10 demoa koji objašnjavaju modernu AI bolje od 100 članaka

Vizuelni dokaz inteligencije

Prošlo je vreme čitanja o AI. Ušli smo u eru gledanja. Godinama su se korisnici oslanjali na tekstualne opise onoga što veliki jezički modeli mogu da urade. Sada je serija vrhunskih video demonstracija kompanija kao što su OpenAI i Google promenila tok razgovora. Ovi klipovi prikazuju softver koji može da vidi, čuje i govori u realnom vremenu. Prikazuju video generatore koji stvaraju filmske svetove iz jedne jedine rečenice. Ovi demoi služe kao most između istraživačkih radova i stvarnih proizvoda. Oni pružaju uvid u budućnost u kojoj kompjuter više nije alat, već saradnik. Ipak, demo je performans. To je pažljivo odabran prozor u tehnologiju koja možda još nije spremna za javnost.

Da biste razumeli trenutno stanje u industriji, morate gledati dalje od ispoliranih piksela. Morate se zapitati šta ovi video snimci dokazuju, a šta skrivaju. Cilj je odvojiti inženjerske proboje od marketinškog teatra. Ova razlika definiše trenutnu eru za svaku veliku tehnološku firmu. Više ne ocenjujemo modele samo na osnovu njihovih benchmark-a. Ocenjujemo ih prema njihovoj sposobnosti da komuniciraju sa fizičkim svetom kroz sočivo ili mikrofon. Ova promena označava početak multimodalnog doba u kojem je interfejs jednako važan kao i inteligencija koja stoji iza njega.

Raskrinkavanje inscenirane realnosti

Moderan AI demo je hibrid softverskog inženjeringa i filmske produkcije. Kada kompanija pokaže model koji komunicira sa čovekom, često koriste najbolji mogući hardver u savršenim uslovima. Ovi demoi obično spadaju u tri kategorije. Prva je demo proizvoda. On prikazuje funkciju koja odmah stiže do korisnika. Druga je demo mogućnosti. On pokazuje šta su istraživači u Google DeepMind postigli u laboratorijskom okruženju, ali još ne mogu da skaliraju na milione korisnika. Treća je performans. To je vizija budućnosti koja se oslanja na intenzivnu montažu ili specifične prompt-ove kojima javnost nema pristup.

Na primer, kada vidimo model koji identifikuje objekte kroz sočivo kamere, vidimo ogroman skok u multimodalnoj obradi. Model mora da obradi video frejmove, pretvori ih u podatke i generiše odgovor na prirodnom jeziku u milisekundama. Ovo dokazuje da barijera latencije nestaje. Pokazuje da arhitektura može da podnese ulaz visokog protoka. Međutim, ono što ostaje nedokazano je pouzdanost ovih sistema. Demo ne pokazuje deset puta kada model nije uspeo da prepozna objekat. Ne pokazuje halucinaciju gde AI samouvereno identifikuje mačku kao toster.

Javnost ima tendenciju da precenjuje spremnost ovih alata, dok potcenjuje sirovo tehničko dostignuće potrebno da bi oni uopšte jednom proradili. Kreiranje koherentnog videa iz teksta je ogroman matematički izazov. Uraditi to na način koji poštuje zakone fizike je još teže. Vidimo rađanje simulatora sveta. Ovo nisu samo video plejeri. To su mašine koje predviđaju kako svetlost i pokret funkcionišu. Čak i ako su rezultati trenutno inscenirani, osnovna sposobnost je signal ogromne promene u računarstvu.

Globalna promena na tržištu rada

Uticaj ovih demonstracija doseže daleko izvan Silicijumske doline. Na globalnom nivou, ove sposobnosti menjaju način na koji nacije razmišljaju o radu i obrazovanju. U zemljama koje se u velikoj meri oslanjaju na eksternalizaciju poslovnih procesa, prizor AI-a koji obavlja složene pozive korisničke podrške u realnom vremenu je upozorenje. To sugeriše da trošak automatizovane inteligencije pada ispod cene ljudskog rada u ekonomijama u razvoju. Ovo stvara novu vrstu pritiska na vlade da preispitaju svoje ekonomske strategije.

