Inteligencija veštačka, pamet prirodna

Živimo u dobu čije su pogonsko gorivo – podaci. Podaci su danas ono što je krajem 19. i početkom 20. veka bila nafta. Najbogatije i najmoćnije kompanije na svetu barataju podacima, koriste informacije, a ne usluge ili gotove proizvode. U takvom okruženju, prednost nad konkurencijom obezbeđuju analitika i veštačka inteligencija, čijom primenom gomile podataka dobijaju smisao. Desetine i stotine hiljada fascikli koje nikako nije bilo moguće adekvatno analizirati u današnje vreme postaju 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 gotovo neograničeni.

AI u našim životima

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.

AI primene idu kudikamo dalje od reklama. 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.

Tu su i fabrike, gde roboti već uveliko odmenjuju radnike, stvarajući (ne)opravdan strah od budućnosti opterećene borbom za golu egzistenciju. Poljoprivreda napreduje, pa će svaki senzor najbolje znati potrebe njemu dodeljenog kvadratnog metra zemljišta, istovremeno komunicirajući s hiljadama sličnih senzora.

Već se uveliko testiraju samovozeći automobili, koji će morati da registruju 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.

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. Najčešće primenjuje metode neuronskih mreža, statistiku, istraživačke operacije kako bi pronašao skrivene uvide u podatke bez eksplicitnog programiranja – „zna“ gde da traži i kako se stiže do zaključka.

• Neuronska mreža je sastavljena od povezanih jedinica, poput neurona, koji procesiraju informacije dobijene iz eksternih izvora, razmenjujući 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 procesnih jedinica, koristeći napredak u snazi procesiranja koji je ostvaren u proteklim godinama. Na taj način dolazi se do naprednih tehnika uočavanja 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 ali 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 govornog jezika; cilj je ostvariti sposobnost kompjutera da analiziraju, razumeju i generišu ljudski jezik i govor. Naredna faza NLP-a bila bi prirodna komunikacija računara s ljudima, govorom.

Etička strana

Postoje dve škole mišljenja kada je reč o budućnosti veštačke inteligencije. Najčešće klasifikacije su utopijski i apokaliptični pogled. Prema zastupnicima utopije, AI će otvoriti put prema novom dobu prosvetljenja, gde će čovečanstvo biti oslobođeno svakodnevnih, zamornih obaveza i najzad moći da se posveti nečemu uzvišenijem i kreativnijem.

Svako ko je gledao „Terminatora“ (mislimo na prva dva filma sa Lindom Hamilton i Arnoldom Švarcenegerom), ima jasnu predstavu o apokaliptičnom pogledu. 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 ratove ili ih učiniti mnogostruko gorim od onoga što danas možemo da zamislimo. 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 vrstu zloupotrebe, mala je verovatnoća da će ta zloupotreba „primiti“.

Drugi korak: obezbediti adekvatan nadzor Veoma je važno obezbediti jasno vlasništvo i jasnu odgovornost nad 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 uzimaju u obzir i algoritmi za monitoring i reviziju procesa kako bi AI mogao da samostalno ispravlja greške.

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.