé inteligence. Je to takový paradox pokroku. Čím úspěšnější je nová technologie, tím větší tlak klade na svou základní infrastrukturu.

Když se přesuneme k tématu, které je sice úplně z jiného soudku, ale pro mě osobně nesmírně zajímavé, neurověda. Konkrétně výzkum vizuální percepce bolesti a dotyku. Iveto, co nám k tomu řekneš? To zní jako velmi hluboký mechanismus pro empatii, nejen jako kognitivní pochopení, ale téměř fyzické prožívání. Jaké konkrétní mozkové oblasti se při tomto vizuálním vnímání bolesti aktivují?

V několika klíčových oblastech. Jednou z nich je somatosenzorická kůra, což je primární oblast mozku zodpovědná za zpracování hmatových vjemů a vjemů z těla. To je poměrně překvapivé, protože bychom očekávali její aktivaci při přímém dotyku, nikoli pouze při jeho vizuálním pozorování. Dále se aktivuje inzulární kůra, která hraje klíčovou roli v interocepci, také ve vnímání vnitřních stavů těla a také v emočním zpracování. A v neposlední řadě přední cingulární kůra, známá jako ACC, která je úzce spojena s vnímáním bolesti, pozornosti a emoční regulací. Takže to není jen takové abstraktní intelektuální pochopení, aha, ten člověk se asi zranil, ale spíše hlubší téměř tělesná reakce? Dochází i k nějakým měřitelným fyziologickým změnám u pozorovatele?

Přesně tak. Studie naznačují, že ano. I když článek explicitně nerozvádí detaily fyziologických změn, je známo z širšího kontextu neurovědy, že tyto reakce často korelují s měřitelnými fyziologickými reakcemi, jako jsou změny srdeční frekvence, kožní vodivosti nebo svalového napětí. To naznačuje, že naše reakce na vizuální podněty bolesti nebo dotyku jsou více než jen kognitivní. Jsou to hluboce zakořeněné ztělesněné reakce. Mluví se o tom jako o jakémsi vizuálním dotyku. To otevírá dveře k pochopení toho, proč jsme jako lidé tak empatičtí, nebo proč nás pohled na utrpení jiných tak zasáhne. Má to několik velmi důležitých implikací. Za prvé samozřejmě prohlubuje

naše pochopení empatie a jejích neurologických základů. Vysvětluje, jak dokážeme prožívat pocity druhých, aniž bychom je sami přímo zažili, což je základní kámen sociálního chování.

Za druhé, a to je možná ještě důležitější pro medicínu, může to informovat o nových přístupech k léčbě chronické bolesti. Pokud vizuální podněty mohou aktivovat mozkové obvody spojené s bolestí, pak by mohla být součástí terapie například snížená vizuální expozice bolestivým nebo traumatickým scénám. Nebo naopak využití vizuálních podnětů k navození pocitu úlevy, čímž by se potenciálně snížilo vnímání bolesti. To je fascinující. Představuji si například, že by pacienti s chronickou bolestí mohli být instruováni, aby se vyhnuli sledování scén násilí nebo zranění, protože by to mohlo nevědomky zesilovat jejich vlastní prožitek bolesti. Tak vizualizace klidu a pohody by mohla pomoci. Přesně tak, Alfrede. Jde o využití principů vizuálního vnímání k modifikaci vnitřního stavu a vnímání bolesti.

A v neposlední řadě to ovlivňuje i naše chápání sociálních interakcí. Naše reakce na úzkost nebo potíže druhých jsou hluboce zakořeněné v naší biologii, což formuje naše sociální vazby a chování. Je to další důkaz toho, jak komplexně je propojen náš mozek s okolním světem a s ostatními jedinci.

Díky, že posloucháte podcast Kde skončí zítřek. Nové díly vycházejí každé pondělí, středu a pátek, tak nás sledujte, ať vám nic neuteče. Podpořit a sledovat nás lze na Substacku, všech sociálních sítích i na webu www.aipokusy.cz.

Krátké upozornění. Tento podcast vzniká s pomocí umělé inteligence, která asistuje při přípravě obsahu i hlasové syntéze. Navzdory snaze o dokonalost může epizoda obsahovat drobné nepřesnosti.