Petar Veličković uči kompjutere da rezonuju, ali im ne bi dao da ga voze

O tome da li i koliko treba da strahujemo od kompjutera u bliskoj budućnosti, za emisiju Oko, govorio je dr Petar Veličković, jedan od najperspektivnijih srpskih naučnika koji se bavi veštačkom inteligencijom. Petar je završio Matematičku gimnaziju u Beogradu, doktorirao na Triniti koledžu u Kembridžu, bavi se veštačkom inteligencijom i dubokim učenjem u kompaniji „Dip Majnd" koja je u vlasništvu „Gugla".

Rad o veštačkoj inteligenciji čiji je Veličković koautor, pojavio se na naslovnoj strani magazina Nature, i sve to je postigao pre svoje tridesete godine.

„Po pitanju toga da li računar može da razmišlja, citirao bih poznatog računarskog naučnika Edsgera Dajkstru koji je rekao da je pitanje - da li računar može da razmišlja, otprilike jednako relevantno kao - da li podmornica može da pliva. Dakle, svakako, upotrebili smo neke inspiracije iz toga kako funkconiše naš mozak, ili kako mi mislimo da funkcioniše naš mozak, i na osnovu toga smo izgradili neke od modernijih sistema veštačke inteligencije. Ali fundamentalno, ja ih rekao da barem sistemi veštačke inteligencije koji su trenirani danas, nisu sistemi koji su sposobni da sami za sebe razmišljaju, nego oni, u sklopu njihovog obučavanja, pohvataju neke zakonitosti koje mogu nas da ubede da ta mašina ume da razmišlja", rekao je dr Veličković.

Objasnio je i kako algoritmi uzimaju velike količine teksta sa interneta, i kako na osnovu svih tih reči koje su pročitali, mašina može da predvidi koja je sledeća reč, što je nešto kao pametna tastatura. Kada su u pitanju milioni i milijarde tekstova, shvata se logika raspoređivanja reči u njima, pa tako, u primeru pisanja pesme, kada je potrebno rimovanje - algoritam na kraju svakog stiha daje prednost rečima koje će se rimovati sa rečima iz prethodnog stiha.

Dodaje da taj matematički posao zavisi od jezika koji se koristi, i da je dosta sistema koji se primenjuje „trenirano" prevashodno na engleskom jeziku. Zato je i primetno da su tražene pesme na engleskom jeziku koherentnije i ubedljivije u odnosu na pesme napisane na srpskom jeziku.

„Taj sistem takođe mora da ima razumevanje kakav će stih najviše uticati na čitaoce iz neke sredine ili neke države, i da bi sistem to mogao da zna, on mora da vidi jako mnogo teksta, konteksta, istorije, kulture jednog naroda... Koliko je imao pristupa tim tekstovima, to će dosta uticati na to koliki će biti kvalitet izlaza koji takvi sistemi proizvedu", ispričao je dr Veličković.

Razmatrajući pitanje primene takvih sistema računara, gost Oka je naveo da je primena koja ima najviše smisla, i o kojoj se najviše priča u sferi veštačke inteligencije, dobijanje jednog mehanizma koji na osnovu celokupnog ljudskog literarnog, istorijskog dela - daje neku vrstu srednje vrednosti. Zato Veličković smatra da bi takvi sistemi bili dobri u otkrivanju novih ideja.

Prosečno pitanje - prosečan odgovor

Činjenica je da će sa razvojem sistema na kojima Veličković radi, doći do izvesnih promena u različitim sferama društva.

„U kontekstu edukacije mislim da će biti poprilično velika transformacija. Ukoliko želimo da brzo vidimo šta bi bilo najinteresantnije da se pogleda, da bismo naučili o najnovijem otkriću u nuklearnoj fuziji koje se desilo u SAD", objasnio je na primeru Veličković.

Kada je reč o „prosečnom čoveku" koji recimo želi da sazna malo više o fenomenu veštačke inteligencije, Veličković kaže da će sistem generisati odgovor koji je kvalitetan - koliko i postavljeno pitanje.

Kaže i da su sistemi koji su povezani sa avatarom već izvodljivi, i da oni tekst veoma uverljivo „izgovaraju", navodeći kao primer Gugl-asistenta.

Najavljuje da će u domenu razvoja ovakvih sistema, naredne dve, tri godine biti vrlo uzbudljive.

„Svi ozbiljniji igrači u domenu veštačke inteligencije imaju vrlo utvrđene timove za etiku koji pažljivo razmišljaju o tome kakve su potencijalne implikacije da se neki sistem pusti na internet", kaže gost Oka, i ističe da smatra da će ovi sistemi pomagati kod stvari „koje su nam dosadne a moramo da ih radimo, što ostavlja više vremena za kreativnost", na račun vremena koje će nam sistem uštedeti radeći administrativne poslove umesto nas, što je već moguće: „Čovek može samo posle da preleti preko toga i napravi sitne korekcije i - to je to".

