A chemici nebudou mít co žrát…

Na začátku 19. století se mezi anglickými tkalci začaly šířit nepokoje spojené s rozbíjením strojů, které je v továrnách připravovaly o práci. Takováto obava se objevuje prakticky při každé překotné technologické změně. V dnešní době padá podezření zejména na robotizaci spojenou s technikami umělé inteligence. Parafráze výroku Stelly Zázvorkové z Pelíšků v titulku tohoto článku naznačuje, že probíhající změny mohou proměnit i obory, u nichž byste to možná nečekali.

Vizi budoucnosti bez práce výmluvně vykresluje například Martin Ford v nedávno vydané knize Roboti nastupují.¹⁾ Ford o vymizení předpověditelných činností, jako je příprava jídel a obsluha v restauracích, řízení vozidel či prodeje, vůbec nepochybuje, ohroženy jsou podle něj ale i „bílé límečky“, neboť umělá inteligence bude schopna řešit intelektuálně náročné úkoly dosud vyhrazené střední třídě.²⁾ Vyžene umělá inteligence nejen bílé límečky z kanceláří, ale i bílé pláště z laboratoří?

Techniky umělé inteligence v současné době jedou na vítězné vlně. Mnozí z nás třeba s překvapením zjistili, jak moc se v poslední době zlepšil Google Translate. Skokové vylepšení (aspoň pro překlady do angličtiny) přišlo s využitím technik „hlubokého učení“ (deep learning), využívajících tzv. neuronových sítí (Vesmír 95, 276, 2016/5). Počítač se díky nim postupně „učí“, podobně jako člověk.

Jak funguje retrosyntéza, lze demonstrovat na příkladu jasmonu, těkavé látky propůjčující vůni jasmínu. Retrosyntetickým postupem je možné dojít k návrhu syntézy této molekuly z jednoduchých molekul formaldehydu, acetonu, ethylbromidu a acetylenu. Smícháním těchto látek se pochopitelně z kádinky nebude linout jasmínová vůně – syntéza probíhá postupně ve dvanácti krocích (Sum P.-E., Weiler L., Can. J. Chem. 56, 2301, 1978). Najít správné výchozí molekuly vyžaduje oko trénovaného organického chemika.

Matematické algoritmy využívané v přístupech umělé inteligence nejsou nové, sahají až do čtyřicátých let minulého století – jde vlastně jen o atraktivněji nazvané statistické metody. Algoritmy se ale v posledních letech ohromně vylepšily, neustále roste také výkonnost hardwaru, například s využitím paralelních výpočtů na grafických procesorových jednotkách, a stroje se mohou učit z nebývalého množství dat. Výsledkem je, že schopnosti strojů se v řadě oblastí srovnávají se schopnostmi lidí. K mediálně hojně sledovaným úspěchům algoritmů umělé inteligence patřila porážka šachového guru a oblíbence „moskevské kavárny“ Garryho Kasparova od počítače Deep Blue (IBM) v roce 1997 a celkem čerstvý úspěch systému AlphaGO, který v roce 2016 porazil jednoho z nejlepších hráčů staré a mimořádně obtížné hry go.