Istovremeno, ovi demoi predstavljaju novi front u međunarodnoj konkurenciji. Pristup najnaprednijim modelima kompanija kao što je Anthropic postaje pitanje nacionalne bezbednosti. Ako model može da pomogne u pisanju koda ili dizajniranju hardvera, zemlja sa najboljim modelom ima jasnu prednost. Ovo je dovelo do trke za računarskim resursima i suverenitetom podataka. Vidimo pomak ka lokalnim modelima koji mogu da rade unutar granica određene nacije radi zaštite privatnosti i održavanja kontrole.

Globalna publika takođe vidi demokratizaciju kreativnosti. Osoba u udaljenom selu sa pametnim telefonom sada može da pristupi istoj kreativnoj moći kao i studio u Holivudu. Ovo ima potencijal da izravna kreativnu ekonomiju. Omogućava raznolikost priča i ideja koje su ranije bile blokirane visokim troškovima ulaska. Međutim, ovo donosi i rizike od dezinformacija. Ista tehnologija koja stvara prelep demo može stvoriti ubedljivu laž. Globalna zajednica sada mora da se suoči sa realnošću da videti više ne znači verovati. Ulozi su praktični i neposredni za svaku osobu sa internet konekcijom.

Život sa sintetičkim kolegama

Zamislite dan u životu menadžerke marketinga Sare u bliskoj budućnosti. Ona započinje jutro otvaranjem AI asistenta koji je video njen raspored i njene mejlove. Ona ne kuca. Ona govori asistentu dok pravi kafu. AI sumira tri najvažnija zadatka i predlaže nacrt predloga projekta. Sara traži od AI-a da pogleda video o proizvodu konkurenta i identifikuje ključne karakteristike. AI to radi za nekoliko sekundi, kreirajući uporednu tabelu koju Sara može da koristi na svom sastanku.

Kasnije tog popodneva, Sari treba kratak promotivni klip za novu kampanju. Umesto da angažuje produkcijsku ekipu, ona koristi alat za generisanje videa. Ona opisuje scenu, osvetljenje i atmosferu. Alat proizvodi četiri različite verzije klipa. Ona bira jednu i traži od AI-a da promeni boju majice glumca kako bi odgovarala brendu kompanije. Izmena se dešava trenutno. Ovo je praktična primena demoa koje vidimo danas. Nije reč o zameni Sare. Reč je o uklanjanju trenja između njene ideje i finalnog proizvoda.

Međutim, kontradikcije ostaju vidljive. Iako je AI od pomoći, Sara provodi trideset minuta ispravljajući grešku koju je model napravio u vezi sa pravnom usklađenošću kompanije. Model je bio samouveren, ali pogrešan. Takođe primećuje da se AI muči sa specifičnim kulturnim nijansama njenog ciljnog tržišta u Jugoistočnoj Aziji. Demo je pokazao univerzalnu inteligenciju, ali realnost je alat obučen na specifičnim podacima koji ima praznine.

Promena očekivanja je jasna. Korisnici sada očekuju da njihov softver bude proaktivan. Očekuju da razume kontekst bez objašnjavanja. Ovo menja način na koji gradimo sajtove i aplikacije. Udaljavamo se od dugmadi i menija ka prirodnom razgovoru. Da biste razumeli ovu promenu, trebalo bi da pogledate moderne trendove veštačke inteligencije za detaljniju tehničku analizu.

Sarin primer ističe dve glavne stvari koje ljudi pogrešno shvataju o AI:

• Precenjuju koliko AI razume značenje posla koji obavlja.
• Potcenjuju koliko će vremena uštedeti na ponavljajućim zadacima.

Visoka cena magije

Uzbuđenje oko ovih demoa često maskira teška pitanja o njihovoj dugoročnoj održivosti. Moramo primeniti nivo skepticizma prema narativu o napretku. Prvo, ko plaća ogromne compute troškove potrebne za pokretanje ovih modela? Svaki put kada korisnik komunicira sa multimodalnim AI-em, to pokreće lanac skupih GPU procesa. Trenutni poslovni modeli često ne pokrivaju ove troškove, što dovodi do oslanjanja na venture capital ili masivne korporativne subvencije. Ovo postavlja pitanje šta se dešava kada subvencije prestanu. Hoće li ovi alati postati luksuz za malobrojne?

