Opšta veštačka inteligencija - mit ili (uskoro) stvarnost?

Izvršni direktor kompanije Nvidia, koja trenutno dominira tržištem čipova koji se koriste za razvoj veštačke inteligencije, Džensen Huang (Jensen Huang), izjavio je na nedavno održanom samitu o veštačkoj inteligenciji, da bi takozvana "opšta veštačka inteligencija" (AGI - Artificial General Intelligence) mogao postati stvarnost u narednih pet godina. 

Za manje upućene, AGI predstavlja hipotetički tip AI koji poseduje kognitivne sposobnosti na nivou čoveka, omogućavajući mašinama da razumeju, uče i primenjuju znanje na bilo koji intelektualni zadatak. Za razliku od trenutne, takozvane "uske" AI (Narrow AI), koja je dizajnirana samo za neke specifične zadatke, AGI može generalizovati veštine, rešavati nepoznate probleme i samostalno se adaptirati.

Međutim, i sam Huang je naglasio da odgovor na pitanje "kada stiže AGI" zavisi isključivo od toga kako mi kao ljudi definišemo taj pojam. Huang je objasnio da, ukoliko definicija podrazumeva sposobnost softvera da prođe niz komplikovanih kognitivno-saznajnih testova, onda je veštačka inteligencija već na samom pragu tog dostignuća.

Ipak, Huang je ovde povukao jasnu granicu: iako AI trenutno može da briljira u rešavanju logičkih zadataka i procesiranju ogromne količine podataka, on napominje da je definisanje i izjednačavanje AGI-ja i ljudskog uma i dalje daleko. Razlog je krajnje jednostavan - ni sami naučnici se još uvek ne slažu oko toga kako tačno ljudski um funkcioniše, pa je samim tim teško odrediti šta je "um".

Huangova izjava dolazi u trenutku kada Nvidia beleži istorijske finansijske rezultate, sa vrednošću kompanije koja je premašila neverovatna dva biliona dolara, upravo zahvaljujući "AI groznici" koju trenutno "čovek u kožnoj jakni" Džensen Huang predvodi.

Tajna grukovanja u romanu "Stranac u tuđoj zemlji"

 .. ili lekcija sa Marsa: šta nas Valentin Majkl Smit uči o razumevanju?

Ako ste ljubitelj SF žanra, onda ste verovatno odavno pročitali klasik te vrste književnosti „Stranac u tuđoj zemlji“ (Stranger in a Strange Land), Roberta Hajnlajna (Robert A. Heinlein).

A, ako ste pročitali roman, sigurno ste primetili reč, preciznije izraz koji glavni junak Majkl Valentin Smit (Čovek sa Marsa) često koristi – „grukovati“.

To grukovanje“, (u engleskom originalu „to grok“), jeste jedna od ključnih ideja celog romana, i ko je razume, zapravo razume i samu životnu filozofiju Valentina Majkla Smita, koji je sticajem okolnosti rođen na Marsu i koga su odgajili Marsovci.

Nama danas deluje pomalo deplasirano i „izlizano“ nazivanje svih vanzemaljskih civilizacija Marsovcima, ali moramo imati na umu da u vreme kada je roman nastao, 1961. godine, ideja o životu na Marsu i inteligentnoj civilizaciji tamo, je bila veoma živa, čak i u naučnim krugovima. Otuda i sinonim za sve vanzemaljske forme života i poistovećivanje sa „Marsovcima“.

Ukratko, reč grok ne postoji u engleskom jeziku. Izmislio ju je Hajnlajn, predstavljajući je kao marsovski pojam koji ne može lako i jednostavno da se prevede na ljudski jezik. Zato su različiti prevodi često ostavljali oblik „grukovati“, kao i u srspkim izdanjima, da bi se maksimalno sačuvala njegova posebna težina. Suština je sledeća: grukovati suštinaki znači potpuno, dubinski i neposredno razumeti nešto, toliko da više nema razlike između onoga ko razume i onoga što se razume. To nije samo intelektualno shvatanje, nije puko „znam činjenice“, to je stanje u kome nešto postaje deo tebe.

