Првих 70 година вештачке интелигенције

Вештачка интелигенција за седам деценија прешла је пут од академског експеримента до технологије која мења економију, политику и свакодневни живот. Док једни у њој виде почетак нове индустријске револуције, а други претњу човечанству, историја њеног развоја показује да су највећи изазови и даље везани не само за машине већ и за разумевање природе људске интелигенције, знања и одговорности

Постоји ли неко ко још није чуо за вештачку интелигенцију, њене фантастичне домете и потенцијалне опасности по човечанство? У јавним расправама истовремено су присутне две наизглед противречне представе: да машина никада не може достићи људску интелигенцију и да би управо таква машина могла преузети контролу над човеком. Да конфузија буде већа, данас често користимо термин вештачка интелигенција (ВИ) да означимо било какав систем који решава неки проблем коришћењем доступних информационих и комуникационих технологија у најширем смислу.

Сам термин настао је када је Џон Макарти (1927–2011), пре 70 година, организовао „Летњи истраживачки пројекат о вештачкој интелигенцији“. Позвани истраживачи били су окупљени око идеје да „сваки аспект учења или било која друга карактеристика интелигенције може тако прецизно да се опише да може да се направи машина која ће то симулирати“. Састали су се у лето 1956. године у стимулативном окружењу Дартмут колеџа у Њу Хемпширу да разговарају о свим аспектима нове, узбудљиве научне дисциплине. Реч је о дисциплини која настоји да разуме природу интелигентне акције и да конструише системе способне за интелигентну акцију. Подстицај оваквом развоју дала је појава првих универзалних рачунских машина – рачунара. Она је оживела идеје филозофа, математичара и логичара, које је сада било могуће проверити и у пракси. У основи, амбиција није била да се интелигенција симулира, односно да буде „вештачка“. Отуда је, као прикладнији, Џон Хаугланд осамдесетих година предложио термин „синтетичка интелигенција“, по аналогији са тим да се синтетички дијамант разликује од природног једино по томе што је добијен у лабораторији. Али било је прекасно, јер се до тада термин вештачка интелигенција већ био усталио.

ФОТО: Wikimedia Commons

Јаз

Проучавање природних интелигентних система, пре свега људи, предмет је читавог спектра различитих дисциплина: неуронауке, когнитивне науке, епистемологије и математичке логике. Међутим, упркос значајном корпусу знања акумулираном током година, и даље постоји јаз у нашем разумевању везе између функционисања нашег биолошког „хардвера“ и „софтвера“.

Неки експертски системи достизали су, па чак и премашивали, тачност са којом су експерти у појединим доменима (медицина, конфигурација рачунара, хемија) решавали проблеме

И док су једни веровали да постоји јединствено решење којим ће тај јаз бити премошћен и тиме бити решен проблем генералне интелигенције, други су указивали на то да постоје различите врсте интелигенције и да стога ни решење неће бити јединствено. Наиме, Шекспир, Микеланђело, Чајковски, Тесла, Фелини… на радикално различите начине су изражавали своје идеје и за то су користили различите медијуме: језик, слику и скулптуру, музику, физичке уређаје, филм…

Интелигенција није ексклузивно људско својство. Још Дарвин, у свом Пореклу човека из 1871. године, примећује: „Нема фундаменталних разлика између човека и виших сисара у погледу њихових менталних способности, а све разлике су разлике у степену, а не у врсти.“ Данас знамо да овај став не важи само за више сисаре и да интелигенција представља разна еволутивна решења која повећавају изгледе за опстанак јединке и врсте.

Неке врсте птица, попут врана – узгред, чији је мозак знатно мањи од нашег – у стању су не само да користе алате већ и да их праве. Октоподи поседују делове мозга за меморију и учење, манипулишу предметима и алатима, играју се, показују индивидуалност. Све то остварују битно другачијом грађом нервног система, при чему се 2/3 њихових неурона налази у пипцима који се понашају независно и као да имају сопствени „ум“. А еволутивни „разлаз“ са октоподима одиграо се пре више од 600 милиона година.

