Razumevanje veštačke inteligencije: vodič za početnike

Probudili ste se i krenuli na posao. U prevozu skrolujete Instagram. Sadržaj na njemu deluje kao da ga je neko birao samo za vas, a plejlista na Spotifaju je ovog jutra baš ono što volite. Aplikacija nije omanula nijednom. Na putu je gužva i Gugl mape predlažu da ostatak pređete peške, inače ćete u saobraćaju biti zaglavljeni više od 45 minuta.

Na poslu vas je sačekao mejl sa dokumentom na nemačkom jeziku. To nije problem, tu je onlajn prevodilac koji vam ovaj tekst čini razumljivim za nekoliko sekundi. U pisanju odgovora, aplikacija za slanje mejla vam ne ispravlja samo pravopisne greške. Sada vam predlaže i kako da završite rečenicu, a jedan deo poruke vam je u potpunosti mrsko da pišete, pa ste zamolili Čet Dži-Pi-Ti da to uradi umesto vas.

Sve ove tehnologije, koje ponekad koristimo gotovo neprimetno, pokreću neke vrste veštačke inteligencije (VI) (eng. AI). One su toliko neprimetno utkane u naše svakodnevne aktivnosti da ponekad nismo ni svesni njihovog prisustva. Upravo zbog sve većeg uticaja na naše živote, neophodno je da razumemo osnovne principe VI, da znamo kako ona funkcioniše i koji su njeni dometi, ali i granice.

Za početak, šta je veštačka inteligencija? Kada pomislite na ovaj pojam, sigurno prvo zamislite računar ili robota koji ima sposobnost razmišljanja, rasuđivanja i autonomnog donošenja odluka bez ljudskog uplitanja. Donekle biste bili i u pravu. Veštačkom inteligencijom se zove svaki vid kompjuterskog koda koji je na velikoj količini podataka naučen da obavlja poslove na sličan način kako to rade ljudi i da oponaša naše sposobnosti.

A kako funkcioniše učenje pomoću velike količine podataka? Na primer, kada decu učimo da raspoznaju različite životinje, pokazujemo im velik broj njihovih slika, objašnjavajući im šta se na njima nalazi. Po istom principu, ukoliko bismo želeli da naučimo VI da prepoznaje mačke na fotografijama, dali bismo joj hiljade slika mačaka kako bi ona naučila šta su to obrasci koji se ponavljaju: čitiri noge, rep, uši, brkovi… Na osnovu tih obrazaca koji se ponavljaju u velikom broju slučajeva, možemo da istreniramo VI da prepozna mačku i na novoj slici koju do tada nikada nije videla, po sličnom principu po kome bi to učinilo i ljudsko biće. Ovaj proces se zove mašinsko učenje (eng. machine learning) i u pitanju je statistički proces kojim je softver u stanju da generalizuje, odnosno izvodi zaključke, na osnovu prethodno stečenog znanja.

Mašinsko učenje je, dakle, potkategorija veštačke inteligencija koja koristeći naučene podatke, predviđa rezultate, što je zapravo vrlo slično ljudskom učenju na principu iskustva.

U primeru sa početka teksta, vaš fid (eng. feed) na Instagramu bio je pun sadržaja koji vas interesuju jer je, na osnovu vašeg prethodnog korišćenja, aplikacija naučila koji sadržaji će vas najviše interesovati. Muzika se savršeno poklopila sa onim što ste ionako želeli da slušate, jer je Spotifaj zapamtio svaku prethodnu pesmu koju ste do sada pustili. Google maps znaju koja je najoptimalnija putanja za vas, jer u obzir uzimaju podatke o položaju i kretanju svakog telefona na kom su instalirane, pa i onih koji se nalaze oko vas.

Internet prevodilac vam je dao veoma precizan prevod sa nemačkog, jer je prehodno pročitao na stotine hiljada rečenica koje su preveli ljudi, dok su Čet Dži-Pi-Ti i aplikacija za mejl po istom principu mogli da generišu nastavke rečenica ili cele pasuse po vašim uputima.

Svaka od ovih alatki je prethodno, kako bi vam dala što precizniji rezultat, bila izložena ogromnom broju sličnih sadržaja, na osnovu kojih je naučila obrasce koji se ponavljaju i sa manjom ili većom preciznošću izvodila nove zaključke. Upravo činjenica, da na osnovu naučenih informacija, VI modeli unutar ovih aplikacija mogu da izvedu nove zaključke i da se prilagode novim siguacijama pravi razliku u odnosu na klasične računarske programe koji prate zacrtana, fiksna pravila.

U tom smislu, veoma je bitno razlikovati dva tipa veštačke inteligencije: usku veštačku inteligenciju (eng. Artificial Narrow Intelligence, skr. ANI) i veštačku opštu inteligenciju (Artificial General Intelligence, skr. AGI).

Uska (ili slaba) veštačka inteligencija, koristi algoritme i mašinsko učenje kako bi ispunjavala zadatak za koji je namenjena. Ona uči iz velike količine dostupnih podataka, na primer onih koji su dostupni na internetu, ali samo u oblasti za kojoj je namenjena. Primeri ovog tipa VI su svuda oko nas. Za početak, tu spadaju svi već pomenuti upotrebljivi oblici VI iz ovog teksta. Dalje, u ovaj model spadaju i softveri za prepoznavanje lica, različiti sistemi za preporuku sadržaja ili recimo virtuelni asistenti poput onih koji se nalaze na našim mobilnim telefonima i pametnim uređajima (Siri, Alexa i sl). Preciznost rezultata zadataka koje (svesno ili nesvesno) stavljamo pred ovaj tip VI, zavise isključivo od kvaliteta informacija na osnovu kojih su naučene.