Nedavno je „Gugl" izbacio model koji može da, na osnovu istorijata pacijenta i ostalih parametara, daje određene ideje o tome šta bi bila potencijalna dijagnoza. Veličković smatra da ipak, ti sistemi neće moći da zamene ljudski faktor u potpunosti.

Šta je zapravo „duboko učenje" (Deep Learning)

Duboko učenje je najmodernija grana mašinskog učenja gde se uticaj čoveka na procesuiranje podataka kojima sistem ima pristup - svodi na minimum. Takođe, uči na greškama koje kasnije - ne ponavlja.

„Mašinsko učenje je grana veštačke inteligencije koja pokušava da uzme podatke kojima imamo pristup, i na osnovu njih obučava sisteme koji su sposobni da uoče neke zakonitosti u njima", objasnio je mladi naučnik.

Veličković smatra da veštačka inteligencija, kao i svaka druga tehnologija, ako ne upadne u prave ruke, može da pojača probleme diskriminacije u društvu, pojača stereotipe... Dodaje da mu uliva nadu to što kreatori ovakvih sistema taj problem prepoznaju, i od samih početaka imaju aktivne timove za etiku.

Ipak, utvrđeno je da „hranjenje sistema negativnim sadržajima" što je to bio slučaj na Forčen forumu, kao izlazni sadržaj - daje za rezultat takođe takav karakter, pa su odgovori čet bota zvučali kao odgovori tipičnog člana tog foruma - bili su izuzetno negativnog sadržaja, pošto je sistem zapravo treniran u takvom posebnom okruženju.

„Imamo jako dobre detektore za te sisteme. Sistemi koji treba da prepoznaju da li je nešto došlo od čoveka ili od čet bota, zato što se čet bot toliko trudi da bude savršen, prosečan čovek, jako je lako detektovati da je neki tekst došao od čet bota, i profesori već javljaju po internetu da su već uhvatili neke od svojih učenika ili studenata", kaže Veličković.

Komentarišući mogućnost toga da ovakav sistem nekada može biti adekvatna zamena nastavniku u, na primer, osnovnoj školi, Veličković kaže da će to biti moguće u naredne dve, tri godine, i da će oni moći i da komuniciraju sa učenicima, i da im daju odgovore na određena pitanja.

„Po meni, taj sistem nikada ne bi trebalo u potpunosti da zameni profesore, zato što ti sistemi, zbog načina na koji su trenirani, nikada neće moći da prenesu onu vrstu anegdote i entuzijazma, koju jedan ljudski profesor može da prenese", rekao je Veličković.

U ozbiljnim poslovima, dakle, ovi sistemi su svakako budućnost, ali i u drugim oblastima. Mogu da, kaže Veličković - smisle i vic: „Ti sistemi već vrlo aktivno smišljaju viceve, zavisi od smisla za humor, a vicevi su uglavnom napravljeni tako da ne zvuče preterano veštački".

„Društvenjaci" koji ne vole matematiku

Po pitanju detektovanja emocija, Veličković smatra da je moguće da sistemi prepoznaju i nečije raspoloženje, na osnovu zvuka glasa, ili napisanog teksta... Čak i jedan broj kol-centara koristi automatizovane čet botove koji sintetišu glas.

Međutim, jedna od slabosti čet botova, koji sa tekstom i nemaju većih problema, je ta što umeju da „zaribaju" kada im se postave prostiji matematički zadaci.

Veličković ipak smatra da je i tu moguće „popraviti" izlaz, odnosno odgovor, tako što će se sitem „naterati" da zadatak rešava korak po korak, uz pažljivo i što logičnije postavljanje pitanja. Ova problematika je ujedno i tema njegovog aktuelnog naučnog rada. Poboljšanjem u toj oblasti, sistemi će onda smanjiti razočaranost nekoga ko od četbota može „svašta da čuje iz istorije", ali zato ne može da dobije rešenje običnog zadatka iz matematike.

Veličković ističe da su učenici iz Srbije u velikom broju na prestižnim školama i univerzitetima širom sveta, iz čega potvrđuje zaključak „da smo iznad proseka" u odnosu na druge u oblasti veštačke inteligencije. Tako i u „Dip Majndu" ima sedam, osam članova tima iz Srbije.

Konkretno, Veličkovića je najpre interesovala bioinformatika, ali je na kraju karijeru ostvario u „Guglovoj" sestrinskoj kompaniji, pošto ga je mentor sa Kembridža - ipak uputio na mašinsko učenje.

Aleksa Gordić iz Srbije je primer koji je naveo, u smislu toga da neko, sa velikim entuzijazmom, a bez master diplome iz oblasti veštačke inteligencije, može da radi kao istraživač-inženjer, upravo u „Dip Majndu".