Преузето са: www.iso.org

Иако не увијек на очит начин, вјештачка интелигенција је посљедњих година ушла у свакодневни живот милиона људи. Виртуелни асистенти, као што су Сири и Алекса, савршени су примјери како вјештачка интелигенција може да помогне људима на више начина, ако ништа друго, онда да би живот учинила практичнијим.

Међутим, с доласком генеративне вјештачке интелигенције, као што је ChatGPT, њеном невјероватном способношћу да имитира људску реакцију и лакоћом приступа с било ког рачунара повезаног на интернет, концепти машинског учења и етике су се изненада помјерили у први план дискусија. Заиста, нови концепти као што су дубоко учење, NLP (обрада природног језика) и неуронске мреже се увлаче у свакодневне професионалне разговоре, па чак и приватне дискусије.

За оне који нису добро упознати с рачунарима није се лако носити с вишеструким аспектима вјештачке интелигенције и њиховим импликацијама. Такође, овај чланак има за циљ да демистификује вјештачку интелигенцију покушавајући да објасни како она функционише и да разоткрије разлике између машинског учења, дубоког учења, обраде природног језика и других повезаних концепата.

Садржај

·         Разумјети основе: шта је вјештачка интелигенција?

·         Изградња одговорне вјештачке интелигенције

·         Шта је машинско учење?

·         Шта је дубоко учење?

·         Шта је обрада природног језика?

·         Шта су неуронске мреже и како оне функционишу?

·         Шта је систем управљања AI-јем?

·         Стандарди и вјештачка интелигенција

Разумјети основе: шта је вјештачка интелигенција?

У суштини, AI се односи на способност машине или рачунарског система да обавља задатке који обично захтијевају интервенцију људске интелигенције. Ова технологија се ослања на системе програмирања за анализу података, учење из искуства и доношење интелигентних одлука, а све на основу информација добијених од људи. Најпознатији облик вјештачке интелигенције је виртуелни асистент, као што су Сири или Алекса, али ова технологија се може вишеструко употребљавати.

Заиста, вјештачка интелигенција има потенцијал да направи праву револуцију у различитим индустријама тако што ће омогућити машинама да рјешавају сложене проблеме и интуитивно размишљају, и тако превазиђу просту аутоматизацију. Ове апликације користе различите поддомене и технологије, као што су машинско учење и обрада природног језика.

За више информација о овој теми погледајте ISO комплетан водич о томе шта је вјештачка интелигенција.

Изградња одговорне вјештачке интелигенције

Способна да синтетише, анализира и доноси одлуке на основу огромних количина података које се добијају у неколико секунди, вјештачка интелигенција је изузетно моћно средство. Као и код сваке моћне технологије, од кључне важности је да будемо у могућности да је одговорно примијенимо како бисмо на најбољи могући начин искористили њен потенцијал, а смањили негативне ефекте. 

На примјер, ако је вјештачка интелигенција тренирана на основу непровјерених података, она може да репродукује резултате са штетним предрасудама у погледу етничког поријекла, религије или чак људских карактеристика. Таква пракса се може показати катастрофалном ако се вјештачка интелигенција примјењује у областима које су усмјерене на људе, као што су здравље, запошљавање или чак закони.

Још једно етичко питање везано за AI односи се на поштовање приватности. С обзиром на то да системи вјештачке интелигенције прикупљају огромне количине података из база података широм свијета, неопходно је обезбиједити  да се ти лични подаци заштите и користе на одговоран начин. На примјер, технологије за препознавање лица, које се често употребљавају у безбједносним системима или на друштвеним платформама, постављају питања у погледу сагласности о дијељењу личних података и њиховој потенцијалној злоупотреби.

Да би се омогућио безбједан и поуздан технолошки напредак заснован на етици неопходно је обезбиједити одговоран развој вјештачке интелигенције. Али како да разумијемо принципе транспарентности и објашњивости у контексту одговорне вјештачке интелигенције? Више о тим принципима можете да прочитате у ISO чланку о изградњи одговорне вјештачке интелигенције.

Шта је машинско учење?

У суштини, машинско учење се односи на способност рачунарског система да учи из података, а да за то није експлицитно програмиран. Добар примјер ове врсте учења је филтрирање нежељене поште односно спама у имејловима. Откривањем сличности образаца у нежељеним порукама, платформе за имејлове могу научити да разликују корисне поруке од оних које треба искључити из вашег инбокса.   

Дакле, како машинско учење функционише? Све почиње с подацима. И то подацима у великим количинама. Алгоритми машинског учења се тренирају уз помоћ огромних скупова података које машина учи да анализира да би идентификовала обрасце, односе и трендове. Ови обрасци се затим могу користити за предвиђање или доношење одлука на основу нових или раније невиђених података.

Машинско учење има огромне предности и примјене у нашем свакодневном животу. Све што треба да знате о овој теми можете да прочитате у нашем чланку „Шта је машинско учење?”.

Шта је дубоко учење?

Дубоко учење и машинско учење су два концепта који се понекад користе наизмјенично, али разлика ипак постоји.

Дубоко учење је посебан тип машинског учења. Дубоко учење може да анализира више различитих врста информација и изводи сложеније операције. Процес који стоји иза ове технологије инспирисан је структуром и функционисањем људског мозга, конкретно начином на који су неурони међусобно повезани и како раде на процесуирању информација. На тај начин из података добијамо нијансиранија и прецизнија предвиђања.

