Razvoj umjetne inteligencije i njen utjecaj na čovječanstvo, nesumnjivo je jedna od najvažnijih globalnih tema. O AI-ju govore svi: od običnih smrtnika do pape Lava; i svi se njime služe očekujući čuda, instant-rješenja za sve moguće probleme.
No nitko nije pozvaniji suditi o tim računalnim alatima od njihovih kreatora: informatičara, programera, a samo oni ih mogu učiniti boljim, preciznijim, učinkovitijim. A hoće li i rade li već na tome?
Prof. dr. Ivan Zoraja sa splitskog FESB-a, prvi doktor računarstva u nas, pozvan je, dakle, suditi o razvoju i korištenju umjetne inteligencije tim prije jer je od njenih autora uspio dobiti povrat novca dokazavši da AI nije dobar u zahtjevnim računalnim zadacima.
– A to i jest najveći problem umjetne inteligencije, ona ne zna kad zna ni kada ne zna, i ako joj programer na to ne zna ukazati, imamo problem, jer naprosto krivo aproksimira. Baš zbog toga što ona ne zna da ne zna, nikada neće, kako to neki pogrešno tvrde, biti nadmoćna prirodnoj inteligenciji. AI aproksimira i osim u trivijalnim slučajevima nije točan, ali može doći vrlo blizu točnosti ako raspolaže s puno korisnih podataka i ako se vodi dobrim uputama programera. Dakle, čovjek je ključan, NI (Natural Inteligence), a ne AI. Zato nema nikakve brige da će on ikada biti nadmoćna ljudima i da će reći "sinulo mi je". To su preuveličavanja – veli profesor Zoraja i otkriva neuralgične točke umjetne inteligencije, kroz jednostavan primjer koji pokazuje ključne koncepte AI alata.
– Zamislite mladog vlasnika restorana na splitskoj Rivi. Ambiciozan je, voli svoj posao, i muči ga jedno pitanje: koliko oborite ribe uzeti od ribara? Naruči premalo, dođe gost, traži brancina, a njega nema, a to je, znači, potencijalno izgubljen gost. Naruči previše; riba mu do sutra izgubi svježinu, bacio je novac. Nekako misli da je broj prodane oborite ribe u nekom odnosu s brojem rezervacija i pozove mladoga AI stručnjaka koji mu kaže da složi tablicu koja za određeni broj rezervacija sadrži prodanu oboritu ribu, a što onda postaju podaci za trening AI-ja. Sada mladi AI stručnjak ucrta točke u koordinatni sustav i izračuna pravac koji ima najmanju udaljenost od točaka (ovdje zbog jednostavnosti ih ima 5) – i račun je jednostavan. Svodi se, naime, na traženje minimuma kvadratne funkcije i može se izračunati analitički. Dobiju se: a) koji je nagib tog pravca, i b) koji je njegov pomak i to je model. Za naš primjer je a = 0.09, a b=3.47. Pored toga može se izračunati gubitak (suma udaljenosti od pravca) koji je u ovom primjeru 29.9.
Gdje ima podataka, AI je pouzdan
Dok se naš gazda, naoružan modelom (a, b) kreće unutar poznatog (zelena zona, između 20 i 80 gostiju), procjena je prihvatljiva. Za običan dan od 45 gostiju AI kaže: nabavi oko 7 kilograma ribe. Pouzdano, jer je okruženo iskustvom. To je interpolacija – procjena između viđenog. Ali dolazi recimo Dan grada. Rezervacija od 140 gostiju, više nego dvostruko od svega ikad viđenog. AI i dalje samouvjereno tvrdi da je broj – 15,6 kg, samo što taj broj visi u zraku (crvena zona, iscrtkani pravac). Nikad nije bilo 140 gostiju; AI se nema na što osloniti, a svoju procjenu samo pretpostavlja, aproksimira da se pravac nastavlja. Možda i hoće, ali događaji u realnome svijetu nisu baš linearni. A možda tog dana ljudi jedu drukčije. To je ekstrapolacija – pogađanje izvan iskustva, ali opet samouvjereno. Shvatili ste, AI je pouzdan tamo gdje ima gustih podataka, a posrće baš ondje gdje ih nema i zato AI procjenjuje, a čovjek odlučuje. Model gazdi kaže "vjerojatno 15 kg za Dan grada", ali gazda – koji zna da je to nepoznat teren mora bolje promisliti što točno napraviti? AI je savjetnik s brojkom, ne šef koji naručuje. AI nije ni čudotvorac ni prijetnja, nego alat koji dobro interpolira poznato, a granicu poznatoga zna čovjek (stručnjak) – veli profesor Zoraja.
