10 February 2025
Критичко мишљење у доба AI револуције: Моћ младих за друштвене промене
Vasilije Milnović
Контекст
У овом тренутку смо на почетку нове ере – за коју не знамо колико ће трајати, али знамо да ће када се заврши – свет изгледати потпуно другачије.
Управо ће данашња омладина управљати тим процесом. Ако знамо да ће актуелни студенти прве године завршити радни век око 2070, јасно нам је да не можемо ни да претпоставимо како ће свет тада изгледати, нити на којим технологијама ће се заснивати. Генерацију рођену 2010. и касније називамо алфа генерацијом с разлогом јер је она прва рођена у потпуно дигиталном окружењу.
Тренутно влада велика фама око ChatGPT-ја, коме чак и велике компаније прилагођавају своје процесе. AI (Artificial Inteligence) четбот ChatGPT, који генерише одговоре на скоро све постојеће, сада је велика тема. Такође и апликације које постоје нешто дуже, као што су Инстаграм и ТикТок, постоје дуже и такође имају огроман утицај на наше животе. Ове апликације прате наше понашање и покушавају да утичу на оно што конзумирамо. Ако научите како AI функционише, бићете свеснији потенцијалних ризика и моћи ћете да прилагодити своје изборе у складу с тим.
Пре свега, oви алгоритми генеришу за гледаоца садржај који је заснован на њиховим интересовањима и претходном понашању, ефективно сужавајући оно што они конзумирају. То је у реду ако сте заинтересовани за слатке видео снимке мачака, али постаје опасније ако је у питању политички или здравствени садржај. На пример, сам ChatGPT првобитно је био направљен тако да не зна ништа о хемији. Било је то из превентивних разлога, да неко дете не би питало, на пример: „Како направити бомбу?”. Међутим, ChatGPT сада зна све о хемији. Питајте га и видећете...
Управо због тога je „Future of Life Institute“ недавно тражио шестомесечни прекид развоја вештачке интелигенције, нарочито после појаве GPT-4 модела – но иницијатива иако масовно потписивана није дала резултата[1]. Додуше, још увек не постоји таква врста вештачке интелигенције која би била интегративна и општа, већ су вештачке интелигенције посебне, попут оне која ради у Тесла аутомобилима.
Међутим, у исто време треба знати да у теорији нисмо далеко од тако нечега и да се у том случају вештачка интелигенција експоненцијално развија. Дакле, замислите некога ко је хипотетички прочитао цео интернет (недавно је објављено да ће ChatGPT коначно имати доступан интернет садржај) и није заборавио ништа од тога, плус и даље учи и стално се усавршава у интеракцији са нама. И не разговара само са једном особом, већ са милионима људи истовремено, и на основу повратних информација постаје све паметнији и паметнији. Оног тренутка када би достигла тачку сингуларности, и изједначила са људском интелигенцијом, догодило би се следеће: за 24 сата би вештачка интелигенција већ била толико напреднија да би разлика између AI и нас за тако кратко време била као између нас и одређених животињских врста. Комуникације би и даље било, али теже. Можда бисмо нешто разумели, али не све. После тога би било довољно само шест сати да разлика постане таква као између нас и закржљалих организама. Комуникација тада више не би била могућа. Древне књиге би рекле – као комуникација са божанством. Ово би, другим речима, значило да више нисмо главна интелигенција на планети.
Иако ово може изгледати као опасан сценарио, ово ипак није најгоре што може да нам се деси... Више се ради о томе да људи изгубе способност да сами размишљају и да комуницирају са другима. У супермаркетима на пример, самостална плаћања су постала уобичајена, и неки запослени, уместо да имају директну интеракцију са купцима, сада су често задужени за надгледање. Док су у прошлости скенирали производе и можда пријатељски разговарали са клијентом, рачунар им сада тражи да изврше насумичне провере и често имају посла са љутитим купцима који не воле да их неко контролише. Ово је на неки начин довело до слабљења комуникације између купаца и запослених. Примере можемо наћи и у писаној форми. Заменом садржаја који су генерисали људи, попут овог текста, лажним садржајем који креира вештачка интелигенција, долазимо у опасност да изгубимо добар део онога што значи бити човек, да изгубимо комуникацију. Друга опасност је негативан утицај који технологија има на нашу климу. Дата центри троше огромне количине енергије, што није широко познато, нити као тема обрађивано.
