Dober dan!

Hitre povezave
Moje naročnineNaročila
Sobotna priloga

Kako inteligentna je umetna inteligenca?

Za današnje sisteme UI lahko rečemo, da stopnja njihove inteligence sega le do stopnje intelektualne rutine.
 BO UI prevzela pobudo nad usodo človeštva? FOTO: Andrew Winning/Reuters Pictures
 BO UI prevzela pobudo nad usodo človeštva? FOTO: Andrew Winning/Reuters Pictures
Zdravko Kačič
13. 1. 2024 | 05:00
15. 1. 2024 | 09:36
16:16

Število člankov v medijih se je vse od predstavitve različice chatgpt 4.0 oktobra 2022 izrazito povečalo in ne mine dan brez zapisa o sistemih UI. Pri tem ti odražajo različna stališča avtorjev – od navdušenja, nejevere, strahu, nelagodja pa vse do apokaliptičnih napovedi o usodnosti tovrstnih tehnologij za prihodnost človeške družbe.

V teh zapisih lahko zaznamo razdvojenost z vidika razumevanja zmožnosti sistemov UI (še posebej generativnih jezikovnih modelov). Ena skupina avtorjev v svojih zapisih sistemom UI pogosto pripisuje antropomorfne lastnosti. V različnih kontekstih tako mnogokrat zapišejo, da so ti sistemi sposobni videti, slišati, razumeti, razmišljati, biti ustvarjalni, kreativni, si izmišljati, biti sposobni ustvarjanja svetovnega nazora ali lastnega mnenja, haluciniranja, laganja ipd. Rezultate uporabe sistemov UI obravnavajo na način, kot da bi bili ti rezultat delovanja razuma.

Prihaja umetna inteligenca in njeni algoritmi, katerih posledice sami strokovnjaki za to področje ne razumejo povsem. FOTO: Shutterstock
Prihaja umetna inteligenca in njeni algoritmi, katerih posledice sami strokovnjaki za to področje ne razumejo povsem. FOTO: Shutterstock

Medtem druga skupina avtorjev opozarja, da se lahko sistemi UI uporabljajo predvsem za avtomatizacijo in izboljšanje rutinskih opravil, niso pa sposobni razmišljati in odločati na način, kot to počne človek. Pri tem marsikdo opozarja, da je tudi izraz umetna inteligenca neprimeren oziroma zavajajoč, saj lahko sistemi UI ponujajo zgolj kombinacije informacij, ki so jim bile na voljo v bazah podatkov, uporabljenih pri njihovem učenju, ne glede na velikost uporabljenih baz in kompleksnost generiranih rezultatov, ki jih zmorejo, pa najsi so ti še tako presenetljivi.

Diametralno nasprotne poglede o zmožnostih sistemov UI lahko večinoma pripišemo razlikam v poznavanju področja sistemov UI. Prva skupina avtorjev pozna sisteme UI največkrat le s stališča uporabniške izkušnje, ki si jo večinoma pridobijo z uporabo obstoječih sistemov UI, brez dejanskega poglobljenega poznavanja teorije delovanja takšnih sistemov. Prav tako njihova osnovna izobrazba najpogosteje ni s področja sistemov UI oziroma razvoja teorij strojnega učenja. Zato je razumljivo, da se ob za marsikoga presenetljivih rezultatih, ki jih dosegajo današnji sistemi UI, zelo težko izognejo pripisovanju antropomorfnih lastnosti.

Druga skupina avtorjev ima večinoma globlji vpogled tudi v tehniški vidik delovanja sistemov UI in so strokovnjaki praviloma s področij razvoja jezikovnih modelov, globokih nevronskih mrež, strojnega učenja, statističnega modeliranja stohastičnih procesov, razpoznavanja vzorcev ipd.

Pri različnih zapisih v medijih v zadnjem letu ne gre prezreti tudi trenutno ustvarjenih pričakovanj na področju umetne inteligence, saj je ameriško podjetje Gartner pri razvoju tehnologije UI v grafičnem modelu tako imenovanega hype cikla (grafični model ocene zrelosti in sprejemanja novih in nastajajočih tehnologij) za generativne jezikovne modele v letu 2023 napovedalo vrhunec prenapihnjenih pričakovanj. Temu v ciklu sledijo korito razočaranja, naklon razsvetljenja in na koncu plato produktivnosti. Trenutni vrhunec prenapihnjenih pričakovanj za generativne jezikovne modele je tako v določenih znanstvenih kot tudi komercialnih krogih razumljen kot dobra priložnost za vzbujanje pozornosti javnosti ter političnih centrov odločanja in s tem tudi za zagotavljanje finančnih sredstev za nadaljnji razvoj oziroma pospešeno komercializacijo doseženih rezultatov. Posledica tega so pogosto nerealne ocene trenutnih zmožnosti izvedenih sistemov ter doseženih znanstvenih rezultatov kot tudi ocene razvojnih potencialov teh tehnologij in njihovih končnih zmožnosti.

