Filozofija AI za ljude koji mrze filozofiju

Praktičan izbor

Većina ljudi tretira filozofiju veštačke inteligencije kao debatu o tome da li roboti imaju dušu. To je greška koja troši vreme i zamagljuje stvarne rizike. U profesionalnom svetu, filozofija ove tehnologije je zapravo diskusija o odgovornosti, tačnosti i ceni ljudskog rada. Radi se o tome ko je odgovoran kada model napravi grešku koja kompaniju košta milione dolara. Radi se o tome da li kreativni radnik poseduje stil koji je decenijama usavršavao. Udaljavamo se od ere zapitanosti da li mašine mogu da misle. Sada smo u eri odlučivanja koliko im verujemo da deluju u naše ime. Nedavna promena u industriji prešla je sa chat botova koji pričaju viceve na agente koji mogu da rezervišu letove i pišu kod. Ova promena nas tera da se suočimo sa mehanikom poverenja, a ne sa misterijom svesti. Ako mrzite filozofiju, posmatrajte je kao niz pregovora o ugovoru. Postavljate uslove za novu vrstu zaposlenog koji nikada ne spava, ali često halucinira. Cilj je izgraditi okvir u kojem prednosti brzine ne nadmašuju rizike potpunog pada sistema.

Mehanika mašinske logike

Da biste razumeli trenutno stanje u industriji, morate ignorisati marketinške termine. Large language model nije mozak. To je masivna statistička mapa ljudskog jezika. Kada ukucate prompt, sistem ne razmišlja o vašem pitanju. On izračunava koja reč najverovatnije sledi nakon prethodne na osnovu biliona primera. Zato su ovi sistemi dobri u poeziji, ali loši u osnovnoj matematici. Oni razumeju obrasce kako ljudi govore o brojevima, ali ne razumeju logiku samih brojeva. Ova razlika je ključna za svakoga ko koristi ove alate u poslovnom okruženju. Ako output tretirate kao činjenični zapis, koristite alat pogrešno. To je kreativni sintetizator, a ne baza podataka. Konfuzija često dolazi od toga koliko dobro ovi modeli imitiraju ljudsku empatiju. Mogu zvučati ljubazno, frustrirano ili od pomoći, ali to su samo lingvistička ogledala. Oni reflektuju ton podataka na kojima su trenirani.

Promena koju smo nedavno videli uključuje pomeranje ka utemeljivanju ovih modela u realnim podacima. Umesto da puste model da nagađa odgovor, kompanije ih sada povezuju sa svojim internim fajlovima. Ovo smanjuje šansu da model izmišlja stvari. To takođe menja uloge u razgovoru. Više ne pitamo šta model zna. Pitamo kako model pristupa onome što mi znamo. Ovo je prelazak sa generative art na funkcionalnu korisnost. Filozofija je ovde jednostavna. To je razlika između pripovedača i arhivara. Većina korisnika želi arhivara, ali tehnologija je napravljena da bude pripovedač. Pomirenje ta dva identiteta je primarni izazov za developere danas. Morate odlučiti da li želite alat koji je kreativan ili alat koji je tačan, jer je trenutno teško dobiti oboje na maksimalnom nivou istovremeno.

Globalni ulozi i nacionalni interesi

Uticaj ovih izbora nije ograničen na pojedinačne kancelarije. Vlade sada tretiraju razvoj ovih modela kao pitanje nacionalne bezbednosti. U Sjedinjenim Državama, izvršne naredbe su fokusirane na bezbednost i sigurnost najmoćnijih sistema. U Evropi, AI Act je stvorio pravni okvir koji kategorizuje sisteme prema riziku. Ovo stvara situaciju u kojoj filozofija developera u Kaliforniji može uticati na legalnost proizvoda u Berlinu. Vidimo fragmentiran svet u kojem različiti regioni imaju veoma različite ideje o tome šta bi mašini trebalo dozvoliti da radi. Neke nacije vide tehnologiju kao način da podstaknu ekonomski učinak po svaku cenu. Drugi je vide kao pretnju društvenom tkivu i tržištima rada. Ovo stvara poseban set pravila za svako tržište, otežavajući malim kompanijama da se takmiče sa gigantima koji mogu priuštiti velike pravne timove.