Улога знања

Улога знања је кључна и интелигенција се не може разматрати одвојено од знања. Такође, из самих тестова интелигенције практично је немогуће елиминисати минимум знања неопходног за њихово решавање. Суочени са озбиљним здравственим проблемом, да ли бисте пре затражили помоћ чланова клуба Менса или искусних лекара специјалиста? То не значи да интелигенција није важна, већ да не може бити замена за доменско знање и искуство.

Интелигентна акција претпоставља коришћење велике количине веома разноврсног знања. Како адекватно представити неко знање? Посебно, како представити знање неких вештина, попут вожње бицикла, или пливања?

Не ради се само о представљању знања, већ и о његовом стицању, учењу. Како ново знање саобразити са већ постојећим, како извести ново знање из оног већ стеченог? Најзад, како приступити оном делу знања који је релевантан за конкретан задатак?

Проучавање интелигентних система нам је открило многа изненађујућа решења. Неким животињским врстама, посебно онима на врху ланца исхране, информација која им је пренета генетским кодом најчешће је довољна за опстанак. Друге врсте, које сматрамо интелигентним, значајан део информација неопходних за опстанак стичу учењем. Познати су случајеви да женка шимпанзе не уме да доји своје младунце ако није видела своју мајку како доји њену млађу браћу и сестре. Такође, слонови морају да науче како да користе сурлу да би пили воду. Готово је невероватно да тако кључне функције за опстанак врсте бивају препуштене учењу. А шта ако немате од кога да научите, ако нема никога поред вас да вам пренесе информацију онда када вам је потребна?

Решење, које ни у овом случају не користе искључиво људи, у употреби је спољашњих медијума као носилаца информација. Почело је са цртежима на зидовима пећина, преко знакова који су временом прерасли у слова, којима су могле бити записане изговорене речи, које су се временом нашле у књигама, књигама које су се могле преносити. Ова могућност записа и преноса информација представља праву и прву информациону револуцију. Тиме је временска и просторна баријера у преносу информација била премошћена. Знање је сада могло не само да се забележи већ и да се акумулира, да омогући да појединац своја знања не стиче само на основу личног искуства и усменог предања, већ да има и приступ знању које су забележиле генерације пре њега.

Приступ одозго: Симболисти

Од самог почетка развој ВИ одвијао се у два, суштински комплементарна правца. Један је приступ „одозго“, који одражава неспорну улогу знања и логичког расуђивања. Овај приступ заступају такозвани симболисти, а базира се на томе да се знање потребно за решавање неког проблема може да представи симболима и да се логичким расуђивањем, односно операцијама над тим симболима, може доћи до решења проблема.

Наде математичара и логичара да ће, полазећи од неких фундаменталних принципа, аксиома, и примењујући на њих правила закључивања, моћи (уз помоћ рачунара) да „докажу“ све истине о овом свету развејао је управо један од њих, Гедел. Његове теореме из 1931. показују да је сваки конзистентан, ефективно формализован систем довољно снажан да обухвати елементарну аритметику нужно непотпун: у њему постоје искази који се у оквиру тог система не могу ни доказати ни оповргнути. То не значи да је истина релативна или да се ништа не може доказати, већ да иоле сложеније математичке/логичке структуре имају неизбежна ограничења.

Дата центри данас троше око 1,5% електричне енергије на глобалном нивоу, са тенденцијом да се потрошња удвостручи до 2030.

Јака логика, али скромни капацитети и брзине рачунара у поређењу са данашњим, допринели су томе да се значајан део истраживања у ВИ седамдесетих и осамдесетих година прошлог века одвијао у изградњи тзв. експертских система. Идеја је била да експерти формулишу своје знање и поступке које користе при решавању проблема у својим доменима, а да то онда системи ВИ (експертски системи) користе при решавању тих проблема.

Неки експертски системи достизали су, па чак и премашивали, тачност са којом су експерти у појединим доменима (медицина, конфигурација рачунара, хемија) решавали проблеме. Ниједан од ових система, међутим, није показивао способност опште интелигенције какву имају људи и није био у стању да решава проблеме ван уског домена и речника којим се служио. Уз то, показало се да експерти имају проблем када треба на адекватан начин да формулишу своје знање о домену, па је то представљало уско грло у конструкцији ЕС.

