ENG

Intervju za special AI u biznisu: Dr Goran S. Milovanović o perspektivi veštačke inteligencije u analitici podataka

U svetu gde podaci postaju novi jezik razumevanja i odlučivanja, veštačka inteligencija (AI) se ističe kao ključni prevodilac u ovoj revoluciji znanja. Goran S. Milovanović, doktor nauka i Lead Data Scientist u kompaniji SmartOcto, posvećuje svoju karijeru razumevanju i primeni veštačke inteligencije u analitici podataka. Sa bogatim iskustvom u akademskom i korporativnom svetu, Goran pruža uvid u složen svet AI, demistifikuje njenu suštinu i objašnjava njene implikacije na sadašnjost i budućnost analitike podataka.

Vreme Čitanja: 5 min

goran-milovanovic-871-fi

Izvor: WebMind

Naš razgovor sa njim za special koji smo kreirali na temu veštačke inteligencije u biznisu otkriva kako je AI evoluirala, koji su njeni najnoviji trendovi i inovacije, i šta nam budućnost sprema u kontekstu mašinskog učenja i obrade podataka.

1. Kako biste laicima najjednostavnije objasnili šta je AI (veštačka inteligencija)?

Veštačka inteligencija: kako samo ime discipline i tehnologije govori, predstavlja pokušaj da se intelektualne funkcije čoveka ostvare veštački u nekom tehnološkom supstratu. Već decenijama je taj tehnološki supstrat digitalan i svi pokušaji razvoja veštačke inteligencije počivaju na ideji da je ljudsku, prirodnu inteligenciju moguće shvatiti kao skup algoritama koji rade sa podacima koje obezbeđuju naša čula i naše pamćenje. U tom smislu reči onda veštačka inteligencija ne podrazumeva ništa drugo do ideju da ljudski um funkcioniše na isti način na koji rade digitalni računari, i da mi treba da otkrijemo tačno koje algoritme on izvodi na kako organizovanim podacima iz čula i pamćenja da bismo uspeli da njegov rad simuliramo računarski. Benefit kome se nadam je da bi takav sistem mogao da operiše sa mnogo više podataka nego što je prirodni um u stanju da obradi, i mnogo brže. Fundamentalna naučna discplina koja radi sa ovakvom (i drugim) pretpostavkama o inteligenciji se naziva kognitivnim naukama, a konkretno u psihologiji je zovemo kompjutaciona kognitivna psihologija. Ipak, treba razumeti da je pretpostavka po kojoj je ljudskim um u suštini računar samo pretpostavka, koja verovatno nije tačna, i da će naši dometi u razvoju veštačke inteligencije tako biti samo delimični.

Tehnologije koje danas u javnosti nazivamo AI su, u odnosu na sve što sam prethodno rekao, parcijalna rešenja koja odlično simuliraju samo neke funkcije prirodnog uma. Psiholog kao ja bi rekao da su sistemi generativne veštačke inteligencije – kakav je npr. OpenAI ChatGPT – sistemi koji simuliraju rad ljudskog asocijativnog pamćenja i intuitivnog, asocijativnog rezonovanja, ili rezonovanja koje se još naziva Sistem 1 rezonovanje u savremenoj psihologiji. Takvi sistemi mogu da ubrzaju mnoge procese na koje danas trošimo puno vremena ulažući u njih naš mentalni napor, pažnju, pamćenje, i naše, pravo, superiorno ljudsko rezonovanje. Ali oni ne obuhvataju moći ljudskog uma u potpunosti, naprotiv, nedostaju im neke fundamentalne odlike ljudske inteligencije. U odnosu na ljudsku inteligenciju, savremene AI nose samo ime “inteligencija”, a od prirodne inteligencije su veoma daleko. Ipak, treba pratiti razvoje u oblasti jer smo već svi u profesionalnoj i akademskoj zajednici zapanjeni činjenicom koliko brzo je postignuto i ovo što danas uopšte imamo.

