VEŠTAČKA INTELIGENCIJA
BVB
Od medalja do iluzija
Uvek 20 godina u budućnosti
Svake godine najbolji mladi matematičari se okupljaju na Međunarodnoj matematičkoj olimpijadi (MMO), gde u dva dana rešavaju šest izazovnih zadataka. Za određenu vrstu zanesenjaka, koji su kod nas najviše skoncentrisani u elitnoj Matematičkoj gimnaziji, ovo predstavlja veliki izazov i događaj, na kome se odmeravaju sa sličnim vršnjacima širom sveta. MMO predstavlja često krunu napornog rada i velikog talenta ovih mladih ljudi, a mnogi od bivših učesnika MMO kasnije postaju istaknuti naučnici. Jedan on njih je i vodeći svetski matematičar Terens Tao, bivši vunderkind i najmlađi osvajač zlata na MMO, nosilac Fildsove medalje, najvećeg priznanja u matematici.
Terens Tao |
Prošle godine, takmičenje se održavalo u Velikoj Britaniji, a Terens Tao je održao predavanje u okviru pratećeg programa o ulozi veštačke inteligencije i velikih jezičkih modela (Large Language Models - LLM) u matematičkom istraživanju. Istovremeno, u kuloarima takmičenja proširila se vest da je veštačka inteligencija na istim tim zadacima ostvarila rezultat za srebrnu medalju. Godinu dana kasnije, kompanije OpenAI i Google DeepMind objavile su da su na poslednjoj MMO u Australiji njihovi istraživački AI modeli uradili zadatke za zlato.
Otkako je krajem 2022. godine ChatGPT šokirao javnost sposobnošću komunikacije s ljudima, veštačka inteligencija je postala sastavni deo života stotina miliona ljudi, slično kao što se internet naglo raširio pre tri decenije. Veliki jezički modeli, od kojih je ChatGPT najpoznatiji, u međuvremenu su "položili" takozvani Tjuringov test, koji je 1950. uveo pionir računarstva Alan Tjuring kao neformalni test razlikovanja mašine od čoveka putem simuliranog razgovora. I druge AI novotarije, poput generativnih video i slikovnih modela, postale su široko poznate i korišćene. Oduševljenje veštačkom inteligencijom kulminiralo je čak dvema Nobelovim nagradama prošle jeseni: Nobelova nagrada za fiziku 2024. godine dodeljena je Džonu Hopfildu i Džefriju Hintonu za pionirske doprinose razvoju neuronskih mreža, dok su Demis Hasabis, Džon Džamper i Dejvid Bejker dobili Nobelovu nagradu za hemiju za primenu mašinskog učenja na određivanje strukture proteina. Time je zaokružena čitava decenija velikih prodora u oblasti veštačke inteligencije, od kojih je ChatGPT bio samo najvidljiviji primer.
Entuzijazam pa oseka i veliki jezički modeli…
Međutim, u ovoj oblasti nije uvek sve tako sjajno napredovalo - periode velikih obećanja i očekivanja smenjivali su dugi periodi razočaranja, takozvane zime veštačke inteligencije, a često se pričalo da je prava veštačka inteligencija uvek dvadeset godina u budućnosti. Prvobitni entuzijazam 60-tih smenila je oseka 70-tih, zatim su opet bila velika očekivanja u vreme ekspertskih sistema 80-tih, pa je usledila nova zima, posle koje je nastala renesansa i veliki procvat u poslednjih deset godina. Džefri Hinton bio je jedan od retkih koji je verovao u potencijal neuronskih mreža u vreme prve zime 70-tih godina - nastavio je da razvija ideje o mašinskom učenju kada su ih mnogi napustili. On je popularisao i razvio takozvanu bekpropagaciju, metod učenja koji predstavlja kamen temeljac u oblasti neuronskih mreža, i pokazao njegov potencijal 80-tih godina. Takođe, on je i pionir neuronskih jezičkih modela, posebno ideje da neuronske mreže mogu dubinski rekonstruisati značenje i steći razumevanje samo na osnovu tekstualnih primera, a bio je mentor čitave generacije istraživača koji su doveli do nedavnih prodora u velikim jezičkim modelima. On poredi jezik sa sistemom lego kockica, gde razumevanje modela dolazi iz načina na koji se kockice različitih oblika međusobno uklapaju, što je pogled u suprotnosti sa preovlađujućim idejama lingvista. Međutim, i sam Hinton priznaje da postoji velika razlika u efikasnosti učenja, uključujući i učenje jezika, kod čoveka i bioloških mozgova u odnosu na veštačke neuronske mreže. Po njemu, biološki sistemi imaju vrlo ograničeno vreme za učenje a veliki je broj energetski efikasnih neurona koji se ne moraju štedeti, dok je situacija obrnuta kod veštačkih neuronskih mreža gde je važno da se koristi što manje veštačkih neurona čiji je broj ograničen kapacitetom čipova, dok je brzina učenja, izražena kroz broj primera neophodan da se nešto nauči, manje bitna.
