Ako biste morali da objasnite rad veštačke inteligencije u jednoj rečenici, ona bi glasila ovako:

Veštačka inteligencija pronalazi obrasce u podacima i koristi ih da donese predviđanje ili generiše odgovor.

To je suština skoro svih savremenih AI sistema, bez obzira da li razgovarate sa ChatGPT-om, prevodite tekst, prepoznajete lice na fotografiji ili koristite navigaciju koja procenjuje vreme dolaska.

AI ne poseduje ljudsku intuiciju, iskustvo ili svest. Umesto toga, ona obrađuje ogromnu količinu primera i iz njih uči statističke veze. Kada dobije novi zadatak, pokušava da pronađe najsličnije obrasce koje je ranije videla i na osnovu njih izračuna najverovatniji rezultat.

Na prvi pogled to deluje jednostavno. U praksi iza jednog odgovora često stoje milijarde matematičkih operacija koje se izvršavaju za svega nekoliko sekundi.

Ukratko: kako AI dolazi do odgovora?

Skoro svaki savremeni AI sistem prolazi kroz isti proces.

Korak	Šta se dešava
Podaci	AI dobija veliki broj primera.
Učenje	Pronalaženje obrazaca i veza među podacima.
Model	Čuva ono što je naučeno u obliku matematičkih parametara.
Novi zahtev	Dobija pitanje ili novi podatak.
Predviđanje	Izračunava odgovor koji ima najveću verovatnoću da bude tačan.

To je osnova rada gotovo svih sistema mašinskog učenja i velikih jezičkih modela.

Šta AI zapravo "vidi"?

Čovek vidi psa.

AI vidi podatke.

Ako pokažete hiljade fotografija pasa i mačaka, računar neće razmišljati:

"Ovo ima četiri noge i rep."

Umesto toga analizira milione numeričkih vrednosti koje predstavljaju piksele slike. Tokom učenja otkriva da se određene kombinacije oblika, boja i ivica mnogo češće pojavljuju kod pasa nego kod mačaka.

Posle dovoljno primera može veoma uspešno da prepozna novu fotografiju koju nikada ranije nije video.

Nije zapamtio sliku.

Naučio je obrazac.

Kako AI uči iz podataka?

Može se napraviti poređenje sa učenjem deteta.

Dete neće naučiti šta je jabuka ako je vidi samo jednom.

Posle mnogo primera počinje da primećuje zajedničke osobine. Okrugla je. Ima peteljku. Može biti crvena ili zelena.

AI radi slično, ali bez razumevanja značenja.

On dobija ogroman broj primera i tokom procesa učenja neprestano prilagođava svoje matematičke parametre tako da pravi što manje grešaka.

Ako pogreši, algoritam izračuna kolika je greška i malo promeni parametre.

Taj postupak se ponavlja milionima ili milijardama puta.

Na kraju model više ne pamti pojedinačne primere već odnose između njih.

Zašto su podaci toliko važni?

Kvalitet AI sistema direktno zavisi od podataka na kojima je učio.

Ako su podaci:

brojni
raznovrsni
tačni
dobro označeni

onda će i rezultati uglavnom biti bolji.

Ako su podaci loši, nepotpuni ili puni grešaka, AI će naučiti pogrešne obrasce.

Zbog toga se često kaže:

Loši podaci daju loše rezultate.

To važi bez obzira na to koliko je model veliki ili skup.

Kako ChatGPT radi drugačije?

Kod sistema kao što je ChatGPT cilj nije prepoznavanje fotografija već rad sa tekstom.

Tekst se prvo deli na manje delove koji se nazivaju tokeni.

Model zatim analizira odnose između tih tokena i tokom obuke uči kako se reči, izrazi i rečenice najčešće pojavljuju zajedno.

Kada postavite pitanje, ChatGPT ne pretražuje internet i ne traži gotov odgovor.

On jednu po jednu predviđa naredne tokene koji imaju najveću verovatnoću da smisleno nastave tekst, koristeći znanje koje je stekao tokom obuke. Savremeni modeli to rade pomoću arhitekture Transformer, zasnovane na mehanizmu pažnje (attention), koji omogućava da model proceni koji delovi teksta su najvažniji za razumevanje trenutnog pitanja.

Zbog toga odgovori često zvuče prirodno i povezano.

Praktičan primer

Zamislite da AI treba da proceni da li je imejl neželjena pošta.

Tokom obuke dobija milione poruka.

Kod nekih često pronalazi izraze poput:

osvojili ste nagradu
kliknite odmah
besplatno
hitno

Posle velikog broja primera nauči da se takve kombinacije mnogo češće pojavljuju u neželjenoj pošti.

Kada stigne novi imejl, AI ne razmišlja kao čovek.

On poredi obrasce koje vidi sa obrascima koje je ranije naučio i procenjuje kojoj grupi poruka novi imejl najverovatnije pripada.

Da li AI razume ono što radi?

To je jedno od najčešćih pitanja.

Odgovor zavisi od toga šta podrazumevamo pod rečju "razume".

Savremeni AI modeli veoma uspešno obrađuju jezik, slike, zvuk i druge podatke.

Međutim, većina istraživača smatra da oni ne razumeju svet na isti način kao ljudi.

Model pre svega barata statističkim odnosima između podataka.

Zbog toga može da napiše odličan tekst, a ipak napravi očiglednu grešku ili izmisli činjenicu.

To nije posledica namere da obmane korisnika, već ograničenja načina na koji funkcioniše.

Najčešće greške u razumevanju AI

"AI zna sve."

Ne zna. Može da pogreši, posebno kada nema dovoljno informacija ili kada je pitanje nejasno.

"AI razmišlja kao čovek."

Ne. Donosi predviđanja na osnovu obrazaca koje je naučio.

"AI pamti svaku informaciju."

Model ne funkcioniše kao baza podataka koja čuva svaku rečenicu. Tokom obuke uči matematičke odnose između podataka.

"AI je isto što i ChatGPT."

ChatGPT je samo jedan primer primene veštačke inteligencije.

Zaključak

Savremena veštačka inteligencija radi tako što iz velikog broja primera uči obrasce i koristi ih da predvidi najverovatniji odgovor za novi zadatak.

Bez obzira da li prepoznaje fotografiju, prevodi tekst ili odgovara na pitanje, osnovni princip ostaje isti. Podaci ulaze u model, model pronalazi obrasce, a zatim na osnovu njih daje predviđanje.

Razumevanje tog procesa olakšava da shvatimo i mogućnosti i ograničenja današnje veštačke inteligencije.

FAQ

Da li AI samostalno razmišlja?

Ne u ljudskom smislu. Ona izračunava najverovatniji odgovor na osnovu obrazaca koje je naučila.

Da li AI stalno uči?

Zavisi od sistema. Većina velikih jezičkih modela ne uči iz svakog razgovora sa korisnikom. Njihovo znanje se proširuje novim ciklusima obuke.

Da li AI koristi internet za svaki odgovor?

Ne. Mnogi modeli odgovaraju koristeći znanje stečeno tokom obuke. Neki sistemi mogu biti povezani sa internetom ili bazama podataka, ali to nije osnovni način njihovog rada.

Zašto AI ponekad pogreši?

Zato što procenjuje najverovatniji odgovor. Ako su podaci bili nepotpuni, pitanje nejasno ili model nema dovoljno informacija, rezultat može biti netačan.