Nalezení výzev a možnost jejich uskutečnění s technologiemi

Technologie prostupují téměř veškerou lidskou činností, což vytváří tlak na jistou diferencializaci. Na jedné straně je možné vidět nemálo aktivit, které se snaží o to žít bez technologií nebo dělat věci „starším“ (historizujícím) způsobem. Součástí digitálních kompetencí je nesporně také hledat a nacházet oblasti, ve kterých není efektivní technologie používat a pracovat s nimi, kde se z různých důvodů hodí užít jiné nástroje nebo více sázet na bezprostřední lidskou zkušenost. Toto rozlišování je důležité nejen s ohledem na efektivitu řešení různých problémů, ale také v kontextu sociálním, kdy se stále lze setkat s nemalým množstvím lidí, kteří mají k technologiím reservovaný či negativní vztah.

Druhou rovinou diference je schopnost přemýšlet o tom, jaké činnosti lidské práce by bylo možné pomocí technologií nahradit. Tony Buzan ve svých knihách opakovaně píše, že 21. století bude stoletím mozku – bude nutné hledat oblasti, ve kterých se tvořivé a kritické lidské myšlení bude moci uplatnit v soutěži s umělou inteligencí, respektive kriticky přemýšlet o tom, v jakých oblastech by bylo efektivní a funkční ji používat.

Nejde přitom o primárně banální situace, jako je nahrazení poslání dopisu e-mailem nebo využití textového procesoru na napsání textu místo psacího stroje. Tím, že jde o téma zaměřené na problem solving, je jasně zdůrazněno, že to, co by člověk měl s technologiemi umět řešit, je podstatně složitější oblast problémů.

Příkladem může být datová žurnalistika – klasická novinářská práce se zdroji zde byla doplněna o analýzu dat a jejich vizualizaci. Žurnalista tedy v prvním kroku definuje téma, získá k němu vhodná data, ta analyzuje pomocí adekvátního nástroje a vizualizuje je. K takto zpracovaným výsledkům následně píše příběh. Zdůrazněme, že běžná novinářská činnost je odlišná – data slouží buď jako jednoduché východisko (a často se užívají již předzpracovaná), jsou zasazená do jednoduchého kontextu (například vývoj schodku státního rozpočtu v letech) anebo slouží jako podklady pro článek, když mají kvalitativní charakter. Datová žurnalistika v tomto ohledu definuje zcela nový přístup k práci, mění kompetence nutné k tomu, aby člověk mohl být novinářem.

Na výše uvedeném příkladu je vidět, jak i relativně jednoduchá profese žurnalistů může procházet dynamickým vývojem, pokud dokáže identifikovat výzvy, které před ni moderní technologie kladou. A právě tento aspekt je součástí kompetencí k hledání problémů, které s technologiemi souvisí – jde o rozvoj dovednosti pozorovat svět a přemýšlet o možnostech technologií, které umožní řešit různé problémy, které před člověkem stojí, byť platí to, co jsme již uvedli výše – technologie nemusí být jedinou odpovědí na problémy. Jejich dobrá znalost a schopnost o nich přemýšlet je ale nesporně klíčová pro efektivní práci v informační společnosti.

Sama informační společnost s sebou nese to, co Robert Reich označuje jako symbolické analytiky, tedy osoby, které se věnují tomu, že ve světě hledají struktury, které následně mohou analyzovat a manipulovat s nimi. Jde o informační specialisty v nejširším slova smyslu – od burzovních makléřů přes učitele až po lékaře. Ti všichni musí s informacemi pracovat a v jejich praxi se objevuje nespočet problémů, pro jejichž využití je možné (a vhodné) využít právě technologická řešení.

Je zde pak ještě jeden fenomén, na který není možné zapomenout – informační společnost zásadním způsobem transformuje pracovní trh, takže vznikají zcela nové pozice a některé staré buď úplně zanikají, nebo se významným způsobem mění. Schopnost efektivně užít digitální technologie v různých oblastech společenského života tak představuje jednu z důležitých pracovních či ekonomických (ale v budoucnosti také sociálních) kompetencí. Před výzvu definovat vlastní profesi či povolání nejsou v informační společnosti postaveni jen „průkopníci“ nových oborů, ale velká část běžné populace.

Již jsme současné společnosti dávali různé přídomky – informační, znalostní, učící se, platformní, konzumní atp. Někdy se lze setkat s tvrzením, že žijeme v době postfaktické, tedy ve světě, kde nerozhodují skutečné informace, ale více dojmy či rychle šířená oznámení prostřednictvím sociálních sítí. Pravda jako by se stala něčím, o co se nikdo příliš nezajímá. Jan Sokol a Jaroslav Peregrin přitom upozorňují (s. 159), že pravda je něco, co je naprosto nezbytné pro libovolnou lidskou interakci – jazyk je založen na pravdivostních formulích, počítače zpracovávají logické výrazy a také sama komunikace stojí na jistém pravdivostním základu. Pokud druhému nevěříme, co říká, nemůžeme s ním komunikovat. Friedrich Nietzsche ve své definici člověka říká, že je to zvíře, které může slíbit. Pokud neexistuje diskurs pravdy v celé společnosti, pak nelze slibovat a společnost se stává nelidskou, animální.

Rádi bychom vystoupili z této do jisté míry negativistické pozice a poukážeme na to, že přídomek, který jsme dnešní době doposud nedali, je datová. O současné době se skutečně někdy hovoří jako o době datové. V kontextu výše zmíněného je přitom zásadní to, že pokud by pravda nebyla obecně sdílenou hodnotou, nemají ani data žádný smysl. Přitom právě ona představují jednu z významných obchodních komodit.

