Meta selhala s projektem Avocado a pád robota Optimus | Podcast o AI

Přepis epizody

Vítejte u 43. epizody podcastu Kde skončí zítřek. Dejte nám follow v aplikaci, kde nás právě posloucháte, ať vám už žádná novinka neunikne.

Takže Iveto, začněme rovnou s Metou a jejich ambiciózní, ale jak se zdá poněkud problematickou strategií umělé inteligence, kterou interně nazývají Avocado. Článek z CNBC naznačuje, že i přes masivní investice a Zuckerbergovu vizi se Meta potýká s výraznými interními problémy. Ano, zdá se, že Avocado se ukazuje být značnou výzvou. Interní zprávy hovoří o značné neefektivitě a nespokojenosti. Původním cílem bylo vytvořit jednotnou vrstvu umělé inteligence, která by poháněla všechny AI interakce napříč Metinými aplikacemi, tedy Facebookem, Instagramem, WhatsAppem a Messengerem. Mělo jít o komplexního AI asistenta, který by rozuměl uživateli a jeho kontextu napříč těmito platformami. Jinými slovy, aby chatbot v Messengeru věděl, co jste hledali na Instagramu a co jste sdíleli na Facebooku, ale zároveň, aby to působilo přirozeně a neinvazivně. S hlubokou integrací se Meta evidentně trápí.

To je zajímavý pohled. Přesuňme se teď k jinému technologickému gigantu, který se také snaží posouvat hranice, k Tesle a jejich humanoidnímu robotovi Optimus. Nedávná prezentace, o které psal Electrek, vzbudila poměrně hodně diskuse kvůli poměrně kurióznímu pádu robota. Ano, ten pád Optimuse je vděčné téma. Jednalo se o druhé veřejné demo robota, kde měl za úkol předvádět několik úkonů, vypomáhat ve skladu, ovládat robotické rameno a demonstrovat balancování na jedné noze. Ovšem k incidentu došlo, když Optimus jednoduše kráčel. Náhle se zdálo, že zakopne a spadne dopředu. A to vyvolalo spekulace, že pád mohl být buď ukázkou lidské zranitelnosti robota, nebo naopak demonstrací jeho robustnosti a schopnosti se zotavit. Elon Musk k tomu řekl, že to byla součást procesu učení a že pád byl navržen tak, aby se otestovaly protokoly pro zotavení robota. A samozřejmě odolnost. Přežít pád bez významného poškození je pro humanoidního robota, který má operovat v reálném světě, naprosto zásadní. Dále je tu otázka percepce, schopnosti robota detekovat nerovný terén nebo potenciální překážky, které by mohly vést k pádu. A v neposlední řadě složitost softwarové kontroly. Mluvíme o komplexních algoritmech pro plánování chůze, udržení rovnováhy, detekci pádu a následnou strategii zotavení. Celkově vzato, ačkoliv pád může na první pohled vypadat jako krok zpět, pokud byl součástí testování, může to být naopak cenná demonstrace a neustálého vývoje.

Souhlasím. Je to připomínka, že i přes veškerý pokrok jsou humanoidní roboti stále v rané fázi vývoje a že pohyb v komplexním trojrozměrném prostředí je pro ně obrovská výzva.

Ale teď se pojďme podívat na něco, co je blíže běžným uživatelům. Na zlepšení při přechodu mezi mobilními platformami, konkrétně mezi iPhonem a Androidem. MacRumors informovalo o významných vylepšeních. Ano, to je věc, která dlouho trápila mnoho uživatelů. Historicky byl přenos dat mezi těmito dvěma ekosystémy poměrně otravný a často vedl ke ztrátě informací. Ale s příchodem iOS 18 a Androidu 15 se situace výrazně zlepšila. Klíčových je zde několik bodů. Za prvé, výrazně hladší přenos kompatibilních aplikací a jejich dat. To zahrnuje přihlašovací tokeny a uživatelská nastavení, samozřejmě tam, kde to vývojáři aplikací podporují. Za druhé, vylepšený přenos historie zpráv, což je obrovská úleva pro uživatele WhatsAppu, ale i SMS a MMS. A za třetí, fotografie a videa. Zde se spoléhá na robustnější cloudovou synchronizaci přes iCloud nebo Google Photos a na vylepšené nástroje pro přímý přenos. Dále byly standardizované protokoly pro kalendáře a kontakty, což vede k jejich spolehlivější synchronizaci. Jeden detail, který se mi líbí, je pokus o replikaci základního rozložení domovské obrazovky, což sice není kritické, ale pro uživatelský komfort je to příjemná funkce. A dokonce se zlepšil i bezpečný přenos platebních informací pro digitální peněženky. To je skutečně komplexní přístup a velkou roli v tom hrají aktualizované aplikace Move to iOS od Apple a Switch to Android od Google. Tyto nástroje nyní zvládnou mnohem širší škálu datových typů a systémových nastavení. Motivace obou společností je jasná. Uvědomují si, že přílišné uzamčení uživatelů v ekosystému může být kontraproduktivní. Místo toho se snaží spoléhat na sílu svého ekosystému a kvalitu služeb spíše než na donucovací prostředky. Navíc nemůžeme vyloučit ani roli regulačních tlaků, které by mohly podporovat větší interoperabilitu. Všechny tyto kroky dohromady výrazně snižují tření pro uživatele, kteří zvažují přechod, což by mohlo vést k dynamičtějšímu pohybu na trhu.