Globalni lanac snabdevanja za ovu tehnologiju je takođe tačka tenzije. Hardver potreban za pokretanje ovih modela je koncentrisan u nekoliko ruku. Ovo stvara novu vrstu dinamike moći između zemalja koje dizajniraju čipove, zemalja koje ih proizvode i zemalja koje obezbeđuju podatke. Za prosečnog korisnika, to znači da alati na koje se oslanjate mogu biti predmet trgovinskih ratova ili izvoznih kontrola. Filozofija AI je sada povezana sa filozofijom suvereniteta. Ako se zemlja oslanja na strani model za svoj zdravstveni ili pravni sistem, gubi stepen kontrole nad sopstvenom infrastrukturom. Zato vidimo pritisak za lokalne modele i sovereign clouds. Cilj je osigurati da logika koja upravlja nacijom nije u vlasništvu korporacije sa druge strane planete. Ovo je praktična strana debate koja se često izgubi u pričama o naučnoj fantastici.

Jutro sa sintetičkom inteligencijom

Razmotrite tipičan dan za marketing menadžera po imenu Sarah. Ona započinje jutro tražeći od asistenta da sumira tri tuceta e-mailova. Asistent to radi za nekoliko sekundi, ali Sarah mora da proveri da li je propustio ključni detalj o smanjenju budžeta. Kasnije koristi generative tool za kreiranje slika za novu kampanju. Provodi sat vremena doterujući prompt jer mašina stalno daje ljudima na slikama šest prstiju. Popodne koristi coding assistant da popravi bug na sajtu kompanije, iako ne zna da programira. Ona je u suštini dirigent digitalnog orkestra. Ne obavlja manuelni rad, ali je odgovorna za konačan učinak. Ovo je nova realnost rada. Više se radi o uređivanju i verifikaciji nego o kreiranju od nule. Sarah je produktivnija, ali je i umornija. Mentalni teret stalne provere mašine zbog grešaka je drugačiji od tereta samostalnog obavljanja posla

Podsticaji za Sarinu kompaniju su se takođe promenili. Više ne zapošljavaju pisce početnike. Zapošljavaju jednog senior editora koji koristi tri različita modela da proizvede istu količinu sadržaja. Ovo štedi novac kratkoročno, ali stvara dugoročni problem. Odakle će doći sledeća generacija senior editora ako niko ne radi početnički posao? Ovo je posledica trenutne logike efikasnosti. Optimizujemo za sadašnjost dok potencijalno ispražnjavamo budućnost. Ulozi za kreatore su još veći. Muzičari i ilustratori otkrivaju da se njihov rad koristi za treniranje istih modela koji se sada takmiče sa njima za poslove. Ovo nije samo promena na tržištu. To je promena u vrednosti koju pridajemo ljudskom naporu. Moramo se zapitati da li više cenimo rezultat nego proces, i šta se dešava sa našom kulturom kada je proces sakriven unutar crne kutije.

• Lideri kompanija moraju odlučiti da li cene brzinu više od originalne misli.
• Zaposleni moraju naučiti da revidiraju mašinski output kao primarnu veštinu.
• Zakonodavci moraju balansirati potrebu za inovacijama sa zaštitom radne snage.
• Kreatori moraju pronaći načine da dokažu da je njihov rad ljudski kako bi zadržali njegovu vrednost.
• Edukatori moraju preispitati kako ocenjuju studente kada su odgovori na klik udaljeni.

Skriveni troškovi automatizacije

Često govorimo o prednostima ove tehnologije bez pominjanja računa. Prvi trošak je privatnost. Da bismo ove modele učinili korisnijim, moramo im dati više podataka. Ohrabreni smo da hranimo naše lične rasporede, privatne beleške i korporativne tajne u ove sisteme kako bismo dobili bolje rezultate. Ali gde ti podaci idu? Većina kompanija tvrdi da ne koristi podatke klijenata za treniranje svojih modela, ali istorija interneta sugeriše da se politike mogu promeniti. Jednom kada su vaši podaci unutar sistema, gotovo je nemoguće izvući ih. Ovo je trajna razmena privatnosti za praktičnost. Takođe vidimo masivno povećanje potrošnje energije. Treniranje jednog velikog modela zahteva dovoljno električne energije za napajanje hiljada domova tokom godinu dana. Kako prelazimo na kompleksnije sisteme, ekološki trošak će samo rasti. Moramo se zapitati da li je sposobnost generisanja smešne slike mačke vredna karbonskog otiska koji stvara.

Tu je i trošak istine. Kako postaje lakše generisati realističan tekst i slike, vrednost dokaza opada. Ako se bilo šta može lažirati, onda se ništa ne može dokazati. Ovo već utiče na naše političke sisteme i pravne sudove. Ulazimo u period u kojem je podrazumevana pretpostavka da je ono što vidimo na ekranu laž. Ovo stvara visok nivo društvene tenzije. Otežava postizanje dogovora o osnovnim činjenicama. Filozofija AI ovde se odnosi na eroziju zajedničke stvarnosti. Ako svako gleda verziju sveta koja je filtrirana i izmenjena algoritmom, gubimo sposobnost da efikasno komuniciramo preko tih podela. Menjamo stabilan društveni temelj za personalizovanije i zabavnije iskustvo. Ovo je izbor koji pravimo svaki put kada koristimo ove alate bez preispitivanja njihovog izvora ili namere.