Дакле, шта је решење? Можете подстаћи људе да буду свеснији у погледу употребе технологије. Требало би барем да схвате како алгоритми функционишу и да их храни само делић информација које су тамо. Много је људи на Инстаграму и ТикТоку и неки посебно воле видео снимке о појединим темама, али само они који раде у предузећима која се баве технологијом могу бити потпуно свесни превелике конзумације технологије. Ипак, чак и за њих то не значи да је то лако. Зато би прописи, као што је старосна граница за коришћење друштвених медија, могли да функционишу. Могло би се донекле упоредити са пушењем: биле су нам потребне године да се ствари око пушења регулишу, али данас засигурно сви знамо да је оно лоше по нас. Стога, ако се ради о здрављу нашег детета, онда је друштво свакако склоније позитивним променама.
Но, значајне промене морају да изврше велике корпорације и владе. На пример, ЕУ ради на прописима за стварање правног оквира за вештачку интелигенцију, што је кључно. Компаније одговорне за израду ове технологије имају одељења за етику, али, компанијама је – признајмо то – тешко да раде против сопствених основних вредности. Не постоји технички разлог зашто вам Инстаграм или ТикТок не могу рећи да престанете да скролујете након 30 минута, али, ипак, то и није исплативо. Није тајна да је Гугл недавно отпустио много људи у свом одељењу за етику, као што је Тимнит Гебру (Timnit Gebru), родом из Етиопије, која је била веома критична према вештачкој интелигенцији и која је указала на ризике још пре неколико година.
Такође, потребно је променити наставне планове и програме школа. У овој земљи посебно. Поред технолошке писмености – деца морају развити критичко мишљење и свест о значају културног наслеђа. Стога је у савременој науци неопходно пронаћи боље критеријуме научног успеха, који ће омогућити да хуманистичке науке дођу до изражаја. Управо због тога је тренд у великим ИТ компанијама да се упошљава одређени проценат људи са хуманистичким образовањем, но, чини се, ипак недовољно. Говорећи о технолошкој писмености – не морате знати све; већина нас не зна све о аутомобилу, али знамо довољно да га возимо. Ако имамо основно разумевање како рачунар функционише, већ смо стигли много даље од већине људи. Са тим разумевањем и образовањем, моћи ћемо свесно да размишљамо о изборима које доносимо. И што је најважније, бићемо у могућности да одлучимо да ли желимо све ове технолошке иновације или је у реду да неке од њих одбацимо.
Језичке технологије
Последњих година, велики језички модели су се показали успешним у обради и разумевању природног језика – NLP-а (Natural language processing) и NLU-a (Natural language understanding). Велики језички модел – LLM (Large language model) је језички модел познат по својој способности да постигне генерисање језика опште намене. LLM се може користити за генерисање текста – што је облик генеративне вештачке интелигенције – узимањем улазног текста и узастопним предвиђањем следећег токена или речи. Све до 2020, фино подешавање је било једини начин на који је модел могао да се прилагоди како би могао да изврши одређене задатке.
ChatGPT, GPT-4 и слични модели језика су направили значајан корак напред у области обраде и разумевања природног језика. Кључ успеха ових модела није само у великој количини текста који се користи за њихову самосталну обуку, већ у великој мери и у доступности квалитетних скупова података за праћење прилагођавања модела огромном броју задатака и језика. Тренутна „AI револуција” не би била могућа без вишегодишњег јавног и приватног улагања у квалитетне скупове података, који су данас доступни претежно на енглеском језику.
Језичке технологије имају велики потенцијал за будућност. Очекује се да ће AI напредовати у области превођења (посебно за специфичне домене), генерисања текста са могућношћу одговарања на питања или гласовне комуникације са уређајима. Очекује се и напредак у разумевању значења текста у контексту, прилагођавању система за употребу у различитим ситуацијама и за различите профиле корисника (имајући у виду старост, стручност, интересовања).
Поред тога, за главне светске језике доступне су моћне апликације за аутоматско превођење, генерисање текста, одговарање на питања, анализу ставова и осећања изражених у тексту, издвајање информација (нпр. издвајање релевантних података из неструктурираних извора података, мерење задовољства корисника, итд.). Такође ово је случај са класификацијом и карактеризацијом текста (нпр. препознавање говора мржње) и многе друге. Са порастом употребе четбота и виртуелних асистената, повећава се и потреба да машине разумеју природни језик. Први корак у овоме би морао да укључи претходну обраду текстуалних података како би се они припремили за анализу. Затим следи токенизација, нормализација текста, одређивање граматичких информација, препознавање ентитета, издвајање значења из текста као што је препознавање намере или идентификација циља који лежи у основи датог текста.
