inteligencija je značajno napredovala u izvršavanju zadataka koji obuhvataju korišćenje jezika, ali i dalje joj nedostaju nijanse i kontekst koji su ljudima sasvim uobičajeni jezički elementi. Zahvaljujući napretku dubokog učenja – podoblasti veštačke inteligencije koja rešava probleme pronalazeći korelacije između podataka – računari su postali vrlo uspešni u rešavanju zadataka koji obuhvataju obradu i stvaranje jezičkih izraza. Roboti koji izgledaju i govore kao ljudi, digitalni asistenti koji mogu da pozovu telefonski broj ili rezervišu vam sto u restoranu, aplikacije elektronske pošte koje predviđaju i završavaju naše rečenice sa priličnom preciznošću, aplikacije za prevođenje koje vam mogu dati prevode u skoro realnom vremenu, roboti koji mogu da stvaraju novinske članke – sve njih pokreće veštačka inteligencija.
Zbog svega što smo naveli, može nam se učiniti da je veštačka inteligencija savladala jezik koji predstavlja najkomplikovaniju funkcionalnost ljudskog uma. Ipak, postoje suštinske razlike između načina kako ljudi i veštačka inteligencija upravljaju jezikom. Ako se te razlike ne shvate, može se stvoriti pogrešan utisak o sposobnostima veštačke inteligencije za obradu jezika.
Napredak na tom polju je realan
Prethodni pristupi obradi ljudskog jezika podrazumevali su obiman proces ručnog kodiranja. Na primer, ako ste želeli da napravite aplikaciju koja bi prevodila s jednog jezika na drugi, morali ste da stvorite čitavu softversku biblioteku koja je definisala pravila za izvlačenje funkcija različitih reči u rečenici, zatim da mapirate te reči u njihovom izvornom jeziku i generišete rečenicu koja je semantički i gramatički ispravna. Proces je bio dugačak, zamoran i podložan čestim greškama.
Duboko učenje koristi suštinski različit pristup mašinskom prevođenju. Prevodi zasnovani na dubokom učenju u neuronskim mrežama izvlače veliki broj skrivenih uzoraka koji značajno unapređuju kvalitet prevoda rečenice u odnosu na prethodne pristupe. Osnovna komponenta algoritama dubokog učenja je neuronska mreža, softverska struktura koja je napravljena tako da podražava način na koji ljudski um stiče znanje. Ako neuronskoj mreži date skup rečenica na engleskom jeziku i njihovih prevoda na francuski, ona će izvući uobičajene uzorke između primera i iskoristiti ih da prevede nove rečenice koje nikada nije videla. Dakle, nema potrebe za strogo utvrđenim pravilima.
U jednom novinskom članku iz 2016. godine detaljno je opisano kako je duboko učenje iz korena promenilo prevodilački servis kompanije „Gugl“. Veštačka inteligencija je preko noći postigla ono što je stari pristup prevođenju uspeo da postigne od početka svog nastanka. Duboko učenje odlično funkcioniše kad postoji ogroman broj podataka za obučavanje. Kvalitet je značajno napredovao, ali postoji potreba za daljim usavršavanjem. Pored prevođenja, duboko učenje je omogućilo veliki napredak i u ostalim oblastima koje se bave jezikom, kao što je sažimanje teksta, odgovaranje na pitanja i generisanje prirodnih jezika.
Nekoliko kompanija je koristeći duboko učenje, razvilo aplikacije koje korisnicima omogućavaju da obave zadatke pomoću konverzacijskog interfejsa, kao što je aplikacija za poruke. Poslednjih godina, računarski programi koji vode razgovor u bankama, zdravstvenoj zaštiti, korisničkim servisima i mnogim drugim poljima postali su vrlo popularni. Kompanije, kao što su „Fejsbuk“ i „Gugl“ stvorile su platforme na kojima korisnici mogu da, bez pisanja kodova, naprave pametne programe koji vode razgovor, jer su dobili uzorke fraza.
