»Modeli generativne umetne inteligence mi pomagajo pisati, iskati, prevajati, kodirati, brati in tudi razumevati. Včasih jih uporabim celo za iskanje novih idej ali pa odkrivanje pomanjkljivosti obstoječih,« je povedal Boris Cergol, ki je v podjetju Endava odgovoren za razvoj podatkovne discipline v regiji Adriatik. Kot pravi, v poslovni enoti Endava Slovenija poteka kar nekaj internih razvojnih projektov, s katerimi preizkušajo meje tega, kar danes zmore generativna umetna inteligenca.
»Prihodnost, ki so jo opisovale futuristične knjige iz devetdesetih let prejšnjega stoletja, so, vsaj kar se umetne inteligence tiče, postale sedanjost,« je še dodal sogovornik, ki se je začel za umetno inteligenco zanimati, ko je kot najstnik prebiral knjige o eksponentno rastočih tehnologijah avtorjev, kot sta Raymond Kurzweil in Michio Kaku. »Takrat še ni bilo najbolj jasno, katera od tehnoloških vej bo prva najbolj spremenila svet, pa sem se zato odločil za študij matematike, ki sem jo razumel kot nekakšno skupno točko vseh njih.«
V praksi se je začel s strojnim učenjem ukvarjati pri razvoju trgovalnih algoritmov, pozneje je ustanovil podjetje, ki se je specializiralo za podatkovno znanost, zdaj pa se v Endavi ob vodenju razvoja podatkovne discipline v naši regiji vključuje tudi v komercialne projekte, pri katerih ima umetna inteligenca pomembno vlogo. Zato nas je zanimal njegov pogled na to, kaj lahko pričakujemo od umetne inteligence v prihodnje.
Zaradi klepetalnika ChatGPT je umetna inteligenca postala vroča tema začetka leta. Kako gledate na to manijo, gre res za revolucijo?
Da, resnično gre za revolucijo. Vendar ta poteka že kar nekaj časa, vsaj od leta 2020, ko je podjetje OpenAI prvič predstavilo svoj model GPT-3, ki je bil predhodnik trenutno aktualnega modela ChatGPT. Presenetilo me je, da sta bili v vmesnem času tako strokovna kot širša javnost do te tehnologije precej ravnodušni.
Kaj pa se je zgodilo letos, da je zanimanje kar naenkrat eksplodiralo?
ChatGPT je predvsem zaradi odlične uporabniške izkušnje postal viralen fenomen. V samo petih dneh je pridobil milijon uporabnikov, dva meseca pozneje pa jih je bilo že sto milijonov. Integracije s spletnimi iskalniki, brskalniki in drugimi aplikacijami utegnejo to številko še letos približati milijardi. ChatGPT je namreč del širšega trenda generativne umetne inteligence, ki poleg generiranja jezika omogoča tudi generiranje slik, zvoka, tridimenzionalnih objektov, kmalu pa tudi videovsebin.
Bo morda produkt podjetja OpenAI podoben mejnik, kot je bil Applov iphone? OpenAI namreč že dobiva sledilce, med njimi tudi Google.
Priča smo začetku intenzivne tekme med tehnološkimi podjetji na tem področju, v kateri ima za zdaj OpenAI v tesnem partnerstvu z Microsoftom precejšnjo prednost. Kmalu lahko pričakujemo odgovore podjetij Google, Amazon in Meta, zanimivi modeli pa utegnejo priti tudi iz specializiranih podjetij, kot so Stability AI, Anthropic in Co:here.
Bo zaradi tega umetna inteligenca postala tudi bolj dostopna?
Mislim, da bo. Tekmovalnost se že kaže tudi v cenah za uporabo modelov. OpenAI je nekatere cene od avgusta lani znižal kar za 96 odstotkov.
Kako hiter razvoj umetne inteligence vpliva na podatkovno znanost in njen razvoj?
Prav podatkovna znanost je tisto področje, kjer nove oblike umetne inteligence pomenijo eno večjih disrupcij. Uporaba umetne inteligence se namreč povezuje z mukotrpnim zbiranjem in čiščenjem podatkov, zapletenim strojnim učenjem in nato nenehnim vzdrževanjem krhkih modelov. Toda veliki prednaučeni modeli, kot sta GPT-3 ali ChatGPT, so že dovolj splošni, da jih lahko brez dodatnega učenja uporabimo za reševanje različnih problemov. Za rešitev je pogosto treba zgolj pravilno postaviti vprašanje. Za mnoge podatkovne znanstvenike je to sicer zelo neintuitivno in so zato nezaupljivi.
Če vas prav razumem, bo v prihodnosti zelo pomembna spretnost, kako umetni inteligenci postaviti pravo vprašanje, da bodo potem odgovori zares uporabni.
Po nekaterih podatkih naj bi samo slaba desetina evropskih podjetij pri sprejemanju poslovnih odločitev uporabljala umetno inteligenco. Se bo po vašem zdaj ta delež povečeval in kako hitro?
Prepričan sem, da je zaradi eksplozivne širitve ChatGPT ta delež že občutno večji. Marsikdo se namreč tudi glede poslovnih odločitev »posvetuje« s tem ali kakšnim podobnim modelom. V kratkem bo tega še veliko več, saj se bo med podjetji razširilo spoznanje, da lahko takšne modele precej preprosto povežejo s svojimi bazami podatkov in tako dobijo mnogo bolj relevantne in faktične odgovore. Hkrati pa se bodo generativni modeli tako tesno integrirali s spletnimi iskalniki, da jih bomo uporabljali vsakič, ko bomo za odločanje potrebovali informacije s spleta. Novi Bing, ki omogoča to funkcionalnost, je ožjemu krogu uporabnikov že na voljo, prav vsi pa lahko to preizkusijo v manjših iskalnikih, kot so You.com, Perplexity ali Neeva.
