Top 10 mitova o AI u koje hitno morate prestati vjerovati

Napredni algoritmi i sustavi koji uče postali su nezaobilazna tema u svakodnevnom životu, od poslovnih strategija do ležernih razgovora. Ipak, unatoč velikoj popularnosti, razumijevanje onoga što ova tehnologija doista jest i što može često je zamagljeno nizom mitova i pogrešnih predodžbi. Od holivudskih scenarija o svjesnim strojevima do nerealnih očekivanja, donosimo deset najčešćih zabluda koje je važno razjasniti.

Jedna od najraširenijih zabluda, potaknuta znanstvenom fantastikom, jest da inteligentni sustavi posjeduju svijest, osjećaje ili namjere. Bez obzira na to koliko realistično razgovor s alatom poput ChatGPT-ja može djelovati, on ne osjeća empatiju niti razumije što govori. Njegovi odgovori rezultat su složenih algoritama koji prepoznaju uzorke u golemim bazama podataka na kojima su trenirani. Sustav je obučen da zvuči ljudski i suosjećajno jer je to statistički najvjerojatniji odgovor temeljen na milijardama primjera ljudske komunikacije. Međutim, on ne može smisliti nešto iz ničega, već samo analizira podatke koji su mu dostupni. Drugačije rečeno, ako se dovoljno ljudi dogovori i krene po internetu pisati kako su dva i dva jednako pet, AI će to prihvatiti jer ne može razmišljati već samo prenosi postojeće podatke.

Ovo je opasan mit. Budući da ovi sustavi uče iz podataka koje su stvorili ljudi, oni neizbježno nasljeđuju i naše predrasude. Ako su podaci za treniranje sadržavali sistemsku pristranost vezanu uz rasu, spol ili dob, algoritam će je ne samo reproducirati, već i pojačati. Istraživači američkog Nacionalnog instituta za standarde i tehnologiju (NIST) upozoravaju da pristranost može nastati u svakoj fazi razvoja, od prikupljanja podataka do implementacije modela, što može dovesti do diskriminatornih odluka u područjima poput zapošljavanja ili odobravanja kredita.

Prethodni mit nas vodi ravno k ovom. Naprotiv, jezični modeli skloni su fenomenu poznatom kao “halucinacije”, pri čemu generiraju informacije koje zvuče uvjerljivo, ali su potpuno netočne ili izmišljene. Istraživanja pokazuju da popularni generativni alati mogu halucinirati u značajnom postotku slučajeva, ponekad i do 60 posto. Zbog toga je ključno kritički pristupati informacijama dobivenim od ovih alata i uvijek ih provjeravati iz pouzdanih ljudskih izvora.

Iako je tehnički točno da je temeljni mehanizam velikih jezičnih modela predviđanje sljedećeg “tokena” (riječi ili dijela riječi), svoditi njihovu složenost na to bilo bi kao reći da je ljudski mozak samo “stroj za preživljavanje i reprodukciju”. Kao što objašnjavaju neuroznanstvenici, naš mozak se također organizira kroz sličan proces predviđanja sljedećeg osjetilnog podražaja, no mi ne doživljavamo svoje misli kao puko predviđanje. Umjesto toga, gradimo mentalne modele svijeta, rezoniramo i rješavamo probleme. Slično tome, proces predviđanja tokena tjera model da izgradi unutarnji model znanja kako bi mogao davati smislene odgovore. Nije samo “statistička papiga”, već sustav koji uči rješavati probleme.

Povijest je pokazala da tehnološke revolucije više transformiraju nego što eliminiraju radna mjesta. Iako će ovi sustavi automatizirati mnoge repetitivne zadatke, istovremeno stvaraju potpuno nove uloge i zanimanja, poput generativnih umjetnika, prompt inženjera i stručnjaka za etiku inteligentnih tehnologija. Svjetski gospodarski forum povlači paralelu s izumom budilice koja je ukinula posao “ljudskih budilica”, ali je otvorila put novim industrijama. Fokus se prebacuje na poslove koji zahtijevaju kreativnost, kritičko razmišljanje i emocionalnu inteligenciju.

Scenariji u kojima tehnologija postaje samosvjesna i nadmašuje ljudsku inteligenciju u svim područjima, poznati kao opća strojna inteligencija (AGI), i dalje su u domeni daleke budućnosti. Ono što danas koristimo su takozvani “uski” sustavi, specijalizirani za određene zadatke. Većina stručnjaka se slaže da je razvoj ovoga još desetljećima daleko i da trenutačno ne postoji jasan put do njegova ostvarenja. Ova zabluda vjerojatno dolazi iz samog imena pojma. Međutim, iako ju nazivamo umjetnom inteligencijom, ovi modeli koje trenutno imamo ni po čemu nisu inteligentni, u pravom smislu te riječi, već samo analiziraju podatke koje imaju.

Mediji često ilustriraju članke o inteligentnim sustavima slikama sjajnih humanoidnih robota, što stvara pogrešnu sliku. Riječ je o softveru, skupu algoritama koji se može nalaziti u telefonu, računalu ili cloudu. Robotika je, s druge strane, grana inženjerstva koja se bavi fizičkim strojevima. Robot može, ali i ne mora, biti pokretan takvim softverom.

Dok je razvoj inteligentnih sustava iznimno složen, njihovo korištenje nikada nije bilo jednostavnije. Alati poput ChatGPT-ja ili Midjourneya dizajnirani su za interakciju putem prirodnog, svakodnevnog jezika. Više nije potrebno poznavati programiranje da biste iskoristili moć ovih alata za pisanje, istraživanje ili stvaranje slika.

Iako su generativni sustavi doživjeli procvat u posljednjih nekoliko godina, njihovi temelji sežu desetljećima u prošlost. Ideje o strojnom učenju i neuronskim mrežama razvijale su se još od šezdesetih godina prošlog stoljeća. Današnji napredak nije rezultat iznenadne revolucije, već evolucije omogućene golemim povećanjem računalne snage i dostupnosti podataka.

Zbog medijske pompe može se činiti da su svi već usvojili ove alate, no to nije slučaj. Istraživanje tvrtke Anthropic pokazalo je da oko 57 posto zanimanja koristi napredne algoritme za barem 10 posto svojih zadataka. To znači da, iako je usvajanje značajno, još uvijek smo daleko od potpune integracije. Ova tehnologija više nije samo tehnološko pitanje, već, kako ističu i domaći stručnjaci, postaje ključno pitanje gospodarskog razvoja i konkurentnosti.