Veselin Jevrosimović: Karika koja nedostaje

Svestan opasnosti da se tekstovi koje pišem o tehnološkom napretku pretvore u stalnu rubriku o veštačkoj inteligenciji, ponovo sam primoran da se bavim ovom temom. Na žalost, ili na sreću – kako se uzme – radi se o oblasti koja dominira napisima u svim vrstama medija, analizama poslovnih ljudi, istraživanjima naučnika i eksperimentima inovatora.

Do sada smo u relativno kratkom roku dobili moćne jezičke modele (eng. large language model, LLM) sposobne da prirodnim jezikom odgovore na postavljena pitanja, analiziraju i sažimaju sadržaj dokumenata, sastavljaju eseje i pišu poslovnu korespodenciju.

Preporučujemo

Problem sa ovom vrstom veštačke inteligencije je u tome što ne može da odgovori na vrlo specifične zahteve. Naime, postojeći modeli su trenirani na ogromnim količinama dostupnih podataka sa interneta, ali nisu usko specijalizovani. Pate od problema generičkih odgovora i takozvanih „halucinacija“ u kojima potpuno promaše temu ili daju netačne odgovore.

Sa druge strane, da bi se isplatila ogromna ulaganja u razvoj i održavanje sistema veštačke inteligencije, neophodno je da oni mogu značajno da podignu produktivnost i prevaziđu konkretne poslovne probleme. Jedno od rešenja naziva se generisanje proširenim preuzimanjem (eng. Retrieval Augmented Generation, RAG).

Da bi postala karika koja nedostaje u lancu upotrebe veštačke inteligencije, ova tehnika omogućuje primenu opštih modela u usko stručnim poljima. Kako bi to bilo moguće, najpre se sakupljaju svi relevantni detaljni podaci i to najčešće iz baza podataka i dokumenata konkretne firme i oblasti poslovanja. Na primer, to mogu biti korisnička uputstva, tehničke specifikacije, kretanja tržišta i slično.

Drugi korak je grupisanje tih informacija prema oblastima i tipovima. Zatim se informacije pretvaraju u posebnu vrstu tekstova koje mogu da razumeju postojeći jezički modeli. Na kraju, kada korisnik postavi pitanje, veštačka inteligencija koristi kombinaciju opštih znanja na kojima je trenirana i dodatnih sadržaja koji su neophodni u poslovanju.

Opisano, ali i druga slična rešenja, treba da odgovore na izazove postojećeg stepena razvoja veštačke inteligencije. Jednom kada softver bude unapređen do nivoa stvarnog učenja, analize nepoznatih sadržaja i zaključivanja na osnovu iskustva, za njima neće biti potrebe. Za sada napredni algoritmi nisu zaista inteligentni, već bismo pre mogli reći da imaju neverovatno pamćenje. To svakako nije malo. Ako ne verujete, probajte da „porazgovarate“ sa njima.

(Telegraf.rs/Veselin Jevrosimović)