У предстојећој сарадњи између AI и LLM-а, потребно је имати на уму да LLM комуницирају са:
– Људима (боље разумевање око решавања потреба, персонализовање одговора, усклађивање са људским вредностима, побољшање укупног корисничког искуства);
– Базама знања (обогаћивање језичке репрезентације чињеничним знањем, побољшавање контекстуалне релевантности одговора, динамичка искоришћеност спољне информације за генерисање тачних и информисаних одговора);
– Моделима и алатима (ефикасно разлажу и решавају сложене задатке, користе специјализовану стручност за специфичне подзадатке);
– Окружењима (могу да науче утемељене репрезентације језика, да се баве задацима као што су расуђивање, планирање и доношење одлука као одговор на запажања из окружења).
Упркос заостајању, српски језик се бори да достигне развој ресурса и алата главних језика. Зато мале језичке заједнице као што је наша зато морају да улажу у језичке технологије. На пример, Естонија је језичка заједница од 1,16 милиона људи. Њихово Министарство просвете и истраживања подржава програм језичке технологије тако што сваке године издваја око 811.000 евра. Грантови у оквиру програма се додељују годишње путем отворених позива.[2] Израел је језичка заједница од 6,1 милиона људи. Удружење компанија за обраду природног језика (NLP), у које ће Управа за иновације уложити 7,5 милиона у наредне три године, неопходно је због ниског и недовољног квалитета препознавања хебрејског и арапског језика у различитим типовима рачунарских система, у поређењу са препознавањем других језика.[3] У Данској су отишли корак даље. Постоји Национална стратегија за вештачку интелигенцију. Влада Данске (језичка заједница – 5,5 милиона) одлучила је да уложи 4 милиона евра у развој отвореног и заједничког извора данског језика у сарадњи са приватним и јавним актерима.[4] На Исланду (језичка заједница – 0,33 милиона) је влада уложила преко 2 милијарде исландских круна (13 милиона евра) у последњих пет година у стварање основне језичке инфраструктуре.[5] У Холандији (језичка заједница – 25 милиона) финансирање GPT-NL-а долази у облику гранта од 13,5 милиона евра које обезбеђује Министарство за економске послове и климатску политику. Увођењем GPT-NL-а, Холандија ће ускоро имати сопствени језички модел и екосистем, развијен у складу са холандским вредностима и смерницама.[6] Коначно, у Словенији (језичка заједница – 2,5 милиона) – нама ближи пример – уложено је око 4 милиона у оквиру пројекта „Развој словеначког језика у дигиталном окружењу”.[7]
За то време, у Србији време пролази, наша деца већ разговарају са дигиталним асистентима на енглеском, а јаз постаје све већи. На пример, у виртуелној, проширеној стварности – AR (Augmented Reality), глас који је преведен у текст ће бити примарни начин за интеракцију између корисника и рачунара. Уместо да имају на располагању поуздану и приступачну основу, домаће ИТ фирме и стартап компаније губе време и новац на интеграцију фрагментираних решења и поновно проналажење точка, односно на имплементацију основних алата и изградњу основних скупова података. Глобални ИТ гиганти немају изражен интерес за унапређење подршке за српски језик, јер смо за њих мало тржиште и ниски приоритет. Када нешто понуде, то ће бити под комерцијалним и рестриктивним условима. Обим и опсег академских истраживања у области NLP/NLU за српски језик је недовољан. Поред тога, они најчешће нису у функцији примене у приватном сектору, већ у домену основних истраживања. У принципу, појединачне домаће компаније и стартапови имају интерес да одговоре на потребе домаћег тржишта, али се поставља питање оправданости и исплативости релативно високих улагања у квалитетне скупове података и креирање/прилагођавање модела, у условима малог и слабо плаћеног домаћег тржишта. Додуше, последњих година је вештачка интелигенција један од приоритета државе и постигнут је значајан напредак (нпр. основан је Институт за вештачку интелигенцију). Међутим, до сада није било системске подршке за развој језичких технологија. А опет, како је већ закључено: „Способност земље или региона да капитализује научни и технолошки напредак је ефикасност дифузије, односно брзина којом се технологија шири у привреди”.[8]
Без обзира на разлике у различитим националним контекстима, очигледан је општи тренд ка стварању великих језичких модела што може у интеракцији са вештачком интелигенцијом да невероватно убрза ствари. Језички модели могу прочитати и проценити више корака истраживања, доказа и закључивања него што је то људима могуће. На пример, ако треба да прочитате 100 милиона знакова, запосленом са пуним радним временом је потребно 10 месеци да их прочита ако чита пуно радно време (1.667 сати). У САД би коштало око 42.000 долара да би се просечни истраживачки асистент платио да чита. С друге стране, LLM-у је потребно свега неколико минута.
