Šta vještačka inteligencija može danas?

Blog profesora dr Slobodana Đukanovića

Šta VI može danas? Vjerovatno manje od onoga što su mediji ranije predviđali, ali ipak dosta. Navodimo nekoliko popularnih primjera.

Autonomna vozila

Autonomno vozilo, ili vozilo bez vozača, je vozilo sposobno da “osjeti” svoje okruženje i da se bezbjedno kreće uz minimalnu pomoć čovjeka ili bez nje. Autonomna vozila koriste informacije dobijene od mnoštva senzora kao što su RADAR, LIDAR, senzori kretanja i GPS, da odrede (uz pomoć svog on-board kompjutera) putanju kretanja, ograniče brzinu ili da utvrde postoje li prepreke na putu, te da uspore ili stanu. Demonstracije mogućnosti autonomnih vozila u DARPA Grand Challenge-u 2005 (132 milje zemljanog puta) i Urban Challenge-u 2007 (gradske ulice sa realnim saobraćajem) predstavljaju pucanj startnog pištolja u globalnoj trci razvoja autonomnih vozila. Testna vozila kompanije Waymo su 2018. prešla 10 miliona milja na javnim putevima, bez ozbiljnog incidenta, pri čemu je čovjek-vozač preuzimao kontrolu jednom na svakih 6000 milja. Nedugo poslije toga (2020), ista kompanija je postala prvi provajder komercijalnih robotskih taksija (eng. robotaxi) u Feniksu, Arizona. Zvaničnici kompanije Tesla su obećali vlasnicima privatnih vozila da će potpuno samostalno upravljanje, na bazi pretplate, biti dostupno 2021. U igri je i američka kompanija Nuro, koja ove godine planira početak komercijalne isporuke autonomnih vozila.

Kretanje robota

BigDog, četvoronožni robot kreiran 2008, promjenio je našu viziju o kretanju robota. U pitanju nije bio usporen hod sa strane na stranu, ukočenih nogu, već nešto što nalikuje životinji i što može da se povrati u stanje ravnoteže kada se gurne ili kada sklizne na ledu. Atlas, humanoidni robot, ne samo da hoda po neravnom terenu, već skače na kutije i pravi salto unazad (2016).

Mašinsko prevođenje

Danas sistemi za onlajn mašinsko prevođenje omogućavaju čitanje dokumenata na preko 100 jezika, uključujući maternje jezike preko 99% ljudi. Iako nisu savršeni, uglavnom su adekvatni za razumijevanje. Za bliske jezike sa velikom količinom trening podataka (kao što su francuski i engleski), kvalitet prevoda je blizak nivou čovjeka previodioca.

Prepoznavanje govora

Microsoft je 2017. pokazao da je njegov sistem za prepoznavanje govora u konverzaciji dostigao stopu greške na nivou riječi od 5.1%, što odgovara ljudskim performansama. Otprilike trećina interakcije sa kompjuterima širom svijeta se danas vrši glasovno, a ne tastaturom. Skype omogućava prevođenje govora u govor u realnom vremenu na deset jezika. Alexa, Siri, Cortana i Google nude pomoćnike koji mogu da odgovore na pitanja i izvrše zadatke za korisnika.

Preporučivanje

Amazon, Facebook, Netflix, Spotify, YouTube i druge kompanije koriste mašinsko učenje da nam preporuče ono što bi nam se moglo dopasti (mobilni telefon, film, pjesmu, ljetovanje) na osnovu naših ranijih iskustava, kao i iskustava drugih ljudi sa sličnim sklonostima. Oblast preporučivanja datira sa kraja 20. vijeka, ali se brzo mijenja zbog novih metoda dubokog učenja koje analiziraju sadržaj (tekst, muziku, video), kao i istorijat pretraživanja i meta-podatke. Filtriranje neželjene pošte (eng. spam) takođe se može smatrati oblikom preporuke (ili odbijanja preporuke). Trenutne tehnike VI filtriraju preko 99.9% neželjene pošte, a VI se može iskoristiti za preporuku potencijalnih primaoca pošte, kao i mogući tekst odgovora.