Drugo, moramo uzeti u obzir skrivenu cenu podataka. Većina modela je obučena na kolektivnom učinku interneta. Ovo uključuje autorska dela, lične podatke i kreativni rad miliona ljudi koji nikada nisu dali saglasnost da se njihov rad koristi na ovaj način. Kako modeli postaju sposobniji, ponuda visokokvalitetnih ljudskih podataka se smanjuje. Neke kompanije sada obučavaju AI na podacima koje generiše drugi AI. Ovo bi moglo dovesti do degradacije kvaliteta ili petlje povratnih grešaka.

Treće, postoji pitanje privatnosti. Da bi AI bio zaista koristan, mora da vidi ono što vi vidite i čuje ono što vi čujete. Ovo zahteva nivo nadzora koji je ranije bio nezamisliv. Da li nam je prijatno da korporacija ima feed naših svakodnevnih života u realnom vremenu u zamenu za boljeg asistenta? Demoi pokazuju praktičnost, ali retko pokazuju data centre gde se ove informacije čuvaju i analiziraju. Moramo se zapitati ko poseduje težine ovih modela i ko ima moć da ih isključi. Ulozi nisu samo produktivnost. Reč je o osnovnom pravu na privatan život. Ovo je pitanje moći.

Ispod haube agentne ere

Za naprednog korisnika, interes leži u tehničkom vodovodu koji omogućava ove demoe. Krećemo se ka svetu agentnih tokova posla. To znači da AI ne generiše samo tekst. On koristi alate. Poziva API-je, piše na lokalnu memoriju i komunicira sa drugim softverom. Trenutno usko grlo nije inteligencija modela već *latencija* sistema. Da bi demo izgledao fluidno, programeri često koriste specijalizovani hardver ili optimizovane inference engine-e.

Prilikom integracije ovih modela u profesionalni tok posla, nekoliko faktora postaje kritično:

• Ograničenja kontekstualnog prozora: Čak i najbolji modeli mogu izgubiti trag o informacijama u veoma dugom razgovoru.
• API rate limits: Modeli visokog kvaliteta su često ograničeni, što ih čini teškim za upotrebu u teškim produkcijskim zadacima.
• Lokalno vs Cloud: Pokretanje modela lokalno na Mac-u ili PC-u nudi privatnost i brzinu, ali zahteva značajan VRAM.

U , videli smo uspon malih jezičkih modela koji mogu da rade na potrošačkom hardveru. Ovi modeli su često destilovani iz većih verzija, zadržavajući veći deo sposobnosti zaključivanja uz smanjenje otiska. Ovo je ključno za programere koji žele da grade aplikacije koje se ne oslanjaju na stalnu internet konekciju. Prelazak na JSON mode i strukturirani izlaz takođe je olakšao AI-u da komunicira sa tradicionalnim bazama podataka.

Međutim, prelazak sa demoa na stabilan proizvod ostaje težak. Demo može zanemariti granične slučajeve. Produkcijsko okruženje ne može. Programeri moraju upravljati odstupanjem odgovora modela i nepredvidivošću nedeterminističkog softvera. Geek sekcija industrije je trenutno opsednuta sa retrieval augmented generation kao načinom da se ovi modeli utemelje u činjenicama iz stvarnog sveta. Ovaj rad se nastavlja u dok hardver sustiže softver.

Presuda o hype-u

Demoi koji definišu naš trenutni trenutak su više od običnog marketinga. Oni su dokaz koncepta za novi način života sa tehnologijom. Pokazuju da se barijere između ljudske namere i mašinskog izvršenja tope. Ali moramo ostati kritični. Demo je obećanje, a ne gotov proizvod. Pokazuje najbolju moguću verziju alata koji je još uvek u razvoju. Moramo suditi o demou prema onome što dokazuje pod lupom i onome što ostaje inscenirano za kameru.

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.

Prava vrednost ovih demoa je u tome kako menjaju naša očekivanja. Oni nas teraju da zamislimo svet u kojem nas kompjuter razume pod našim uslovima. Kako idemo napred, fokus će se pomeriti sa onoga što AI može da uradi u videu na ono što može da uradi na našim stolovima. Kontradikcije između ispoliranog performansa i neuredne realnosti definisaće sledeću fazu industrije. Sudite o demou prema onome što dokazuje, ali koristite alat za ono što zaista isporučuje.

Пронашли сте грешку или нешто што треба исправити? Јавите нам.