ФОТО: Carlo Bollo/Alamy/Profimedia

ФОТО: ./Universal images group/Profimedia

Приступ одоздо: Конекционисти

Други приступ је приступ „одоздо“, који заступају тзв. конекционисти. У основи овог приступа јесте идеја да се конструише неуронска мрежа чија би архитектура на адекватан начин одражавала нашу. Такву неуронску мрежу би тада пустили да се обучава у природном окружењу, са надом да ће после одређеног времена достићи интелигенцију природних система, укључујући и човека. Једну од првих „машина које уче“, заснованих на овим идејама, конструисао је Марвин Мински 1951. године, дакле још пре помена ВИ.

За данашњи повратак идејама неуронских мрежа биле су потребне деценије динамичног развоја рачунара, чији су капацитети и перформансе за више редова величина превазилазили своје претходнике. Са стране софтвера, иницијални подстицај за појаву савремених система ВИ базираних на тзв. великим језичким моделима дали су Румелхарт, Хинтон и Вилијамс својим семиналним радом из 1986, у којем су предложили нови приступ обучавању вишеслојних неуронских мрежа. Овај приступ омогућио је значајан продор у више области ВИ, попут разумевања природног језика, разумевања и синтезе говора или разумевања слика и видеа.

Али отворене су и неке контроверзије. Како каже Хинтон, „интелигенција коју смо развили веома се разликује од наше“. Модел који се користи није транспарентан и не моделује природне неуронске мреже, а са великим скуповима података на којима се модели обучавају јавља се проблем немогућности репродуковања резултата.

Разумевање природног језика

Појава ChatGPT-а крајем 2022. године, а потом и других сличних модела ВИ (Gemini, Grok, Claude, Llama, DeepSeek), несумњиво представља велики напредак у погледу разумевања и комуникације са корисницима на природном језику. Велики језички модели уочавају статистичке обрасце и међусобне односе на великим количинама текстуалних података. „Разумевање“ језика проистиче из ових статистичких корелација, а не тако што је оно програмирано применом правила формалне логике или семантичких дефиниција. Природни језик је у великој мери двосмислен, зависан од контекста и некомпозицион (идиоми, метафоре, недоречености). Дефинисање формалних семантичких модела тако да обухвате сву ширину природног језика био би подухват астрономских размера, који би захтевао експлицитне дефиниције сваке речи, фразе и граматичке конструкције.

За данашњи повратак идејама неуронских мрежа биле су потребне деценије динамичног развоја рачунара, чији су капацитети и перформансе за више редова величина превазилазили своје претходнике

Упрошћено речено, после обуке на великим скуповима података, модел при конверзацији покушава да, на основу претходних речи, одреди највероватнију следећу реч. Ако га корисник исправи, модел може да употреби исправку као нови део контекста и да прилагоди наредне одговоре. А да ли ми у уобичајеном разговору поступамо битно другачије? Текст који чујемо или прочитамо интерпретирамо у складу са нашим знањем, искуством и контекстом, а у случају недоумица настојимо да их разрешимо у даљој комуникацији.

Рачунарска архитектура

Неуронске мреже, на којима се заснивају велики језички модели, у великој мери користе паралелно процесирање. На тржишту хардвера најближе испуњењу тих захтева били су графички процесори, првобитно развијени за обраду рачунарске графике. Мада ти подаци нису јавно доступни, процењује се да ови модели у фази обучавања појединачних верзија, које траје по неколико месеци, користе на десетине хиљада ових процесора и на хиљаде сервера.

Енергетске потребе

Логичка последица је растућа потреба за електричном енергијом којом би се напајали дата центри са оваквим рачунарским конфигурацијама. Највећи дата центри користе енергију приближно једнаку целокупној производњи електрана средње величине. Дата центри данас троше око 1,5% електричне енергије на глобалном нивоу, са тенденцијом да се потрошња удвостручи до 2030. Треба, међутим, имати у виду значај иновативних решења. Једно такво решење (ЛЕД сијалице) битно је утицало на смањење глобалне потрошње електричне енергије за расвету са неких 20% на око 8%.

Енциклопедија

„Можете ли да замислите да су некада постојале библиотеке у којима књиге нису разговарале једна са другом?“ Ову визионарску визију Минског, стару више од три деценије, остварују данашњи модели ВИ. Они су дословно у стању да упоређују и комбинују знање из извора на којима су обучени и у том смислу представљају праве енциклопедије, у чему далеко надилазе људске способности. Треба, међутим, истаћи да су људи у стању да функционишу са много мање података користећи много мање енергије (око 30 W). Тренутно остаје и питање континуалног ажурирања тог знања.

