AI systém PSI navrhol trajektóriu k Alpha Centauri

Nezisková Fermi Explorer Mission plánuje využiť trajektóriu, ktorú objavil systém PSI, pri misii k Alpha Centauri. Ide o najbližší hviezdny systém k Slnku. Misia chce podľa zverejneného plánu odštartovať už v roku 2029.

To nie je ďalší chatbot s kozmickým názvom. PSI mal hľadať trajektórie v priestore možností, kde by klasické výpočty skúšali obrovské množstvo kombinácií. Výsledkom má byť cesta, ktorá zohľadňuje čas letu, energiu, polohu planét a obmedzenia pripravovanej sondy.

Rozdiel oproti bežnému firemnému použitiu AI je podstatný. Model tu nevytvára text na schválenie človekom. Navrhuje riešenie fyzikálneho problému, ktoré musí prejsť simuláciami, technickou kontrolou a testami misie. Ak sa výpočet mýli, sonda to neopraví ďalším promptom.

Alpha Centauri je navyše cieľ, ktorý patrí medzi najťažšie predstaviteľné projekty vo vesmíre. Aj pri štarte v roku 2029 by cesta trvala výrazne dlhšie než bežná pozemná misia. Samotný dátum preto nie je dátumom príchodu, ale ambicióznym míľnikom vývoja a vypustenia.

V tejto správe treba držať jednu brzdu. Z dodaného opisu nie je jasné, či bola trajektória zverejnená v odbornom článku, nezávisle zopakovaná alebo zatiaľ predstavuje výsledok interného systému PSI. „AI navrhla trajektóriu“ preto ešte neznamená „trajektória je overená a misia je financovaná“.

Pre firmy je zaujímavý hlavne proces. AI môže nájsť riešenie, ktoré človek v rozumnom čase neprehľadá. Hodnota však vznikne až vtedy, keď firma presne definuje obmedzenia, pripraví kvalitné dáta a nastaví overenie výsledku.

Čo si z toho zobrať? Ak chcete AI použiť na optimalizáciu, nezačínajte otázkou, ktorý model je najlepší. Začnite problémom s jasnými vstupmi, merateľným výsledkom a človekom, ktorý vie návrh skontrolovať skôr, než sa podľa neho začne konať.

New York obmedzí používanie AI na prvom stupni a chatboty vo všetkých ročníkoch

New York plánuje zakázať žiakom používanie AI pred strednou školou a chatboty vo všetkých ročníkoch. Takéto pravidlo posúva diskusiu od otázky, či AI do škôl patrí, k otázke, v akom veku má dieťa dostať prístup k systému, ktorý vie odpovedať okamžite, presvedčivo a často bez vysvetlenia.

Pre školu nejde len o technické blokovanie webov. Učitelia musia vedieť rozlíšiť samostatnú prácu od textu vytvoreného nástrojom. Zároveň potrebujú úlohy, pri ktorých sa hodnotí postup, argumentácia a schopnosť obhájiť výsledok. Zakázať chatbot bez zmeny hodnotenia je približne ako zamknúť kalkulačky a ponechať rovnaký test.

Pravidlo sa týka New Yorku, nie automaticky slovenského alebo českého školstva. Pre firmy je však signálom, že budúci absolventi neprídu s jednotnou úrovňou AI návykov. Časť z nich bude vedieť nástroje používať zodpovedne, časť ich bude obchádzať a časť bude čakať, že nástroj vyrieši aj nejasné zadanie.

Čo si z toho zobrať? Pri nábore a internom vzdelávaní nepredpokladajte, že mladší ľudia AI automaticky ovládajú. Testujte konkrétnu pracovnú úlohu, kontrolu faktov a schopnosť vysvetliť, prečo je výstup správny.

Meta dáva prepisu reči viac hovoriacich a jazykov v jednom toku

Meta predstavila Muse Voice Transcribe, svoj prvý model na prepis zvuku v reálnom čase. Podľa informácií v Engadget má zvládnuť viac než 20 hovoriacich, prepínanie medzi jazykmi a takzvaný code-switching, teda miešanie jazykov v jednej vete.

