Rezultat primene veštačke inteligencije

Šta je zapravo veštačka inteligencija? Možemo reći da je veštačka inteligencija softver koji oponaša ljudski način razmišljanja da bi obavljao složene zadatke. U početku se ovde pre svega mislilo na učenje i rešavanje problema.

Putem veštačke inteligencije, kompjuterski program koristi matematiku i logiku da simulira rasuđivanje koje ljudi koriste kako bi učili nove informacije i donosili odluke.

Kako to izgleda u praksi?

Generisali smo ilustracije koristeći program veštačke inteligencije. Zadajući komande, odnosno upotrebom jezika koji program može da razume, zahtevali smo od programa šta želimo da uradi. Postoji više ovakvih programa i osnovna razlika je u tome što se u procesu treninga svakog od njih koristio drugi skup podataka, odnosno slika, fotografija ili umetničkih dela.

Sledeći korak je bio ubaciti još neki detalj ili radnju. Osim što se zada stil i željene boje za letnji outfit, zahtev je bio proširen da žena nosi kafu, a potom piće. Rezultat je bio zanimljiv, nekada je jedna ruka zauzeta, a nekada su obe ruke zauzete čašom.

Potom je zahtevano da žena čita knjigu. Zanimljivo je da su svi pokušaji da program generiše ilustraciju na kojoj žena stoji i čita knjigu bili neuspešni. Program je očigledno dobro naučen da osoba koja čita mora da sedi. Što se tiče kafe, bilo je moguće dobiti damu koja drži kafu i sedi, ali i da hoda i „nosi kafu za poneti“.

A sada još zanimljiviji rezultat koji i nije baš upotrebljiv. Da li vidite zbog čega ilustracije u nastavku ne mogu da se koriste?

Program se „malo zbunio“. Pošto je zahtevano da na konkretnoj slici jedna ruka drži kafu, odnosno šešir, program je dodao treću ruku koja radi ono što je zahtevano. Dakle, na neočekivano pitanje, odnosno pitanje za koje nije treniran, program nije uspeo da odgovori na zadovoljavajući način.

Mašinsko učenje (ML) je podoblast veštačke inteligencije. Ono za učenje koristi algoritme i veću količinu podataka kako bi moglo da obavi niz složenih zadataka.

Ovi algoritmi nisu novina. Vilhelm Lenc i Ernst Izing su davne 1925. godine kreirali Zingov model koji je u suštini veštačka rekurentna neuronska mreža, ali koja nije mogla da uči. Godine 1972. Šuniči Amari je ovu arhitekturu učinio adaptivnom i imala je funkcionalnost učenja, a njegov rad je popularizovao Džon Hopfild 1982. godine.

Sve ilustracije u tekstu generisane su na platformi Discord.