Představte si, že diktujete důležitý pracovní email do telefonu. Všechno jde skvěle, dokud se na konci vašeho textu neobjeví: „Titulky vytvořil JohnyX.“ Vítejte ve světě halucinací Whisperu, systému pro převod řeči na text od OpenAI, který pohání přepis řeči v tisících aplikací, od ChatGPT přes webové služby až po automatické titulkování videí.

Duchové v tichu

Pokud jste někdy používali hlasové funkce ChatGPT nebo aplikací založených na Whisperu, možná jste si všimli podivného jevu. Ve chvílích ticha nebo slabého šumu systém občas „slyší“ věci, které tam ve skutečnosti nejsou. Někdy je to nevinné „Titulky vytvořil JohnyX“, jindy mysteriózní odkazy na webové stránky jako „hamskey.com“ nebo „www.northstarit.co.uk“. A někdy se objeví i celé věty v různých jazycích, od ruštiny přes čínštinu až po latin.

Připomeňme si důležité okamžiky vývoje AI nástrojů, jak jsme je viděli my, Evropané, od prvních chatbotů, až po plnohodnotné asistenty v telefonech a aplikacích, které dnes ovlivňují každodenní život.

2023

OpenAI před pár dny vypustil do světa novou funkci ChatGPT – hledání na webu. Média okamžitě začala psát o konci Googlu. Pravda je ale, jako obvykle, někde jinde. ChatGPT Search totiž není ani tak náhrada Googlu, jako spíš nový způsob, jak získávat informace z internetu. Pojďme se podívat, v čem je jiný, kdy se hodí použít ho místo klasického vyhledávače, a kdy je lepší zůstat u starého dobrého Googlu.

Jak se to používá?

V okně pro psaní zprávy najdete nový přepínač search – když ho zapnete, ChatGPT začne automaticky používat internet pro odpovědi na vaše dotazy. Je to vlastně totéž, jako když jste dříve ručně napsali „použij internet“ do dotazu. Takže přímo v přepínači rozdíl není. Rozdíl je v nástroji, který má ChatGPT pro přístup k internetu interně k dispozici. Ten je výrazně mocnější.

Novinkou je také postranní panel, ve kterém přehledně zobrazuje odkazy na všechny zdroje, které ChatGPT při sestavování odpovědi (asi?) použil. Není to jen obyčejný seznam – ke každému odkazu vidíte krátkou ukázku obsahu a můžete si ho rozkliknout. OpenAI si dává záležet na tom, aby bylo vždy jasné, odkud která informace pochází, takže více zvýrazňuje citační butonky. To je důležité hlavně proto, abyste mohli snadno ověřit, jestli si nevymýšlí.

JakešGPT se stal hitem a spousta z vás se ptá, jak vlastně vznikl. Pojďme se podívat komunistovi na zoubek. Jde o tři samostatné kousky skládačky: generátor textu, syntetický hlas a deepfake video. Každý vznikl zvlášť a pak se spojily v jeden celek.

Klonování soudruhova intelektu

JakešGPT je příkladem tzv. „custom GPT“ (nebo také „GPTs“ či „Model GPT“) – vlastní verze ChatGPT se speciálním promptem. Vytvářet vlastní GPT můžou jen platící uživatelé (kliknutím sem), ale používat je může každý – proto si i JakešeGPT může vyzkoušet úplně kdokoliv. Můžete mu buď poslat text, který předělá do svého charakteristického stylu, nebo si s ním prostě povídat jako se soudruhem tajemníkem.

Jak vyrobit fejkové video, ve kterém bude třeba Biden ohlašovat konec světa nebo Honza Tuna dělat reportáž o pejskovi s kočičkou, co pekli dort?

Je to překvapivě jednoduché. Stačí například využít službu Rask AI, která se specializuje na předabování videí. Celý proces je vlastně hračka – nahraješ video, vybereš jeden z 60 dostupných jazyků a necháš technologii pracovat a pak se stane zázrak: postavy ve videu mluví svými původními hlasy a zachovávají osobitou dikci, jen v jiném jazyce. A co je skvělé – původní hudba i zvukové efekty zůstanou nedotčené.