Da pojednostavimo, možemo zamilsiti da  postoji nekoliko nivoa razumevanja: prvi je znati informaciju (voda je H₂O), drugi je razumeti koncept (voda je neophodna za život), dok grukovati u tom smislu znači osećati i doživljavati vodu kao deo sebe, bez distance između posmatrača i pojave.

Tako na primer, kada Valentin u romanu kaže da nešto „grukuje“, on zapravo govori: „postao sam jedno sa tim, razumem ga iznutra u potpunosti i celini.“ Zato se ta reč koristi i za ljude i za ideje i za emocije, pa čak i za religiozna ili metafizička iskustva.

Ovde moram dati jednu važnu napomenu, i ovde ulazimo u ličnu interpretaciju: Hajnlajn namerno pokazuje koliko je ljudima teško da prihvate takav način mišljenja. Na Zemlji stvari obično delimo, analiziramo, postavljamo granice. Marsovski pogled je suprotan, on briše granice između „ja“ i „drugog“. Zato je Valentin Smit često zbunjen ljudskim ponašanjem, jer ljudi misle u kategorijama, dok on pokušava da sve objedini u jedna pojam i osećanje.

U tom smislu, grukovati nije samo pojam, nego i svojevrsni filozofski alat kojim Hajnlajn ispituje pitanje da li je moguće potpuno razumeti nekog drugog čoveka? Drugim rečima, grukovanje je gotovo ideal empatije i svesti.

Kada, dakle, Valentin Smit grukuje nešto, to nije racionalna analiza nego celovito iskustvo. kada ga ljudi oko njega ne razumeju, to nije zato što su glupi, već zato što ljudski jezik nema dovoljno dubok pojam za to.

Na kraju, reč grok je kasnije ušla i u stvarni jezik, naročito među programerima i hakerima — gde znači “razumeti nešto do srži”, ne samo naučiti napamet, a još zanimljivije je da je Ilon Mask nazvao svoj model veštačke inteligencije „Grok“ upravo inspirisan romanom i željom da nam njegov AI model pruži istinsko iskustvo dubokog prožimanja ideja i sveobuhvatnog razumevanja istih.

Dva sveta veštačke inteligencije - vidljivi asistenti i skriveni naučni sistemi

Veštačka inteligencija je već nekoliko godina u fokusu svetske tehnološke, ali i šire javnosti. Međutim, baš u toj široj, ali nedovoljno upućenoj javnosti, vlada utisak da su veštačka inteligencijai njeno korišćenje gotovo u potpunosti oličeni u nekoliko popularnih digitalnih asistenta i čet botova. U tom smislu, imena poput ChatGPT, Gemini, Microsoft Copilot, Perplexity, Grok i ostali, svakodnevno se pojavljuju i spominju u medijima i razgovorima. Milioni ljudi širom sveta koriste ove sisteme za pisanje tekstova, prevođenje, programiranje ili jednostavno za radoznalo istraživanje sveta znanja. Nisu retki ni oni koji ovu tehnologiju koriste sa podsmehom i „testiraju“ njene mogućnosti postavljajući različita besmislena  „duhovita“ pitanja (na koja, naravno, dobijaju adekvatno besmislene odgovore), i baš zato se stekao pogrešan utisak da je upravo to vrhunac savremene veštačke inteligencije, kao i da je, na primer, ChatGPT sinonim za AI.

Međutim, stvarnost je znatno složenija i ozbiljnija, a upotreba različitih specijalizovanih AI modela je mnogo više od pukog dopisivanja sa čet botom. Popularni i široko rasprostranjeni  sistemi predstavljaju samo jedan površinski sloj mnogo šireg i raznovrsnijeg ekosistema veštačke inteligencije. Iza njih postoji čitav paralelni i nepoznati svet specijalizovanih AI modela koji rade daleko od očiju javnosti, u naučnim laboratorijama, medicinskim centrima, industriji, finansijama, vojnim istraživačkim programima...

