Geoffrey Hinton: Vědec, který pomohl vytvořit moderní AI

Geoffrey Hinton patří k vědcům, jejichž dlouhodobý výzkum zásadně ovlivnil podobu současné umělé inteligence. Jeho práce pomohla rozvinout umělé neuronové sítě a metody hlubokého učení, díky nimž dnes počítače dokážou rozpoznávat obraz, zpracovávat řeč nebo vytvářet text. Hinton však nebyl jediným autorem těchto pokroků. Moderní AI vznikala spoluprací řady výzkumníků a její rozvoj umožnily také dostupnější výpočetní kapacity a velké objemy dat.

Od psychologie k neuronovým sítím

Hinton se narodil v roce 1947 v britském Wimbledonu. Studoval experimentální psychologii na Univerzitě v Cambridge a později získal doktorát z umělé inteligence na Univerzitě v Edinburghu. Už v počátcích své kariéry se zaměřil na otázku, zda lze principy učení a zpracování informací v lidském mozku převést do výpočetních modelů.

Umělé neuronové sítě jsou systémy složené z propojených výpočetních jednotek, které se zjednodušeně označují jako neurony. Upravováním síly jejich vzájemných vazeb se síť učí rozpoznávat vzory v datech. Hinton patřil k vědcům, kteří pomáhali tento přístup teoreticky rozvíjet v době, kdy neuronové sítě zůstávaly na okraji zájmu části odborné veřejnosti. Výpočty byly náročné a jejich praktické výsledky často zaostávaly za očekáváním.

Učení pomocí zpětného šíření chyby

Jedním z významných témat Hintonova výzkumu bylo, jak naučit vícevrstvou neuronovou síť upravovat své parametry tak, aby dosahovala lepších výsledků. V roce 1986 spolu s Davidem Rumelhartem a Ronaldem Williamsem výrazně zpopularizoval metodu zpětného šíření chyby. Ta umožňuje vypočítat, jak jednotlivé části sítě přispěly k nesprávné odpovědi, a podle toho upravit jejich nastavení.

Hinton tuto metodu nevynalezl sám a její historie sahá k dřívější práci dalších matematiků a informatiků. Jeho podíl spočíval mimo jiné v tom, že společně se spoluautory ukázal její význam pro trénování vícevrstvých sítí. Právě schopnost účinně upravovat velké množství parametrů se později stala jedním ze základních nástrojů hlubokého učení.

Hinton se podílel také na výzkumu dalších modelů, například Boltzmannových strojů, a na rozvoji způsobů, jak mohou neuronové sítě reprezentovat informace. Tyto směry přispěly k širšímu poznání možností i omezení učení založeného na umělých neuronových sítích.

Průlom hlubokého učení

Výrazný zájem o hluboké učení vzrostl na začátku druhého desetiletí 21. století. V roce 2012 dosáhl tým, v němž působili Hintonovi studenti Alex Krizhevsky a Ilya Sutskever, významného výsledku v soutěži rozpoznávání obrazů ImageNet. Jejich systém AlexNet využil hlubokou neuronovou síť a výpočetní výkon grafických procesorů. Výsledek ukázal, že kombinace vhodných algoritmů, rozsáhlých dat a výkonného hardwaru může výrazně zlepšit rozpoznávání obrazu.

Úspěch nepředstavoval okamžitý vznik dnešní generativní AI, ale změnil očekávání od strojového učení. Výzkumné týmy i technologické firmy začaly ve větší míře investovat do hlubokých sítí. Postupně se rozšířily jejich aplikace v překladačích, hlasových asistentech, doporučovacích systémech nebo analýze medicínských snímků. Později se stejné širší principy staly důležitou součástí jazykových modelů a dalších generativních nástrojů.

Ocenění a působení v technologickém průmyslu

Hinton působil jako akademik a výzkumník na univerzitách, mimo jiné na Univerzitě v Torontu. V roce 2013 se jeho výzkumná skupina DNNresearch připojila ke společnosti Google a Hinton následně pracoval také v jejím výzkumném prostředí. Propojování univerzitního výzkumu s technologickými firmami pomohlo urychlit přenos metod strojového učení do produktů a rozsáhlých výpočetních systémů.

V roce 2018 získal společně s Yannem LeCunem a Yoshou Bengiem Turingovu cenu, jedno z nejvýznamnějších ocenění v informatice. V roce 2024 obdržel spolu s Johnem Hopfieldem Nobelovu cenu za fyziku za základní objevy a vynálezy, které umožnily strojové učení pomocí umělých neuronových sítí. Ocenění připomněla, že rozvoj současné AI vychází z dlouhé historie výzkumu na pomezí informatiky, matematiky, fyziky a dalších oborů.

Varování před riziky umělé inteligence

V roce 2023 Hinton opustil Google a začal výrazněji veřejně vystupovat k možným rizikům pokročilé umělé inteligence. Upozorňuje na problémy, jako jsou šíření dezinformací, využití AI k manipulaci, dopady na pracovní trh nebo možnost, že vysoce schopné systémy bude obtížné bezpečně kontrolovat. Zvláštní obavy spojuje s budoucím vývojem systémů, které by mohly v některých úkolech překonávat lidské schopnosti.

Jeho varování nejsou předpovědí s jistým výsledkem. Odborníci se liší v tom, jak rychle mohou vzniknout nejpokročilejší systémy i jaké riziko představují. Hintonův postoj však upozorňuje na důležitou skutečnost: technický pokrok sám o sobě nezaručuje, že budou systémy používány bezpečně a ve veřejném zájmu. Vývoj AI proto vyžaduje nejen lepší algoritmy, ale také odpovědné řízení, důkladné testování a promyšlená pravidla pro její nasazování.

Odkaz vědce, který změnil směřování oboru

Geoffrey Hinton pomohl udržet a rozvinout výzkum neuronových sítí v době, kdy jejich praktický přínos nebyl samozřejmý. Jeho práce, stejně jako příspěvky jeho kolegů a následovníků, vytvořila část vědeckých základů, na nichž stojí dnešní systémy umělé inteligence. Jeho příběh zároveň ukazuje, že zásadní technologické změny obvykle nevznikají jediným objevem, ale dlouhodobým úsilím mnoha výzkumníků.

Hintonův význam dnes nespočívá pouze v tom, že pomohl posunout hranice strojového učení. Veřejně také připomíná odpovědnost lidí a institucí, které nové technologie vyvíjejí a zavádějí. Právě spojení vědeckého přínosu s otevřenou debatou o důsledcích činí jeho působení důležitým pro budoucnost umělé inteligence.