Dlouho jste si o to psali, no tak vám to teda řeknu. Udělali jsme takový ten, no, jazykový model, jak se tomu říká. JakešGPT se to jmenuje. A von ten model vezme ten váš text, prostě, a udělá z něj takovej ten projev, jak jsem já mluvil na těch schůzích, že jo.

Já vám řeknu, není to jednoduchý proces, páč ten jazyk, to není jenom tak, že člověk něco řekne a je to. To musí mít tu formu, tu kulturu projevu, jak se říká. A tenhle model, von to udělá tak, že to zní jako já, i když já to samozřejmě nejsem, to je jasný.

No a proč jsme to udělali? Páč lidé si to přáli, že jo. Voni říkali – udělejte něco takovýho, co by mluvilo jak soudruh Jakeš. No tak jsme to udělali.

Umělé inteligence pro klonování hlasů nejsou zatím tak dokonalé, jako třeba generátory obrázků. Určitě se to brzy změní, nejspíš s masivnějším příchodem videí generovaných pomocí AI. Ale prozatím nečekej zázraky.

Napodobit hlas někoho jiného totiž neznamená jen napodobit jeho specifickou barvu, ale i způsob řeči, parazitní slovíčka, dýchání a já nevím co ještě. Až uměligence vystřihne Leoše Suchařípu, tak smeknu. Ale letos ještě bude mít Petr Jablonský co jíst.

Viktor Janiš loni v DVTV vysvětloval, jak propastný je rozdíl mezi překladem od profesionála a výtvorem AI. Své postřehy shrnul i na Facebooku, kde výstižně popisuje, že překlad není pouhé hledání ve slovníku, ale složitá socio-lingvistická operace. Že jde o přesazení textu i s celým „kořenovým balem“ kultury – tisíců konceptů, asociací a idiomů, které jsou v jednom jazyce samozřejmé, ale v druhém mohou být zcela nesrozumitelné.

Překladatel musí neustále řešit komplexní problémy na pomezí dvou kultur a činit stovky sofistikovaných rozhodnutí. A proto je Viktor Janiš velmi skeptický k tomu, že by AI mohla takovou operaci zvládnout.

Má naprostou pravdu. Překladatel je umělec a psycholog a stratég. Ale na rozdíl od Viktora jsem naprosto přesvědčený, že tohle AI zvládne.

Představte si, že byste mohli vytvořit hollywoodský trhák jen pomocí textu a pár kliknutí myší. Zní to jako sci-fi? Dlouho nebude. AI generátory videí mění pravidla hry ve filmovém průmyslu. Pojďme se podívat, jak tahle technologie funguje a co všechno dokáže.

Už dnes si každý může za večer vytvořit podobný videoklip:

Klip jsem vytvořil při prvním setkání s generátory videí. Chtěl jsem je rychle vyzkoušet a zjistit, co dokážou. Strávil jsem tím jen chvilku a jel vždy na první dobrou. Všechny ty „glitche“ jsem v klipu nechal schválně – ukazují, jak na tom tato technologie momentálně je. Je to takový malý dokument o současných možnostech a limitech AI generátorů videí.

Představte si, že máte kamaráda, který mluví jako Shakespeare, ale neumí spočítat, kolik je 7 + 8. Přesně tak se chovají dnešní jazykové modely umělé inteligence jako ChatGPT. Dokážou psát básně, vysvětlovat vtipy a vést filosofické debaty, ale když dojde na počty, najednou jsou v koncích. Proč tomu tak je? A je šance, že se to někdy změní?

Matematika je pro AI překvapivě oříšek

Pokud jste někdy zkoušeli použít ChatGPT jako kalkulačku, nejspíš jste si všimli, že to není zrovna jeho silná stránka. A není v tom sám – podobné problémy mají i další jazykové modely jako Claude od Anthropicu, Gemini od Googlu nebo Llama od Mety. Všechny tyto AI mají potíže i s úlohami, které by zvládl průměrný páťák. Přitom paradoxně zvládají složité slovní úlohy z přijímaček na vysokou školu. Jak je možné, že umělá inteligence, která dokáže pomalu napsat divadelní hru, se zamotá do jednoduchého početního příkladu?