Kada danas razgovaramo sa veštačkom inteligencijom, lako je steći utisak da se sve dogodilo gotovo preko noći. ChatGPT, Gemini i drugi sistemi pojavili su se iznenada i promenili način na koji učimo, radimo i dolazimo do informacija.

Priča koja je počela mnogo pre interneta

Ipak, iza tog naizgled naglog tehnološkog skoka krije se priča duga više od osam decenija.

To nije priča o jednom geniju koji je „izmislio" veštačku inteligenciju. To je priča o hiljadama matematičara, naučnika, programera i inženjera koji su, svako u svom vremenu, ugradili po jednu ciglu u temelje jedne od najvećih tehnoloških revolucija u istoriji čovečanstva.

Sve je počelo jednim pitanjem

Godine 1950. britanski matematičar Alan Tjuring postavio je pitanje koje će zauvek promeniti način na koji razmišljamo o računarima: „Mogu li mašine da misle?"

To nije bilo samo filozofsko razmatranje. Tjuring je verovao da bi jednog dana računar mogao da vodi razgovor toliko prirodno da čovek ne bi mogao da razlikuje da li razgovara sa drugom osobom ili sa mašinom. Taj eksperiment danas je poznat kao Tjuringov test.

U to vreme računari su zauzimali čitave prostorije i imali neuporedivo manje procesorske snage od današnjeg mobilnog telefona. Zbog toga je većini ljudi ova ideja delovala kao naučna fantastika.

Prvi veštački neuron – iskra koja je pokrenula revoluciju

Još četrdesetih godina prošlog veka naučnici Voren Makaloh i Volter Pits pokušali su da matematički opišu način na koji funkcionišu nervne ćelije u ljudskom mozgu.

Njihova ideja bila je jednostavna, ali revolucionarna: ako se mozak sastoji od ogromnog broja međusobno povezanih neurona, možda bi i računari mogli da uče na sličan način.

Nekoliko godina kasnije Frank Rozenblat napravio je prvi sistem sposoban da uči iz primera. Nazvao ga je perceptron.

Taj trenutak smatra se početkom razvoja onoga što danas nazivamo neuronskim mrežama.

Duge godine razočaranja – „AI zima"

Napredak, međutim, nije bio pravolinijski.

Tokom šezdesetih i sedamdesetih godina mnogi istraživači zaključili su da je veštačka inteligencija precenjena. Računari nisu bili dovoljno snažni, nije bilo dovoljno podataka, a tadašnji algoritmi imali su ozbiljna ograničenja.

Finansiranje je opadalo, istraživanja su usporila, a deo stručne javnosti smatrao je da je čitava oblast dospela u ćorsokak.

Taj period danas je poznat kao „AI zima".

Ljudi koji nisu odustali

Dok je interesovanje javnosti slabilo, mali broj istraživača nastavio je da veruje da računari jednog dana mogu naučiti mnogo više nego što je tada izgledalo moguće.

Među njima su bili Džefri Hinton, Jan Lekun i Jošua Bendžio.

Njihov rad na dubokim neuronskim mrežama decenijama nije privlačio veliku pažnju, ali će se kasnije pokazati kao jedan od najvažnijih naučnih doprinosa savremenoj veštačkoj inteligenciji.

Zbog toga ih danas mnogi nazivaju „kumovima dubokog učenja".

Godina koja je promenila istoriju

Pravi preokret dogodio se 2017. godine.

Grupa istraživača iz Google-a objavila je naučni rad pod naslovom „Attention Is All You Need".

Na prvi pogled bio je to još jedan akademski rad. U stvarnosti, postao je temelj gotovo svih modernih sistema veštačke inteligencije.

U njemu je predstavljena nova arhitektura nazvana Transformer.

Upravo na tom principu danas rade ChatGPT i većina savremenih velikih jezičkih modela.

Najveća zabluda: niko nije programirao odgovore

Mnogi zamišljaju da su programeri ručno napisali milione pravila:

• Ako korisnik pita A – odgovori B.
• Ako pita C – odgovori D.

Međutim, moderni AI sistemi ne funkcionišu na taj način.

Programeri nisu napisali znanje. Napravili su sistem koji može da uči.

Na početku obuke model ne zna apsolutno ništa. Njegovi matematički parametri imaju nasumične vrednosti.