Ипак, постоје и страхови и изазови око LLM-а за науку. Наиме, генеративни модели су склони тзв. халуцинацијама (измишљању одговора). То ствара потенцијално велики проблем на пример за одређена правна лица, која имају одговорност да корисницима доставе поуздане информације. Затим, ови модели су изграђени на раменима постојећег садржаја, што може да произведе удовољавање пристрасности, као и недостатку атрибуције и празнинама у покривености садржаја. Такође недовољно је јасан процес развоја и података који се користе за власничке моделе, укључујући потешкоће да се разумеју празнине, предности и слабости. Ови страхови и изазови супротстављају се вредностима отворене науке као што су поновљивост, транспарентност, атрибуција и инклузија.
Другим речима, немогуће је расправљати о LL моделима ван контекста феномена отворене науке, јер је заједница отворене науке та која подржава развој језичких технологија.
Отворена наука
Отворена наука је култура сарадње коју омогућава технологија кроз отворено дељење података, информација и знања, како унутар научне заједнице тако и са широм јавношћу. Овај приступ има за циљ убрзање научних истраживања и боље разумевање света око нас.[9] У контексту система података, отворена наука има три главна фокусна подручја:
– Повећање доступности научног процеса и знања;
– Побољшање ефикасности истраживања и дељења знања;
– Разумевање научног утицаја.
Наравно, AI и велики језички модели ће трансформисати ове три фокусне области. Међутим, овакав приступ је инклузиван начин да се ангажујемо, систематски размишљамо, замислимо бољу будућност и заједно је стварамо. Модуларност отворене науке омогућава појаву екосистема олакшавајући различитим али међузависним организацијама да координирају без потпуног хијерархијског договора.[10]
Другим речима, зашто плаћамо приступ изузетно скупим часописима – углавном новцем пореских обвезника – када они не пружају стварну одрживост нити повећавају читљивост научних радова? Ако претпоставимо да имамо око 3.500 научних радова годишње, од тога, око 72% не дође на листу за лектиру, а 90% се никада не цитира. Наравно, ово је и даље један од највећих бизниса на свету и сваком истраживачу је стало да нешто објави у престижном часопису неког од великих издавача. Укупан приход индустрије је огроман. Пре пандемије корона вируса, годишњи приходи износили су 19.000 милиона америчких долара. Тржиштем доминира пет великих издавача: Elsevier, Black & Wiley, Taylor & Francis, Springer Nature и SAGE. Elsevier је највећи са 16% тржишног удела: око 3.000 часописа, са профитном маржом од 40%. То значи да је ова компанија већа од оних познатих широј јавности као што су Мајкрософт, Епл, Кока-кола. Штавише, у периоду 2010–2014, такозвани предаторски издавачи узели су око 75 милиона америчких долара и објавили скоро пола милиона чланака у око 8.000 часописа.[11] Од 2022, скоро једна трећина од 100 најбољих издавача (по броју часописа), могла би се сматрати предаторским.[12]
Међутим, да ли је само питање политичке воље да се подржи отворена наука и принцип транспарентности подрже? Због тога тренутно постоји нека врста померања од профитних пословних модела који погоршавају неједнакост и који су у супротности са Унесковим принципима и вредностима отворене науке, a који се у основи заснивају на: 1. квалитету и интегритету; 2. колективној користи; 3. правичности и 4. различитости и инклузивности. У примени ових вредности, примећен је значајан – иако неуједначен – напредак у усвајању политике и стварању инфраструктуре отвореног приступа и отворене науке.
