Generativna AI i revolucija ChatGPT: Stručnjaci sa MIT otkrivaju fenomen današnjice

U eri dominacije veštačke inteligencije (AI), generativna AI se pojavila kao transformišuća snaga, preoblikujući pejzaž mašinskog učenja. Na čelu ove revolucije je ChatGPT iz OpenAI-a, četbot koji je očarao svet svojom tekstualnom generacijom nalik ljudskoj. Stručnjaci sa MIT-a ulaze u istorijski kontekst, suptilnosti dubinskih arhitektura i prostrane primene generativne AI.

Generativna AI stoji u oštroj suprotnosti prema tradicionalnim prediktivnim modelima stvarajući nove, realistične podatke umesto pravljenja predviđanja na osnovu postojećih skupova podataka. “Kada je reč o stvarnoj mašineriji koja stoji iza generativne AI i drugih vrsta AI, razlike mogu biti malo nejasne. Često se isti algoritmi mogu koristiti za oboje“, napominje Filip Isola, vanredni profesor elektroinženjeringa i računarskih nauka na MIT-u.

Koreni generativne AI sežu unazad više od 50 godina, pri čemu su rane modeli poput Markovljevih lanaca postavili osnovu za predviđanje sledeće reči u nizu, piše SciTechDaily. Međutim, pravi proboji su došli s dolaskom većih skupova podataka i složenijih dubinskih arhitektura. ChatGPT, na primer, ima milijarde parametara i obučen je na obimnom korpusu javno dostupnog internet teksta.

Generativna AI obuhvata širok spektar primena

Evolutivni put generativne AI obeležen je ključnim trenucima, poput uvođenja generativnih suparničkih mreža (GAN) 2014. godine i arhitekture transformatora 2017. GAN koristi dva modela koji sarađuju, gde jedan generiše izlaz, a drugi razlikuje stvarne podatke od generisanih. Arhitektura transformatora, ključna za modele poput ChatGPT, enkodira reči u korpusu teksta kao tokene, omogućavajući nijansirano razumevanje konteksta tokom generisanja teksta.

Difuzioni model je srce sistema za generisanje teksta u sliku poznatog kao Stabilna Difuzija.

Primene generativne AI obuhvataju širok spektar. Istraživači sa MIT-a koriste ovu tehnologiju za stvaranje sintetičkih podataka slika radi obuke modela za računarsku viziju. U drugom domenu, generativna AI se koristi za dizajniranje novih proteinskih i kristalnih struktura, otkrivajući nove mogućnosti u naukama o materijalima.

Shutterstock

Međutim, generativna AI nije univerzalno rešenje. Za zadatke sa strukturiranim podacima, tradicionalne metode mašinskog učenja često prevazilaze generativne modele. Devavrat Šah, profesor na MIT-u, naglašava da najveća vrednost generativne AI leži u njenoj sposobnosti da služi kao prijateljski interfejs između ljudi i sistema veštačke inteligencije, premošćujući jaz između ljudi i AI sistema.

Uprkos obećavajućim izgledima, generativna AI nosi izazove i etička pitanja. Upotreba generativnih AI četbota u kontakt centrima izaziva zabrinutost zbog zamene radne snage. Osim toga, ovi modeli mogu naslediti pristrasnosti iz podataka za obuku, pojačavati govor mržnje i čak se baviti plagijatima, postavljajući etičke dileme.

Gledajući unapred, stručnjaci sa MIT-a vide generativnu AI kao katalizator promena u različitim disciplinama. Isola vidi potencijalnu primenu u fabrikaciji, gde bi generativna AI mogla ne samo vizualizovati, već i generisati planove za objekte. Osim toga, očekuje se da će generativna AI odigrati ključnu ulogu u razvoju inteligentnijih AI agenata, oponašajući ljudsku sposobnost kreativnog razmišljanja i generisanja inovativnih ideja.

Dok generativna AI nastavlja da evoluira, njen uticaj na društvo, ekonomiju i kreativnost mora se pažljivo pratiti, balansirajući obećane inovacije sa potrebom za etičkim razmatranjima i odgovornom primenom.