Igranje igara

Kada je Deep Blue 1997. pobjedio svjetskog šampiona u šahu Garija Kasparova, branioci ljudske intelektualne nadmoći preusmjerili su svoje nade u igru Go. Piet Hut, astrofizičar i entuzijasta ove igre, predvidio je da će trebati “sto godina prije nego što kompjuter pobjedi čovjeka u Go-u, možda čak i duže”. Samo dvije decenije kasnije, program AlphaGo kompanije DeepMind nadmašio je sve šampione ove igre. Ke Jie, svjetski šampion Go-a, je tom prilikom za AlphaGo rekao: “Prošle godine je njegova igra ličila na igru čovjeka. Ove godine kao da je postao bog Go-a.” AlphaGo je mjesecima treniran stotinama hiljada Go igara i znanjem eksperata igre koji su bili članovi razvojnog tima programa.

Sljedbenik AlphaGo-a, AlphaZero, nije koristio nikakav input od ljudi (osim pravila igre) i uspio je da kroz igru sa samim sobom nauči da pobjedi sve protivnike, ljude i mašine, u Go-u, šahu i šogiju. Konkretno, svog prethodnika je uspio da pobjedi rezultatom 100:0 nakon tri dana učenja sa manje procesorske snage od AlphaGo-a. Sljedbenik AlphaZero-a je MuZero koji je obučavan na sličan način kao AlphaZero, ali bez poznavanja pravila igre. Treba li reći ko je pobjedio u Go-u između ova dva programa?

U međuvremenu, sistemi VI su pobjedili ljudske šampione u raznim igrama kao što je ranije pomenuti Jeopardy!, poker i video igre Dota 2, StarCraft II i Quake III.

Medicina

Algoritmi VI su sada jednaki ili premašuju ljekare eksperte u dijagnozi mnogih bolesti, posebno kada se dijagnoza zasniva na slikama. Primjeri uključuju Alchajmerovu bolest, metastatski rak, oftalmološku bolest i kožne bolesti. Trend u modernoj medicini zasnovanoj na VI je unaprijeđenje partnerstva čovjek-mašina. Na primjer, sistem Lyna postiže 99.6% ukupne tačnosti u dijagnozi metastatskog karcinoma dojke, što je bolje od samostalnog stručnjaka ljekara, ali kombinacija ljekara i sistema daje najbolje rezultate. Usvajanje ovih tehnika sada nije ograničeno tačnošću dijagnoze, već potrebom da se osigura transparentnost, nedostatak pristrasnosti i privatnost podataka. Američka Uprava za hranu i lekove (eng. Food and Drug Administration ili FDA) je 2017. odobrila samo dvije medicinske aplikacije bazirane na VI, ali to se povećalo na 12 u 2018. i nastavlja da raste.

Klimatske nauke

Ovo je možda najbitnija primjena VI za čovječanstvo. Tim naučnika osvojio je nagradu Gordon Bell 2018. za model dubokog učenja koji otkriva detaljne informacije o ekstremnim klimatskim događajima koji su “zakopani” u klimatskim podacima. Koristili su super-kompjuter sa specijalizovanim GPU hardverom da bi premašili exaop nivo (1018 operacija u sekundi), prva primjena mašinskog učenja koja je to postigla. 2019. godine je predstavljen katalog sa 60 stranica koji opisuje načine na koje se mašinsko učenje može iskoristiti za borbu protiv klimatskih promjena.

Ovo je samo nekoliko primjera sistema VI koji danas postoje. U pitanju nije magija niti naučna fantastika, već nauka, inženjerstvo i matematika.

Kako će funkcionisati budući sistemi VI? To još ne možemo reći. Čak i predviđanja stručnjaka treba uzeti sa velikom dozom rezerve. Filip Tetlok je 2017. pokazao da u oblasti predviđanja svjetskih događaja, stručnjaci nisu ništa bolji od amatera. Na pitanje “Kada će (ako ikada) sistemi VI postići performanse na nivou čovjeka u širokom spektru zadataka?”, istraživanje iz 2018. je pokazalo da stručnjaci za VI prognoziraju vrlo širok spektar godina, od 2029. do 2200. U sličnom istraživanju iz 2017, 50% ispitanika smatra da bi se to moglo dogoditi do 2066, 10% misli da bi se to moglo dogoditi već 2025, dok je nekolicina rekla – nikad.

Naredne nedelje vas očekuje nastavak o ovoj temi.

Dr Slobodan Đukanović
Profesor na Elektrotehničkom fakultetu Crne Gore

Pretraži