Velić: Velike promjene, ali i strahove donose umjetna inteligencija, strojno učenje

Danas se sve više govori o strojnom učenju (machine learning), dubinskom učenju (deep learning), ali i umjetnoj inteligenciji (artificial intelligence) i postavljaju se različita kako tehnološka, tako i etička, filozofska pitanja. Upravo tome što se može očekivati u ovom vrlo zanimljiv i mnogima prilično nerazumljivom segmentu porazgovarali smo s dr. sc. Marko Velić, MBA, Voditeljem Data Science tima u tvrtki Styria medijski servisi.

Prema njegovim riječima zahvaljujući tehnološkim rješenjima mnoge aktivnosti će se automatizirati, ubrzati, povećat će se efikasnost i smanjiti potreba za ljudskim radom.

„Ovo će se odraziti na povećanje efikasnosti, profitabilnosti, generiranje nove vrijednosti i općenito ekonomski rast“, ističe Velić, te dodaje kako to međutim to izaziva i strah. „Ovdje možemo govoriti o dvije vrste straha koji se javljaju. Jedna je gubitak poslova, a druga onaj egzistencijalni strah“, objašnjava Velić i dodaje da se „veliki tehnološki divovi ‘klade’ se na AI, primjerice Uber, koji će postati profitabilan vjerojatno tek kada više uopće neće imati ljudske vozače“.

Danas svi govore o umjetnoj inteligenciji, machine learningu i sličnim pojmovima. Koja je razlika?

Umjetna inteligencija je širok pojam koji obuhvaća mnoge algoritamske tehnike i pristupe. Strojno učenje (Machine Learning) je naziv za skup algoritama koji omogućavaju dolazak do rješenja (računalnog programa) bez eksplicitnog programiranja slijeda instrukcija. Algoritmi strojnog učenja do rješenja dolaze analizom podataka (obično velike količine), te nastoje nekom metodom optimizacije doći do optimalnog rješenja, odnosno rješenja s najmanjom pogreškom. Kako se te optimizacije često temelje na iteracijama, govorimo o “učenju“. Duboko učenje (Deep Learning) je podskup metoda strojnog učenja koji najčešće podrazumijeva modele dubokih neuronskih mreža. Dubina u ovom slučaju znači više slojeva neurona u tim mrežama.

U tehnike umjetne inteligencije spadaju i neke druge skupine algoritama poput heurestika, sustava temeljenih na pravilima i slično. Ono što je aktualno zadnjih otprilike 5 godina je upravo duboko učenje, a ono je rezultat nekoliko faktora. Prije svega, to je razvoj hardvera, pristup velikim količinama podataka, a onda i neki novi znanstveni doprinosi odnosno trikovi vezani uz same algoritme. U suštini, neuronske mreže su matematički modeli stari preko 50 godina. No problem je bio što do nedavno nismo imali dovoljnu količinu podataka niti računalnih resursa za efikasno ‘treniranje’ tih modela. Sada se to drastično mijenja, a samim time se oslobađa i potencijal za znanstvene i tehničke napretke u smislu samih metoda. Moglo bi se reći da se dogodila savršena oluja koja je pogodovala razvoju umjetne inteligencije upravo u zadnjih nekoliko godina.

Što očekujete u budućnosti kada govorimo o machine i deep learningu, AI?

U znanstvenom smislu, možemo očekivati daljnji razvoj samih metoda strojnog učenja, metoda optimizacija, a potom i poboljšanje rezultata u rješavanju raznih problema gdje se AI dosad nije koristio. Trenutni algoritmi su još daleko od svojih bioloških uzora - živčanog sustava. Sto se tiče hardvera, implikacije će i tu biti velike. Dosad se prvenstveno koristio standardni GPU hardver pogodan zbog mogućnosti paralelizacije, no počinju se javljati specijalizirana rješenja. Računalni hardver je još uvijek daleko suboptimalan i neefikasan u usporedbi s biološkim hardverom koji u prirodi pogoni inteligenciju - mozgom.

Vezano za primjenu, očekuje se poplava razno raznih primjena koje nam sada ne padaju ni na pamet. Pored onih očitih, poput samovozećih automobila, dronova i sl. pojavit će se mnoge ‘nevidljive’ nišne primjene u gotovo svim granama industrije. Mnoge aktivnosti će se automatizirati, ubrzati, povećat će se efikasnost i smanjiti potreba za ljudskim radom. Ovo će se odraziti na povećanje efikasnosti, profitabilnosti, generiranje nove vrijednosti i općenito ekonomski rast. Umjetna inteligencija će postati sastavni dio velikog broja proizvoda i usluga. Potrošači će naprosto očekivati od proizvoda da budu pametni. Veliki tehnološki divovi ‘klade’ se na AI, primjerice Uber, koji će postati profitabilan vjerojatno tek kada više uopće neće imati ljudske vozače.

Treba li se bojati umjetne inteligencije?

