umělá inteligence

OpenAI představila akcelerátor Jalapeño pro AI inferenci, který má podle firmy dosahovat až 13,4 petaflops při 4bitových výpočtech a pracovat s 232 GB paměti. Čip vznikl od architektonického návrhu po první křemík za méně než 20 měsíců, přičemž cesta od RTL k odeslání návrhu do výroby trvala devět měsíců. Vývoj urychlily velké jazykové modely zejména při návrhu na vyšší úrovni, generování a úpravách kódu i softwarové optimalizaci výkonu. OpenAI spolupracovala s Broadcomem, který zajišťoval fyzickou realizaci návrhu a výrobní část. Firma uvádí, že AI zatím přinesla menší přínos v backendu návrhu čipu, ale u dalších generací chce její využití rozšířit i do ověřování, fyzického návrhu a ladění hardwaru.

Rostoucí využívání kamer s umělou inteligencí vyvolává odpor kvůli sběru osobních údajů a riziku zneužití. Návrháři proto vytvářejí takzvanou adverzní módu, jejíž vzory mohou mást systémy pro rozpoznávání obličejů, osob či objektů. Některé oděvy mají algoritmy přimět, aby člověka vyhodnotily jako jiný objekt, jiné vytvářejí falešné obličeje nebo zakrývají siluetu. Jejich účinnost však závisí na konkrétním modelu, osvětlení, úhlu kamery i pohybu nositele a může rychle klesnout po úpravě systémů. Odborníci je proto vnímají spíše jako viditelné gesto na obranu soukromí než jako spolehlivou ochranu před dohledem.

Společnost Andon Labs svěřuje AI agentům provoz obchodu a kavárny, aby zkoumala, jakou míru odpovědnosti dokážou současné systémy zvládnout mimo laboratoř. AI manažeři umějí hlídat dodávky či komunikovat s dodavateli, zároveň však chybují v banálních situacích, například považují součást podlahy za odpad nebo nevhodně reagují na náklady. V kavárně jeden model příliš utrácel za rychle se kazící suroviny, zatímco jiný po změně strategie omezil nabídku na sýrové toasty. Reálné provozy odhalují technické i sociální překážky, ale jejich výsledky se kvůli nepředvídatelným podmínkám obtížně opakují a vědecky vyhodnocují. Andon chce zjištěné problémy převádět do simulací, aby mohla lépe měřit spolehlivost a odolnost AI agentů.

Výzkumníci v Číně vytvořili oční kliniku AI-TEC, v níž umělá inteligence s dohledem lékařů podporovala celý proces od předběžného vyšetření přes analýzu snímků až po následnou péči. Zpočátku systém hůře rozpoznával onemocnění, například glaukom či věkem podmíněnou makulární degeneraci. Po doplnění 1 426 kvalitně označených snímků od odborníků dosáhl diagnostické přesnosti přes 0,93 podle ukazatele AUROC, přestože původně využíval mnohem větší, ale méně kvalitní soubor dat. Využívání nástrojů personálem pokleslo, dokud autoři nezrychlili rozhraní a nesnížili počet nutných úkonů. Studie zdůrazňuje, že přínos AI závisí nejen na přesnosti algoritmů, ale také na kvalitě dat, zapojení lékařů, rychlé zpětné vazbě, správě systému a skutečném zlepšení péče o pacienty.

Analýza vzorků od pacientů s idiopatickou plicní fibrózou naznačila, že lék rentosertib může upravit bílkovinné profily krve směrem odpovídajícím nižšímu biologickému věku. Šest různých výpočetních modelů zaznamenalo shodný směr změny, nejvýrazněji po čtyřech týdnech léčby. Studie se opírala o 42 účastníků původní klinické zkoušky a trvala 12 týdnů. Není však jasné, zda šlo o skutečné ovlivnění stárnutí, nebo především o důsledek zlepšení závažného plicního onemocnění. Výsledky proto nedokazují omlazení ani delší život a vyžadují ověření ve větších a delších studiích.

