UVIDI „KUMA VEŠTAČKE INTELIGENCIJE“: GEOFFREY HINTON O DIGITALNOJ INTELIGENCIJI I IZAZOVIMA KOJE ONA SA SOBOM NOSI
Geoffrey Hinton, poznati profesor emeritus sa Univerziteta u Torontu, često nazivan „kumom veštačke inteligencije (eng. Godfather of AI),“ već decenijama je na frontu razvoja veštačke inteligencije (eng. artificial intelligence – AI). Njegovi revolucionarni radovi i doprinosi su preoblikovali ovu oblast, što mu je donelo međunarodno priznanje u oblasti AI. Nedavno je Hinton napustio svoju poziciju u kompaniji Google kako bi razgovarao o nekontrolisanom razvoju AI i potencijalnim opasnostima koje taj razvoj sa sobom nosi.
U ekskluzivnom intervjuu koji je obavljen u njegovom domu u Londonu, Hinton se ozbiljnije osvrnuo na svoje ogromno i široko iskustvo u oblasti AI, njenim prednostima i potencijalnim razlozima za brigu koji prate njen nesvakidašnje brz razvoj. Osvrnimo se na neke od bitnih zaključaka ovog razgovora.
Digitalna inteligencija nasuprot biološke inteligencije
Jedan od intrigantnih aspekata koji se razmatra jeste razlika između digitalne inteligencije, koju koriste računarski sistemi, i biološke inteligencije koju ispoljavaju ljudi. Hinton je istakao da digitalna inteligencija nadmašuje biološku inteligenciju u pogledu efikasnosti deljenja znanja, ali i brzini učenja. Dok računari lako komuniciraju i uče jedan od drugog zahvaljujući doslednim, jasno određenim algoritmima učenja, biološka inteligencija se oslanja na znatno više ograničene metode komunikacije, što dovodi do sporijeg širenja znanja. Na primer, prosečnom čoveku je potrebno ne tako malo vremena da pročita određeno štivo, i još mnogo više vremena da to štivo prenese nekom drugom, odnosno poduči drugoga o tome. Između dva računarska, digitalna sistema ista ova akcija odvija se u svega par sekundi – prostim kopiranjem tog štiva u digitalnoj formi sa jednog sistema na drugi.
Osim toga, digitalna inteligencija poseduje intrigantnu karakteristiku – „besmrtnost“. Za razliku od biološke inteligencije, koja je vezana za specifične, organske (te svakako ne besmrtne) mozgove, digitalna inteligencija se može prenositi između različitih hardverskih sistema, obezbeđujući njenu neprolaznost.
Hinton je izrazio duboku zabrinutost zbog potencijala digitalne inteligencije da nadmaši biološku inteligenciju. Naglasio je da digitalni sistemi, opremljeni nadmoćnim algoritmima učenja i efikasnim metodama komunikacije, imaju značajnu prednost u oblasti učenja. Sposobnost AI sistema da brzo uče i međusobno efikasno komuniciraju potencijalno bi mogla dovesti (ili već dovodi?) do toga da postanu efikasniji učenici od svojih bioloških pandana.
Suprotstavljeni pristupi u AI: pristup zasnovan na logici vs. pristup zasnovan na učenju
U invervju se takođe istražuju različiti pristupi koji se primenjuju u razvoju AI. Hinton je napravio poređenje između klasične AI, koja se oslanja na logičko zaključivanje i simboličke izraze, i neuronskih mreža, koje primenjuju pristup zasnovan na učenju. „Klasični“ AI sistemi baziraju se na osnovnim formalno-logičkim operacijama. S druge strane, AI sistemi zasnovani na neuronskim mrežama nastoje da što bolje emuliraju, odnosno „imitiraju“ procese učenja i pravljenja asocijacija između predmeta i pojava koji se odvijaju u ljudskom mozgu na ćelijskom nivou, potkrepljujući (odnosno, davajući veću „težinu“) efikasnijim vezama i „obeshrabrujući“ one koje su manje efikasne (u odnosu na svrhu tog konkretnog AI sistema).