Политичка подршка је оно што је неопходно да се све ово спроведе. У том смислу, позитиван пример је свакако активност Европске комисије, која годинама покушава да повећа и унапреди удео отвореног приступа у Европи. Ипак, тамошњи стручњаци су свесни да је неопходно убрзати цео процес, јер су изазови са којима се као друштво суочавамо толико велики да је неопходна брза акција. Од Берлинске декларације, потписане 22. октобра 2003, покрет за отворену науку се континуирано развија, суочавајући се са разним препрекама. Тако је 2016. званично потврђено да је научним подацима преко потребна отвореност, боље руковање, пажљиво управљање, могућност рада машине и чиста поновна употреба.[13] Комисија је већ 2015. предложила Савету за конкурентност ЕУ формирање Европског облака за отворену науку (EOSC – European оpen science cloud), након чега је уследила иницијатива Комисије за формирање клауда 2016. и усвајање Радног документа о „EOSC Roadmap” 2018–2020. Све ово је праћено покретањем програма „Horizon 2020” и улагањем од 250 милиона евра Европске комисије за израду прототипа. Следећа фаза би требало да обухвати период 2021–2027. када се предвиђа активније учешће држава чланица EOSC-а, укључујући и Србију, у „отварању” националних наука.
Поред тога, Унеско је 2021. усвојио препоруке за отворену науку[14] и одмах потом предложио конкретне алате (UNESCO оpen science toolkit)[15] што би требало да олакша поменуто „отварање” за све заинтересоване. У периоду 2021–2022. одобрени су нови „Horizon” пројекти који се тичу инфраструктуре за отворену науку или регулативе, као нпр. „DIAMAS”[16] или „CRAFT-OA”.[17] Године 2022. усвојен је „Акциони план за дијамантски отворен приступ”, а прошле године су усвојени и закључци Савета Европе о школском издаваштву. Не улазећи у битне детаље ових докумената који овде нису тема, суштина овог убрзања је следећа: обезбедити европским истраживачима у првој фази, а потом иноваторима, компанијама и грађанима, приступачну, поуздану и отворену дистрибуцију. Окружење у коме могу да објављују, проналазе и поново користе податке и алате једни са другима у истраживачке, иновационе и образовне сврхе, као и приступ релевантним услугама. У питању је дугорочни напор ка европској хармонизацији и координацији између више истраживачких актера у Европи, укључујући министарства и финансијере истраживања, истраживачке организације – што значи универзитете, академске библиотеке, истраживачке инфраструктуре и е-инфраструктуре – и друге пружаоце услуга везаних за живот и животни циклус података истраживања.
И у Републици Србији су у том смислу такође учињени напори. Универзитет у Београду је још 2011. године потписао Берлинску декларацију[18], усвојен је Закон о науци и истраживањима, члан 6[19], као и Платформа за отворену науку[20], на чијем заокруживању и даље ради стручна комисија (чији је аутор члан) Тим за Отворену науку у Србији (ТОНуС).
Зато, да би наука била отворена, морамо применити њене принципе на цео животни циклус вештачке интелигенције, а не само на одређене моделе. То значи да принципи отворене науке за животни циклус вештачке интелигенције морају да садрже:
– Транспарентност (отворени модели, отворени токови посла, отворена валидација и benchmarking, отворени подаци, отворени код);
– Поверење (истинитост, признато ауторство, смањена пристрасност);
– Тимски рад (сарадња, учешће заједнице, дељење ресурса);
– Обука (радионице о AI техникама, лако разумљива документација, водичи и туторијали);
– Технике (проналажење проширеног генерисања, брзи инжењеринг итд).
Природа вештачке интелигенције која се брзо мења захтева константно праћење и процену нових техника. Оно што је сигурно је да отворена наука убрзава дифузију вештачке интелигенције у скоро свим секторима.
Закључак
У октобру 2023, закон који је написао ChatGPT ступио је на снагу у Бразилу. Усвојен је једногласно без икаквих измена. Да ли је то добра ствар? Истовремено, на једном универзитету у Чешкој, у Прагу, одлучили су да је писање теза постало бесмислено, јер је немогуће утврдити да ли су рад писали студенти или је то урађено уз помоћ вештачке интелигенције. Ако вештачка интелигенција може да пише добро као ми – шта онда значе тезе?
