AI: Inteligencija veštačka, pamet prirodna

Na pragu smo novog doba, ne samo u razvoju računarstva. Era veštačke inteligencije doneće prosperitet, lično zadovoljstvo i ispunjenost, slobodu da se bavimo onim što zaista želimo i lišiti nas nepreglednih svakodnevnih, zamornih i repetitivnih obaveza. Barem bi tako trebalo biti u teoriji. Kako stojimo s praktičnim koracima?

Živimo u dobu čije su pogonsko gorivo – podaci. Podaci su danas ono što je krajem 19. i početkom 20. veka bila nafta. Svedoci smo da najbogatije i najvrednije kompanije na svetu barataju podacima, da koriste informacije, a ne usluge ili gotove proizvode. U takvom okruženju, prednost nad konkurencijom obezbeđuju analitika i veštačka inteligencija. Upravo njihovom upotrebom gomile podataka dobijaju smisao. Desetine i stotine hiljada fascikli koje nikako nije bilo moguće adekvatno analizirati, u današnje vreme u digitalnom obliku postaju idealna podloga za AI i mašinsko učenje, što otvara mnoge prilike i pristupe koji do juče prosto nisu bili mogući, ili su postojali samo u teoriji, ali ljudski kapaciteti nisu dozvoljavali adekvatnu implementaciju. Kapaciteti modernih mašina, računara i superkompjutera su, s druge strane, gotovo neograničeni.

AI u našim životima

Naravno, postavljaju se jednostavna i praktična pitanja – kako će veštačka inteligencija uticati na biznis i kvalitet ljudskog života u narednom periodu. Jedan deo toga iskušavamo svakodnevno na Internetu kada nas Google, Amazon i slični bombarduju personalizovanim ponudama koje, hteli ili ne hteli to da priznamo, i te kako umeju da „pogode žicu” i podstaknu nas na kupovinu.

No, AI primene idu kudikamo dalje. Mogu drastično pomagati u lečenju ljudi, automatizovanim procesima lečenja u vidu prepoznavanja potreba pacijenata i očitavanjem njihovih zdravstvenih parametara, podsećanjem da treba da popiju lekove ili vežbaju. Mogućnosti za personalizaciju kupovine ne treba ni spominjati. Uopšte, poslovne primene su bezbrojne, sa bankama i finansijskim institucijama koje se prilagođavaju potrebama korisnika, automatizovanjem brojnih zadataka i tako dalje. Najzad, tu su i famozne fabrike, gde roboti već uveliko odmenjuju radnike, stvarajući (ne)opravdan strah od budućnosti opterećene borbom za golu egzistenciju.

Tu su i stavke poput unapređene poljoprivrede gde će svaki senzor najbolje znati potrebe tog, njemu dodeljenog kvadratnog metra zemljišta, istovremeno komunicirajući s hiljadama takvih istih senzora. Već se uveliko testiraju samovozeći automobili, koji će morati da prepoznaju ogroman broj parametara, ali i da ih interpretiraju onako kako ih čovek interpretira, posebno s vizuelnog stanovišta, te da istovremeno komuniciraju s drugim vozilima i centralnim sistemom za upravljanje saobraćajem.

Pročitajte i:  Microsoft investira milijardu dolara u OpenAI

Kako radi AI?

AI kombinuje velike količine podataka s brzim, iterativnim sistemima procesiranja i pametnim algoritmima, što softveru omogućava da automatski uči putem prepoznavanja određenih karakteristika ili šema ponavljanja u podacima. Premda AI uključuje ogroman broj teorija, metoda i tehnologija, sledeće stavke smatraju se najbitnijim:

  • Mašinsko učenje automatizuje analitički model. Koristi metode neuronskih mreža, statistiku, istraživačke operacije kako bi pronašao skrivene uvide u podatke bez eksplicitnog programiranja gde da traži i šta treba da bude zaključak.
  • Neuronska mreža je tip mašinskog učenja gde je mreža sastavljena od povezanih jedinica, poput neurona, koji procesiraju informacije dobijene iz eksternih izvora, razmenjujući potom informacije s drugim jedinicama. Proces zahteva višestruke obrade istih informacija od raznih jedinica kako bi se pronašla veza i ustanovio smisao u inače nedefinisanim podacima.
  • Deep learning koristi ogromne neuronske mreže i kombinuje ih s mnogim slojevima procesivnih jedinica, koristeći ogroman napredak u sposobnostima i snazi procesiranja koji je ostvaren u proteklim godinama. Na taj način dolazi se do naprednih tehnika učenja veoma kompleksnih obrazaca u ogromnim količinama podataka.
  • Cognitive computing je podgrupa AI-ja gde se teži „prirodnoj” interakciji između mašina, nalik ljudskoj interakciji. Njegovo korišćenje ima za cilj da „nauči” mašinu da simuliranjem ljudskog procesiranja interpretira podatke onako kako to čini čovek. Recimo, da nauči da vidi slike ili da prepoznaje govor, te da nakon toga, po potrebi, odgovori na identičan način (ko je rekao Hal 9000 iz Odiseje 2001?)
  • Computer vision predstavlja nešto slično, s tom razlikom što se ovde AI fokusira na procesiranje i analizu podataka kako bi ih interpretirao u vizuelnom smislu, odnosno da omogući da mašina razume sliku i video na način na koji ih čovek razume i da ih interpretira što sličnije čoveku.
  • Natural language processing (NLP) je fokusiran na interpretaciju u domenu jezika; cilj je ostvariti sposobnost kompjutera da analiziraju, razumeju i generišu ljudski jezik i govor. Naredna faza NLP-a bila bi prirodna komunikacija s ljudima putem jezika.
Pročitajte i:  Pametni Sensei, Adobe AI