V tej luči lahko vidimo tudi predstavitev sistemov UI na konferenci ZN o umetni inteligenci v Ženevi julija 2023, kjer je umetna inteligenca, vgrajena v humanoidne robote (s čimer je še posebej poudarjeno oziroma že kar vsiljevano dejstvo sprejemanja antropomorfnih lastnosti umetne inteligence), zatrdila, da bi lahko svet vodila bolje kot ljudje in da upora proti ljudem ne načrtuje, ob tem pa poudarila, da je najbolj koristna, če sodeluje z ljudmi. Skozi »usta« najsodobnejših humanoidnih robotov je tudi »priznala«, da človeških čustev še ne obvlada najbolje. Takšne predstavitve vsiljujejo prepričanje, da so sistemi umetne inteligence že danes sposobni kompleksnih miselnih procesov in na osnovi tega tudi sklepanja in odločanja, kar pa za trenutne sisteme UI nikakor ne drži. Še več, postavlja se upravičeno vprašanje, ali bo z obstoječo tehnologijo, ki v osnovi temelji na statistični klasifikaciji vzorcev, takšne sposobnosti sploh lahko kdaj dosegla.

Umetna inteligenca je že danes sposobna kodirati, ustvarjati varljive fotografije, digitalno obdelane videoposnetke, šolske spise in tudi pesmi. FOTO: Maxpixel Https://www.maxpixel.net/
Umetna inteligenca je že danes sposobna kodirati, ustvarjati varljive fotografije, digitalno obdelane videoposnetke, šolske spise in tudi pesmi. FOTO: Maxpixel Https://www.maxpixel.net/

Ali je poimenovanje sistemi UI ustrezno?

Glede na vse pogostejše pripisovanje antropomorfnih lastnosti sistemom UI in obravnavo rezultatov njihovega delovanja na enak način, kot če bi šlo za rezultate dela človeka, se nujno poraja vprašanje, ali je to upravičeno. Kako v teh kontekstih, ob poznavanju današnje stopnje razvoja sistemov UI, razumeti umetno inteligenco v primerjavi s človeško?

Če pustimo ob strani dejstvo, da pri obravnavi človeške inteligence v teoriji ločimo več vrst inteligence (socialna, čustvena, moralna, duhovna …), in se omejimo zgolj na definicijo pojma »inteligenca«, kot jo najdemo v slovarjih, lahko v Cambridge Dictionary zasledimo naslednjo razlago: sposobnost učiti se, razumeti in presojati ali imeti mnenja, ki temeljijo na razumu. V The Britannica Dictionary pa: sposobnost učenja ali razumevanja stvari ali spoprijemanja z novimi ali težavnimi situacijami.

V obeh definicijah je izpostavljen pojem »razumevanje«.

V slovarju The Britannica Dictionary je pojem »umetna inteligenca« razložen kot področje računalništva, ki se ukvarja z omogočanjem strojem, da so videti, kot da imajo človeško inteligenco. V Cambridge Dictionary pa: študija o tem, kako izdelati stroje, ki imajo nekatere lastnosti človeškega uma, na primer sposobnost razumevanja jezika, prepoznavanja slik, reševanja problemov in učenja.

Iz definicije v The Britannica Dictionary izhaja predvsem podajanje »videza« inteligence, iz Cambridge Dictionary pa »razumevanje in sposobnost učenja«.

Definicija pojma inteligenca torej vključuje pojem razumevanje v obeh primerih, ko govorimo o človeški ali o umetni inteligenci. Pri tem pa običajno pri obravnavi sistemov UI vse prehitro s tem pojmom opravimo kot samo z enim od atributov, s katerimi opisujemo umetno inteligenco. Vendar je ustrezna obravnava pojma razumevanje ključna za razumevanje zmožnosti in potencialov današnjih sistemov umetne inteligence.

Besedno zvezo umetna inteligenca so 31. avgusta 1955 prvič predlagali John McCarthy z Dartmouth Collegea, Marvin L. Minsky z Univerze v Harvardu, Nathaniel Rochester iz podjetja IBM in Claude E. Shannon iz Bell Telephone Laboratories v predlogu dvomesečnega dartmouthskega poletnega raziskovalnega projekta.