Hinton je pružio odlična objašnjenja o unutrašnjem funkcionisanju neuronskih mreža, na kojima se temelje moderni AI sistemi. Neuronske mreže se sastoje od više slojeva „detektora karakteristika“, koji mogu prepoznati obrasce unutar skupova podataka najrazličitije prirode. Ovi detektori karakteristika su odgovorni za prepoznavanje različitih aspekata ulaznih podataka, stvarajući tako hijerarhijske reprezentacije koje dovode do unapređene tačnosti prepoznavanja.
Proces „treninga“ neuronskih mreža uključuje iterativno prilagođavanje pomenutih jačina veza putem tehnike poznate kao „propagacija unazad“. Ovaj postepeni proces prilagođavanja jačine veza omogućava AI neuronskoj mreži da vremenom unapređuje svoju sposobnost prepoznavanja i tumačenja obrazaca u podacima – sistem postaje sposoban za samostalno učenje.
Prekretnica: ubrzavanje inovacija u AI
Razmišljajući o putu razvoja AI, Hinton je diskutovao o izazovima sa kojima su se suočavale rane neuronske mreže. Slaba inicijalizacija težina, ograničena računarska snaga i (za današnje standarde) male baze podataka uticali su na efikasnost ovih mreža tokom devedesetih godina. Međutim, prekretnice u inicijalizaciji težina i sve veće prepoznavanje potencijala neuronskih mreža otvorili su put za transformišući napredak, koji je već u toku.
Dvehiljadita godina obeležila je, prema Hintonu, ključni trenutak u istoriji AI – puštanje u pogon AlexNet-a, duboke neuronske mreže dizajnirane za prepoznavanje objekata. Kombinovanjem konvolucijskih neuronskih mreža, poboljšanih tehnika inicijalizacije težina i efikasnog programiranja sa grafičkim procesorima, AlexNet je katalizovao izuzetna unapređenja u oblasti kompjuterskog vida i postavio temelje za ubrzane inovacije u AI. Od AlexNet-a, inovacije u AI su doživele nezapamćeno ubrzanje. U intervjuu se ističu brzi koraci koje je AI napravila u različitim aplikacijama, uključujući prepoznavanje govora i kompjuterski vid.
Zaključak
Intervju sa Geoffrey Hintonom osvetlio je izuzetan napredak i potencijalne zamke razvoja AI. Njegova saznanja o digitalnoj inteligenciji, neuronskim mrežama i brzini inovacija mogu poslužiti kao jako dobre smernice istraživačima, donosiocima važnih odluka u društvu i „džinovima“ tehnološke industrije. Dok AI nastavlja svojim putem transformacije sveta, od suštinskog je značaja postići ravnotežu između napretka i odgovornosti kako bi se osigurala budućnost u kojoj AI napreduje u sinhronizaciji sa dobrobiti čovečanstva i životne okoline.
* * *
Ukoliko vas je ova priča zainteresovala, možete pogledati i ceo intervju:
University of Toronto. (2023, June 22). The Godfather in Conversation: Why Geoffrey Hinton is worried about the future of AI [Video]. YouTube. https://www.youtube.com/watch?v=-9cW4Gcn5WY&t=2552s
Коментари
Филозофски факултет у Нишу задржава право избора коментара који ће бити објављени, као и право скраћивања коментара.
Коментаре који садрже говор мржње, псовке и увреде, као и било који други вид непримерених или коментара који се директно не односе на чланак који коментаришете, не објављујемо.
Задржавамо право да коментаре којима скрећете пажњу на словне грешке, техничке и друге пропусте, као и коментаре који се односе на уређивачку политику не објавимо, али такви коментари су доступни за увид администраторима и уредницима, и на њима се захваљујемо.
ЗАКОН О ЈАВНОМ ИНФОРМИСАЊУ, члан 38: Забрањено је објављивање идеја, информација и мишљења којима се подстиче дискриминација, мржња или насиље против лица или групе лица због њиховог припадања или неприпадања некој раси, вери, нацији, етничкој групи, полу или због њихове сексуалне опредељености, без обзира на то да ли је објављивањем учињено кривично дело.
Мишљења изнесена у објављеним коментарима представљају приватне ставове њихових аутора и не представљају званичне ставове Филозофског факултета у Нишу ни аутора чланка.
Слањем коментара потврђујете да сте сагласни са правилима коришћења.