Hajde zato da u ovom tekstu vidimo ukratko kakvi su to modeli i po čemu se razlikuju od ovih opštepoznatih.

Popularni AI modeli koje svakodnevno koristimo pripadaju kategoriji takozvanih opštih, tj. velikih jezičkih modela (Large Language Models). Oni su trenirani na ogromnim količinama javno dostupnih tekstova sa interneta, knjiga, naučnih radova i drugih izvora. Njihova osnovna svrha je razumevanje i generisanje jezika. Upravo zato mogu da vode razgovor, pišu eseje, objašnjavaju naučne koncepte ili pomažu u programiranju. Drugim rečima, oni su zamišljeni kao univerzalni digitalni asistenti. Ali, ta univerzalnost ima i svoju cenu. Opšti modeli znaju ponešto o mnogim oblastima, ali retko ulaze u dubinu koja je potrebna za ozbiljna naučna istraživanja ili medicinsku dijagnostiku. Zbog toga se u profesionalnim oblastima razvijaju potpuno drugačiji tipovi AI sistema, modeli usko specijalizovani za rešavanje određenog problema, a koji nisu dostupni široj javnosti.

Jedan od najimpresivnijih primera takvog pristupa dolazi iz oblasti biologije. Model AlphaFold, koji je razvio DeepMind, uspeo je da reši problem koji je decenijama mučio biohemičare: kako predvideti trodimenzionalnu strukturu proteina na osnovu njihove aminokiselinske sekvence. Proteini su osnovni radni elementi živih ćelija, a njihova funkcija zavisi upravo od načina na koji se savijaju u prostoru. Eksperimentalno određivanje tih struktura često traje godinama. AlphaFold je pokazao da se taj proces može dramatično ubrzati pomoću veštačke inteligencije.

Slični specijalizovani modeli danas se koriste i u drugim oblastima nauke: u kvantnoj hemiji za predviđanje strukture molekula, u tehnološkim naukama za otkrivanje novih legura i superprovodnika, u astronomiji za analizu ogromnih baza teleskopskih snimaka i prepoznavanje galaksija ili egzoplaneta.

U medicini je primena veštačke inteligencije još direktnija, pa mi dozvolite ovde malu digresiju – o upotrebi veštačke inteligencije u ranom otkrivanju kancera dojke pisao sam u tekstu AI u službi zdravlja - neograničene mogućnosti pa možete konsultovati i taj tekst.

Sistemi poput IBM Watson Health ili istraživačkih projekata u okviru DeepMind Health razvijeni su da pomažu lekarima u dijagnostici i analizi medicinskih podataka. Umesto razgovora sa korisnikom, ovi sistemi analiziraju radiološke snimke, histološke preparate ili ogromne baze kliničkih studija. Njihov zadatak nije da korisniku napišu neki opšti esej o bolesti, već da prepoznaju specifične suptilne obrasce i promene u tkivima koji mogu ukazivati na tumor, degenerativni proces ili potencijalnu terapiju.

Uz ove, postoji čitav svet AI sistema o kojima se mnogo manje govori i zna, a oni razvijeni za bezbednosne i vojne potrebe. Jedan od poznatijih projekata je Project Maven, inicijativa američkog Ministarstva odbrane za automatsku analizu video i satelitskih snimaka. Cilj ovog sistema je da prepoznaje objekte, vozila ili infrastrukturu na snimcima koje prikupljaju dronovi. Razvoj takvih tehnologija često se odvija u okviru istraživačkih programa agencije DARPA, koja već decenijama finansira napredne projekte u oblasti računarstva, robotike i veštačke inteligencije. Naravno, detalji mnogih vojnih AI sistema su poverljivi. Zbog toga se o njihovim stvarnim sposobnostima često može govoriti samo na osnovu indirektnih informacija. Moj lični zaključak, zasnovan na dostupnim podacima i logici razvoja tehnologije, jeste da su neki od tih sistema veoma napredni i usko specijalizovani za određene zadatke.