Džefri Hinton |
Interni model sveta
Nedavna renesansa veštačke inteligencije vezana je za napredak hardvera i mogućnost treniranja daleko većih neuronskih mreža nego pre par decenija. Prvi prodori su došli sa osvajanjem logičkih igara kao što je go, igra složenija od šaha koja je savladana od strane mašina tek pomoću neuronskih mreža. Kasnije je mašinsko učenje uspešno primenjeno na čitavu klasu problema, poput pomenutog određivanja strukture proteina, generisanja slika i videa, itd. Denis Hasabis veruje da svi ovi problemi imaju analognu unutrašnju strukturu koja je prijemčiva za mašinsko učenje, i da je većina problema koji se prirodno javljaju laka u ovom smislu.
U oblasti jezičkih modela, ključni napredak je bio 2017. godine, kada je uveden način da neuronska mreža može da se fokusira na relevantne delove teksta, što je dovelo do toga da generiše smislenije i duže tekstove. Ovi modeli su koncipirani kao sistemi za predviđanje sledeće reči na osnovu početka zadanog teksta. Prednost ovakve koncepcije je obilje primera za učenje, tekstova svih vrsta. Paradigma mašinskog učenja je dugo bila da ne treba koristiti neuronske mreže sa prevelikim brojem slobodnih parametara jer je postojala bojazan da bi se time stvari učile napamet. Ali kada je, nasuprot ovoj paradigm, povećan broj slobodnih parametara, mreža nije učila napamet, već je stvorila nešto kao interni model sveta. Ispostavilo se da je za rešavanje problema predviđanja sledeće reči mreži jako korisno da razvije interne dubinske strukture, i da se to dešava ako se i broj primera i broj parametara povećavaju, bez ikakve promene arhitekture mreže.
Takozvane emergentne osobine, koje na ovaj način LLM stiču, bile su veoma iznenađujuće - naizgled niotkuda, iznicale su sposobnosti modela za koje ih niko nije obučavao.
Samouvereno iznošenje izmišljenog?
Kada se prvi put pojavio, ChatGPT, koliko god impresivan bio, imao je očigledne nedostatke. Mučio se sa rezonovanjem, razumevanjem prostornih odnosa, a problem koji do dana današnjeg nije zadovoljavajuće rešen su takozvane halucinacije - samouvereno iznošenje izmišljenih stvari i neznanje nadoknađivano improvizacijama. ChatGPT 4, a zatim i potonje verzije, bili su znatno informisaniji, bolji u aritmetici i logici. Uvođene su novine - jedna od značajnijih, uvedena prošle godine, bio je takozvani lanac razmišljanja, gde model detaljno i u koracima, poput ljudi, najpre generiše interni tekst, pre nego što da odgovor. Uvedena je i multimodalnost - rad sa netekstualnim ulazima, mogućnosti analiziranja slika, startovanja aplikacija, pretrage na internetu i tehnika RAG (retrieval augumented generation) gde model konsultuje literaturu i fiksnu bazu podataka pre nego što generiše odgovor.