Порески обвезници не би требало да плаћају замену украдених водомера – ово је суштина новог закона у бразилском граду Порто Алегреу. Очигледно, ништа чудно. Али ствари постају занимљивије када сазнамо да је предлог који је постао закон у потпуности генерисала AI. Један члан градског већа га је поднео, а да није обавестио своје колеге да је предлог закона написао ChatGPT. Предлог је усвојен без икаквих измена. Градоначелник Порто Алегреа сазнао је за право порекло закона преко друштвених мрежа, када је то саопштио члан градског већа. Политичар из Порто Алегреа тврди да је држање порекла предлога у тајности било намерно и да је његов циљ био не само да реши локални проблем, већ и да води ширу, јавну дебату о потенцијалним предностима вештачке интелигенције.[21]
Међутим, постоје и други примери из целог света где законодавци користе вештачку интелигенцију. У Масачусетсу, демократски сенатор се обратио ChatGPT-ју како би помогао у писању закона који се односе на регулисање AI, укључујући и сам ChatGPT. Може ли AI заиста бити боља у писању закона? To je изазвало и одговарајуће правне мере савезне државе.[22]
Појава ChatGPT-ја „може да наговести још значајнији помак од појаве интернета”, наводи чувена Правна школа Харварда. Али Харвард такође упозорава на недостатке AI. GPT ћаскањe можда не разуме у потпуности правне нијансе?[23] То би могло постати опасно у ситуацијама које захтевају дубљу правну анализу.
Ипак, популарност ChatGPT–ја је неспорна. Годину дана након што је активиран, имао је више од 180 милиона активних корисника месечно. Штавише, то је најбрже растућа потрошачка апликација у историји. Чини се да је вештачка интелигенција већ променила начин на који многи од нас пишу, не само када су у питању правни текстови, већ и у академском смислу. Годину дана након увођења ChatGPT-ја, приметан је и повећан број научних радова.
Ако гуглате – написати тезу уз помоћ ChatGPT-ја – наћи ћете много информација о томе како да користите ову апликацију и друге AI софтвере за писање научних радова. Неки универзитети су одговорили увођењем потпуне забране употребе AI. Међутим, нажалост, изузетно је тешко идентификовати које је текстове написао AI. У јулу 2023. „Open AI”, матична компанија ChatGPT-ја, угасила је свој алатни AI класификатор – за означавање текста који је написала AI. Требало је да утврди колико је вероватно да је део текста написала друга AI. Међутим, имао је изузетно ниску тачност – од око 26 %. Другим речима, промашио би три од четири покушаја. Неки универзитети су позвали на више усмених презентација него на писане радове како би једноставно избегли ову врсту проблема. Баш као и поменути универзитет у Прагу (реч је о VSE – University of Economics and Business), који је забранио тезе за нове генерације студената.[24] Ово би могао да буде први корак те врсте.
Плагијаризам је одувек био проблем у науци, али су осмишљени програми као што је Ithenticate, који могу помоћи. Сада су изгледа AI четботови додатно закомпликовали ствар.
Шта се десило у протеклих десет година у истраживању вештачке интелигенције? Процес индустријализације AI је увелико започео. Исто важи и за скалирање AI система (рачунање, подаци). Такође, постоји велики помак на сцени од академске заједнице и владе до индустрије у смислу истраживања. Процес хомогенизације финим подешавањем и управљањем заштићеним објектима (FM – Facilities management) такође је јасан. Очигледно је и да компаније користе системе вештачке интелигенције великих размера.
Међутим, када су велики језички модели који обрађују и генеришу природне језике повезани са AI програмима, они не могу произвести ништа што већ није у њиховој бази података. Стога неће долазити до нових идеја или решења, већ ће мање-више радити копи-пејст делова текстова који се у њима чувају. И постоји још један проблем – LL модели функционишу као веома софистицирани алати за аутоматско довршавање. Упорно покушавају да погоде следећу реч у реченици. То је онај поменути феномен који се понекад назива халуцинацијом. То значи да сви четботови у одређеном проценту дају лажне информације. Ово варира од око 3% за најнапреднији GPT модел до око 27% за један од Гугл модела. Нетачне информације у вашем раду могу само значити да нећете добити добру оцену, али закон заснован на нетачним информацијама може негативно утицати на милионе људи. Међутим, AI и даље може да игра позитивну улогу; може помоћи у неким од досаднијих елемената прављења закона као што је претраживање и цитирање постојећих закона. Ово би могло значајно скратити дужину процеса.
Да би се то преточило у стварност, неопходно је посветити пуну пажњу наставку рада на законодавству, смерницама и принципима вештачке интелигенције. Критичко мишљење се подразумева. Законодавство и владине смернице већ постоје за ублажавање ризика повезаних са вештачком интелигенцијом, као што су „European Union's Artificial Intelligence Act”[25] или „White House Office of Science and Technology Policy (OSTP)'s Blueprint for an AI Bill of Rights”.[26]
У заједници се такође расправља о бројним принципима вештачке интелигенције, укључујући:
– 3xH (Helpful, Honest, Harmless);
– Google AI;
– Етичко и одговорно коришћење AI.
