Razumevanje veštačke inteligencije: Od početaka do generativne AI

Veštačka inteligencija (AI) nije nova stvar. Od kada je OpenAI lansirao ChatGPT veliki jezički model krajem 2022. godine, stvorilo se pogrešno mišljenje da je AI nastao te večeri 30. novembra. U ovom tekstu ćemo da pokažemo da je AI star koliko je star i razvoj računarskih sistema, te da generativna veštačka inteligencija (GAI) nema mnogo veze sa onim što smo gledali u filmovima poput Terminatora, I Robot ili Ex Machina.

Mreža Skynet se u Terminatoru otrgla kontroli, shvatila da im čovek samo smeta i napravila svet u kojem vladaju roboti. ChatGPT, odnosno generativna veštačka inteligencija, nema veze sa tim – to su jezički modeli koji imaju za cilj obradu teksta, a ne generisanje istinitih i 100 procenata tačnih odgovora. Uostalom, ako govorimo o simulaciji ljudskog mozga, dovoljno nam je poznato da čovek nije savršen i da greši.

Uvod u veštačku inteligenciju

Veštačka inteligencija (AI) je grana računarske nauke koja stremi ka stvaranju mašina i sistema sposobnih za obavljanje zadataka koji obično zahtevaju ljudsku inteligenciju, poput rasuđivanja, učenja, percepcije i donošenja odluka. Jedan od najzanimljivijih delova AI je generativna AI, koja može stvarati nove podatke ili sadržaje, kao što su tekst, slike, video, audio ili kod, bazirajući se na već postojećim podacima. Ova sposobnost ima veliki potencijal da transformiše različite industrije, uključujući umetnost, dizajn, zabavu, obrazovanje i zdravstvenu zaštitu.

Razumevanje trenutnog stanja i budućih mogućnosti AI i generativne AI zahteva poznavanje njihovog istorijskog razvoja. Pionir AI bio je Alan Turing, koji je razvio koncept Turingovog testa, kriterijuma za procenu da li mašina može pokazati ljudsku inteligenciju. Na primer, ako uzmemo ChatGPT i ponudimo ga nekome ko ne zna da je u pitanju veliki jezički model – ako ova aplikacija „ubedi“ čoveka da je čovek, kažemo da je aplikacija prošla Turingov test.

Evolucija AI: Od Deep Blue do GPT-3

Ako zanemarimo popularnu kulturu, AI se često vezuje za kraj prošlog milenijuma i superračunar Deep Blue, koji je uspeo da pobedi u šahu tadašnjeg svetskog prvaka Garija Kasparova. Međutim, ono što je veštačka inteligencija danas najviše dugujemo razvoju dva povezana fenomena: mašinskom učenju i dubokom učenju.

Mašinsko učenje kao srce AI

Mašinsko učenje, ključni deo AI, omogućava sistemima da uče iz podataka i poboljšaju svoje performanse. Postoje tri glavna tipa mašinskog učenja: nadzirano učenje, nenadzirano učenje i učenje s pojačanjem. Nadzirano učenje koristi označene podatke za obuku sistema, dok nenadzirano učenje koristi neoznačene podatke za otkrivanje obrazaca. Učenje s pojačanjem koristi povratne informacije iz okoline za optimizaciju akcija sistema. Šta, u stvari, to znači?

Uzećemo opet za primer veliki jezički model ChatGPT. Da bi napravili nešto takvo, AI sistem se trenira na beskonačno mnogo podataka, prvenstveno tekstualnog formata. Slično kao ljudski mozak, sistem uči na osnovu onoga što je uradio dobro i onoga što je pogrešno. Superiornost AI sistema je u tome što je u stanju da obrađuje celokupne bibiloteke knjiga u nekoliko meseci, dok bi čoveku za taj proces bilo potrebno više života. Ovaj proces učenja za AI sisteme je poznat kao ‘mašinsko učenje.

Pri tome, veliki jezički modeli, kao što je ChatGPT, koriste posebnu vrstu mašinskog učenja poznatu kao „duboko učenje“, koje uključuje složene mreže s više slojeva (tzv. duboke neuronske mreže) koje simuliraju način na koji ljudski mozak obrađuje informacije. Ovi modeli se treniraju tako što se izlože ogromnoj količini tekstualnih podataka: od knjiga, članaka, veb-stranica, do razgovora. Kroz proces zvan „povratna propagacija“ model se kontinuirano prilagođava kako bi bolje razumeo i generisao jezik.

Duboko učenje: Revolucija u AI

Duboko učenje, naprednija forma mašinskog učenja, koristi duboke neuronske mreže s višeslojnim strukturama za učenje složenih reprezentacija podataka. Ovo je omogućilo razvoj sistema koji mogu postići ljudske ili čak nadljudske performanse u različitim oblastima, poput kompjuterskog vida i obrade prirodnog jezika. Ovo je nadogradnja mašinskog učenja.

Zamislite društvenu mrežu koja automatski prepoznaje i označava ljude na fotografijama koje postavite. Kada dodate fotografiju, sistem dubokog učenja analizira fotografiju kako bi identifikovao lica. To radi tako što prolazi kroz slojeve veštačkih neurona, gde svaki sloj izvlači različite osobine lica, poput oblika očiju, nosa, usta, kontura lica, itd. Kako informacija prolazi kroz slojeve, sistem postaje sve bolji u razumevanju i identifikovanju specifičnih lica. Na kraju, sistem upoređuje prepoznata lica s bazom podataka poznatih lica i označava ih na fotografiji.