Постоји ли „мехур“ ВИ

Највећи део комерцијалне и инфраструктурне моћи концентрисан је у малом броју америчких и кинеских компанија, уз мањи број значајних европских и канадских актера. Процењује се да цена обучавања појединачне верзије модела ВИ износи више стотина милиона долара. (DeepSeek је овде изузетак јер на развој троши знатно мање ресурса, док су му перформансе поредиве са конкурентским моделима.) Мали број организација и влада може да изгради овакве системе, а то води ка концентрацији економске, политичке и војне моћи.

Додатани проблем јесте и доступност квалитетних података за обучавање, као и избор извора тих података, односно њихова цензура. Компаније које развијају моделе често истовремено контролишу велике платформе и инфраструктуру тзв. облака – Gmail, X, Facebook, Instagram – које имају више милијарди корисника месечно. Могуће коришћење комуникација са корисницима у обуци модела ВИ отвара питања приватности, тржишне моћи и приступа подацима. Даље, повећавање модела само по себи више не доноси једнако велика побољшања у свим областима; неки задаци напредују, неки достижу плато, а код појединих се могу јавити и погоршања.

Постаје јасно да се ради о де факто олигополу водећих америчких ИТ фирми. Интерес ових фирми јесте да одржавају талас еуфорије око ВИ и тако подстичу инвеститоре да даље улажу у већ прецењен сектор. Остаје отворено питање да ли ће приходи од генеративне ВИ оправдати огромна дугорочна улагања у инфраструктуру и развој. Екстреман пример је NVIDIA, водећи светски произвођач графичких процесора и уједно одскора највреднија компанија на свету (вредност прелази 5 трилиона долара). Дакле, NVIDIA и OpenAI (власник ChatGPT-а) објавили су „стратешко партнерство“ у које ће NVIDIA да уложи 100 милијарди долара, а OpenAI ће да изгради „најмање 10 GW“ дата центара који ће користити опрему компаније NVIDIA!

А ту је и политика. Амерички државни интерес јесте да се одржи илузија привредног раста, а неприкривена тежња јесте и да се учврсти контрола над глобалним информативним простором.

ФОТО: Рихард Петер

Роботика и ВИ

Развој роботике и ВИ дуго су текли као паралелни процеси. Данас се увиђа да постоје сви разлози за њихову интеграцију. Повећано интересовање за хуманоидне роботе заснива се више на психолошким него на функционалним разлозима. Традиционално, радно окружење је било формирано према физичким потребама човека. Увођење робота у такво окружење је по правилу нерационално. Планирање нових радних простора у којима ће функционисати роботи без сталног присуства људи изгледаће сасвим другачије.

Не треба, такође, губити из вида да се обучавање садашњих модела ВИ не врши у реалном окружењу, већ на одабраним и припремљеним подацима у дигиталној форми. Кључан акт перцепције – формирање разумљиве представе о спољном окружењу – захтева знање које је по ширини и обиму једнако оном које је потребно за касније коришћење такве представе. Перцепција није само „претпроцесирање“, већ интегрални део сазнања. За било какав систем који поседује способност опште интелигентне акције неопходно је да има могућност интеракције са окружењем путем сензора/рецептора и актуатора/ефектора.

ВИ се преплиће са технологијом, посебно ИТ, и заједно доприносе својеврсној демократизацији. Информације (научне, о културним добрима, уметничким делима итд.) постају широко доступне. Тиме се, међутим, отварају и веће могућности за манипулацију информацијама. У основи апокалиптичке визије будућности коју обликује ВИ налази се неколико основних страховања.

ФОТО: VCG via Reuters Connect

Лажне информације и грешке

Могућности креирања и уверљивост лажних информација вишеструко су се увећале појавом алата ВИ. С друге стране, ту су и грешке које праве системи ВИ, а за које се у модерном језику користи еуфемизам „халуцинације“. Мада се временом навикавамо на то да препознајемо погрешне и лажне информације, у неким областима, попут оних које се тичу здравља и финансија, не препоручује се ослањање на ВИ. Формиране су читаве службе које ће за вас „проверавати чињенице“ и бранити вас од „дезинформација“.