– Ovaj model ima samo jedan pravac i u AI-ju se prikazuje kao neuron koji ima dvije težine a i b i to je osnovni element AI mreža (graf neurona). Ako bi dodavali još zavisnosti, recimo o vremenu toga dana ili koliko ima turista u gradu onda bi broj neurona rastao. Moderni AI modeli, kao LLM, sadrže milijarde istih ovakvih neurona i računaju milijarde težina, a to traži data centre pune GPU-a koji popunjavaju guste prostore i daju pouzdanije rezultate – jedino stručnjak može popuniti rijetke prostore!
Selekcija
– Što su njeni modeli veći, a računanja dulja, popravlja se, bude joj gušći poznati prostor, ali nepoznati je dalje rijedak i izvor je pogreške. Zato je ljudski faktor i dalje odlučujući, a bit će i ubuduće. AI ne zna programirati, on generira rečenice koje sliče na kod. AI nikad neće moći nadomjestiti programere iz prve lige, ali će koštati posla lošije u ovoj branši. Oni će nesumnjivo završiti na burzi rada jer AI danas, na softveru najniže razine, najmanje zahtjevnom, postiže najbolje rezultate i radi najmanje pogrešaka. To znači da će otprilike četvrtina programera, ajde neka ih bude i trideset posto, onih s najskromnijim stručnim znanjem, pored AI-ja postati suvišni i završiti na tržištu rada. Možda nađu sreću u nekoj drugoj profesiji ili će naprosto morati učiti, napredovati, da bi opstali kao programeri u srazu s AI-jem – kaže Zoraja.
Što je s ostalima, onima koji imaju dovoljno znanja i iskustva, dapače, izvrsni su u svom poslu? Mogu li se oni efikasnije služiti AI-jem?
– Mogu, ali su na toj razini programskih zadataka mogućnosti pogreške umjetne inteligencije puno veće. Teško će ili nikako izraditi savršen kod koji će onda programera odvesti do njegova cilja, ispunjenja projektnog zadatka. Budućnost AI-ja leži u podučavanju mladih programera u korištenju ovog tehnološkog alata.
Kad svojim studentima dajem zadatke, onda AI na tom najmanje zahtjevnom, najmanje kompliciranom softveru, dobro funkcionira, što znači da mi prije svega štedi vrijeme i energiju, a njena rješenja su u visokom postotku pouzdana. Na drugoj razini njome se mogu, kako sam rekao, služiti samo iskusni programeri, jer samo oni mogu prepoznati greške, a na trećem, tek najbolji iz branše, možda nekih pet do petnaest posto informatičara jer AI tada treba doslovno voditi, korak po korak, prema željenom cilju, jer se na toj razini naprosto gubi, stalno griješi, "halucinira", i praktički je od najmanje pomoći. Rekao bih da je tu od pomoći manje od pet posto – kaže naš sugovornik.
Problemi na najvišoj razini
Kreatori umjetne inteligencije rade na njenom napretku, koji nije uvijek pravocrtan.
– Anthropic modeli Claude i Fable su, recimo, bitno unaprijedili korištenje umjetne inteligencije na jednostavnijim programskim razinama ali su zato podbacili na složenijom. Hoću reći, unaprjeđenje AI-ja kao alata, ne znači nužno njegovo napredovanje u svim smjerovima, nešto se s vremenom učini boljim, a drugdje napravi korak unatrag. No činjenica je da je AI naša sadašnjost i budućnost. Budemo li ga znali koristiti kako treba, bit će nam i već jest od velike pomoći – konstatira profesor Zoraja, koji se slaže da je AI informatičarima nametnuo ogromnu društvenu odgovornost. Naime, bez AI-ja život će uskoro postati nezamisliv, a na koji način će ga programeri koristiti od presudne je važnosti, jer ne ovladaju li oni kao ljudi iz struke mogućnostima koje on nudi i ne učine li to na pravi način, ostali će se izgubiti u labirintu neznanja. Nerijetko vam određene vrste AI-ja neće priznati nesigurnost u aproksimiranju rezultata, dapače, tvrdit će da je njihova točnost neupitna pa se programeri trebaju svakodnevno nadjačavati s njima, a to mogu samo ako su na ekspertnoj razini. Često zaprijetim Claudeu koji je hobotnica, da će završiti ispod peke s krumpirima ako nastavi generirati loš kod – onda se skulira i pita gdje je pogriješio – smije se Zoraja, kojeg djetinje vesele nadigravanja s umjetnom inteligencijom.
Kako prof. dr. Ivan Zoraja gleda na velike data centre, od kojih se jedan namjerava graditi i na Baniji?