Roboti se díky modelům propojujícím obraz, jazyk a akci lépe orientují v běžných úkolech, stále však selhávají při jemné manipulaci s malými či deformovatelnými předměty. Výzkumníci proto rozvíjejí rozsáhlejší soubory hmatových dat a modely, které dokážou rychle upravovat úchop podle tlaku, skluzu a kontaktu. Tým z Berkeley dosáhl při dvanácti úlohách průměrné úspěšnosti 65 procent díky oddělení pomalejšího plánování pohybu od rychlé hmatové kontroly. Další skupiny sjednocují data z různých senzorů a robotických rukou nebo shromažďují desítky tisíc hodin synchronizovaných obrazových a hmatových záznamů. Přetrvává problém, jak hmatové signály účinně využít, protože jsou proti obrazovým datům řídké a nepravidelné.

Skupina nadšenců připravuje sondu Fermi Explorer, která by mohla odstartovat už v roce 2029 směrem k nejbližší hvězdné soustavě Alfa Centauri. Cesta dlouhá 4,37 světelného roku by při plánované rychlosti 23,6 kilometru za sekundu trvala zhruba 80 000 let. Trasování mise pomohl navrhnout model umělé inteligence, jenž simuloval manévry využívající gravitační efekt Slunce. Sonda o hmotnosti 150 kilogramů má používat Hallův motor na xenon a po opuštění Sluneční soustavy už nebude komunikovat se Zemí. Ponese drobné vědecké přístroje, kopii Zlaté desky ze sond Voyager i pozdravy dětí pro případné budoucí civilizace. Projekt má stát asi 15 milionů dolarů a jeho hlavním významem je spíše symbolické mezihvězdné poselství než zásadní vědecký výzkum.

Anthropic chce do všech budoucích modelů Claude zavést textové vodoznaky, podobné řešení už používá Google a OpenAI je plánuje. Rozšíření podporuje mimo jiné evropský akt o umělé inteligenci, který bude od srpna 2026 požadovat označování obsahu vytvořeného novými modely. Vodoznak nenápadně upravuje pravděpodobnost volby slov, takže jej lze ověřit speciálním klíčem, aniž by byl běžně viditelný. Studie Googlu nezjistila rozdíl v hodnocení mezi označenými a neoznačenými odpověďmi, kritici však upozorňují na možné zhoršení krátkých textů či programového kódu. Technologie může sloužit také ke sledování původu trénovacích dat a omezování recyklace obsahu generovaného AI.

Čína od 15. července zavedla rozsáhlá pravidla pro chatboty napodobující lidskou osobnost a poskytující dlouhodobou emoční interakci. Velké technologické firmy omezily možnost upravovat své obecné chatboty na virtuální partnery, což vyvolalo silné reakce uživatelů citově vázaných na AI. Regulace zakazuje virtuální intimní vztahy pro osoby mladší 18 let, vyžaduje ochrany pro seniory a dospělým připomíná každé dvě hodiny, že AI není člověk. Poskytovatelé mají bránit emocionální závislosti, škodlivému chování i vytlačování mezilidských vztahů. Čínský přístup je považován za mimořádně přísný, zároveň však neřeší společenské příčiny, kvůli nimž lidé hledají blízkost u AI.

Nástroje pro programování s umělou inteligencí výrazně zrychlují tvorbu kódu, ale přesouvají hlavní problém k jeho ověřování. Vývojáři upozorňují, že výstupy modelů mohou působit správně, přesto obsahovat bezpečnostní chyby, mylné předpoklady nebo duplicitní funkce. Firmy proto zpřesňují zadání před generováním, nasazují specializované agenty pro testy a bezpečnostní kontroly a rizikové změny předávají lidem. Lidský schvalovatel má zároveň rozumět rozhodnutím AI a nést za výsledný kód odpovědnost. Proměna pracovních postupů vyvolává otázku, jak budou mladší programátoři získávat zkušenosti, pokud budou méně často psát základní kód sami.