Zatim dobija ogromne količine teksta i pokušava da predvidi sledeću reč.

Pogreši. Ispravi se. Pokuša ponovo. I tako milijardama puta.

Na kraju procesa ne postoji baza gotovih odgovora. Postoji ogromna matematička mreža koja je naučila obrasce jezika.

Kako AI „zna" koje pitanje treba da postavi?

Jedno od najčešćih pitanja korisnika glasi: Kako AI zna da postavi baš ono potpitanje koje je potrebno?

Na primer, ako pitate za pergolu, model će često uzvratiti pitanjima o dimenzijama, mestu postavljanja ili zaštiti od kiše.

Da li je neko unapred napisao pravilo za takvu situaciju? Ne.

Takvo ponašanje nastaje tokom obuke. Kroz ogroman broj primera model je naučio da su upravo te informacije najvažnije kako bi mogao da pruži precizniji odgovor.

On ne razmišlja kao čovek. Nema intuiciju, želje niti planove.

Ali izuzetno uspešno prepoznaje obrasce u jeziku i procenjuje koji bi nastavak razgovora bio najkorisniji.

Zašto ni tvorci ne mogu sve da objasne?

Ovo je možda i najfascinantniji deo cele priče.

Veliki jezički modeli imaju stotine milijardi matematičkih parametara. Znanje nije zapisano na jednom mestu.

Ne postoji fajl u kome piše šta je demokratija, kako se kuva kafa ili kako izgleda razgovor o pergoli.

Sve informacije raspodeljene su kroz čitavu mrežu.

Zbog toga istraživači često mogu detaljno da objasne kako je model napravljen, ali ne mogu uvek sa sigurnošću da objasne zašto je u konkretnom trenutku izabrao baš određenu formulaciju.

Upravo zato je razumevanje načina na koji modeli donose odluke danas jedno od najaktivnijih područja istraživanja.

Gde se u priči pojavljuje Sam Altman?

Kada se govori o savremenoj veštačkoj inteligenciji, jedno od najpoznatijih imena svakako je Sam Altman.

Međutim, njegova uloga razlikuje se od uloge naučnika koji su postavili temelje ove oblasti.

Altman nije izmislio ni neuronske mreže ni Transformer arhitekturu.

Njegov najveći doprinos bio je u tome što je okupio vrhunske istraživače, obezbedio ogromna finansijska sredstva, izgradio računarsku infrastrukturu i omogućio da ova tehnologija stigne do stotina miliona ljudi širom sveta.

Pored njega, ključnu ulogu u razvoju sistema poput ChatGPT-a imali su i Ilja Sutskever, Andrej Karpati, Džon Šulman i brojni drugi istraživači.

Hiljade ljudi na ramenima prethodnika

Možda je najveća lekcija istorije veštačke inteligencije upravo to da nijedna velika ideja ne nastaje sama.

Od Alana Tjuringa, preko pionira neuronskih mreža i istraživača dubokog učenja, pa do današnjih timova u OpenAI-ju, Google DeepMind-u, Anthropic-u i drugim kompanijama – svaka generacija gradila je na radu prethodne.

Današnji modeli nisu delo jednog čoveka.

Oni predstavljaju rezultat rada hiljada stručnjaka iz matematike, računarstva, fizike, lingvistike, statistike i inženjerstva.

Početak, a ne kraj priče

Možda je najveća ironija cele priče to što ni sami tvorci modernih AI sistema ne tvrde da su stigli do cilja.

Naprotiv.

Veštačka inteligencija kakvu danas poznajemo verovatno predstavlja tek prvi veliki korak.

Kao što su prvi avioni braće Rajt bili veoma daleko od današnjih putničkih letelica, tako će i današnji AI modeli za nekoliko decenija verovatno izgledati kao tek početak jedne mnogo veće tehnološke epohe.

Pitanje koje je Alan Tjuring postavio pre više od sedamdeset godina i dalje nije izgubilo svoju snagu. Samo je dobilo potpuno novo značenje. Jer danas više ne pitamo da li mašine mogu da razgovaraju sa ljudima.

One to već rade.

Nastavak feljtona sledi: sve što treba da znate o veštačkoj inteligenciji.

Ne propustite i naše Korisne linkove na kraju teksta.