Drugi tip VI, jeste opšta (jaka) veštačka inteligencija. Ona je još uvek u domenu teorije, ali načelno predstavlja vid VI koji bi mogao da ispuni bilo koji zadatak stavljen pred nju, koji bi mogao da ispuni i čovek. Ovakva VI bi pomoću univerzalnog algoritma mogla da uči stvari iz bilo koje sfere i da se prilagodi bilo kom okruženju i zadatku (referenca, strana 46). Iako trenutno ne postoji, ovakav tip veštačke inteligencije je nešto ka čemu streme velike kompanije, poput OpenAI, koji stoji iza popularnog alata Čet Dži-Pi-Ti. U teoriji, ovakav model VI, bi zadatke ispunjavao podjednako dobro kao i ljudi u bilo kom kontekstu, ali bi imao prednost u tome što bi mogao da se dodatno usavršava i uči u realnom vremenu.

Možda sada pomišljate, da li je Čet Dži-Pi-Ti onda oblik opšte veštačke inteligencije? Kada se pojavio 2022. godine, Čet Dži-Pi-Ti predstavio je ogroman korak napred u razvitku modela veštačke inteligencije. Lakoća komuniciranja sa ovim softverom i brzina kojom smo u mogućnosti da dobijemo rezultate iz dijaloga, bila je nešto neviđeno do tada. Na kraju krajeva, kada je početkom 2023. izašla nova verzija ovog softvera, ona je postala aplikacija sa najbržim rastom baze korisnika u istoriji.

Ako pogledamo malo bolje, Čet Dži-Pi-Ti je ipak oblik uske veštačke inteligencije. On je veoma napredan model istreniran za generisanje teksta nalik onom koji bi napisao čovek, ali bez sposobnosti razumevanja tog sadržaja na nivou koji to čine ljudi, već samo na osnovu teksta na kome je istreniran.

Pored ova dva, teorijski, postoji i treći, još viši, stepen veštačke inteligencije. Hipoteza predlaže postojanje oblika veštačke super inteligencije (eng. Artificial Superintelligence, skr. ASI). Ona bi u potpunosti bila svesna svog postojanja i imala bi sposobnosti učenja, razmišljanja i donošenja odluka naprednijih i od ljudskih. Ovaj stepen VI zahtevao bi prvobitno otkrivanje modela jake VI, nešto što se u praksi verovatno neće dogoditi uskoro.

Ipak, vratimo se u domene realnosti. Od jake veštačke inteligencije deli nas još neko vreme, tako da, za sada, ostaje nam samo slaba, odnosno uska veštačka inteligencija. Međutim, i ona je umnogome učinila društvo efikasnijim.

VI naučena da tumači rezultate medicinskih testova pacijenata imaju sve veću i veću preciznost prilikom dijagnostifikovanja različitih oboljenja, što omogućava lekarima brže i kvalitetnije postavljanje dijagnoze. Modeli za razumevanje jezika pomažu pri analizi dokumenata u različitim profesijama (recimo, u pravu) dok dizajneri imaju mogućnost kombinovanjaVI sa sopstvenom kreativnošću koristeći alate poput Dal-i (eng. Dall-E) i Midžurni (eng. Midjourney). Razvitak VI, doveo je i do kreiranja novih zanimanja poputprompt inženjera čiji je posao kreiranje što preciznijih zadataka za različite VI, specijalista za podatke (eng. data scientist), ali i pravnika i etičara VI.

Pored dobrih stvari koje je donela, VI sa sobom nosi i nove izazove. Privatnost ličnih podataka je na udaru različitih vrsta VI, poput onih na društvenim mrežama, koji pokušavaju da se usavrše i da zadrže vašu pažnju što duže. VI alati za generisanje teksta, neretko, zbog ogromne količine podataka kojima su izloženi, mogu da proizvedu i netačne rezultate, a mogu i da se instruišu da kreiraju potpuno neutemeljen i lažan sadržaj. Sve češće smo svedoci fabrikovanih slika i video sadržaja osoba iz stvarnog sveta kreiranih pomoću veštačke inteligencije, koji su napravljeni sa ciljem da na neki način izmanipulišu određenu publiku. Kao i svaki drugi alat, u pogrešnim rukama i sa lošim namerama može da ima veoma loše posledice.

Pojava ovakvih alata, samo je još više naglasila potrebu za medijskom i tehnološkom pismenošću kao postulatom modernog života, jer samo kritičkim pogledom na svet oko nas možemo iskoristiti sve prednosti, a preduprediti sve opasnosti koje brze tehnološke promene stavljaju pred nas.

Dakle, veštačka inteligencija nije nikakva magija. To je napredna tehnologija zasnovana na podacima i algoritmima. Ona uči, i postaje sve efikasnija što više podataka obradi. Naravno, pored količine, bitan je i kvalitet samih podataka, jer od njih zavise rezultati i zaključci koje VI može da izvuče. VI nije zamena za ljudsku inteligenciju, već alat kojim možemo da se rasteretimo nekih obaveza, odnosno da ih automatizujemo. Upravo zbog toga, neophodno je da učimo i trudimo se da shvatimo koncepte na osnovu kojih ove platforme funkcionišu.

Izvor: NNŠ