Google DeepMindov stručnjak u Hrvatskoj: AI je došao do granice ljudskog znanja – sada mora učiti sam

Stiže li umjetna inteligencija do svojevrsne granice? Ljudi više ne mogu jednostavno nastaviti proizvoditi dovoljno novih podataka kojima bi hranili najnaprednije AI modele. Sljedeći veliki korak zato bi mogao biti razvoj sustava koji će sami stvarati probleme, pronalaziti njihova rješenja i iz vlastitih iskustava stvarati novo znanje. To je jedna od ključnih poruka koju je u Zadru, na velikoj developerskoj konferenciji Infobip Shift, iznio Benoit Schillings, jedan od glavnih govornika i stručnjak Google DeepMinda. Govoreći o ubrzanom razvoju umjetne inteligencije, Schillings je opisao trenutak u kojem se industrija nalazi kao svojevrsnu prekretnicu: količina kvalitetnih ljudskih podataka dostupnih za treniranje modela više nije neograničeni resurs.

Schillings priznaje da ga je brzina kojom se umjetna inteligencija razvija iznenadila. Posebno ga je, kaže, iznenadilo ono što se dogodilo s programiranjem, vještinom za koju je dugo vjerovao da je specifično ljudska. 'Uvijek mislite da je ono što radite posebno, zar ne? Vjerojatno sam bio pristran misleći da je pisanje koda isključivo ljudska vještina, sve dok nisam shvatio da nije', rekao je Schillings. No, upravo se kod pitanja što AI može naučiti od ljudi pojavljuje jedan od najvećih izazova za daljnji razvoj. Suvremeni modeli trenirani su na golemim količinama ljudskog sadržaja – knjigama, znanstvenim radovima, internetskim stranicama i drugim javno dostupnim informacijama. Problem je što se taj izvor znanja ne može beskonačno povećavati.

A zamislite kada takav stručnjak s javne pozornice zavapi da je i on iznenađen pa i šokiran koliko brzo napreduju veliki AI modeli?!  A upravo je i to Schillings priznao sa svog predavanja u Zadrz. 'Nikad nismo očekivali da će modeli napredovati tako brzo', kaže Schillings koji otkriva i da su AI modeli već skenirali sve što je čovjek napisao i da im sada treba i ono što će tek stroj samostalno kreirati... Kaže kako AI mora aktivno generirati novi sadržaj, postavljajući si vlastita pitanja, istražujući odgovore i učeći iz vlastitih zaključaka. To je prijelomni trenutak u kojem se fokus s ljudskih podataka prebacuje na takozvane „sintetičke podatke“ - znanje koje AI stvara sam za sebe.

Taj proces, ističe Schillings, poznat kao „rekurzivno samousavršavanje“, već je u središtu razvoja najnaprednijih modela. 'Koncept je jednostavan, ali moćan: model sam sebi postavlja sve teže i teže probleme, a rješavajući ih, stvara nove podatke i strategije koje zatim koristi za daljnje učenje. Svaki takav ciklus čini ga pametnijim i sposobnijim, stvarajući efekt grude snijega čije su krajnje mogućnosti', kako priznaje i sam Schillings, 'trenutačno nepoznate'. Na taj način AI prestaje biti samo ogledalo ljudskog znanja i postaje motor koji pokreće vlastitu intelektualnu evoluciju.

Prema Schillingsu, AI je već potrošio velik dio javno dostupnog ljudskog znanja u digitalnom obliku. Daljnje pretraživanje interneta sve češće donosi podatke koji su redundantni ili samo drugačije formulirani. Kad sam Schillingsa izravno pitao je li točno da je AI već skenirao sve što je čovjek napisao, ipak se dijelom ispravio i istaknuo da Googlov AI ne skenira privatne podatke korisnika niti privatne razgovore...  No svakako je otvorio pitanje: što kada umjetna inteligencija više nema dovoljno novog ljudskog znanja iz kojeg može učiti? Ako se modeli nastave trenirati samo na ljudskim podacima, smatra Schillings, mogli bi postati iznimno napredna verzija svojevrsnog ogledala čovječanstva.