Model má zároveň sám rozhodovať, kedy ešte počúvať a kedy už zapísať slovo. Meta uvádza tréning na viac než 70 jazykoch, pričom pri uvedení mala mať overených 25. Dostupnosť je cez Meta AI Mac aplikáciu, Muse Code a Model API. Uvádzaná cena je 3 doláre za 1 000 minút zvuku.

To otvára praktické použitie pre porady, zákaznícku podporu a obchodné hovory v slovenskom, českom aj anglickom jazyku. Neznamená to však, že prepis je automaticky vhodný ako právny alebo personálny záznam. Pri prízvuku, šume, odborných názvoch a súkromných údajoch bude stále potrebná kontrola.

Treba tiež oddeliť tvrdenie výrobcu od nezávislého porovnania. Meta píše, že model je špičkový v streamovanom prepise, no dodaný materiál neuvádza benchmark, metodiku ani porovnanie s konkrétnymi konkurentmi. Cena za minútu preto nie je celková cena nasadenia.

Čo si z toho zobrať? Prepis porád má zmysel ako pracovný návrh zápisnice, nie ako bezkontrolný archív. Najprv otestujte 10 až 20 vlastných nahrávok v oboch jazykoch a zmerajte počet opráv, až potom riešte integráciu.

Čo ešte stojí za prečítanie?

  • Google Research Blog používa deep learning na mapovanie globálnych emisií metánu z vesmíru, aby vedel presnejšie priradiť úniky ku konkrétnym zdrojom.
  • MarkTechPost píše o modeli Gradium, ktorý uvádza 81,0 % úspešnosť na 500 náročných vetách a medián 216 milisekúnd do prvého zvuku.
  • Hugging Face zverejnil viac než 200 WebGPU kernelov, čo môže zjednodušiť lokálne AI výpočty v kompatibilných zariadeniach.
  • Výskum na arXiv upozorňuje, že KV cache pri dlhom kontexte rastie lineárne s dĺžkou vstupu a môže sa stať hlavnou pamäťovou prekážkou inferencie.
  • Ďalší výskum na arXiv uvádza, že reťazec uvažovania na modeli DeepSeek-R1-Distill-Qwen-7B môže trvať približne dvakrát dlhšie, než je potrebné na dosiahnutie vysokej istoty odpovede.

Čo si o tom myslím a čo z toho plynie pre firmy

Názor

Pri príbehu PSI ma zaujíma menej samotné slovo AI a viac to, že systém dostal problém s tvrdými obmedzeniami. Trajektória k Alpha Centauri nie je kreatívne písanie. Je to úloha, pri ktorej návrh buď spĺňa fyzikálne podmienky, alebo nie. Práve tam vidím rozumnú hranicu medzi užitočným AI systémom a firemnou prezentáciou.

Zároveň odmietam robiť z plánovaného štartu dôkaz, že AI už samostatne rieši vedu. Zatiaľ máme návrh misie a tvrdenie o objavenej trajektórii, nie výsledok letu. Pri takomto projekte má človek úlohu nielen schváliť výstup. Musí navrhnúť celý kontrolný proces, v ktorom sa chyba dá odhaliť skôr, než sa zmení na miliardový problém.

To isté platí pri prepise od Met y. Model, ktorý rozozná viac hovoriacich a jazyky, môže byť veľmi praktický. Nie je však automaticky presný v každej firme len preto, že výrobca uvádza viac než 20 hovoriacich a tréning na desiatkach jazykov. Bez vlastného merania je to sľub dodávateľa, nie firemný výsledok.

Dôsledok pre slovenskú a českú firmu

Pre bežnú stredoeurópsku firmu z toho vyplýva jednoduchý postup. Vyberte jeden proces, v ktorom sa opakuje rozhodovanie a kde viete presne pomenovať vstupy aj chyby. Môže ísť o triedenie dopytov, kontrolu objednávok alebo tvorbu prvého návrhu zápisnice. Nie o neurčité „využitie AI v celej firme“.