Ovdje možemo govoriti o dvije vrste straha koji se javljaju. Jedna je gubitak poslova, a druga onaj egzistencijalni strah. Prva je donekle opravdana, no od druge smo još jako daleko. Dio poslova će preuzeti roboti i algoritmi. No pojavit će se i mnogo novih. Svaki tehnološki napredak dovodi do smjene u smislu poslova koji obavljaju ljudi, no to ne znači da ljudi ostaju besposleni. Problem je u brzini zamjene. No, već sada postoje projekcije i planovi što u tom slučaju i kako napraviti tranziciju. Imate javno dostupne izvještaje Bijele kuće koji dosta detaljno elaboriraju te teme. Nekoliko tehnoloških kompanija i poduzetnika se udružuju u inicijative poput Open AI i sličnih gdje rade na strategijama, projekcijama i rješenjima za razne scenarije. Tako da straha za sada još ne bi trebalo biti. Zapravo, vidimo da se često danas ljudi bolje i ljudske konkurencije, pa je onda normalno da se boje i računalne. Što se tiče egzistencijalnih strahova, jedan od vodećih znanstvenika Andrew Ng je rekao da je taj strah trenutno poput straha od prenapučivanja Marsa. Daleko smo još od generalne inteligencije, a o nekoj svijesti da ne govorimo. Dakle, znanstvena fantastika iz trenutne perspektive. Svaka tehnologija može postati oružje, ali ljudi su ti koji su na kraju odgovorni za njeno korištenje. Često se spominju sigurnosni problemi i slučajevi u kojima i ova nišna (specijalizirana) inteligencija pogriješi. Poput samovozećih automobila. Pogrešaka će uvijek biti, ali vjerojatno daleko manje nego što griješe ljudi. Posebno u vožnji. Algoritmi se ne umaraju, ne piju, ne tipkaju na mobitel i nemaju potrebu divljati cestom. No ipak, događat će se greške. O nekim problemima u npr. računalnom vidu govorit ćemo i na ovogodišnjoj FSEC konferenciji u Varaždinu u rujnu..

Radite na mnogim zanimljivim projektima. Kako se oni održavaju na svakodnevni život, medije?

U Styriji imamo dva temeljna R&D smjera. Jedan je obrada teksta, a drugi obrada slike. Cilj nam je u konačnici omogućiti personalizirano iskustvo konzumiranja medijskog sadržaja. Zapravo težimo tome da sadržaj pronađe korisnika, a ne obratno. Danas se u razvijenim ekonomijama događa jedan zanimljiv fenomen, a to je suradnja ispred kompeticije. To se preslikalo i na medijsku industriju i IT. Mediji više nisu jedni drugima konkurenti kad imaju zajedničkog ‘frienemy-a’, a to je prvenstveno Facebook. Snaga tradicionalnih medija je brand, a trebala bi biti i sigurnost u relevantnu i provjerenu informaciju. Vidjeli smo to na primjeru lažnih vijesti. Takva vrsta sadržaja najlakše se širi društvenim mrežama.

Odgovornost je medija (i novinara) da širi provjerene i objektivne informacije. Želimo omogućiti novinarima da se bave novinarstvom, a sve ostalo prepustiti tehnologiji. Tu ulazi AI kao temeljni alat za automatizaciju svega što se može automatizirati, a na ljudima je onda da se bave kreativnim i istraživačkim poslom. Upravo to je prepoznao i Google koji nam je nedavno dao grant od čak pola milijuna eura. Ovo je dokaz da radimo znanost, ali i praksu na svjetskoj razini. Potući neki znanstveni benchmark na kontroliranom datasetu i potom objaviti znanstveni rad je velik uspjeh, no pustiti takvo rješenje u produkciju u stvarnim uvjetima, na “prljavim“ podacima i da istovremeno takvo rješenje radi brzo uz milijune upita i korisnika je sasvim druga stvar. Osim znanstvene kreativnosti, potreban je i izniman inženjerski napor.

Što se tiče slike, fokus su nam prvenstveno oglasnici. Njuškalo je provjerena platforma za razmjenu i trgovinu second-hand predmeta, automobila, nekretnina itd. Potencijal tih podataka je ogroman, a sve s ciljem poboljšanja korisničkog iskustva. No o tome ćemo više za koji mjesec kad pustimo u produkciju neke nove alate.

Osim internih Styrijinih rješenja radimo i za naručitelje diljem svijeta. Potražnja za strojnim učenjem i data science rješenjima je velika, mnoge tvrtke tek počinju s tim, a mi smo duboko u tome već nekoliko godina. To nam daje tržišnu prednost. Zahvaljujući tome, premašili smo brojku od deset specijaliziranih data scientista i u potrazi smo za novim članovima tima.

Pozivam sve koji imaju znanja iz područja strojnog učenja da nam se jave. Otvoreni smo za suradnju (i već surađujemo) s članovima akademske zajednice. U Styriji imamo gomilu podataka i vrlo zanimljive probleme s konkretnim primjenama u stvarnom svijetu.

Svi vole znati što ona druga strana misli i to je moguće na velikom uzorku analizirati korištenjem različitih algoritama, strojnog učenja, analize sentimenta. Što će se mijenjati kada stigne GDPR regulativa?

Za one koji rade u skladu s etičkim i moralnim principima, ne bi trebalo biti velikih promjena. Već sada je jasno koje podatke smijete koristiti u analizama, a koje ne. Osobni podaci se ne koriste u našem radu i svaki dataset se anonimizira. Globalni IT divovi već znaju sve o nama i uvijek pristajemo na uvjete korištenja bez previše proučavanja sitnih slova. Dakle, odgovornost je dobrim dijelom i na samim korisnicima. Dobar data science proizvod (ili usluga) će biti transparentan i omogućit će korisniku da se isključi (tzv. opt-out) u svakom trenutku.

U kojim segmentima će novi oblik analize velikih podataka (big data) i korištenjem data science metoda biti i najizraženiji?

Ostat će jako malo onih kod kojih to neće biti izraženo. Svaki sudionik na tržištu koji će željeti ostati konkurentan, morat će se baviti analitikom podataka u nekom obliku.

Marko Velić i njegov tim, Foto by Dražen Tomić / Tomich Productions