На примјер, кроз основно машинско учење рачунар може научити да на сликама препознаје птице. Тренирана на сликама које приказују птице и друге животиње или објекте, машина учи да разликује ове елементе тако што је изложена карактеристикама специфичним за птице, као што су крила или кљунови.

Дубоко учење иде и корак даље с овим процесом. Останимо на примјеру птица. Дубоко учење може научити да препозна много више од основних карактеристика птица, укључујући сложеније детаље као што су типови перја, што омогућава технологији да буде још прецизнија у идентификацији птица, или чак може, на примјер, да разликује орла и голуба.

Да бисте сазнали више о дубоком учењу и његовој примјени прочитајте ISO чланак о томе шта је дубоко учење.

Шта је обрада природног језика?

Обрада природног језика (Natural Language Processing ‒ NLP) је дисциплина вјештачке интелигенције која се фокусира на то да омогући рачунару да разумије људски језик и да га користи.

NLP обухвата широк спектар технологија које омогућавају рачунарима да разумију структуру и значење људског језика. То укључује задатке попут препознавања говора, разумијевања природног језика и генерисања природног језика.

Анализом и тумачењем језика, NLP омогућава рачунарима да извуку корисне информације, одговоре на питања и воде дискусије. На примјер, виртуелни асистенти попут Алексе могу да разумију и пруже информације о температури напољу, насловним вијестима или просјечној тежини орке.

Желите да сазнате више о овој теми? Прочитајте ISO чланак о томе шта је обрада природног језика и њена примјена.

Шта су неуронске мреже и како оне функционишу?

Замислите људски мозак: мрежу од милијарди неурона који примају информације из спољњег свијета, које потом шаљу у друге дијелове мозга, формирајући значење на основу прошлих искустава и генеришући реакцију као одговор.

Вјештачке неуронске мреже су математички модели који омогућавају дубоко учење. У суштини, они су имитација људског мозга. Састоје се од слојева међусобно повезаних чворова – који се називају вјештачки неурони или перцептрони ‒ при чему сваки вјештачки неурон прима улазне информације, врши израчунавања и генерише излаз односно резултат. Ти излазни резултати се затим просљеђују сљедећем слоју перцептрона, стварајући хијерархијску структуру.

Снага неуронских мрежа лежи у њиховој способности да уче и препознају обрасце међу мноштвом података. Да бисте сазнали више о неуронским мрежама и како оне функционишу погледајте ISO чланак „Шта су неуронске мреже?”.

Шта је систем управљања вјештачком интелигенцијом?

Систем управљања вјештачком интелигенцијом функционише као мозак који оркестрира то како организација управља својим AI пројектима. Све се своди на правила која треба успоставити и методе које треба слиједити да би се обезбиједила одговорна и ефикасна употреба вјештачке интелигенције. Такав систем помаже да се омогући цјелокупно управљање, од процјене ризика до имплементације AI-ја, на одговоран начин.

Може се посматрати и као путоказ који треба пратити како би се обезбиједила  разумна употреба AI-ја с обзиром на развој ове технологије. Оквир за управљање вјештачком интелигенцијом пружа структуриран начин управљања ризицима и могућностима повезаним с вјештачком интелигенцијом. Он покрива кључне аспекте, као што су транспарентност, објашњивост и аутономија, и пружа организацијама јасне смјернице о томе како да користе вјештачку интелигенцију док се прилагођавају промјенљивим прописима (нпр. Европска уредба о вјештачкој интелигенцији).

Одговорним управљањем и надзором вјештачка интелигенција може да оствари пуни потенцијал захваљујући свом позитивном технолошком напретку.

Да бисте сазнали више о овој теми погледајте ISO чланак „Шта је систем управљања вјештачком интелигенцијом?”.

Стандарди и вјештачка интелигенција

ISO-ова мисија је да изради глобално признате стандарде у различитим индустријама, а ни AI није изузетак.

Међународни стандарди за вјештачку интелигенцију пружају оквир за вођење одговорне и етичке употребе AI технологија. Ти стандарди покривају области као што су приватност, пристрасност, транспарентност и одговорност. Придржавајући се тих стандарда, организације могу радити на томе да обезбиједе да њихови системи вјештачке интелигенције буду праведни, транспарентни и да поштују етичке принципе.

Један од примјера међународног стандарда у области вјештачке интелигенције је ISO/IEC 23894, који се фокусира на управљање ризиком у системима вјештачке интелигенције. Овај стандард има за циљ да обезбиједи да су AI алгоритми и модели разумљиви и да се могу ревидирати у погледу пристрасности и правичности, чиме се гради повјерење у системе вјештачке интелигенције.

ISO/IEC 42001, Системи управљања вјештачком интелигенцијом

ISO/IEC 23894, AI – Упутство за управљање ризиком

ISO/IEC 23053^[1], Оквир за AI системе који користе ML

ISO стандарди се такође баве питањима која се односе на интероперабилност и компатибилност система вјештачке интелигенције те омогућавају да AI технологије несметано заједно раде и ефикасно размјењују податке. То је посебно важно с обзиром на то да се вјештачка интелигенција све више  интегрише у различите индустрије и апликације.

С обзиром на то да се развој и усвајање вјештачке интелигенције и даље убрзава, израда ригорозних стандарда ће бити кључна да би се омогућило да вјештачка интелигенција постане технологија која ће се заувијек користити.