LJUBLJANA, 30. oktober 2023 —V svetu, kjer umetna inteligenca preoblikuje poslovne paradigme, so modeli generativne umetne inteligence postali ključni akterji, ki optimizirajo procese in narekujejo nove trende. Podjetjem, ki jo bodo znala smiselno vključiti v svoje poslovanje, prinaša številne priložnosti za izboljšanje konkurenčnosti.
Potrebno je razumeti, da “novejša” umetna inteligenca, vključno z generativnimi modeli, temeljni predvsem na tehnologiji globokega učenja, ki je prisotna že nekaj časa. V čem so torej modeli generativne umetne inteligence edinstveni in boljši od prejšnjih? Kot je v svojem nedavnem predavanju v Zagrebu poudaril dr. Andreas Braun, generalni direktor in partner pri BCG, strokovnjak za umetno inteligenco, analitiko, aplikacije v oblaku, podatkovne in digitalne strategije ter njihovo izvajanje, je eden ključnih dejavnikov izboljšana interakcija med človekom in računalnikom preko jezika - govorjenega ali pisnega.
Med preizkušanjem prototipa generativne umetne inteligence kot svetovalca v klicnem centru ene od vodilnih nemških bank, je umetna inteligenca zlahka obvladala prepletanje dveh različnih jezikov. Na predstavitvi, kjer je sodeloval tudi upravni odbor banke, je klicatelj najprej govoril v turščini, nato prebral pismo v nemščini in nato znova preklopil na turški jezik. Večina prisotnih ni razumela turškega dela pogovora, generativna umetna inteligenca pa je brez težav sledila celotni komunikaciji, čeprav za to ni bila posebej programirana. To ne poudarja le impresivnih jezikovnih sposobnosti generativne umetne inteligence, temveč tudi njeno zmožnost prilagajanja in učinkovitega odzivanja na nepredvidljive komunikacijske izzive.
Modeli generativne umetne inteligence lahko pospešijo izvajanje kompleksnih nalog, kot je obdelava velikih zbirk podatkov, ki bi sicer zahtevala veliko človeškega kapitala. To v praksi potrjuje primer podjetja, ki se je soočilo z izzivom ponovnega izračuna in migracije 2,8 milijona pogodb življenjskega zavarovanja iz več starih informacijskih sistemov v novega, ki je opremljen z drugačnim aktuarskim modelom. Ob angažiranju matematikov (aktuarjev), ki jih ima podjetje na voljo, bi ta postopek trajal približno 4.000 let, umetna inteligenca pa ga je opravila v le nekaj sekundah in pripravila tudi pregled odstopanj.
"Modeli generativne umetne inteligence danes preoblikujejo poslovne procese in odstirajo poti k inovacijam, ki so bile še pred kratkim del znanstvene fantastike. Umetna inteligenca ni zgolj orodje za povečanje produktivnosti ali zmanjšanje stroškov, ampak je postala kritičen del poslovne infrastrukture. V digitalni dobi, kjer inovacije postajajo ključne za poslovni uspeh, je integracija in izkoristek potenciala tehnologij umetne inteligence ne le priporočljiv, ampak skorajda nujen korak za podjetja, ki želijo ostati na čelu industrije in ne želijo izgubiti bitke s konkurenco,« je povedal dr. Braun.
Tudi v avtomobilskem sektorju so mnogi proizvajalci že prepoznali prednosti, ki jih prinaša uporaba generativne umetne inteligence. Tako je priznani nemški avtomobilski proizvajalec v začetku leta predstavil pametnega asistenta, orodje, ki poseduje celotno znanje o njegovih izdelkih in storitvah. Ta asistent omogoča uporabnikom, da z njim vodijo interaktivne pogovore, kot na primer, kako zamenjati žaromet na določenem modelu po avtomobilski nesreči. Prvotno je bilo orodje dostopno zgolj 100 zaposlenim, vendar se je število uporabnikov hitro povečalo na 50.000, kar kaže na njegovo učinkovitost in koristnost. Ta primer prikazuje, kako lahko umetna inteligenca spremeni način dela v podjetjih, poveča produktivnost in učinkovitost ter izboljša izkušnjo za končne uporabnike. To zmanjšuje stroške in odpira priložnosti za rast in širjenje na nove trge. Pomembno je tudi poudariti, da sodobna generacija potrošnikov raje komunicira z inteligentnimi asistenti, kot prebira dolge in zapletene dokumente, kar povečuje vrednost takšnih orodij v sodobnem poslovnem okolju.
