Preuzeto sa: www.iso.org

Iako ne uvijek na očit način, umjetna je inteligencija posljednjih godina ušla u svakodnevni život milijuna ljudi. Virtualni asistenti, kao što su Siri i Aleksa, savršeni su primjeri kako umjetna inteligencija može pomoći ljudima na više načina, ako ništa drugo, učiniti život praktičnijim.

Međutim, s dolaskom generativne umjetne inteligencije, kao što je ChatGPT, njezinom nevjerojatnom sposobnošću oponašanja ljudske reakcije i lakoćom pristupa s bilo kojeg računala spojenog na Internet, koncepti strojnog učenja i etike  iznenada su se pomjerili u prvi plan diskusija. Uistinu, novi koncepti kao što su duboko učenje, NLP (obrada prirodnog jezika) i neuronske mreže uvlače se u svakodnevne profesionalne razgovore, pa čak i privatne diskusije.

Za one koji nisu dobro upoznati s računalima nije se lako nositi s višestrukim aspektima umjetne inteligencije i njihovim implikacijama. Također, ovaj članak ima za cilj demistificirati umjetnu inteligenciju pokušavajući objasniti kako ona funkcionira i razotkriti razlike između strojnog učenja, dubokog učenja, obrade prirodnog jezika i drugih povezanih koncepata.

Sadržaj

·         Razumjeti osnove: što je umjetna inteligencija?

·         Izgradnja odgovorne umjetne inteligencije

·         Što je strojno učenje?

·         Što je duboko učenje?

·         Što je obrada prirodnog jezika?

·         Što su neuronske mreže i kako one funkcioniraju?

·         Što je sustav upravljanja AI-jem?

·         Standardi i umjetna inteligencija

Razumjeti osnove: što je umjetna inteligencija?

U suštini, AI se odnosi na sposobnost stroja ili računalnog sustava da obavlja zadatke koji obično zahtijevaju intervenciju ljudske inteligencije. Ova se tehnologija  oslanja na sustave programiranja za analizu podataka, učenje iz iskustva i donošenje inteligentnih odluka, a sve na temelju informacija dobivenih od ljudi. Najpoznatiji oblik umjetne inteligencije je virtualni asistent, kao što su Siri ili Aleksa, ali ova se tehnologija može višestruko upotrebljavati.

Doista, umjetna inteligencija ima potencijal napraviti pravu revoluciju u različitim industrijama tako što će omogućiti strojevima da rješavaju složene probleme i intuitivno razmišljaju, nadilazeći tako jednostavnu automatizaciju. Ove aplikacije koriste različite poddomene i tehnologije, kao što su strojno učenje i obrada prirodnog jezika.

Za više informacija o ovoj temi pogledajte ISO kompletan vodič o tome što je umjetna inteligencija.

Izgradnja odgovorne umjetne inteligencije

Sposobna sintetizirati, analizirati i donositi odluke na temelju ogromnih količina podataka koje se dobivaju u nekoliko sekundi, umjetna je inteligencija iznimno moćno sredstvo. Kao i kod svake moćne tehnologije, ključno ju je moći odgovorno primijeniti kako bismo na najbolji mogući način iskoristili njezin potencijal, a smanjili negativne učinke.  

Primjerice, ako je umjetna inteligencija obučena na temelju neprovjerenih podataka, ona može reproducirati rezultate sa štetnim predrasudama glede etničkog podrijetla, religije ili čak ljudskih karakteristika. Takva se praksa može pokazati katastrofalnom ako se umjetna inteligencija primjenjuje u područjima koja su usmjerena na ljude, kao što su zdravlje, zapošljavanje ili čak zakoni.

Još jedno etičko pitanje vezano za AI odnosi se na poštovanje privatnosti. S obzirom na to da sustavi umjetne inteligencije prikupljaju ogromne količine podataka iz baza podataka diljem svijeta, nužno je osigurati da se ti osobni podaci zaštite i koriste na odgovoran način. Primjerice, tehnologije za prepoznavanje lica, koje se često upotrebljavaju u sigurnosnim sustavima ili na društvenim platformama, postavljaju pitanja glede suglasnosti o dijeljenju osobnih podataka i njihovoj potencijalnoj zlouporabi.