Generativna AI: Stvaranje, a ne samo analiza

Generativna veštačka inteligencija, kao što smo videli s ChatGPT-om, odnosi se na sposobnost AI-a da stvara nove, originalne sadržaje. Ovo je daleko od antropomorfiziranih AI koncepta prikazanih u filmovima. Umesto da budu samosvesni entiteti sa vlastitim motivima, GAI sistemi su sofisticirani alati koji mogu generisati korisne i kreativne rezultate unutar određenih parametara koje postavljaju njihovi ljudski programeri.

ChatGPT, veliki jezički model razvijen od strane OpenAI, nastao je kao rezultat napredovanja u području dubokog učenja i obrade prirodnog jezika (NLP). Evo jednog primera kojeg nazivamo „papagaj“:

• Osnova (duboko učenje): Prvo, zamišljamo da imamo papagaja koji nije samo sposoban ponavljati reči koje čuje, već i razumeti njihovo značenje i pravilno ih koristiti. U svetu AI, ovo je ekvivalent dubokom učenju koje omogućava računarima da razumeju i obrađuju ljudski jezik;
• Posebna sposobnost (transformer arhitektura): Dalje, ovaj papagaj ima posebnu sposobnost da zapamti i razume dugačke priče ili razgovore, ne samo pojedinačne reči ili rečenice. Ovo odgovara transformer arhitekturi u AI, koja omogućava modelima poput ChatGPT-a da razumeju i prate kontekst dužih tekstova;
• Intenzivni trening (GPT modeli): Zatim, ovog papagaja treniramo tako što mu čitamo ogromne biblioteke knjiga, članaka, razgovore, pa čak i poeziju. Tokom vremena, papagaj uči različite načine govora, stilove, informacije i jezične obrasce. To je slično kako GPT modeli prolaze kroz proces treniranja na velikim količinama tekstualnih podataka;
• Prilagođavanje i interakcija (interaktivnost): Na kraju, naš papagaj nije samo sposoban ponavljati ili stvarati rečenice, već može voditi smislene razgovore, odgovarati na pitanja i prilagođavati svoje odgovore kontekstu razgovora. To je kao ChatGPT koji može interaktivno komunicirati s korisnicima, pružajući relevantne i koherentne odgovore.

Generativna AI: Nije sve u tekstu

Da bismo objasnili kako rade sistemi generativne veštačke inteligencije (GAI), uzmimo opsežan i razumljiv primer: kreiranje digitalnog umetničkog dela.

Zamislite da želite stvoriti digitalnu sliku koja izgleda kao da je naslikana od strane impresionističkog slikara, ali nemate iskustvo u slikanju. Evo kako bi sistem generativne veštačke inteligencije mogao pomoći u ovom procesu:

• Prikupljanje podataka: Prvi korak bi bio prikupljanje velike količine umetničkih dela, posebno impresionističkih slika. Ovi podaci služe kao uzorci za AI da „uči“ stil i tehnike impresionističkih slikara;
• Treniranje modela: Koristeći tehnike dubokog učenja, posebno GAN (generativne suparničke mreže), model se „trenira“ na ovim slikama. GAN se sastoji od dve komponente;
• Generator: Pokušava stvoriti nove slike koje imitiraju impresionistički stil;
• Diskriminator: Ocenjuje slike koje stvara generator i odlučuje da li su dovoljno slične originalnim impresionističkim delima;
• Iterativni proces: Tokom treniranja, diskriminator neprestano „kritikuje“ slike koje stvara generator, a generator se „uči“ iz tih povratnih informacija. Kroz mnoge iteracije, generator postaje sve bolji u stvaranju uverljivih impresionističkih slika;
• Generisanje umetničkog dela: Kada je model dovoljno „obučen“, možete mu dati ulazne podatke, kao što su boje, teme ili čak specifični stilovi koje želite na slici. AI tada koristi svoje „znanje“ da generiše novu sliku koja odgovara vašim specifikacijama, stvarajući jedinstveno digitalno umetničko delo.
• Krajnji rezultat: Rezultat je digitalna slika koja izgleda kao da je naslikana od strane impresionističkog umetnika, ali je, zapravo, stvorena uz pomoć AI. Ova slika može biti potpuno originalna i prilagođena našim inputima.

Zaključak

Kroz ovaj tekst, jasno je da veštačka inteligencija (AI) predstavlja mnogo više od senzacionalističkih prikaza u popularnoj kulturi ili novih tehnoloških proboja kao što je ChatGPT. Njen razvoj, počevši od ranih ideja i teoretskih koncepta do današnjih naprednih primena, odražava duboku i složenu evoluciju tehnologije. AI nije samo izum 21. veka; to je rezultat decenija istraživanja, inovacija i kreativnog rešavanja problema.

Generativna veštačka inteligencija (GAI), kao novi vrhunac u ovoj evoluciji, pokazuje kako AI može ne samo razumeti i analizirati podatke, već i stvarati nove, originalne sadržaje. Od digitalne umetnosti do sofisticiranog jezičkog modeliranja, GAI preobražava način na koji razumemo kreativnost i inovacije.