'Na neki način, stvorili smo AI na sliku čovjeka', rekao je. Jer umjetna inteligencija, objašnjava, iz podataka preuzima i ono najbolje i ono najlošije što je čovjek stvorio. 'Naučila je to iz podataka na kojima je trenirana. Na neki način, stvorili smo AI na sliku čovjeka.' Zato se kao sljedeći veliki korak nameće nešto potpuno drugačije – AI koji više ne ovisi isključivo o tome što su ljudi već proizveli, nego sam stvara probleme, pokušava ih riješiti i na temelju toga proizvodi nova znanja. Schillings taj proces opisuje kao svojevrsno „bootstrapping“ u kojem modeli stvaraju probleme koji su malo teži od onoga što trenutno mogu riješiti, a zatim pokušavaju pronaći rješenja. 'To je vjerojatno ono što ćemo vidjeti ove godine. AI koji uči AI.'

Takav način učenja već ima svoj poznati primjer u razvoju AlphaGoa. Sustav je 2016. godine pobijedio svjetskog prvaka u igri Go, a do svojih strategija dolazio je igrajući milijune partija sam protiv sebe. Na taj je način otkrivao poteze i obrasce koje ljudi prije toga nisu koristili. No, Schillings pritom upozorava da činjenica da AI može otkriti nove strategije ne znači da je čovjek ispao iz igre. Ljudi su kasnije proučavali AlphaGo i pronašli njegove slabosti. 'Ne otpisujte ljude', poručuje Schillings, koji mi je rekao i da je i dalje optimističan i da vjeruje u čovjeka i ljudsku maštu. Jedno područje u kojem ljudima i dalje daje posebno mjesto jest kreativnost. 'Osobno mislim da je to kreativnost. Tu su ljudi, pogotovo grupa ljudi, nepobjedivi.'

Razlog vidi u tome što kreativnost često znači krenuti putem za koji u početku nije jasno vodi li igdje, napraviti nešto što izgleda pogrešno i unatoč tome nastaviti pokušavati. Istodobno, Schillings upozorava da umjetnu inteligenciju ne treba promatrati ni kao isključivo pozitivnu ni kao negativnu tehnologiju. Ona može donijeti goleme koristi, ali i biti iskorištena na štetne načine. 'Izum željeza je i dobra i loša stvar. Možemo graditi čvršće strukture, ali možemo napraviti i vrlo oštre mačeve.' Jedan od razloga zbog kojih je razvoj AI-ja toliko teško predvidjeti upravo je činjenica da još ne znamo gdje su njegove stvarne granice. 'Ne znamo koja je gornja razina sposobnosti ovih modela, i to je vjerojatno najzanimljiviji aspekt. Zbog toga uvijek morate biti oprezni.'

Uz razvoj sposobnosti modela, Schillings posebno naglašava i pitanje privatnosti. Kaže da Google tom pitanju pristupa vrlo ozbiljno. 'Osobni podaci su apsolutni NE. Ne smijemo koristiti niti interakcije ljudi s modelom Gemini za njegovo daljnje treniranje, jer bi to bilo kršenje privatnosti korisnika.' Istodobno, razvoj umjetne inteligencije otvara i pitanje odakle će u budućnosti dolaziti novi podaci za treniranje ako je velik dio javno dostupnog ljudskog znanja već iskorišten.

Upravo bi zato sposobnost AI sustava da samostalno postavlja pitanja, stvara podatke, pronalazi rješenja i na njima dalje uči mogla označiti novu fazu razvoja umjetne inteligencije. Unatoč svim nepoznanicama, Schillings ostaje optimističan oko potencijala tehnologije i mogućnosti koje ona može otvoriti. 'Ono što volim je tehnologija. Okružen sam apsolutno briljantnim ljudima koji me svaki dan čine poniznim svojom pameću.' A njegov savjet nije vezan samo uz umjetnu inteligenciju, nego i uz ljude koji je razvijaju: 'Postajete ljudi s kojima se okružujete, stoga pazite tko je oko vas.'