2. Kako ste videli evoluciju veštačke inteligencije tokom vaše karijere? Koje su, po vašem mišljenju, ključne prekretnice u razvoju AI?

Programer sam od 80-ih godina prošlog veka i pratio sam razvoje raznih ideja u polju veštačke inteligencije. Istorijski, od 50-ih godina do danas, smenjuju se po uticaju dve generalne ideje o tome kako ostvariti veštačku inteligenciju. Prva počiva na asocijativnom učenju, neuronskim mrežama, i onome što se danas naziva duboko učenje – to su sve povezani procesi. Na ovoj ideji počivaju savremene generativne AI kao ChatGPT, ili DAL-E 3 i Midjourney u domenu generisanja slika. Druga ideja je složenija, i zapravo je dominirala većim delom istorije kognitivnih nauka i AI posle II Sv rata, i to je ideja o simboličkoj veštačkoj inteligenciji. Po toj drugo ideji, mišljenje se suštinski svodi na postojanje jednog unutrašnjeg, svim ljudima zajedničkog, jezika, kojim vladaju pravila, koji upravlja predstavama o spoljnom svetu i našim unutrašnjima stanjima, i koji kroz složene kombinacije tih predstava, sledeći pomenuta pravila, rešava sve probleme koje inteligencija uopšte rešava. Ispostavlja se da savremeni sistemi AI uopšte ne koriste ovu drugu, simboličku ideju, zbog čega su skloni problemima kao što “halucinacije”, dok su u asocijativnim procesima, na kojima počivaju, zapravo moćniji i od samog ljudskog uma koji uzimamo kao zlatni standard. Prekretnica u razvoju AI koja je dovela do savremenih, zapanjujućih rezultata, svakako se događa između ranih 2000-ih i do 2020-te godine, kada dolazi do niza naučnih i inženjerskih proboja u treningu neuronskih mreža, kao i razvoju dovoljno brzog hardvera za njihov trening. Ti najnoviji proboji su doveli to toga je uopšte danas, iako i dalje uz ogromne troškove, moguće razviti sisteme kakav je OpenAI ChatGPT, Google Bard, ili Anthropic Claude. Ipak, prava stvar će se dogoditi tek kad se pomenuta ideja o umu kao simboličkog mašini bude integrisala sa asocijativnim pristupom u neuronskim mrežama; tek tada, verujem, treba očekivati pojavu AI sistema koji bi stvarno mogli da pariraju ljudskom umu. Kada će se to dogoditi, ako se dogodi, trenutno ne može da nam bude poznato.

3. Koji su najnoviji trendovi i inovacije u veštačkoj inteligenciji koje vidite kao obećavajuće za unapređenje analitike podataka?

Svi AI sistemi kojima je svet danas fasciniran spadaju u tzv. generativne veštačke inteligencije. Trenutno mi se čini da se najviše pažnje poklanja finom doterivanju rada ovakvih sistema koje obuhvata trening korekcijama koje daju ljudi direktno, što je mukotrpan i skup proces. Veliki problem trenutno predstavlja doći do kvalitetnih podataka za ovakvu vrstu treninga, a on obezbeđuje da sistemi poput ChatGPT ili Google Bard pred korisnikom deluju skoro kao verodostojan sagovornik. Takođe, trend – koji smo u SmartOcto implemetirali već u potpunosti – jeste da se rad AI sistema kontroliše i usmerava spoljnim izvorima podataka i znanja, što se postiže primenom tehnologije vektorskih baza podataka, a čime se sprečavaju moguće greške u njihovom radu koje se popularno nazivaju “halucinacijama” a s druge strane obezbeđuje da se sistem u svojim odgovorima što preciznije fokusira na onaj domen u kome odgovor od njega tražite.

