AI model předvídá volby: „Za pár desítek minut od začátku sčítání tušíme výsledek.“

Článek si také můžete poslechnout v audioverzi.

S novými technologiemi přicházejí i nové možnosti. Že inženýři stvořili predikativní model, který umí velmi přesně a velmi rychle odhadnout výsledky voleb, se potvrdilo například v roce 2023 u prvního kola prezidentské volby. Stačilo jejich systém nakrmit daty z pouhých deseti procent prvních sečtených okrsků a už hlásil, že Petr Pavel vyhraje těsně před Andrejem Babiše, že oba budou mít kolem 35 procent hlasů a že Danuše Nerudová skončí třetí se ziskem pod hranicí 14 procent.

Model dává nejlepší výsledky pro celostátní volby v Česku – tedy prezidentské a parlamentní. „U komunálních voleb by bylo zajištění takto vysoké přesnosti modelu takřka nemožné, jelikož by model pracoval s výrazně menší populací,“ vysvětluje v rozhovoru pro Seznam Zprávy Jiří Čermák, vedoucí oddělení generativní AI ve společnosti Blindspot AI, která je součásti skupiny Adastra.

Jak takový predikční model vzniká? Jak moc dokáže být přesný a kde leží pomyslný klíč k tomu, aby umělá inteligence predikovala výsledky voleb správně?

K vytvoření predikčního modelu je potřeba nejdříve důkladně porozumět samotné problematice voleb i povaze dat, která máme k dispozici. To zahrnuje analýzu, jak jsou data sbírána a prezentována v průběhu sčítání, jak jsou označené konkrétní okrsky ve zdrojových datech a jak se jejich charakteristiky mohou proměňovat napříč roky – například v důsledku nové výstavby, změn v zákonech, či pohybu obyvatelstva třeba během prázdnin. Toto pochopení domény je založeno na důkladné analýze dat nejen z Českého statistického úřadu, ale i z mnoha dalších zdrojů.

Teprve když rozumíme těmto souvislostem, můžeme vybrat vhodný model strojového učení, který umí spolehlivě pracovat s dostupnými daty a správně zachytí specifika českých voleb. Abychom zajistili vysokou přesnost modelu, detailně testujeme, jak model reaguje na různé scénáře a jeho přesnost ověřujeme na historických výsledcích.

Kdy jste ho poprvé vyzkoušeli a při jakých volbách byl zatím nejpřesnější?

Poprvé jsme model nasadili při prezidentských volbách v roce 2018 a od té doby jsme ho aplikovali na všechny prezidentské i parlamentní volby. Model na předchozích volbách konzistentně predikoval výsledky s chybou menší než jeden procentní bod už při 10 % sečtených okrsků.

Lze váš model uplatnit u všech typů voleb? Nebo se úspěšnost liší podle toho, jestli jde například o volby komunální nebo prezidentské?

Model dává nejlepší výsledky pro celostátní volby v ČR – tedy prezidentské a parlamentní. Těchto voleb se účastní statisticky signifikantní populace a dopad na výsledky voleb mají hlavně zásadní sociální trendy a nikoliv drobné odchylky v chování voličů či ve změně okrsků. U komunálních voleb by bylo zajištění takto vysoké přesnosti modelu takřka nemožné, jelikož by model pracoval s výrazně menší populací.

Jak vás myšlenka produkčního modelu vůbec napadla? A inspirovali jste se při práci například nějakým jiným systémem?

Náš model původně vznikl jako interní experiment našeho tehdejšího kolegy Vojtěcha Létala. Dosáhl však tak skvělých výsledků, že jsme se do projektu rozhodli investovat a rozvíjet ho dále. Jasně totiž ukazuje široké veřejnosti, co technologie AI dokáže. A to na datech, kterým všichni rozumíme a týkají se nás.

Naší inspirací je svět byznysu, který je pro nás hlavní doménou. V Adastře a v Blindspot AI se totiž zabýváme vývojem AI systému na míru. Ty pomáhají například predikovat poptávku, optimalizovat logistické a výrobní procesy, automatizovat zákaznickou podporu nebo třeba včas detekovat podvodné finanční transakce. Ať už jde o byznys nebo o volební predikci – principy, které uplatňujeme, jsou stejné: důkladná analýza dat, pochopení specifik konkrétního procesu a volba vhodné AI technologie.