Kako bi se omogućio siguran i pouzdan tehnološki napredak utemeljen na etici nužno je osigurati odgovoran razvoj umjetne inteligencije. Ali kako razumjeti načela transparentnosti i objašnjivosti u kontekstu odgovorne umjetne inteligencije? Više o tim načelima možete pročitati u ISO članku o izgradnji odgovorne umjetne inteligencije.

Što je strojno učenje?

U suštini, strojno se učenje odnosi na sposobnost računalnog sustava da uči iz podataka, a da za to nije eksplicitno programiran. Dobar primjer ove vrste učenja je filtriranje neželjene pošte odnosno spama u e-mailovima. Otkrivanjem sličnosti obrazaca u neželjenim porukama, platforme za e-mailove mogu naučiti razlikovati korisne poruke od onih koje treba isključiti iz vašeg sandučića.  

Dakle, kako funkcionira strojno učenje? Sve počinje s podacima. I to podacima u velikim količinama. Algoritmi strojnog učenja obučavaju se uz pomoć ogromnih skupova podataka koje stroj uči analizirati kako bi identificirao obrasce, odnose i trendove. Ovi se obrasci zatim mogu koristiti za predviđanje ili donošenje odluka na temelju novih ili ranije neviđenih podataka.

Strojno učenje ima ogromne prednosti i primjene u našem svakodnevnom životu. Sve što trebate znati o ovoj temi možete pročitati u ISO članku „Što je strojno  učenje?”.

Što je duboko učenje?

Duboko učenje i strojno učenje su dva koncepta koji se ponekad koriste naizmjenično, ali razlika ipak postoji.

Duboko učenje je poseban tip strojnog učenja. Duboko učenje može analizirati više različitih vrsta informacija i izvoditi složenije operacije. Proces koji stoji iza ove tehnologije inspiriran je strukturom i funkcioniranjem ljudskog mozga, konkretno načinom na koji su neuroni međusobno povezani i kako rade na obradi informacija. Na taj način iz podataka dobivamo nijansiranija i točnija predviđanja.

Primjerice, kroz osnovno strojno učenje računalo može naučiti prepoznati ptice na slikama. Uvježban na slikama koje prikazuju ptice i druge životinje ili objekte, stroj uči razlikovati ove elemente tako što je izložen karakteristikama specifičnim za ptice, kao što su krila ili kljunovi.

Duboko učenje ide i korak dalje s ovim procesom. Zadržimo se na primjeru ptica. Duboko učenje može naučiti prepoznati mnogo više od osnovnih karakteristika ptica, uključujući složenije detalje kao što su tipovi perja, što omogućuje tehnologiji da bude još točnija u identifikaciji ptica, ili čak može, primjerice, razlikovati orla i goluba.

Kako biste saznali više o dubokom učenju i njegovoj primjeni pročitajte ISO članak o tome što je duboko učenje.

Što je obrada prirodnog jezika?

Obrada prirodnog jezika (Natural Language Processing ‒ NLP) je disciplina umjetne inteligencije koja se usredotočuje na omogućavanje računalu da razumije ljudski jezik i koristi ga.

NLP obuhvaća širok spektar tehnologija koje omogućuju računalima da razumiju strukturu i značenje ljudskog jezika. To uključuje zadatke poput prepoznavanja govora, razumijevanja prirodnog jezika i generiranja prirodnog jezika.

Analizom i tumačenjem jezika, NLP omogućuje računalima izvlačenje korisne informacije, odgovaranje na pitanja i vođenje diskusije. Primjerice, virtualni asistenti poput Alekse mogu razumjeti i pružiti informacije o temperaturi napolju, naslovnim vijestima ili prosječnoj težini orke.

Želite saznati više o ovoj temi? Pročitajte ISO članak o tome što je obrada prirodnog jezika i njezina primjena.

Što su neuronske mreže i kako one funkcioniraju?

Zamislite ljudski mozak: mrežu od milijardi neurona koji primaju informacije iz vanjskog svijeta, koje potom šalju u druge dijelove mozga, formirajući značenje na temelju prošlih iskustava i generirajući reakciju kao odgovor.

