Ilustracija: Milica Dopuđa

piše: Marko Vesić

Pitanje veštačke inteligencije jedno je od najzanimljivijih pitanja današnjice, zar ne? Hoće li roboti i mašine uspeti da zamene čoveka u baš svim njegovim delatnostima i hoćemo li postati potpuno bespomoćni bez njih ukoliko to već i nismo? Možda je najstrašnije pitanje od svih hoće li roboti preuzeti našu sudbinu i našu planetu u svoje ruke kako to predviđa nova predstava Ateljea 212 Testirano na ljudima (koju definitivno morate da pogledate!) Polako, pre svega toga armija prilično zlih i neetički nastrojenih robota mora nešto i da nauči. Ali, kako to roboti uče?

Ilustracija: Milica Dopuđa

Prema Oksfordskom rečniku, veštačka inteligencija podrazumeva sisteme koji su sposobni da obavljaju zadatke koji u standardnim uslovima zahtevaju ljudsku inteligenciju poput prepoznavanja govora, donošenja odluka, vizualne percepcije i mnogih drugih, što znači da oni te radnje nekako moraju da usvoje. Za početak, postoje ekspertski inteligentni sistemi koji nastaju sedamdesetih godina 20. veka i oni predstavljaju velike baze podataka naspram kojih određeni algoritmi donose odluke. U početku su se koristili u medicini za uspostavljanje dijagnoze i predviđanje toka bolesti, ali je sa tim testovima ubrzo okončano. Jednostavno rečeno, niz binarnih odluka principom dedukcije nije mogao da predvidi raznorazne moguće bolesti koje imaju iste ili slične simptome, a pored toga sam proces je trajao veoma dugo. Danas su ovi sistemi relativno zastupljeni, te ih, na primer, možemo pronaći u vojnoj industriji. Na osnovu informacija kojima vojska raspolaže, IT inženjer će kreirati algoritme koji će, nakon što se te informacije skladište, odnosno memorišu u sistem, simulirati određene situacije na terenu, poput ratne ofanzive, bombardovanja ili okupacije. Kao što možemo da primetimo, ovi sistemi zapravo ne uče. Njima su informacije date i one samo donose odluke na osnovu drugih informacija koje im je, ponovo, omogućio čovek. Međutim, pravi krik AI (artificial intelligence) jesu neuronske mreže. One su pravi inteligentni sistemi jer su zaista sposobni da uče. Mehanizam njihovog rada je prilično složen, ali ga možemo demonstrirati na jednom primeru. Zamislimo da želimo da naučimo naš računar da preko kamere skenira list papira i otkrije koji jednocifreni broj, recimo 9, smo napisali na njemu. Taj program prvo mora da formira sliku našeg papira i izrazi je kroz niz piksela. Pikseli koji su beli odnosno preko kojih nismo prešli mastilom on će videti kao crne i imaće indeks 0, a oni koji su deo broja imaće vrednost između 0 i 1 što će zavisiti od toga koliko smo intenzivno koristili olovku, videće ih kao manje ili više bele. Kada malo razmislimo, broj 9 možemo podeliti na više delova: on ima krug koji se sastoji iz dva polukruga i liniju sa desne strane usmerenu na dole, a isto to će uraditi i mašina. Nakon niza piksela koji čine prve ili akcione neurone sledi drugi niz koji skenira karakteristične deliće svih jednocifrenih brojeva (primetićemo da sličnu kukicu na dole ima u sredini broj 2, a brojevi 8 i 3 imaju u sebi strukture polukrugova). Oni upoređuju dobijene informacije i na osnovu iskustva,odnosno naših pređašnjih crteža brojeva odlučuju koji delići su prisutni baš u tom broju. Sledeći sloj veštačkih neurona pokušava da otkrije koji to broj sadrži upravo tu kombinaciju delića odnosno koji broj smo zapisali na papiru i izražava ga kao procentualnu vrednost jer mašina nikada nije 100% sigurna. Stoga, ovi sistemi uče svaki put kada obrade novi zahtev tako što dati primer memorišu u svoju bazu podataka sa svim njegovim novim informacijama koje ispunjavaju unapred postavljene uslove. Ovi sistemi se danas koriste gotovo u svim sferama ljudskog života: od dijagnoze dijabetičke retinopatije, različitih vrsta rada i tome sličnog do analize originalnosti nekog umetničkog dela ili suicidalnih poruka koje potom proglašavaju pravim ili lažnim na osnovu stila odnosno pisma i izbora reči. Ukoliko ste se ikada pitali kako je to neki internet algoritam sklopio kockice,pa ste se baš vi našli na meti reklama za ortopedska pomagala ili neke smešne odevne predmete koji uopšte nisu u vašem stilu, sad znate zašto. Ipak, nije na odmet da proverite sopstvenu istoriju pretraživanja, možda mašina i nije baš toliko promašila!

Ilustracija: Milica Dopuđa

Kako to obično biva, vreme je da se u ovu priču umeša i jedan filozof. Džon Serl je postavio jedan misaoni eksperiment pod nazivom Kineska soba. On predlaže da zamislimo kako se nalazimo u jednoj sobi i neko nam potura papir sa pitanjima na kineskom jeziku. Iako ne poznajemo kineski jezik, ispred sebe imamo na raspolaganju pravila na maternjem jeziku koja nam omogućavaju da napravimo korelaciju između jedne grupe formalnih simbola sa drugom grupom formalnih simbola (što znači da ih prepoznajemo samo po obliku). Tako ćemo biti u sposobnosti da odgovorimo na pitanja, a da pritom ne razumemo ni jednu jedinu reč kineskog jezika! Ono što je ključno, dodaje Serl, jeste svest koju mašina ne poseduje: ona će u svakom slučaju mašinski obavljati svoj posao, a da zaista nikada neće moći da razume semantičku dimenziju svojih postupaka. Postoji veliki broj kontraargumenata koji tvrde da je čovek samo jedan neuron, a cela soba sistem koji, kao celina, ima svest. Drugi tvrde, poput Marvina Minskog, jednog od osnivača MIT-a, da je svest veoma složena i da je zadužena za veliki broj operacija poput praćenja svakodnevnih dešavanja, prisećanja nekih događaja, govora, ali da je pre svega tu da zaštiti mozak od razmišljanja o samome sebi, odnosno o svim svojim procesima koje svakodnevno i neprestano obavlja i čega, naravno, nismo svesni. Zašto, stoga, jedan računar ne bi mogao da bude takva konzistentna celina koja kao takva i funkcioniše? Jedno je sigurno: poznavanje formalnih simbola i njihove gramatičke, leksičke i sintaksičke organizacije nikako ne znači poznavanje semantike nekog jezika. Na kraju krajeva, ono čemu nas uči Delezova (Gilles Deleuze) filozofija jeste da relativizujemo pojam objekta i subjekta, kao, na primer, u jednoj fudbalskoj utakmici: nisu igrači oni koji diktiraju kretanje lopte kao objekta već je ona subjekt koji nameće kuda će se, naspram nje i pravila njenih položaja (gde treba da se nađe, kako da se šutne, koje su mreže njenog kretanja na terenu…), kretati igrači odnosno objekti igre. Analogno tome, prema rečima našeg filozofa Jovana Čekića, ne treba da se plašimo dolaska robota koji će nas, kao u našim najstrašnijim snovima, istrebiti niti da smišljamo strategije njihovog uništenja ako nešto pođe po zlu, naprotiv. Na nama je da osmislimo potencijalne načine koegzistencije ljudske vrste i robota koji će rezultirati napretkom jedne zajedničke civilizacije.

Leave a Reply

Your email address will not be published.