Sousloví doba datová v sobě skrývá několik důležitých a zajímavých aspektů, které je třeba alespoň krátce zmínit. Předně jde o produkci dat, která extrémním způsobem roste. Věda dnes dokáže vytvářet větší datové soubory, než jaké je schopná v rozumném čase zpracovávat. Příkladem mohou být data z CERNu, která na zpracování čekají běžně i dva roky nebo astronomická data, která v úplnosti zpracovávat neumíme (možných výzkumných témat je příliš mnoho) a zřejmě ani nikdy umět nebudeme. Se zlepšujícími se přístroji přitom produkce dat nesmírně rychle roste, takže lze hovořit o informační explosi.

Tato skutečnost pak vyvolává tři možné modely řešení. Tím prvním, který se uplatňuje u CERNu, je otevřená spolupráce. Různá pracoviště na světě se mohou zapojit do gridové sítě a podílet se na jejich analýze a zpracování. Tato distribuce výpočetního výkonu je velice zajímavý fenomén, kterého využíval například známý projekt Seti@Home, který hledal mimozemské civilizace tak, že počítače běžných uživatelů analyzovaly jednotlivé části signálu. Složitý a komplexní problém se tedy může rozložit na více částí, které mohou následně řešit počítače jednotlivých uživatelů nebo menší servery.

Druhou možností, která se hojně uplatňuje u astronomických dat, je otevřenost. Každý, kdo chce, může jít do databáze Simbad a využít zde dostupná data pro vlastní vědeckou činnost. Jakkoli jsou data sama o sobě cenná, tak ta, která jsou pořizována z veřejných prostředků, by měla být veřejná. Díky tomu může na dobrých datech pracovat také člověk, který není placený univerzitou anebo je z příliš chudé oblasti na to, aby jeho instituce mohla aktivně participovat na vesmírném výzkumu.

Specifickou formou této otevřenosti je občanská věda, při které občané data primárně nezpracovávají, ale pořizují. Mohou tak například mapovat biodiverzitu lesa, ve kterém tráví dovolenou, nebo sledovat a zaznamenávat dialekty skřivanů. Vědci využívají toho, že se lidé mohou zapojit do tvorby vědeckých dat, která by jinak získávali jen velice nákladně nebo dlouho a současně zvyšují jistou vědeckou angažovanost u široké veřejnosti.

Třetí model je možné označit jako protekcionalismus, kdy si instituce či jedinec data ponechá pro svoji vlastní potřebu. Tento přístup je v současné společnosti zřejmě dominantní a výrazný. Chybí rozvinutější kultura sdílení, definovaný trh s daty nebo schopnost o spolupráci vhodně uvažovat.

Umělá inteligence představuje jistý buzzword, který rámuje téměř vše, co se v oblasti informačních technologií v současné době děje. Každá nová služba, každý nový nástroj musí prvky umělé inteligence obsahovat. Najít uspokojivou definici toho, co to umělá inteligence je, není snadné – nejčastěji se hovoří o tom, že umělou inteligencí disponuje systém, který vykazuje rysy inteligentního chování s tím, že za etalon je považován lidský rozum. V následujícím textu se pokusíme situaci zjednodušit v tom, že za umělou inteligenci budeme považovat takový systém, který je schopen se učit a nepostupuje pouze cestou kopírování nějaké jasně dané deterministické posloupnosti kroků.

Umělá inteligence umožňuje poměrně snadno řešit variabilní třídu úloh, ve kterých jde o nějakou diferenci – typicky roztřídit nějaké položky, najít v nich určité vzory a struktury, hledat souvislost mezi proměnnými atp. Umělá inteligence není primárně spojená s robotickým tělem, jak by mohla naznačovat filmová či literární představa, ale jde o software, který má velice všestranné využití – dnes se užívá například při vyhledávání v Google, pro identifikaci podezřelých plateb prostřednictvím platební karty, pro řízení semaforů v městské dopravě nebo v chatovacích aplikacích.

Jde o technologii, která zásadním způsobem redefinuje velké množství služeb, nástrojů, ale také povolání, která lidé vykonávají. Umožňuje na jednu stranu uspořit čas tím, že pomocí algoritmu budou řešené rutinní úkony, jako například v chatu na Facebooku odpovídat na dotazy ohledně dostupnosti zboží nebo prodejní doby určitého obchodu, ale také umožňuje zpracovávat velké množství dat a hledat v nich nějaké modely či struktury, případně identifikovat prvky, které splňují určité parametry.

V současné době je také velkým tématem automatické rozpoznávání obrazu (s. 48-50), ať již například pro strojový překlad (když se podíváme na jídelní lístek v cizím jazyce, můžeme ho vidět přeložený do češtiny, aniž bychom tušili, v jakém jazyku byl lístek napsaný), ale také pro rozpoznávání SPZ u automobilů a mnoho dalších úkolů.

Současně je třeba zdůraznit, že práce se systémy s umělou inteligencí je zcela běžná, takže se jí v žádném případě není možné vyhnout. Existují dokonce poměrně jednoduchá standardizovaná prostředí, která s nástroji, za kterými je umělá inteligence ukrytá, umožňují pracovat i lidem, kteří neumí programovat nebo nemají pokročilé algoritmické myšlení. Vytvořit si dnes vlastního chatbota zvládne téměř každý. Obtížné není ono programování či skriptování, ale modelování dialogu a identifikace smysluplné aplikace.