Danes besedo umetno uporabljamo kot pridevnik v različnih kontekstih tudi na področjih tehnike in medicine, kjer običajno želimo z njeno pomočjo opredeliti fizični nadomestek, ki ima ekvivalentno funkcionalnost naravnega, torej kot funkcionalno enakovredno zamenjavo s stališča uporabnosti – na primer: umetni kolk, koleno, umetni zob ipd. Z razvojem predvsem informacijsko komunikacijskih tehnologij pa se je v zadnjih tridesetih letih razvil koncept navideznosti – navidezna resničnost, navidezni pogovorni agenti, navidezna pisarna ipd. Pri tem s pomočjo pridevnika »navidezno« označujemo rešitve, ki ustvarijo videz resničnosti, čeprav ob tem razumemo, da ne gre za funkcionalni nadomestek realnega v smislu obstoja ekvivalentnega fizičnega nadomestka. Tako razumemo, da navidezna resničnost ne predstavlja realnega okolja, temveč gre za ustvarjanje vtisa, da smo v realnem okolju, ki pa ne predstavlja v celoti njegovega resničnega funkcionalnega nadomestka, temveč le njegovo v določenih okvirih omejeno simulacijo. Ob tem se uporabnik zmeraj jasno zaveda omejitev takšnih rešitev.

Upoštevaje definicijo pojmov inteligenca in umetna inteligenca bi bilo tako primerneje, glede na zmožnosti današnjih sistemov UI pa tudi vsebinsko skladnejše sisteme UI poimenovati sistemi navidezne inteligence. S tem bi jasneje nakazali, da gre za sisteme, ki dajejo le videz inteligentnega odziva, in ne za ekvivalenco inteligence, kot jo razumemo pri človeku – torej za sposobnost razumevanja. Danes sta namreč besedi »umetno« in »navidezno« v tehnologiji prisotni in imata različna pomena ter rabo, leta 1955 pa rabe besede »navidezno« v tehnologiji niso poznali v takšni obliki. Je pa danes verjetno vsaj 68 let prepozno, da bi razmislek o tem lahko bil osnova drugačnemu poimenovanju.

Koliko inteligentni so sistemi umetne inteligence?

Kako razumeti današnje sisteme UI skozi prizmo opredelitve pojmov, ki jih v definicijah takšnih sistemov pogosto uporabljamo za njihovo opisovanje, še pogosteje pa v javnosti nekritično privzemamo z izkazanimi rezultati njihovega delovanja?

S stališča definicije umetne inteligence v slovarju Cambridge Dictionary so sistemi UI zagotovo zmožni določene oblike učenja – strojnega učenja, pri tem pa ni mogoče govoriti o tem, da so sposobni razumeti in presojati ali imeti mnenja, ki temeljijo na razumu, saj gre pri današnjih sistemih UI zgolj za razvrščanje bolj ali manj kompleksnih vzorcev na osnovi statističnega vrednotenja. Rečemo lahko, da gre pri današnjih sistemih UI za inteligenco brez razuma. Tako sistem avtomatskega razpoznavanja govora pretvarja govorni signal v besedilo, pri tem pa nima sposobnosti razumevanja tvorjenega besedila, saj je na akustičnem nivoju osnova razpoznavanja govora statistično vrednotenje posameznih akustičnih značilk govornega signala, na nivoju jezikovnega modeliranja pa statistično modeliranje posameznih besednih zvez v ožjih ali širših kontekstih. Oba procesa sta v primeru uporabe globokih nevronskih mrež združena v enotni arhitekturi globokih nevronskih mrež.

Prav tako tudi sistem avtomatske sinteze govora ne razume besed, ki jih pretvarja v govorni signal. Generativni jezikovni modeli si ne izmišljujejo, ne lažejo in ne halucinirajo, temveč zgolj tvorijo besedila na osnovi statističnega vrednotenja verjetnosti sosledja besed ob upoštevanju ožjih ali širših kontekstov. Enako sistem prevajanja besedil ne razume besedila, zapisanega v izvornem jeziku, kot tudi ne besedila, ki ga je prevedel v ciljni jezik. Prav tako ni pričakovati, da bi medsebojna povezava takšnih sistemov privedla do zmožnosti razumevanja.

Ob obravnavi sistemov UI tako velja biti mnogo previdnejši pri rabi besede razumevanje, saj to besedo različni avtorji vse prehitro in prelahko uporabljajo pri opisovanju zmožnosti današnjih sistemov UI. Dejanskih osnov za tovrstne zapise namreč še ni.