Kompanija OpenAI, koja sa ChatGPT ima vodeći deo tržišta sa stotinama miliona besplatnih korisnika, dobila je konkurenciju - kineski DeepSeek, treniran uz znatno manje troškove nego ChatGPT izazvao je, početkom ove godine, senzaciju i ponešto panike u Silikonskoj dolini, i uveo transparentan lanac razmišljanja. Grok Elona Maska u realnom vremenu pretražuje postove na platformi X, bivšem tviteru, sa odličnim RAG sistemom, Gemini kompanije Google, kao i više manjih i open source modela. Došlo je do neke vrste trke u naoružanju sa visokim ulozima. Sveti gral ove trke je takozvana AGI, artificial general intelligence, veštačka inteligencija opšte namene. Ideja je bila da će, samo uz male korekcije osnovne arhitekture, ovi modeli ubrzo prestići ljude u svemu i doći do nivoa superinteligencije koja bi dala veliku prednost onima koji prvi razviju ovu tehnologiju.
Malo nade uz malo iluzije
U avgustu ove godine, OpenAI je izašao sa novim modelom ChatGPT 5, uz veliku pompu i velika očekivanja. Međutim, model je naišao na dosta negativnih reakcija i mnogi su bili razočarani, tako da je kompanija brzo krenula u kontrolu štete i vratila mogućnost korišćenja starijih modela onima koji to žele. Mnogi se posle ovog razočaranja pitaju da li ovo ukazuje na kraj “AI hype” perioda, a poređenja se prave sa dot-kom balonom od pre 25 godina, kada su postojala slična preuranjena očekivanja od interneta. Pojedinci čak govore o novoj zimi veštačke inteligencije i o tome da su prognoze o AGI do 2027. bile čista iluzija.
Neki istraživački radovi ukazuju da se, u slučaju LLM mreža, radi više o prepoznavanju opštih obrazaca nego o stvarnoj pojavi razmišljanja i razumevanja poput ljudskog, ali su mišljenja o tome podeljena. Sigurno je da je bar za neke stvari ova tehnologija veoma korisna. Ona je već promenila način na koji programeri rade, gde je efikasnost u pisanju posebno rutinskog koda višestruko povećana. Mnoge kompanije su u oblasti korisničke podrške zamenile ljude LLM botovima, ali iskustva korisnika nisu uvek pozitivna. Pokazuje se da u neočekivanim situacijama, kada je potrebno kreativno ili dublje razumevanje stvari, ili kada je potrebna velika pouzdanost, ovi modeli ne mogu da zamene ljude. Situacija pomalo podseća na situaciju sa tehnologijom automatske vožnje koja, iako postoji već više godina, ima nedostatke koji čine da će još dugo ljudski vozači ostati nezamenljivi.
Blumova piramida kognitivnih sposobnosti, koja se ponekad koristi u kontekstu obrazovanja, razlikuje šest nivoa: znanje, razumevanje, primena, analiza, evaluacija i, na najvišem nivou, kreacija. Izgleda da su evaluacija i kreacija zasad nedostižne za veštačku inteligenciju, a i na nižim nivoima ima dosta manjkavosti. Iako je AI korisna u izvesnim situacijama, ono što može da proizvede često je lošeg kvaliteta, a na internetu je puno nekvalitetnih automatski generisanih sadržaja, poznatih pod nazivom “AI slop”. Moguće je da će se veštačka inteligencija sporije razvijati nego što su mnogi, u euforiji prethodnih godina, pomišljali i da će biti neophodno osvajati pojedine funkcije koje ljudi obavljaju korak po korak, pre nego što se zaista dođe do priželjkivane AGI. Ipak, doza neophodne trezvenosti ne umanjuje ogromna dostignuća ove impresivne nove tehnologije, koja su pre samo nekoliko godina bila u domenu naučne fantastike.
BVB
Kompletni tekstove sa slikama i prilozima potražite u magazinu
"PLANETA" - štampano izdanje ili u ON LINE prodaji Elektronskog izdanja
"Novinarnica"
|