Za organizacije je ključnega pomena, da razumejo večplasten vpliv uvedbe umetne inteligence na podjetniško kulturo, strukture in delovanje ter ocenijo razmerje med stroški in pričakovanimi koristmi. Upoštevati je treba tudi hitre in dinamične zakonodajne spremembe, ki predstavljajo številne izzive za uporabo umetne inteligence v Evropski uniji, kot so odgovorna in etična umetna inteligenca ter varstvo zasebnosti in varstvo osebnih podatkov, katerih obseg se razlikuje glede na panogo in veljavne predpise. Te spremembe se med seboj prepletajo, kar ustvarja še več izzivov.
Načini uporabe generativne umetne inteligence
Generativna umetna inteligenca je revolucionirala način, kako pridobivamo informacije, z napovedovanjem in ustvarjanjem bolj relevantnih rezultatov, prilagojenih specifičnim uporabniškim poizvedbam. Pri generativni umetni inteligenci lahko izpostavimo štiri načine tovrstne uporabe.
- t. i. »zero-shot« pozivi, pri katerih uporabniki zastavijo modelu vprašanje, ta pa nanj odgovori;
- nadgradnja tega pristopa so t. i. »few-shot« pozivi, pri katerih uporabnik v model vnese lastne podatke, umetna inteligenca pa nato za pripravo odgovora na vprašanje uporabi svoje podatke in uporabnikove podatke;
- naslednja stopnja je »sinteza«, ki združuje uporabnikovo znanje z znanjem umetne inteligence. Tako oblikovan model lahko zagotovi natančnejše in zanesljivejše odgovore, zmanjša možnost napačnih interpretacij in haluciniranja oziroma konfabulacije;
- četrti način uporabe je ustvarjanje verig umetne inteligence, kot je prevajanje govorjenega jezika v besedilo, besedila v odgovore in podobno. Umetno inteligenco lahko, na primer, pozovemo, da ustvari program v jeziku Python, ki reši našo nalogo.
Tveganja in zadržki
Čeprav so številni strokovnjaki za umetno inteligenco že ob uvedbi ChatGPT-ja prepoznali njegov potencial, svarijo pred uporabo tovrstnih modelov kot glavnega vira informacij. V strokovnih okoljih je priporočljivo, da se kot podlaga za uporabo umetne inteligence uporabijo lastni podatki, poleg tega pa se za doseganje najboljših rezultatov združijo prednosti človeške in umetne inteligence.
Dodatno tveganje pri uporabi umetne inteligence lahko predstavlja “haluciniranje”, ki je specifična lastnost velikih jezikovnih modelov, ki jih poganja tehnologija GPT (Generative Pretrained Transformer). To pomeni, da umetna inteligenca ob odsotnosti jasnih podatkov ustvari odgovor ali informacijo, ki je lahko netočna ali celo izmišljena, ne da bi opozorila, da odgovora ne pozna. To lahko predstavlja tveganje, zlasti če uporabniki sprejmejo odgovor brez kritične presoje. Čeprav je (Chat)GPT zasnovan na bogatih in raznovrstnih podatkovnih virih, ni imun na napake in omejitve. Ključno je, da uporabniki razumejo, da model ne loči vedno med zanesljivimi in nezanesljivimi informacijami in da lahko pod določenimi pogoji poda informacije, ki ne odražajo dejanskega stanja.
Razmah umetne inteligence prinaša tudi tveganja, povezana s pretiranim zanašanjem na eno tehnologijo. Podjetja, ki se preveč zanašajo na določeno tehnologijo, se lahko znajdejo v težavah, če ta tehnologija zastara ali se drastično spremeni. Primer takšnega tveganja je podjetje, ki je vložilo milijone dolarjev v razvoj lastnega modela umetne inteligence. Le nekaj tednov po vpeljavi njihovega modela, je bil predstavljen GPT-4, ki je bil veliko naprednejši. Ta naložba v »zastarelo« tehnologijo je za podjetje pomenila ogromno finančno izgubo.
Prihodnost generativne umetne inteligence
V bližnji prihodnosti bodo na razvoj umetne inteligence močno vplivale vrednote zaupanja, preglednosti in razumljivosti. Prizadevanja na tem področju poganja želja po oblikovanju modelov, ki ne bodo le jasno sporočali svoje negotovosti pri podajanju informacij, temveč bodo tudi zmanjšali možnost napačnih ali izmišljenih odgovorov. Srednjeročno se pričakujejo preboji v obliki kompaktnejših in energetsko učinkovitejših modelov umetne inteligence. Te izboljšave bodo naredile umetno
inteligenco širše dostopno na številnih platformah, hkrati pa bodo z zmanjšanjem energetske potrošnje poudarjale trajnostno in okolju prijazno naravo teh tehnologij.
V prihodnjem razvoju umetne inteligence lahko pričakujemo tudi napredek na področju samo-nadzorovanega učenja, kjer se bo umetna inteligenca samostojno učila na podlagi opazovanja sveta ter bo bolje razumela in interpretirala dogajanje v okolju.
Foto: David Powell / ZDF