Duboko učenje se koristi i u tehnologiji pretvaranja teksta u govor koja nam omogućava da šaljemo glasovne naredbe računarima kao i u sintezi glasa, tehnologiji koja omogućava računarima da nam odgovore glasom koji podseća na ljudski. Danas postoji nekoliko platformi za sintezu glasa koje su zasnovane na veštačkoj inteligenciji i omogućavaju nam da generišemo glasove koji zvuče prirodno. Tehnologija može pomoći u mnogobrojnim oblastima, a pacijentima obolelim od amiotrofične lateralne skleroze može podariti glas.
Duboko učenje ima ograničeno shvatanje jezika
Izjava da je moguće prevesti rečenicu bez shvatanja njenog značenja, prevodiocu zvuči potpuno nerazumno, ali za računare je to uobičajen proces.
Mašinsko prevođenje nema nikakve veze sa razumevanjem izvornog i ciljnog jezika. U osnovi, duboko učenje je algoritam za uparivanje uzoraka. Kad pronađe sličnosti između nove rečenice i onih na kojima je obučavan, može da napravi tačan prevod, ali može da stvori i potpuno besmislene rečenice.
Uprkos napretku, sve postojeće mešavine veštačke inteligencije su – uključujući i duboko učenje –usko-stručne, što znači da mogu obaviti veoma specifične zadatke na kojima su obučavane. Za razliku od ljudi, koji mogu da generalizuju znanje i prebacuju koncepte iz jedne oblasti u drugu, neuronske mreže vrlo slabo funkcionišu kad se koriste za zadatke koji odstupaju od uske oblasti za koju su specijalizovane.
To znači da je duboko učenje izuzetno uspešno u jednostavnom prevođenju i u zadacima vezanim za jezik, ali uopšte ne ume da obavi zadatke koji zahtevaju korišćenje zdravog razuma i razumevanje apstraktnog koncepta. Profesor Daglas Hofstater je na jednostavnom primeru, sasvim uobičajene rečenice, pokazao kako je mašinsko prevođenje propustilo da uoči najjednostavnije koncepte koje bi prevodilac odmah primetio. Kad je rečenicu na engleskom prepustio prevodiocu kompanije „Gugl“, dobio je prevod koji je pokazao da mašinskom prevodiocu najjednostavniji koncept uopšte nije bio jasan.
Fine razlike u značenju reči u različitim kontekstima, posebno u dužim tekstovima i dalje su izazov za mašine. Treba ih nekako snabdeti životnim znanjem da bi sistemi razumeli jezik onako kako ga ljudi razumeju. Nekoliko kompanija koje koriste duboko učenje u servisima kao što su pametni odgovori na poruke elektronske pošte i inteligentni programi za vođenje razgovora, morale su, početkom godine, da zaposle ljude koji bi se umešali ili preuzimali zadatak kad bi veštačka inteligencija zakazala – što se često dešavalo.
Ne možemo se nadati da će prava svest postati deo veštačke inteligencije u skoroj budućnosti. Da bismo se odvojili od simuliranih razgovora i došli do pravih, potrebno je da shvatimo kako da opremimo mašine zdravim razumom, razumevanjem konteksta i kreativnošću. Trenutna istraživanja se usredsređuju na te procese. Naučnici i stručnjaci pokušavaju da stvore različite tehnike koje bi mogle da upotpune duboko učenje ili omoguće neuronskim mrežama da urade nešto značajnije od uparivanja uzoraka. Bolna je istina da je obrada prirodnih jezika vrlo komplikovan zadatak. Neki smatraju da prava obrada prirodnih jezika zahteva opštiju veštačku inteligenciju, onu koja je sličnija ljudskom mozgu, a toga nigde nema. Dok se ne pojavi, potrebno je da prihvatimo ograničenja dubokog učenja i što bolje iskoristimo napredak koji smo postigli u podučavanju računara da govore našim jezikom.