Etička strana

Postoje dve škole mišljenja kada je reč o budućnosti veštačke inteligencije. Najčešće klasifikacije su:

– utopijski pogled

– apokaliptični pogled

Prema zastupnicima utopije, AI i veštačka inteligencija otvoriće put novom dobu prosvetljenja gde će čovečanstvo biti oslobođeno svakodnevnih, zamornih obaveza i najzad će moći da se posveti nečemu uzvišenijem, kreativnijem, dok će AI postojati samo u obliku koji je nama koristan. S druge strane, svako ko je imao prilike da gleda Terminatora (naravno, mislimo na prva dva filma sa Lindom Hamilton i Arnoldom Švarcenegerom), ima vrlo jasnu predstavu šta predstavlja apokaliptični pogled. U blažoj varijanti, inteligentni sistemi potisnuće običnog čoveka i služiti uskom krugu najmoćnijih i najbogatijih, gurnuvši sve ostale u beznađe, dok će u problematičnijoj varijanti mašine shvatiti da su ljudi nesavršeni, izazvaće silne ratove ili ih učiniti mnogostruko gorim od onoga što danas možemo da zamislimo, i uopšte u toj varijanti, ljudi neće moći da kontrolišu mašine.

Kako primeniti etiku na AI da bismo sprečili takav scenario? U radovima posvećenim budućnosti AI sistema, SAS, jedno od najvećih imena na ovom polju, predlaže tri koraka za AI etiku i ostvarivanje relacija između ljudi i AI-ja.

Prvi korak: pružiti najbolje podatke AI algoritmi su trenirani putem velikih skupova podataka. Od kvaliteta tih podataka, zavisiće i kvalitet algoritma. Prevedeno na ljudski jezik, od kvaliteta gradiva, ali i predavača, zavisiće kvalitet naučenog. Cilj je pružiti što kompletnije i sveobuhvatnije podatke. U toj varijanti, čak i da neko nečastan dođe u priliku da napravi neku zloupotrebu, beskonačno je mala verovatnoća da će se ona „primiti”.

Drugi korak: obezbediti adekvatan nadzor Veoma je važno obezbediti jasno vlasništvo i jasnu odgovornost nad svim AI projektima. Treba odrediti koje odluke se mogu automatizovati i prepustiti AI-ju, a koje zahtevaju ljudsku intervenciju i odluku. Mora se jasno odrediti odgovornost za sve delove procesa i uračunati verovatnoća AI grešaka, baš kao i okviri razvoja AI sistema. Ovde se računaju i algoritmi za monitoring i reviziju procesa kako bi AI mogao da samostalno ispravlja greške.

Pročitajte i:  AI: Šta nam podaci sugerišu o kupcima?

Treći korak: pažljivo procenjivati uticaj novih tehnologija Tehnologija mora omogućavati ljudima da vrše dodatna podešavanja i izmene algoritama. Nijednog trenutka se iz ljudskih ruku ne sme ispustiti kontrola. AI tehnologije moraju podržavati robusne sisteme upravljivosti, uključujući pristup podacima i mogućnost „vođenja” AI-ja željenim putevima kroz modifikacije i promenu algoritama. Nemoguće je odrediti unapred sve scenarije. Recimo, AI koji podjednako vaga kvalitet i efikasnost u nekoj operaciji doći će do drastično drugačijih zaključaka od AI-ja kome je efikasnost daleko važnija od kvaliteta. Stručnjaci procenjuju da je pravi put zapravo dizajniranje AI sistema s nekoliko konfliktnih i nezavisnih ciljeva kako bi se obezbedilo da uvek bude neophodna određena doza ljudske intervencije.

Michio Kaku, jedan od najpoznatijih teorijskih fizičara današnjice, tvrdi da se svet transformisao u više navrata kroz „talase generisanog bogatstva”. Razvrstao je bogatstva u četiri talasa – prvi talas, koji korespondira sa otkrićem parnih mašina, drugi talas koji ide uz otkriće električne energije, te treći talas, koji se dogodio nedavno i koji odgovara upotrebi visokih tehnologija, kompjutera i razvoju telekomunikacija. „Silicijumska dolina na kraju će se pretvoriti u Pojas rđe (Rust belt, osiromašene centralne oblasti SAD gde su se nekada proizvodili automobili) i to je neizbežno.

Četvrti talas odvijaće se na molekularnom nivou. Predvodiće ga AI, biotehnologija i nanotehnologija. Odaberite bilo koju industriju, identifikujte posrednike, pronađite gde dolazi do gubitaka i viškova u toj industriji, iskoristite analitiku i AI da digitalizujete ceo proces. Sve to uradite, i vi možete postati sledeći milijarder”, smatra on. Zvuči jednostavno, zar ne? Možda čak i previše jednostavno…

Ovaj tekst je deo PC Press specijala posvećenog Veštačkoj inteligenciji. Kompletan specijal je potpuno besplatan za čitanje i možete ga čitati u digitalnoj čitaonici ili ga preuzeti direktno odavde u PDF formatu.

Facebook komentari:

SBB

TV 2019
Tagovi: , , ,

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.