Имате причу о вештачкој интелигенцији, алат, тренд или питање које мислите да бисмо требали да покријемо? Пошаљите нам своју идеју за чланак — волели бисмо да је чујемо.

Tehnička ograničenja i lokalni sistemi

Za napredne korisnike, razgovor je o nečemu više od etike. Radi se o ograničenjima hardvera i softvera. Jedna od najvećih prepreka je context window. To je količina informacija koju model može držati u svojoj aktivnoj memoriji odjednom. Iako ovi prozori rastu, oni su i dalje ograničeni. Ako u model unesete knjigu od hiljadu stranica, on će na kraju početi da zaboravlja početak do trenutka kada stigne do kraja. Ovo dovodi do nedoslednosti u dugim projektima. Tu je i pitanje API limita i latencije. Ako vaš posao zavisi od modela treće strane, vi ste na milost i nemilost njihovom uptime-u i cenama. Iznenadna promena u njihovim uslovima korišćenja može prekinuti ceo vaš workflow. Zato se mnogi napredni korisnici okreću lokalnom skladištenju i lokalnom izvršavanju. Oni pokreću manje modele na sopstvenom hardveru kako bi zadržali kontrolu i brzinu.

Integracija workflow-a je sledeći veliki izazov. Nije dovoljno imati chat box na sajtu. Prava vrednost dolazi od povezivanja ovih modela sa postojećim alatima kao što su tabele, baze podataka i softver za upravljanje projektima. Ovo zahteva duboko razumevanje kako strukturirati podatke tako da ih model može razumeti. Vidimo uspon RAG-a, ili Retrieval-Augmented Generation. Ovo je metoda gde model traži specifične informacije iz pouzdanog izvora pre nego što odgovori. To je način da se premosti jaz između statističke prirode modela i činjeničnih potreba korisnika. Međutim, ovo dodaje sloj kompleksnosti sistemu. Morate upravljati pretraživačem, bazom podataka i modelom istovremeno. To je rešenje koje zahteva visoko održavanje i specifičan set veština za efikasno upravljanje.

• Quantization omogućava velikim modelima da rade na hardveru potrošačkog ranga smanjenjem preciznosti težina.
• Fine tuning postaje manje popularan jer RAG pruža bolju činjeničnu tačnost uz manje napora.
• Tokenization ostaje skriveni trošak koji može učiniti određene jezike skupljim za obradu od drugih.
• Lokalno izvršavanje je jedini način da se osigura 100 posto privatnost za osetljive korporativne podatke.
• Model distillation stvara manje, brže verzije gigantskih modela za mobilnu upotrebu.

Praktičan put napred

Filozofija AI nije distrakcija od posla. To je posao. Svaki put kada izaberete model, pravite izbor o tome kakvu vrstu logike želite da dominira vašim životom. Odlučujete koji rizici su prihvatljivi, a koji troškovi previsoki. Tehnologija se brzo menja, ali ljudske potrebe ostaju iste. Želimo alate koji nas čine boljima, a ne alate koji nas zamenjuju. Želimo sisteme koji su transparentni, a ne sisteme koji rade u mraku. Konfuzija oko ove teme je često namerna. Kompanijama je lakše da prodaju magičnu kutiju nego da prodaju kompleksan statistički alat. Uklanjanjem nepotrebnih detalja i fokusiranjem na podsticaje, možete videti tehnologiju onakvom kakva zaista jeste. To je moćna, manjkava i duboko ljudska kreacija. Ona reflektuje naše najbolje ideje i naše najgore navike. Cilj je koristiti je otvorenih očiju, razumevajući kompromise koje pravite u svakoj interakciji. Možete saznati više o najnovijim trendovima u mašinskom učenju kako biste ostali ispred ovih promena. Za dublje uvide u etiku ovih sistema, resursi kao što su Stanford Institute for Human-Centered AI i MIT Technology Review pružaju odlične podatke. Takođe možete pratiti pravne promene u tehnološkoj sekciji New York Times-a.

Napomena urednika: Kreirali smo ovaj sajt kao višejezični centar za vesti i vodiče o veštačkoj inteligenciji za ljude koji nisu kompjuterski genijalci, ali ipak žele da razumeju veštačku inteligenciju, koriste je sa više samopouzdanja i prate budućnost koja već stiže.