Veštačka inteligencija je suštinska tehnologija, ali način na koji se integriše u ekosistem podataka preduzeća potpuno se razlikuje od bilo koje prethodne tehnologije. Kao prvo, veštačka inteligencija neće moći da uradi nijedan zadatak ako prethodno nije naučila kako da ga reši. Da bi pravilno funkcionisala, morate da je obučite, a skoro nijedna organizacija ne shvata u potpunosti koliko je to dug i složen posao. Mnogo je sličnosti između današnjeg uvođenja veštačke inteligencije i početka korišćenja personalnih računara osamdesetih godina prošlog veka. Personalni računari su nam od tada promenili život jer su počeli da nam upravljaju finansijama, plaćaju račune, prave spiskove za kupovinu, pomažu pri izradi domaćih zadataka i priređuju nam mnoštvo drugih iznenađenja. Međutim, tada nas nisu obavestili da pre svih tih čarolija treba da obavimo mali zadatak koji se zove unos podataka da bi računar mogao da uradi sve te magične stvari. Ubrzo je skoro svaka kuća u razvijenom svetu imala računar u uglu dnevne sobe koji je skupljao prašinu.
Podučavanje bota
Veštačka inteligencija verovatno neće doživeti istu sudbinu jer će (ili bi trebalo) da ima tim posvećenih profesionalaca čiji je posao da to urade Ipak, proces obuke će ipak potrajati, a može da prođe i dosta vremena dok ne pruži čak i vrlo skromne rezultate. Postoje stavovi da se brzina i efikasnost procesa obuke svode na četiri ključna faktora: hardver, optimizaciju, broj slojeva u neuronskoj mreži i veličinu skupa podataka. Što je bolji hardver i veći stepen njegove sposobnosti da radi kao jedna celina, proces će biti lakši. Komplikovanija neuronska mreža i više podataka koje treba obraditi usporiće proces. Na kraju, međutim, obuka se sastoji od pozitivnog i negativnog potkrepljivanja – podsticanja tačnih odgovora i obeshrabrivanja netačnih.
Takođe je važno napomenuti da je početna obuka samo prvi korak u procesu. Ona mora da bude potkrepljena validacijom i testiranjem. Svaki korak zahteva više ciklusa sa stalnim podešavanjem parametara kako bi se osiguralo da veštačka inteligencija pravi tačna predviđanja u svakom novom ciklusu. Što se tiče hardvera, neke kompanije ne mogu da čekaju da tradicionalni proizvođači razviju prave proizvode za obuku veštačke inteligencije. Na primer, kompanija „Tesla” je nedavno predstavila novi procesor koji sadrži 50 milijardi tranzistora posebno napravljenih za izvođenje ciklusa obuke za sopstvene programe veštačke inteligencije. D1 Dojo pokreće više od 360 teraFLOPA računarske snage pomoću mreže sastavljene od 64-bitnih procesora dimenzija 645 kvadratnih milimetara, što je prilično veliko kad govorimo o čipovima. Očigledno, kompanija je odlučila da stvori sopstveni uređaj nakon što je utvrdila da komercijalne ponude kompanija „Intel”, „Nvidia” i drugih ne odgovaraju jedinstvenim zahtevima njenih procesa zasnovanih na veštačkoj inteligenciji.
Pogrešna lekcija?
Međutim, sama računarska snaga neće dovesti do uspeha veštačke inteligencije. Proces sprovođenja obuke imaće veći uticaj, a do sada je većina metoda obuke ozbiljno pogrešna, prema izjavama tima istraživača iz kompanije „Gugl”. Osnovni problem je u tome što su podaci koji se koriste u obuci retko, bolje reći, skoro nikad, adekvatni za vođenje veštačke inteligencije kroz situacije u stvarnom životu. Zbog toga veštačka inteligencija je vrlo uspešna kad treba da položi cikluse obuke, ali ne uspeva da se snađe u praksi, ali, što je još gore, kad ne uspe da položi ispite u praksi to ni ona ni oni koji su je stvorili i koji je nadgledaju ne uspevaju da primete. S druge strane, takva situacija bi mogla da ima razorne posledice po aplikacije, od transporta do raznih snimanja u medicinskoj praksi.
Istraživači i stručnjaci kažu da je neophodno da se pronađe način kako bismo naterali veštačku inteligenciju da razmišlja koristeći analogije, kao što to radi ljudski mozak. Dakle, kada se ljudi suoče sa situacijama koje su im nove, koriste analogije iz prethodnih iskustava da ih razreše. Ako zasnivamo obuku veštačke inteligencije na logici i programiranju, možemo da naučimo neuronsku mrežu da prepozna sliku mosta, ali ne i da shvati apstraktnu prirodu drugih oblika reči „most”, kao u „premošćavanju jaza među polovima”. Bez te sposobnosti veštačka inteligencija ne može da obezbedi prediktivne, zdravorazumske rezultate koje smo očekivali. Trenutno je ideja apstraktne obuke u vrlo ranoj fazi. Ako takva obuka pokaže rezultate, neće biti stvoreni samo bolji i vredniji oblici veštačke inteligencije, već će sam proces obuke biti jednostavniji i neće nam biti potrebne hiljade i hiljade skupova podataka za prenošenje relativno jednostavnih ideja i koncepata.
Bez obzira na to da li je inteligencija veštačka ili biološka, obuka nije lak zadatak – samo pitajte bilo kog učitelja. Na kraju krajeva, potrebno je dobrih 16 godina da se ljudski mozak obuči za obavljanje najjednostavnijih zadataka.
Veštačka inteligencija može da upije mnogo informacija u kratkom vremenskom periodu i da shodno tome reaguje na ono što je naučila, ali sve to je daleko od stvarne inteligencije. Direktori kompanija ne bi trebalo da smetnu s uma da je veštačka inteligencija, bez obzira na to kakvu je obuku prošla ili koliko nam se čini da je pametna, ipak samo algoritam.