Pri hlasových záznamoch by mal byť vlastníkom procesu vedúci zákazníckej podpory alebo obchodu. IT má zabezpečiť prístupy, ochranu dát a logovanie. Nemá však byť jediným oddelením, ktoré rozhodne, či je prepis použiteľný. O kvalite musí rozhodnúť človek, ktorý pozná reálne hovory, slovník zákazníkov a cenu chyby.

Na Slovensku aj v Česku sa treba vysporiadať s ochranou osobných údajov a internými pravidlami pre nahrávanie komunikácie. Konkrétne právne povinnosti sa môžu líšiť podľa situácie, typu záznamu a krajiny. Proces preto musí začať súhlasmi, účelom spracovania a určením, ako dlho sa nahrávky a prepisy uchovávajú.

V horizonte jedného týždňa sa dá vytvoriť testovacia sada z anonymizovaných nahrávok. Do nej patrí 20 až 50 minút reči s prirodzeným miešaním slovenčiny, češtiny a angličtiny, ak to firma používa. Zmerajte čas ručných opráv, počet nesprávne označených hovoriacich a počet chýb v menách, sumách a termínoch.

Ak systém ušetrí zapisovateľovi hodinu po každej porade, ešte to nie je úspora. Ušetrený čas musí ísť na úlohu, ktorú firma doteraz odkladala, napríklad na následné telefonáty alebo spracovanie ponúk. Inak iba vyrobíte viac zápisníc, ktoré bude niekto čítať.

Pri optimalizačných systémoch, akým má byť PSI, je dôsledok širší. Firma si má pred nasadením AI spísať pravidlá, ktoré nesmie výsledok porušiť. Potom treba zaviesť nezávislú kontrolu a alarm pri neobvyklom výstupe. Systém, ktorý padne potichu, je horší než systém, ktorý nepadne vôbec.

Pre slovenskú a českú firmu teda nejde o kopírovanie vesmírnej misie. Ide o rovnakú disciplínu v menšom meradle. Jasné zadanie, kvalitné dáta, kontrola a meranie výsledku. Kto preskočí prvé tri kroky, bude mať veľmi moderný spôsob, ako zrýchliť starý neporiadok.

Čo si z toho zobrať? Každý AI pilot musí mať vlastníka procesu, testovaciu vzorku, hranicu prijateľnej chyby a pravidlo, čo sa stane pri zlyhaní. Bez toho neviete, či ste nasadili nástroj, alebo iba ďalšiu položku v prezentácii.

Na záver

Keď sa ľudia rozprávajú vo viacerých jazykoch, technológia musí zvládnuť realitu, nie učebnicovú vetu. Keď vedci hľadajú cestu k inej hviezde, musí zvládnuť ešte viac obmedzení. A keď píšeme firemný e-mail, stačí nám niekedy iba vedieť, čo sme vlastne chceli povedať.

Podľa textu vo Fast Company môže AI stáť za viac než tretinou webových stránok publikovaných od spustenia ChatGPT. Výskum zároveň opisuje znižovanie jazykovej rozmanitosti. Stroje nám teda možno pomáhajú hovoriť viac. Otázka je, či ešte hovoríme vlastným hlasom.

Výzva na AI implementáciu dňa

Do siedmich dní nasaďte pilot automatického prepisu porád cez Meta Muse Voice Transcribe alebo iné API s podobnými funkciami. Vyberte tri interné porady, získajte potrebné súhlasy, anonymizujte mená a porovnajte automatický prepis s ručne upravenou zápisnicou.

Prácu to zoberie asistentovi, obchodníkovi alebo vedúcemu tímu, ktorý dnes po porade ručne počúva nahrávku a zapisuje úlohy. Pri štyroch poradách mesačne môže ísť o niekoľko hodín ušetreného času na jedného človeka. Pilot sa dá spustiť za 2 až 5 pracovných dní.

Najčastejšie padne na nekvalitných nahrávkach, chýbajúcich súhlasoch a na tom, že nikto neurčí, kto má opraviť chyby. Začnite tromi vlastnými nahrávkami a ešte tento týždeň zmerajte, či prepis skutočne skracuje cestu od porady k vykonanej úlohe. Nech sa prvý merateľný výsledok začne pri najbližšej porade.