Системи ВИ (и роботике) значајно повећавају продуктивност у многим областима, укључујући и сам ИТ. Отуда је реалан страх да ће ВИ допринети губитку неких радних места, првенствено оних на којима се обављају рутински послови. Међутим, и пре појаве ВИ нова технолошка решења мењала су слику на тржишту рада. Пред нашим очима нестала су занимања дактилографа и телефониста, која су ангажовала армије људи.

Сва је прилика да ће следеће занимање коме прети нестанак бити возачи. И то не само зато што ће уз помоћ ВИ бити створени „непогрешиви“ аутоматски возачи, већ зато што ће доћи до веће интеграције информационих и комуникационих технологија у саобраћајну инфраструктуру у целини и тако омогућити непосредну комуникацију између возила, возила и саобраћајница, као и информационих центара. Иначе, у саобраћајним несрећама на друмовима у свету гине више од милион људи годишње.

Страх за егзистенцију

Позната је монструозна изјава Мадлен Олбрајт, америчког дипломате и државног секретара, да је за увођење демократије у земљу било вредно жртвовати животе пола милиона ирачке деце. Ти изгубљени животи, као ни преко сто милиона живота изгубљених у ратним сукобима у прошлом веку, свакако нису били ни у каквој вези са вештачком интелигенцијом. Данашња употреба смртоносног оружја које користи ВИ није ништа друго до бежање од одговорности коју пре свега имају људи.

Брзи развој нових могућности примене система ВИ није праћен одговарајућим развојем мера које би могле да пруже адекватну заштиту од могућих злоупотреба. Отуда није искључено да постојећи системи ВИ буду искоришћени да пруже не само детаљна упутства за, рецимо, производњу биолошког оружја, извођење терористичке акције или пак обарање неке владе, већ и да та упутства подрже директним интервенцијама и преузимањем контроле над одговарајућим информационим инфраструктурама.

Првих седамдесет година вештачке интелигенције показало је да њен развој није праволинијски пут ка машини која ће заменити човека, већ непрестано трагање за природом интелигенције, знања и учења. Њене будуће домете и опасности неће одредити само технологија, већ пре свега људи начин на који је стварају, контролишу и користе.

Почеци вештачке интелигенције код нас

Као што је конструкција „Београдске руке“, прве мултифункционалне антропоморфне протетске шаке, далеке 1963. означила почетак развоја роботике код нас, тако су и истраживања осамдесетих година обележила почетке развоја ВИ на нашим просторима. Да поменемо само неке ране резултате: аутоматско доказивање теорема у математици; препознавање говора; систем Беларт за подршку медицинском одлучивању интегрисањем знања са учењем на подацима из клиничке праксе.

Током осамдесетих година организовани су први истраживачки пројекти из ВИ. На годишњој конференцији ЕТАН-а 1982. године основана је Секција за вештачку интелигенцију, која је под називом YugAI постала пуноправни члан Европског координационог комитета за вештачку интелигенцију (ECCAI), основаног исте године. Први програм постдипломских студија у области вештачке интелигенције формиран је у оквиру Центра за мултидисциплинарне студије Универзитета у Београду 1989. године. Први курс из „Вештачке интелигенције са применама“ на редовним студијама Математичког факултета у Београду уведен је, на предлог професора Недељка Парезановића, као изборни курс 1991. године.

Системи ВИ (и роботике) значајно повећавају продуктивност у многим областима, укључујући и сам ИТ. Отуда је реалан страх да ће ВИ допринети губитку неких радних места, првенствено оних на којима се обављају рутински послови

У периоду између 1980. и 1990. године одржано је шест веома успешних међународних летњих семинара из вештачке интелигенције. Семинаре је у Дубровнику организовао Center for Advanced Studies (CAS) ЕТАН-а, а предавачи су били водећи светски ауторитети у ВИ (Ален Њуел, Едвард Фајгенбаум, Доналд Мики, Патрик Винстон…). Неколико стотина полазника семинара чинили су истраживачи са водећих домаћих и страних, претежно европских, универзитета и института.