Pri kakšnih poslovnih odločitvah se podjetja zdaj že lahko z veliko zanesljivostjo zanesejo na umetno inteligenco?
Podjetja so doslej umetno inteligenco največ uporabljala v obliki prediktivne analitike na podlagi strukturiranih podatkov. Tipični primeri so bili napovedovanje reakcij porabnikov, stanja zalog ali dejavnikov tveganja. Zanesljivost teh napovedi je odvisna predvsem od kakovosti in količine podatkov, ki so modelom na voljo. Ampak tudi ko je zanesljivost zelo visoka, se podjetja pogosto srečajo z vprašanjem, kako pravzaprav vse te številčne napovedi uporabiti za doseganje konkretnih poslovnih ciljev. Odgovore na to bodo kmalu iskala tudi z uporabo generativnih modelov.
Bo ChatGPT ali katerikoli podobni model lahko kar sam napisal poslovni načrt oziroma kakšno drugo poslovno predikcijo. Ne nazadnje lahko napiše esej, pesem, celo študenti ga uporabljajo za seminarske naloge …
Torej bo naslednja naloga inženirjev, kako interne podatke povezati z modeli generativne umetne inteligence?
Načini, kako lahko modele, kakršen je ChatGPT, povežemo z notranjimi bazami podatkov in drugimi orodji, že obstajajo. Podobno, kot zdaj človeški analitiki pri pripravi poslovnih načrtov prebirajo interne dokumente ali pišejo SQL-poizvedbe, lahko to počne tudi model. Ugotovitve, s katerimi postreže, so že danes lahko precej uporabne pri odločanju, pravo disrupcijo na tem področju pa pričakujem s prihodom GPT-4.
Kljub vsemu je torej brez dovolj dobro urejenih podatkov uporaba umetne inteligence še vedno omejena. Kakšen je položaj na tem področju po podjetjih, še zlasti slovenskih?
Pogosto, ne pa več vedno, je uporaba umetne inteligence neločljivo povezana s podatki. Kakšen je položaj glede njih, težko posplošim. Podjetja so glede tega tako pri nas kot v tujini zelo različna.
Kako naj se podjetja lotijo obdelovanja svojih podatkov?
Podatke velikokrat omenjamo v povezavi s prihodnostjo, čeprav so v svojem bistvu odsev preteklosti podjetja. To pomeni, da lahko napačne pretekle odločitve glede njihovega upravljanja odzvanjajo še dolgo v prihodnost. Zato bi podjetjem svetoval, da k odločanju o podatkih pristopijo bolj strateško in razmišljajo, kaj točno si želijo doseči z njimi, ne le v prihodnjem letu, ampak tudi dolgoročno. Temu razmisleku pa naj potem sledijo primerne investicije v kadre, tehnologije in vzpostavljanje boljše podatkovne kulture.
Pa se vam ne zdi, da je danes težko predvideti, kaj naj bi s podatki počeli čez več let?
Res je. Priča smo zelo naglim spremembam, zato si lahko tudi priznamo, da kdaj preprosto ne moremo vedeti, za kaj vse bomo želeli čez leto ali več uporabljati podatke. Takšna ugotovitev je lahko koristna, če nam pomaga vpeljati bolj agilen pristop k delu s podatki ali pa nas motivira za prehod na oblačno infrastrukturo, ki omogoča hitrejše prilagajanje novim potrebam.
Na prvi pogled se zdi, da je umetna inteligenca idealna za pisanje kode.
Umetna inteligenca za pisanje kode danes še ni idealna, se pa naglo izboljšuje in verjamem, da je že precej boljša, kot si predstavlja večina ljudi. Podjetje Github je denimo pred kratkim sporočilo, da so redni uporabniki njihovega orodja Github Copilot, ki razvijalcem pomaga pri pisanju kode, v povprečju 55 odstotkov hitrejši, umetna inteligenca pa napiše kar 46 odstotkov njihove kode. Ko se bo število tovrstnih orodij povečevalo, pričakujem precejšen dvig produktivnosti tistih zaposlenih, ki so se že doslej ukvarjali s pisanjem kode. Hkrati pa bo pisanje kode postalo dostopno tudi številnim zaposlenim, ki za to doslej niso imeli dovolj znanja.
Bi se nekoč lahko zgodilo, da se zaradi tega podjetjem ne bo več treba ubadati s pomanjkanjem IT-kadrov?
Težave s pomanjkanjem IT-kadrov se zaradi tega ne bodo odpravile čez noč, se bodo pa spremenile prioritete.
Sami ste se zaradi tega, ker ni bilo jasno, katera tehnologija bo prevladala, odločili kar za študij matematike. Kaj pa danes svetujete tistim mladim, ki jih zanima umetna inteligenca?
Umetna inteligenca še nikoli ni bila tako dostopna, kot je danes. Zato bi mladim predvsem svetoval, da jo čim bolj uporabljajo in prek tega spoznajo, kje lahko koristi njim in drugim ter kje so njene omejitve. Verjamem, da jim bo takšno znanje koristilo, ne glede na to, katero študijsko smer si bodo izbrali. Umetna inteligenca bo namreč korenite spremembe prinesla na vseh področjih.