Umjetne neuronske mreže matematički su modeli koji omogućuju duboko učenje. U suštini, oni su imitacija ljudskog mozga. Sastoje se od slojeva međusobno povezanih čvorova – koji se nazivaju umjetni neuroni ili perceptroni ‒ pri čemu svaki umjetni neuron prima ulazne informacije, vrši izračunavanja i generira izlaz odnosno rezultat. Ti se izlazni rezultati zatim prosljeđuju sljedećem sloju perceptrona, stvarajući hijerarhijsku strukturu.

Snaga neuronskih mreža leži u njihovoj sposobnosti učenja i prepoznavanja obrazaca među mnoštvom podataka. Kako biste saznali više o neuronskim mrežama i kako one funkcioniraju pogledajte ISO članak „Što su neuronske mreže?”.

Što je sustav upravljanja umjetnom inteligencijom?

Sustav upravljanja umjetnom inteligencijom funkcionira kao mozak koji orkestrira to kako organizacija upravlja svojim AI projektima. Sve se svodi na pravila koja treba uspostaviti i metode koje treba slijediti kako bi se osigurala odgovorna i učinkovita uporaba umjetne inteligencije. Takav sustav pomaže omogućiti cjelokupno upravljanje, od procjene rizika do implementacije AI-ja, na odgovoran način.

Može se promatrati i kao putokaz koji treba pratiti kako bi se osigurala razumna uporaba AI-ja s obzirom na razvoj ove tehnologije. Okvir za upravljanje umjetnom inteligencijom pruža strukturiran način upravljanja rizicima i mogućnostima povezanim s umjetnom inteligencijom. On pokriva ključne aspekte, kao što su transparentnost, objašnjivost i autonomija, i pruža organizacijama jasne smjernice o tome kako koristiti umjetnu inteligenciju dok se prilagođavaju promjenjivim propisima (npr. Europska uredba o umjetnoj inteligenciji).

Odgovornim upravljanjem i nadzorom umjetna inteligencija može ostvariti puni potencijal zahvaljujući svojem pozitivnom tehnološkom napretku.

Kako biste saznali više o ovoj temi pogledajte ISO članak „Što je sustav upravljanja umjetnom inteligencijom?”.

Standardi i umjetna inteligencija

ISO-ova misija je izraditi globalno priznate standarde u različitim industrijama, a ni AI nije iznimka.

Međunarodni standardi za umjetnu inteligenciju pružaju okvir za vođenje odgovorne i etičke uporabe AI tehnologija. Ti standardi pokrivaju područja kao što su privatnost, pristranost, transparentnost i odgovornost. Pridržavajući se tih standarda, organizacije mogu raditi na tome da osiguraju da njihovi sustavi umjetne inteligencije budu pravedni, transparentni i da poštuju etička načela.

Jedan od primjera međunarodnog standarda u području umjetne inteligencije je ISO/IEC 23894, koji se usredotočuje na upravljanje rizikom u sustavima umjetne inteligencije. Ovaj standard ima za cilj osigurati da su AI algoritmi i modeli razumljivi i da se mogu revidirati glede pristranosti i pravičnosti, čime se gradi povjerenje u sustave umjetne inteligencije.

ISO/IEC 42001, Sustavi upravljanja umjetnom inteligencijom

ISO/IEC 23894, AI – Uputa za upravljanje rizikom

ISO/IEC 23053^[1], Okvir za AI sustave koji koriste ML

ISO standardi se također bave pitanjima koja se odnose na interoperabilnost i kompatibilnost sustava umjetne inteligencije te omogućuju AI tehnologijama da nesmetano zajedno rade i učinkovito razmjenjuju podatke. To je posebice važno s obzirom na to da se umjetna inteligencija sve više integrira u različite industrije i aplikacije.

S obzirom na to da se razvoj i usvajanje umjetne inteligencije i dalje ubrzava, izrada rigoroznih standarda bit će ključna kako bi se omogućilo da umjetna inteligencija postane tehnologija koja će se zauvijek koristiti.