Svedoci smo tehnološke revolucije koja se odvija brzinom svetlosti. Svakog dana koristimo alate kao što su ChatGPT, Claude ili Gemini kako bismo pisali kod, osmišljavali marketinške kampanje, pisali eseje ili analizirali kompleksne baze podataka. Njihova sposobnost da generišu tečan i logičan tekst često nas ostavlja bez daha, stvarajući iluziju da razgovaramo sa visoko inteligentnim bićem.
Međutim, dok se divimo ovim digitalnim asistentima, u naučnim krugovima se vodi ozbiljna debata oko jednog fundamentalnog pitanja. To pitanje ne glasi koliko brzo AI može da napiše pesmu, već: da li veštačka inteligencija može da stvori apsolutno novo, do sada neviđeno znanje, ili je samo izuzetno sofisticirani recikler onoga što već postoji?
Ovo nije samo filozofsko pitanje. Odgovor na njega direktno definiše granice onoga što tehnologija može da postigne i oblikuje naš put ka veštačkoj opštoj inteligenciji (AGI).
Kako zaista funkcionišu današnji jezički modeli?
Da bismo razumeli da li mašine mogu da inoviraju, moramo prvo razumeti kako razmišljaju – ako taj termin uopšte možemo da iskoristimo. Moderni veliki jezički modeli (LLM) koje razvijaju kompanije kao što su OpenAI i Google, trenirani su na nepojmljivo velikim količinama tekstualnih podataka. Oni su „pročitali“ gotovo ceo internet: knjige, naučne radove, forume, kodove i novinske članke.
Kada im postavite pitanje, ovi modeli ne razmišljaju onako kako to radi čovek. Oni funkcionišu na bazi složene matematike i verovatnoće. Algoritam predviđa koja reč (ili token) ima najviše statističkog smisla da se pojavi sledeća u nizu, na osnovu ogromnog znanja koje je prethodno usvojio. Zbog toga se u stručnim krugovima često koristi termin „stohastički papagaj“. Mašina savršeno ponavlja i kombinuje obrasce, alištine bez svesti i razumevanja onoga što zapravo izgovara.
Spajanje poznatog naspram skoka u nepoznato
U nauci o podacima postoje dva ključna koncepta: interpolacija i ekstrapolacija.
Interpolacija je sposobnost povezivanja tačaka unutar već poznatog okvira. Današnja veštačka inteligencija je apsolutni kralj interpolacije. Ako joj tražite da napiše pesmu o kvantnoj fizici u stilu Šekspira, ona će to uraditi besprekorno. Ona uzima koncepte A (kvantna mehanika) i koncepte B (Šekspirov stil) i spaja ih na nov i zanimljiv način. Iako rezultat deluje originalno, on je zapravo samo inteligentno remiksovanje već postojećih ljudskih ideja.
Ekstrapolacija je, s druge strane, skok u potpuno nepoznato. To je sposobnost da se izađe van okvira poznatih podataka i formuliše potpuno nova teorija, zakonitost ili koncept. To je onaj „eureka“ trenutak. Ljudski mozak je sposoban za ekstrapolaciju. Kada je Ajnštajn formulisao teoriju relativiteta, on nije samo presložio Njutnove jednačine – on je razbio postojeći okvir i stvorio potpuno novu paradigmu gledanja na prostor i vreme.
Trenutni AI modeli ne mogu da urade ono što je uradio Ajnštajn. Njihova arhitektura je dizajnirana tako da pronalazi obrasce u postojećim podacima, a ne da sanja o onome za šta ne postoje podaci.
Slučaj AlphaFold: da li je to novo znanje?
Kritičari teorije da AI ne može da stvori novo znanje često kao argument navode sistem AlphaFold, koji je razvila kompanija DeepMind. Ovaj sistem je uspeo da predvidi 3D strukturu gotovo svih proteina poznatih nauci, rešavajući problem star decenijama i ubrzavajući medicinska istraživanja za nekoliko svetlosnih godina.
Zar to nije stvaranje novog znanja?
U neku ruku, jeste. AlphaFold je otkrio nešto što ljudi do tada nisu znali. Međutim, važno je napraviti razliku: on je to otkrio primenjujući poznata pravila fizike i hemije na ogromne skupove podataka, obavljajući kalkulacije brzinom koja je čoveku nedostižna. On je pronašao iglu u plastu sena mnogo brže od nas, ali nije izmislio iglu, niti je promenio pravila po kojima se seno slaže. Iako je ovo epohalno otkriće, ono i dalje spada u domenu prepoznavanja ekstremno složenih obrazaca, a ne u domenu apstraktnog, vanokvirnog rasuđivanja.
Put ka pravom rasuđivanju i AGI tehnologiji
Da bi mašine zaista mogle da inoviraju i stvaraju novo znanje na nivou genijalnog ljudskog uma, neophodna je promena u samoj arhitekturi sistema. Trenutni modeli funkcionišu po principu onoga što psiholozi nazivaju „Sistem 1“ – brzo, intuitivno odgovaranje na osnovu prepoznavanja obrazaca.
Da bismo dobili veštačku opštu inteligenciju (AGI), mašine moraju da razviju „Sistem 2“ – sporo, analitičko i logičko rasuđivanje. Moraju biti sposobne da postave hipotezu, testiraju je, prepoznaju grešku u sopstvenoj logici, isprave je i pokušaju ponovo. Kompanije poput OpenAI aktivno rade na ovome. Nedavno predstavljeni modeli usmereni su upravo na to da „razmisle“ pre nego što daju odgovor, koristeći takozvani lanac misli (chain of thought).
Ovo je veliki korak napred, jer omogućava mašini da rešava složene matematičke i logičke probleme koje nije videla u trening podacima. Ipak, od rešavanja složenog matematičkog zadatka do osmišljavanja potpuno nove grane matematike, put je i dalje veoma dugačak.
Može li algoritam da postane sledeći Ajnštajn?
Postoji i filozofski aspekt ovog pitanja: šta uopšte znači stvoriti novo znanje? Da li ljudi zaista stvaraju iz ničega, ili i mi, baš kao i jezički modeli, samo interpoliramo na osnovu svega što smo pročitali, videli i doživeli? Isak Njutn je čuveno izjavio da je video dalje samo zato što je stajao na ramenima divova.
Razlika je u tome što ljudski um poseduje intuiciju, znatiželju, emocije i sposobnost da svesno krši pravila. Mašine trenutno nemaju motivaciju. One ne osećaju potrebu da razumeju univerzum. One procesuiraju informacije jer im je tako zadato.
U godinama koje dolaze, veštačka inteligencija će verovatno ostati ultimativni alat za istraživanje, a ne samostalni pronalazač. Umesto da se pitamo da li će AI zameniti naučnike, trebalo bi da posmatramo kako će sinergija između čoveka i mašine ubrzati napredak. Čovek će i dalje biti taj koji postavlja prava pitanja i razbija okvire, dok će AI biti kognitivni bager koji prekopava podatke brzinom svetlosti.
Možda mašina nikada neće dobiti Nobelovu nagradu za samostalno otkriće, ali je gotovo sigurno da u budućnosti nijedna Nobelova nagrada neće biti osvojena bez pomoći veštačke inteligencije.