Индикативно је да тренутно не постоји скуп водећих принципа за дизајнирање и имплементацију AI који су развијени кроз сочиво отворене науке.
Такође, још увек чекамо конкретнији закон ЕУ о вештачкој интелигенцији. На пример, према важећем Закону, неприхватљив је ризик да системи вештачке интелигенције не буду забрањени зато што су у супротности са вредностима Уније (Глава II). Такође, дозвољени су високоризични системи вештачке интелигенције иако подлежу обавезама (Глава III). Висок ризик се односи на системе вештачке интелигенције који стварају ризик по здравље и безбедност основних права физичких лица. Они подлежу одређеним обавезним захтевима и накнадној процени усаглашености. Када су у питању системи вештачке интелигенције са ограниченим ризиком, они су дозвољени ако испуњавају минималне захтеве за транспарентност, као што је обавештавање корисника да су у интеракцији са AI (Члан 52). Коначно, системи вештачке интелигенције ниског ризика могу се развијати, производити и слободно користити. Међутим, провајдери могу изабрати да се добровољно повинују Закону о вештачкој интелигенцији.
Другим речима, неопходна је нека врста перманентног критичког размишљања јер су развој и примена вештачке интелигенције у нашим пословним (и приватним) животима достигли свој пуни потенцијал, у складу са општим благостањем, истакнутим као трећим глобалним циљем у Циљевима одрживог развоја које промовишу Уједињене нације. Такво прилагођавање биће највећи изазов будућих генерација младих.
Ово посебно зато што је процес убрзања огроман. У својој много хваљеној књизи The Coming Wave,[27] Мустафа Сулејман (Mustafa Süleyman), CEO Microsoft AI програма и суоснивач истраживачке лабораторије вештачке интелигенције „DeepMind“, напомиње да је сваки талас промена вођених технологијом – од мотора са унутрашњим сагоревањем до интернета – револуционарно трансформисао друштво у краћем временском периоду од претходног таласа. Дакле, нећемо морати да чекамо 20 или 30 година док AI не буде потпуно укорењена у свим аспектима живота.
Библиографија
Björk Nikulásdóttir, Anna [et al.]. “Language Technology Programme for Icelandic 2019-2023”. In Proceedings of the 12th Conference on Language Resources and Evaluation (LREC 2020), editors Nicoletta Calzolari [et al.], 3414–3422. Paris: ELRA, 2020.
Ding, Jeffrey. “China’s Challenges and Capabilities in Human Capital for General-Purpose Technologies”. Testimony before the U.S.-China Economic and Security Review Commission Hearing on China’s Challenges and Capabilities in Educating and Training the Next Generation Workforce. 24. 2. 2023.
(преузето 10. 6. 2024).
Enevoldsen, Kenneth, Lasse Hansen, Kristoffer Nielbo. “DaCy: a unified framework for Danish NLP”. July 2021.
(преузето 10. 6. 2024).
Jacobides, Michael G., Carmelo Cennamo, Annabelle Gawer. “Towards a Theory of Ecosystems”. Strategic Management Journal, 39/8 (August 2018): 2255–2276.
Nishikawa-Pacher, Andreas. “Research Questions with PICO: A Universal Mnemonic”. Publications, 10/3 (2022): 1–10.
Ramachandran, Rahul, Kaylin Bugbee, Kevin Murphy. “From Open Data to Open Science”. Earth and Space Science, 8/5 (May 2021): 1–17.
Cenyu, Shen, Bo-Christer Bjork. “Predatory Open Access: a Longitudinal Study of Article Volumes and Market Characteristics”. BMC Medicine, 13 (2015): 1–15.
Shmidman, Shaltiel [et al.]. “Introducing DictaLM - A Large Generative Language Model for Modern Hebrew”. September 2023.
https://arxiv.org/abs/2309.14568 (преузето 10. 6. 2024).
Mustafa Suleyman, Michael Bashkar, The Coming Wave: Technology, Power, and the Twenty-first Century's Greatest Dilemma. New York: Crown, 2023.
Tanvir, Hasan [et al.]. “EstBERT: A Pretrained Language-Specific BERT for Estonian”. In Proceedings of the 23rd Nordic Conference on Computational Linguistics (NoDaLiDa), editors Simon Dobnik, Lilja Øvrelid, 11–19. Linkoping: Linkoping University Electronic Press, 2021.
