Sustavi UI-ja još su daleko od ljudske razine razumijevanja

Razvoj programa umjetne inteligencije počeo je još, možemo danas reći, »davnih« 1950-ih godina. Umjetna inteligencija tada je prepoznata kao posebno područje istraživanja u kibernetici. Njeni počeci sežu u SAD i konferenciju Dartmouth na kojoj su se okupili Claude Shannon, John McCarthy, Nathaniel Rochester i Marvin Minsky koje se danas smatra pokretačima ove grane tehničkih znanosti.

Njih četvorica pretpostavljali su da je pitanje inteligentnih strojeva pitanje izvedbe: dovoljno je definirati prikladan algoritam, izgraditi elektroničko računalo dovoljno naprednih performansi i sustav će funkcionirati logično, racionalno, pa čak slično kao ljudski mozak.

Tada se vjerovalo da će računala vrlo brzo postići ljudsku inteligenciju. Puno se o tome piše, a mi smo za komentar, kakva je situacija danas i što nas sve čeka pitali docenta sa zagrebačkog Fakulteta elektrotehnike i računarstva dr. sc. Marka Horvata koji radi na Zavodu za primijenjeno računarstvo i svoj je profesionalni vijek, između ostalog, posvetio programima UI-ja.

Koliko je danas pogled na razvoj UI-ja drukčiji od početaka i 1950-ih?

- Pristup umjetnoj inteligenciji i dalje dijeli viziju stvaranja sve više sofisticiranih sustava, no metode i tehnologije znatno su se promijenile. Dok su rani ekspertni sustavi umjetne inteligencije bili snažno usmjereni na simboličko zaključivanje i ručno kodificirana pravila, suvremeni napredak pokreće se prvenstveno golemim količinama podataka i naprednim tehnikama strojnog učenja. Vidimo i spektakularan napredak u razvoju hardvera. Ono što je 50-ih bilo nezamislivo danas je svakodnevica – od prijenosa multimedije, prepoznavanja glasa i slike u stvarnom vremenu, do naprednih jezičnih modela i razgovornih agenata kao što su ChatGPT, Gemini, Llama, Claude, DeepSeek i mnogi drugi.

Neprimjetni javnosti

Ima li još nekih područja u kojima se postiže značajan napredak, a možda su manje vidljiva, osim analize teksta, prepoznavanja videa i fotografija?

- Programi umjetne inteligencije pokazuju snažan napredak u cijelom nizu drugih područja primjene, iako ih možda šira javnost ne primjećuje. Primjerice, u medicini i biotehnologiji UI se koristi za brže otkrivanje novih lijekova, personaliziranu terapiju te inteligentnu podržanu radiološku dijagnostiku. U analizi podataka i prediktivnom modeliranju važnu ulogu imaju brojne primjene UI-ja pri optimizaciji energetskih, ekoloških i financijskih procesa, uključujući logistiku i transport. U graditeljstvu UI modeli analiziraju i predlažu lakše, čvršće i energetski učinkovitije konstrukcije. Sve se više uvodi i pametna automatizacija. Također, UI sve više pronalazi svoje mjesto u edukaciji i obrazovanju, detekciji pažnje, zamora i afektivnih stanja osoba te za personalizaciju nastavnih sadržaja. Ovo su tek neke primjene.

  Dr. sc. Marko Horvat (Foto Davor KOVAČEVIĆ)

Ova detekcija zamora zvuči »orvelovski«. Veliki brat promatra radnike kako rade?

- To nije namjena. Ali već sada svaki naš lajk, svaka stranica koju otvorimo ili oglas na koji kliknemo je praćen, a naše akcije analizirane. Često je to samo zbog promidžbe, ali može biti i zbog drugih potpuno neetičnih motiva. Za sve to uopće nije potrebna umjetna inteligencija, makar i ona ovdje može olakšati posao onima s »orvelovskim« motivima.

Koliko će na razvoj programa umjetne inteligencije utjecati razvoj kvantnih računala?

- Riječ je o dvjema posve različitim tehnologijama koje se razvijaju usporedno, svaka sa svojim zasebnim izazovima i potencijalima. Klasična računala koriste jedinice i nule, bitove, dok se kvantna računala temelje na načelima kvantne mehanike i koriste kvantne bitove nazvane kubiti. Kvantni bitovi u stanju superpozicije istodobno su i istina i laž, te poprimaju konkretne vrijednosti tek u trenutku »kad ih nešto pitamo«. Teorija govori da ako dovoljno mudro formuliramo algoritam s kojim ugrađujemo pitanje u takav sustav, kvantna računala mogu trenutačno dati odgovor na vrlo kompleksna probleme za koje bi klasičnim računalima trebalo puno više vremena.

Ako kvantni pristup pokaže konkretne prednosti u obradi i analizi određenih problema, pogotovo velikih optimizacijskih zadataka, mogao bi u budućnosti ubrzati razvoj kompleksnih UI sustava ili omogućiti brže istraživanje modela koji traže ogroman prostor pretraživanja. Ipak, treba naglasiti da ne postoji univerzalno rješenje za ubrzanje svih algoritama umjetne inteligencije, već je ovo područje u eksperimentalnoj fazi i brojni otvoreni znanstveni problemi tek se sagledavaju i definiraju.

UI nema informaciju što je ispravno

Je li moguće da programi umjetne inteligencije nadmaše ljudsku inteligenciju?

- Tehnološka singularnost trenutak je u kojem bi se umjetna inteligencija razvila do te mjere da samostalno nastavlja vlastito usavršavanje eksponencijalnom brzinom i time vrlo brzo prestiže ljudske mogućnosti spoznaje, pa i sposobnosti našeg razumijevanja takvog rasta, što sve on uključuje i koje su njegove implikacije. Brojna djela znanstvene fantastike odavno koriste ove premise za razne distopijske zaplete koji neumitno uključuju uništenje ljudske vrste ili nadzor ljudi, u ulozi primitivnih divljaka, koje čine savršeno logična računala superiorne inteligencije koju ne možemo dokučiti. Međutim, stvarnost je daleko složenija i bitno manje dramatična nego što takvi scenariji opisuju.

Iako su današnji modeli UI-ja iznimno uspješni i generiraju složene rečenice često toliko uvjerljive da se stječe dojam da »razmišljaju«, u srži je riječ o izračunu vjerojatnosti i interpretaciji naučenih obrazaca u tekstu. Drugim riječima, takav model UI-ja nema informaciju što je dobro, loše, ispravno ili pogrešno, on samo statistički povezuje nizove riječi iz podataka koje je prethodno dobio.

Kako sustavi UI-ja »shvaćaju« svijet?

- Sustavi umjetne inteligencije nemaju modele fizičke stvarnosti, a time ni dubinsko razumijevanje stvarnog svijeta. Primjerice, ne razumiju što je gravitacija, kako fizikalne sile djeluju na objekte u prostoru, kako se prenosi zvuk pomoću medija ili da vatra može zapaliti papir. Sve što zna, naučeno je iz tekstova ili podataka koje su mu ljudi omogućili. Osim toga, rezultati često sadrže takozvane halucinacije što nije greška, već inherentno svojstvo dubokih neuronskih modela da generiraju podatke koji ne postoje.

Istina, istraživanje novih arhitektura poput Mixture of Experts i višeagentskih sustava sugerira da će UI postajati sve učinkovitiji, pogotovo u uskim domenama. No, s druge strane, statistički pristup u temeljima sustava UI-ja implicira da su još uvijek daleko od ljudske razine razumijevanja i odlučivanja, i po svojoj prilici bit će tako u dogledno vrijeme.