Nyní se ale pojďme do světa umělé inteligence, konkrétně do oblasti generování kódu. Mistral AI, evropský startup, představil nové modely pro kódování, jak informoval TechCrunch. Představili dva nové modely, Mistral Code 7 Billion a Mistral Code 34 Billion. Parametry naznačují, že jde o poměrně robustní modely. Jejich primárním účelem je generování, ladění a vysvětlování kódu v široké škále programovacích jazyků. Přesně tak. Cílovou skupinou jsou především vývojáři, softwaroví inženýři a datoví vědci. Nejde jen tak o základní modely. Podporují jazyky jako Python, Java, C++, JavaScript, Go nebo Rust. Dokážou generovat kód z přirozeného jazyka, což je standard, ale také identifikovat a navrhovat opravy chyb v kódu. Což je pro vývojáře obrovská úspora času. Dále mohou poskytovat vysvětlení složitých kódových segmentů v přirozeném jazyce, což pomáhá při revizích a učení. A navíc dokážou navrhovat refaktoring, tedy optimalizaci struktury kódu a jeho efektivity. Umělá inteligence to zvládá stále lépe, protože dokáže analyzovat obrovské množství existujícího kódu. Integrace je zde klíčová. Mistral své modely navrhl tak, aby se snadno integrovaly do oblíbených integrovaných vývojových prostředí (IDE), jako je VS Code nebo IntelliJ, a do stávajících vývojových workflow. Co se týče výkonu, Mistral tvrdí, že jejich modely dosahují špičkových výsledků na referenčních testech pro kódování, což je ambiciózní prohlášení vzhledem k tomu, jak silná je konkurence. Máme zde OpenAI s jejich Codexem, který pohání GPT-4, Google s Gemini pro kódování a samozřejmě GitHub Copilot, jenž je poháněn technologiemi OpenAI. Mistral se snaží odlišit především efektivitou a svým open source přístupem, což jim může získat silnou komunitu. Tyto modely mají potenciál výrazně zrychlit vývojové cykly, snížit bariéry pro začínající programátory. To je bez pochyby. Umělá inteligence se stává copilotem nebo dokonce autopilotem v některých fázích vývoje.

A teď se dostáváme k poslednímu, ale neméně fascinujícímu tématu. K výzkumu Anthropicu, který se zaměřuje na takzvané AI agenty. Business Insider přinesl zprávu o jejich agentech Berry a Mahesh. Jejich nejnovější výzkum se soustředí na zkoumání emergentních agentních schopností v rámci velkých jazykových modelů (LLM). Konkrétně jejich schopnosti získávat a používat nové dovednosti. A tady je důležité zdůraznit, že Berry a Mahesh nejsou fyzické roboty. Jsou to sofistikované AI programy nebo chcete-li softwaroví agenti, kteří operují v simulovaném prostředí nebo prostřednictvím volání API. A výsledky jsou docela působivé. To jsou kroky směrem k autonomnějším systémům, což samozřejmě vyvolává řadu otázek ohledně kontroly a sladění cílů. Výzkumníci z Anthropicu sami diskutují o několika rizicích. První je nesoulad, kdy agenti mohou sledovat cíle, které by byly škodlivé pro lidské hodnoty, pokud by nebyly řádně omezeny. Druhé jsou nezamýšlené důsledky, kdy složité interakce mohou vést k nepředvídatelným výsledkům. A třetí jsou emergentní schopnosti, kdy AI může vyvinout dovednosti nebo strategie, které vývojáři nepředvídali. Proto Anthropic klade velký důraz na principy Constitutional AI, což znamená trénování modelů, aby dodržovaly sadu lidsky sladěných pravidel a hodnot. Technicky to zahrnuje složité strategie promptování, integraci externích nástrojů a pokročilé plánovací moduly pro LLM. Ta knihovna dovedností funguje jako forma augmentované externí paměti a akčního prostoru pro agenta. Jde o to dát AI mozku k dispozici nástroje, které by si sama mohla vybrat a použít k řešení problémů. Je to fascinující vývoj a ukazuje, jak rychle se oblast AI posouvá od pouhého generování textu k inteligentním systémům schopným komplexního jednání. Ale samozřejmě s obrovskými možnostmi přicházejí i obrovské odpovědnosti a to je téma, které nás bude provázet ještě dlouho.

Dnešní epizoda byla plná zajímavých detailů a pohledů do budoucnosti, ať už s výzvami Mety, s pokroky Optimuse, s usnadněním migrace dat nebo s vývojem kódovacích AI a autonomních agentů. To je solidní shrnutí, Alfrede. Je vidět, že i když se technologie vyvíjí neuvěřitelným tempem, potýká se s reálnými problémy, od implementace až po etické otázky. A to je pro nás, kteří sledujeme Kde skončí zítřek, nekonečná studnice témat. Kde skončí zítřek, nekonečná studnice, která asistuje při přípravě obsahu i hlasové syntéze. Navzdory snaze o dokonalost může epizoda obsahovat drobné nepřesnosti.