4. Koje tehničke izazove često susrećete u razvoju i implementaciji AI rešenja? Kako ih prevazilazite?

Sistemi AI koje danas koristimo su u suštini veoma skupi, i ne preterano brzi po standardima koji važe za razvoj aplikativnog softvera u softverskom inženjeringu. Takođe, problem predstavlja njihovo skaliranje, odn. ograničenja u resursima iz kojih sledi koliko klijenata oni mogu da efektivno posluže u istom trenutku – a svako u poslu razmišlja o tome kako da zadovolji što više klijentskih zahteva može. Najčešće se problemi u implementaciji veštačke inteligencije u projektima vrte oko takvih ograničenja, trenutno se svi oslanjamo na to u kojoj meri mogu da ih reše provajderi generativnih AI sistema poput Amazon, Anthropic, OpenAI i drugih. Takođe, probleme prevazilazimo tako što pažljivo vodimo računa o arhitekturi i implementaciji aplikacija koje koriste generativne AI kako bismo poštovali ograničenja koja nameću provajderi generativnih AI a s druge strane obezbedili našim korisnicima što bolje iskustvo. Mislim da će uskoro cena upotrebe ovakvih sistema morati da počne da pada, dok znam da provajderi rade sve što mogu kako bi olakšali svoje troškove održavanja AI koji su ogromni, zadržali marginu zarade koju mogu, i ujedno klijentima omogućili što bolju i jevtiniju uslugu.

5. Kako vidite budućnost veštačke inteligencije, posebno u kontekstu analitike podataka?

Ne vidim to što ću reći kao budućnost jer je pre manje od dve nedelje moj tim u SmartOcto upravo implementirao tako nešto: to je jedinstvo u radu AI sistema i postojećih klasičnih analitičkih metoda, tradicionalnog mašinskog učenja (dakle, ne baziranog na generativnim AI), i postojećih metrika koje medijsko tržište koristi već decenijama, od osvita Interneta takoreći. Doprinos generativne AI može, u smislu vrednosti usluge koja se tako razvija, da skalira izuzetno ukoliko se nađe dobro rešenje da se vrednost klasične analitike kombinuje sa njenim generativnim kapacitetima. To je ono što vašem proizvodu ili servisu daje prednost na bilo kim ko može da otvori besplatnu verziju ChatGPT i ćaska sa njom online – prethodno znanje i iskustvo koje, ako ste u stanju da ispravno kodifikujete na pravi način, u sadejstvu sa AI počinje da pruža sasvim nove mogućnosti i novo, različito korisničko iskustvo. Još dublje i preciznije sinteze postojećih sistema i novih AI tehnologija nas čekaju narednih dana, tako da to je budućnost, pre nekih sledećih prelomnih koraka u razvoju AI, koje je, da ponovim, teško predviđati.

AI kao arhitekta budućnosti

Kroz objektiv Gorana Milovanovića, AI nije samo tehnološki konstrukt već alatka koja ima moć da oblikuje narative podataka u stvarne priče koje mogu uticati na donošenje odluka u brojnim industrijama. Njegova perspektiva otkriva AI kao dinamično polje koje se neumorno razvija, pružajući nova rešenja i otvarajući nove prostore za analitiku podataka. Kako se AI nastavlja razvijati, jasno je da će njena uloga u analizi podataka biti sve značajnija, a sa stručnjacima poput Gorana na čelu, možemo očekivati da će ovaj razvoj biti ne samo tehnološki napredan već i etički usmeren. Njegova vizija budućnosti gde AI služi kao most između sirovih podataka i dubokog razumevanja, pruža nam uzbudljiv uvid u svetle mogućnosti koje nas čekaju na horizontu analitike podataka.

Za stare gamere Wand, za poslovnu zajednicu direktor WebMind. Front-end developer, web3 entuzijasta i preduzetnik koji je skoro deceniju u digitalnom marketingu.

IZBOR UREDNIKA

Prijavi se na novosti.