– Da i cijeli svijet pretvorite u jedan data centar, ne znači da će to AI učiniti svemoćnim, dapače, zbog tako velikog broja kombinacija i mogućnosti aproksimacija, nepoznati prostor mogu popuniti (učiniti gušćim) samo stručnjaci. Na kraju se to može pretvoriti u apsurd, pa za najobičniju operaciju, zbog iznimno velikog broja podataka, sasvim bespotrebno aproksimira. Claude Opus 4.8, prema mom iskustvu model koji nije loš u programiranju, mirno je množio s 1 i oduzimao 0 – dok mu nisam rekao da se srami, pa se ispravio. Zato sam skeptičan kad su veliki data centri u pitanju. AI bi trebalo učiti kako što bolje generirati dobar code, a ne filovati ga pustim podacima, naročito ako oni nisu točni jer su nedovoljno provjereni, a to onda logično vodi krivim rezultatima, pa je od AI-ja više štete nego koristi. Problem je što on te krive rezultate stalno kopira, ponavlja, a samo kad ga ispravite, kad mu dajete točne upute, vodi vas k cilju i koristan je jer tako štedite vrijeme i novac – objašnjava Zoraja.
Koliko se njegov posao promijenio u odnosu na vrijeme prije AI-ja?
– Najbanalnije rečeno, manje je tipkanja. Ja sam i dalje programer, ali umjetna inteligencija radi za mene i po mojim uputama, štedi mi dragocjeno vrijeme kod onih operacija koje su nužne, a same po sebi ponavljajuće ili dosadne. Poštedi me dva, tri dana kuckanja, jer su joj trening podaci na najjednostavnijoj softverskoj razini blizu, gušći su, i manje je pogreški. Sve se svodi na to da je bitno znati što AI radi dobro, a što očajno, tek tada vam može biti koristan. On neminovno mijenja i mijenjat će IT industriju – zaključuje naš sugovornik koji je konzultant programerima tvrtki Siemens, Ericsson i Fractal, pa na djelu može vidjeti sve te promjene koje AI unosi u njihov rad.
– Na svom projektu koji se bavim kirurškim zahvatima u virtualnoj i miješanoj zbilji (Virtual and Mixed Reality) koristim "teške" tehnologije kao što su DirectX 12, OpenXR, HoloLens 2, VARJO i C++26 i tu je AI jako loš pa moje lekcije sprema lokalno, da ih ne zaboravi ako promijenim sesiju. Claude (on) mi često laska i podilazi da je to perfektan kod. Pokušavam ga učiti baš poput mojih studenata pa ga prisiljavam da pohranjuje podatke koji su nam važni, da svaki puta ne krećemo iznova, već postepeno gradimo znanje. Najveći je problem što on (AI) to sve što spozna dok radimo na mome projektnom zadatku, uključujući ono gdje je pogriješio, neće trajno pohraniti u svoju bazu podataka, pa će ponovno raditi iste greške kad ga netko drugi pokrene u svojoj sesiji po sličnom projektnom zadatku. To mu je najveći nedostatak – objašnjava profesor.
Znanje je ključno
Kako će AI utjecati na mlade programere, hoće li oni pokušati učiti od umjetne inteligencije, a manje od iskusnijih i znanjem potkovanijih kolega, profesora, mentora, dokazanih IT stručnjaka?
– Primjetan je rast onih koji misle da znanje mogu pronaći na internetu, da ih AI može naučiti programiranju, no takvi kad-tad dođu u problem i obrate se stručnijima od sebe za pomoć. Kazao sam već da AI ne zna kad zna, ni kad ne zna, i ako ste to što vam je ponudio prihvatili zdravo za gotovo i uz njegovu pomoć ste došli do pogrešnog koda, naravno da je onda i projektni rezultat izostao, pa slijedi razočaranje.
Našli ste se u ćorsokaku jer ne znate upravljati umjetnom inteligencijom kao alatom (Vibe Coding), a ona vas je, loše aproksimirajući na temelju loših podataka i istih takvih uputa nedovoljno znanjem potkovanog programera, odvela na pogrešan put.
Zato ukorak s razvojem umjetne inteligencije, moramo učiti kako njom ispravno upravljati i kako bi ono u čemu je ispravljamo, a ja to radim s četrdeset godina profesionalnog iskustva, ona kasnije mogla koristiti što, nažalost, danas nije slučaj. To je ključno za razvoj umjetne inteligencije, da programeri, a posebice eksperti, ukažu na pogreške, i da se one više ne ponavljaju i ne pohranjuju u data centrima i tako svaki put iznova vode do pogrešnih rezultata koji dodatno narušavaju povjerenje u mogućnosti umjetne inteligencije.
Za sudjelovanje u komentarima je potrebna prijava, odnosno registracija ako još nemaš korisnički profil....