Jak rychle od uzavření volebních místností bude algoritmus znát pravděpodobné výsledky voleb? Kdy se je čtenáři dozví?

První spolehlivou predikci výsledku dokáže model nabídnout již ve chvíli, kdy máme k dispozici zhruba 10 % sečtených okrsků. U prezidentských voleb to bylo asi 10–15 minut od začátku sčítání, u posledních parlamentních voleb začala chodit první data ve 14:20 a kolem 15. hodiny jsme měli první spolehlivou predikci. Čtenáři se tedy dozví kvalitní předpověď opravdu velmi brzy a mohou pak průběžně sledovat, jak se predikce s následným sčítáním zpřesňuje a přibližuje konečnému výsledku.

Kde jinde než při sčítání voleb by se podle vás v politice (nebo státní správě) dala využít umělá inteligence?

Dnešní umělá inteligence nabízí široké možnosti – od predikcí časových řad, detekci anomálií až po automatizaci zpracování a vyplňování různých dokumentů či v roli asistentů při běžných úředních procesech. AI může tedy výrazně zjednodušit digitalizaci a automatizaci procesů například na Katastru nemovitostí či při vyplňování a zpracování daňového přiznání, jelikož může například rychle analyzovat stovky stránek dokumentů nebo vytáhnout z objemných databází relevantní informace.

Samozřejmě je nutné k využití AI přistupovat zodpovědně a obezřetně, aby byly zajištěny správné kontroly a transparentnost rozhodování. V mnoha případech se však může AI stát efektivním pomocníkem, který ulehčí každodenní administrativu a umožní rychlejší a kvalitnější služby občanům.

Chystáte nějaké další „veřejnoprávní“ uplatnění vašeho modelu? Kde by se taková predikce dala uplatnit?

Tento model je vytvořený přímo na predikci volebních výsledků při sčítání hlasů. Pro tento účel ho plánujeme využívat i v následujících volbách. Obdobné metody však mohou být použity i na predikci výsledků voleb například na základě předvolebních průzkumů. Tam je ovšem predikce výrazně složitější, jelikož průzkumy jsou prováděny na malých vzorcích populace.

Jaké trendy sledujete poslední měsíce v „oboru“ generativní AI?

Celosvětově McKinsey hlásí, že už 71 % firem využívá technologie generativní AI. V posledních měsících ale sledujeme zásadní posun od nahodilých pokusů ke strategickému zavádění GenAI.

V předchozích letech totiž mnohé firmy s GenAI spíše experimentovaly nebo spouštěly menší pilotní projekty. Od pilotu k plošnému nasazení ve firmě ale vede velký kus cesty, při kterém často narazily na neočekávané náklady a složité firemní procesy. Jak potvrzuje McKinsey, inovační týmy například často trávily 30-50 % svého času usilováním o to, aby GenAI inovace prošly schválením s interními směrnicemi.

V posledních měsících ale mnohé společnosti začaly investovat do budování AI platforem. Ty umožňují generativní AI nasazovat v širším měřítku a lépe sledovat finanční návratnost projektů, datovou bezpečnost, správu AI systémů (tzv. governance) a zajistit soulad s evropskou i českou legislativou. Zároveň také připravují firmy na posun od generativní AI k autonomním AI agentům, kteří dokáží plně automatizovat vybrané úkoly. Například pro Seznam.cz AI agenti pomáhají spoluvytvářet noční rádiové vysílání.

Který sektor je v tomto ohledu v Česku tahounem?

Jako hlavní tahouny v tomto posunu vnímáme zejména sektory bankovnictví, IT a telekomunikací nejen světově, ale i v Česku. Obecně ale generativní AI přitáhla pozornost i k tradičnějším AI technologiím, jako je strojové učení či optimalizace. To pozitivně dopadá v Česku zejména na výrobní a automobilový průmysl, ve kterém AI technologie pomáhají lépe využívat zdroje i plánovat výrobu. Mezi naše příklady z praxe patří například Hyundai, ve kterém plánování výroby pomocí AI šetří 13 milionů korun ročně.