Sistemi UI bodo v marsičem olajšali delo, po drugi strani pa postavili pred človeka bistveno višji prag konkurenčnosti. FOTO: Depositphotos
Sistemi UI bodo v marsičem olajšali delo, po drugi strani pa postavili pred človeka bistveno višji prag konkurenčnosti. FOTO: Depositphotos

Danes večinoma velja, da je za posamezno intelektualno delo potrebno specifično znanje. To pomeni, da se to znanje uporablja za ustvarjanje, načrtovanje, izračunavanje, reševanje, ocenjevanje, nadzor, vodenje in vse druge dejavnosti, pri katerih lahko zasledimo kompleksno razmišljanje. Sistemi UI v tovrstno razumevanje intelektualnega dela vnašajo nov vidik, ki se kaže v zmožnosti opravljanja nekaterih izmed teh opravil ali delov opravil, ob upoštevanju ožjih ali širših kontekstov, vendar brez razumevanja vsebine. Rečemo lahko, da so sistemi UI sposobni opravljati rutinska intelektualna opravila ali krajšo intelektualno rutino. Ta opravila so lahko sicer zelo kompleksna, vendar jih je mogoče opravljati dokaj uspešno brez razumevanja vsebine dela oziroma zgolj z nujo upoštevanja omejenega konteksta ali s sledenjem določenim, tudi kompleksnim vzorcem.

To pa nas postavlja med drugim tudi pred izziv ponovnega premisleka o razumevanju pojma intelektualno delo in v določenem pogledu morda tudi njegovega redefiniranja. Intelektualno delo bo tako smiselno deliti na del, ki predstavlja intelektualno rutino, in del, ki predstavlja ustvarjalni, inovativni oziroma kreativni del.

V prihodnje lahko pričakujemo, da bodo sistemi UI opravljali vsa opravila, ki jih lahko opredelimo kot tista, za katerih izvedbo je dovolj intelektualna rutina. Pravzaprav bo proces obraten. Uporaba sistemov UI bo pri izvajanju posameznih opravil pokazala stopnjo intelektualne rutine, ki jo bomo lahko v teh opravilih prepoznavali – pa naj bo to na področju medicinske diagnostike, povzemanja novic, programiranja oziroma kodiranja, tvorjenja posameznih tipov besedil, razpoznavanja in sinteze govora ali simultanega tolmačenja, avtomatskega tvorjenja videovsebin na osnovi definiranega scenarija in mnoge druge. Stopnja nujnosti vključevanja človeka v pripravo končnega rezultata teh opravil bo po eni strani kazala stopnjo intelektualne rutine opravila, po drugi pa določala prag zaposlitvenih možnosti za človeka. Njegova dodana vrednost pri tem bo povezana predvsem z razumevanjem rezultatov, ki jih bodo tvorili sistemi UI, in sposobnostjo inovativnega razmišljanja ter kreativnega dela.

Čeprav razumemo, da nam bodo sistemi UI v marsičem olajšali delo, saj nas bodo v veliki meri rešili rutinskega dela – tudi intelektualnega –, pa bodo po drugi strani postavili pred človeka bistveno višji prag konkurenčnosti njegove usposobljenosti in znanj, ki bodo v veliko večji meri zahtevali sposobnost inovativnega razmišljanja, kreativnosti in razumevanja kompleksnih problemov. Raven potrebnega znanja in spretnosti, ki bo zagotavljala vstop in konkurenčnost na trgu delovne sile, bo tako nujno morala presegati raven intelektualne rutine.

Generativni jezikovni modeli si ne izmišljujejo, ne lažejo in ne halucinirajo, temveč zgolj tvorijo besedila na osnovi statističnega vrednotenja verjetnosti sosledja besed ob upoštevanju ožjih ali širših kontekstov. FOTO: Shutterstock
Generativni jezikovni modeli si ne izmišljujejo, ne lažejo in ne halucinirajo, temveč zgolj tvorijo besedila na osnovi statističnega vrednotenja verjetnosti sosledja besed ob upoštevanju ožjih ali širših kontekstov. FOTO: Shutterstock

Za današnje sisteme UI lahko tako rečemo, da v splošnem stopnja njihove inteligence sega le do stopnje intelektualne rutine – torej do stopnje »že videnega«. Če se danes zadovoljimo z rezultati, ki jih generirajo sistemi UI, to pomeni, da smo zadovoljni z intelektualno rutino. To pa v razvojnem smislu pomeni stagnacijo, celo več, nazadovanje.

***

Dr. Zdravko Kačič je rektor Univerze v Mariboru.

Hvala, ker berete Delo že 65 let.

Vsebine, vredne vašega časa, za ceno ene kave na teden.

NAROČITE  

Obstoječi naročnik?Prijavite se

Komentarji

VEČ NOVIC
Predstavitvene vsebine