Ulčar, Matej, Marko Robnik-Šikonja. “Sequence to Sequence Pretraining for a Less-Resourced Slovenian language”. July 2022.
https://arxiv.org/abs/2207.13988 (преузето 10. 6. 2024).
Vanroy, Bram. “Language Resources for Dutch Large Language Modelling”. December 2023.
https://arxiv.org/abs/2312.12852 (преузето 10. 6. 2024).
(преузето 15. 06. 2024).
[2] Hasan Tanvir [et al.], “EstBERT: A Pretrained Language-Specific BERT for Estonian”, in Proceedings of the 23rd Nordic Conference on Computational Linguistics (NoDaLiDa), editors Simon Dobnik, Lilja Øvrelid (Linkoping: Linkoping University Electronic Press, 2021), 11–19.
[3] Shaltiel Shmidman [et al.], “Introducing DictaLM – A Large Generative Language Model for Modern Hebrew”, September 2023, https://arxiv.org/abs/2309.14568 (преузето 10. 6. 2024).
[4] Kenneth Enevoldsen, Lasse Hansen, Kristoffer Nielbo, “DaCy: A Unified Framework for Danish NLP”, July 2021, https://arxiv.org/abs/2107.05295 (преузето 10. 6. 2024).
[5] Anna Björk Nikulásdóttir [et al.], “Language Technology Programme for Icelandic 2019-2023”, in Proceedings of the 12th Conference on Language Resources and Evaluation (LREC 2020), editors Nicoletta Calzolari … [et al.] (Paris: ELRA, 2020), 3414–3422.
[6] Bram Vanroy, “Language Resources for Dutch Large Language Modelling”, December 2023, https://arxiv.org/abs/2312.12852 (преузето 10. 6. 2024).
[7] Matej Ulčar, Marko Robnik-Šikonja, “Sequence to Sequence Pretraining for a Less-Resourced Slovenian language”, July 2022, https://arxiv.org/abs/2207.13988 (преузето 10. 6. 2024).
[8] Jeffrey Ding, “China’s Challenges and Capabilities in Human Capital for General-Purpose Technologies”, Testimony before the U.S.-China Economic and Security Review Commission Hearing on China’s Challenges and Capabilities in Educating and Training the Next Generation Workforce, 24. 2. 2023,
(преузето 10. 6. 2024).
[9] Rahul Ramachandran, Kaylin Bugbee, Kevin Murphy, “From Open Data to Open Science”, Earth and Space Science, 8/5 (May 2021): 1–17.
[10] Michael G. Jacobides, Carmelo Cennamo, Annabelle Gawer, “Towards a Theory of Ecosystems”, Strategic Management Journal, 39/8 (August 2018): 2255–2276.
[11] Chenyu Shen, Bo-Christer Bjork, “Predatory Open Access: a Longitudinal Study of Article Volumes and Market Characteristics”, BMC Medicine, 13 (2015): 1–15.
[12] Andreas Nishikawa-Pacher, “Research Questions with PICO: A Universal Mnemonic”, Publications, 10/3 (2022): 1–10.
[13] “Realizing the European Open Science Cloud (EOSC)”, European Commission, 2016, https://op.europa.eu/en/publication-detail/-/publication/2ec2eced-9ac5-11e6-868c-01aa75ed71a1
(преузето 20. 10. 2023).
(преузето 20. 10. 2023).
(преузето 20. 10. 2023).
(преузето 20. 10. 2023).
(преузето 20. 10. 2023).
(преузето 20. 10. 2023).
(преузето 20. 10. 2023).
(преузето 20. 10. 2023).
[21] https://apnews.com/article/brazil-artificial-intelligence-porto-alegre-5afd1240afe7b6ac202bb0bbc45e08d4
(преузето 15. 06. 2024).
(преузето 15. 06. 2024).
[24] https://bba.vse.cz/student/useful-information/using-ai-and-avoiding-plagiarism/ (преузето 15. 06. 2024).
[25] https://artificialintelligenceact.eu/ (преузето 20. 10. 2023).
[26] https://www.whitehouse.gov/ostp/ai-bill-of-rights/ (преузето 20. 10. 2023).
[27] Mustafa Suleyman, Michael Bashkar, The Coming Wave: Technology, Power, and the Twenty-first Century's Greatest Dilemma (New York: Crown, 2023).