Osim biologije, medicine, vojske i industrije, i finansijski sektori takođe razvijaju sopstvene AI modele. Velike investicione kompanije koriste veštačku inteligenciju za analizu tržišnih podataka i upravljanje rizikom. Na primer, platforma Aladdin, koju koristi kompanija BlackRock, jedan je od poznatijih primera. Ona analizira ogromne količine finansijskih informacija kako bi procenila potencijalne rizike i pomogla u donošenju investicionih odluka.

U poslednjih nekoliko godina pojavljuje se i nova generacija modela koji pokušavaju da spoje najbolje iz oba sveta: fleksibilnost opštih modela i preciznost naučnih sistema. Jedan od najzanimljivijih primera je AlphaTensor, koji je otkrio nove algoritme za množenje matrica, osnovnu operaciju u gotovo svim oblastima računarstva. Još jedan model, GraphCast, koristi duboko učenje (Deep Learning), za predviđanje vremenskih prilika i u nekim slučajevima postiže rezultate uporedive sa tradicionalnim numeričkim meteorološkim modelima. O upotrebi AI u oblasti meteorologije pisao sam već u tekstu  WeatherNext 2: kako AI menja prognoziranje vremena

Ako sve ovo pokušamo da sažmemo u jednu jednostavnu sliku, popularni AI asistenti koje svakodnevno koristimo mogu se uporediti sa švajcarskim nožem: oni su svestrani, praktični i dostupni svima. Specijalizovani modeli iz nauke, medicine ili industrije, sa druge strane više liče na precizne skalpele dizajnirane za tačno određeni zadatak.

Kao što vidimo, razlika između ova dva sveta nije samo u tehnologiji, već i u nameni, ali i kompletnoj arhitekturi. Jedni su stvoreni da komuniciraju sa ljudima i pomognu u svakodnevnom radu, dok su drugi razvijeni da rešavaju veoma konkretne probleme, od strukture proteina do analize satelitskih snimaka.

Možda je upravo u toj razlici skrivena i najzanimljivija činjenica o savremenoj veštačkoj inteligenciji. Ono što danas vidimo kao “AI revoluciju” u velikoj meri je tek njen najvidljiviji deo. Ispod površine već izvesno vreme razvijaju sistemi koji će verovatno igrati ključnu ulogu u budućim naučnim otkrićima, medicinskim terapijama i tehnološkim inovacijama

.Drugim rečima, digitalni asistenti sa kojima danas razgovaramo su verovatno tek uvod u mnogo dublju transformaciju načina na koji čovečanstvo stvara znanje.

Svaka epoha u razvoju ljudske civilizacije i znanja je imala neki svoj instrument spoznaje – teleskop, mikroskop, akcelerator čestica. Naša epoha definitivno dobija još jedan - veštačku inteligenciju. Zato možda veštačka inteligencija nije samo nova tehnologija, možda je to novi način da čovečanstvo postavlja pitanja univerzumu. Kako sada stvari stoje, AI neće zameniti ljudsku radoznalost, ali će joj dati mnogo moćnije instrumente.

I na kraju, kada sledeći put budete pitali nekog od popularnih čet botova neko nesuvislo pitanje, a on vam isto tako nesuvislo odgovori, nemojte kriviti veštačku inteligenciju. Ona odgovara na isti način kako ste je i pitali. Uvek se setite da negde u pozadini postoje AI modeli koji mogu mnogo pomoći i koji su mnogo više od pukih asistenata za ćaskanje. Na primer, ako AI na vreme prepozna rane promene na grudima i spase život samo jedne žene, AI je, možemo reći, već ispunila svoju svrhu.