Investiranje u umjetnu inteligenciju: mali tutorial

Objavljeno

Američki investitor u nove tehnologije, zagrebački FSB-ovac Mislav Tolušić, uvodi čitatelje Laba u područje umjetne inteligencije iz perspektive investitora. Mislav je odlučio podijeliti neka svoja praktična iskustva iz investicijskog svijeta s hrvatskim čitateljima.

Ad
Ad

Umjetna inteligencija (eng. artificial intelligence, AI), danas je jedna od glavnih tema u svijetu tehnologije. Radi se o tehnologiji koja će promijeniti živote ljudi i uvesti nas u novo doba – doba Četvrte industrijske revolucije. Takva proročanstva zvuče impresivno. U ovom tekstu pokušat ćemo se probiti kroz mnoštvo pojmova i mimo uobičajenih buzzwords razlučiti što je istina i gdje tehnologija AI ima svoje primjene. S gledišta ulaganja u aplikacije umjetne inteligencije postavljaju se, naime, neka vrlo praktična pitanja.

Inteligencija i znanje

Da bismo razumjeli što je inteligencija prvo trebamo razlikovati razumijevanje od znanja. Zbrajanje je dobar primjer. Znati zbrojiti 2+2 je mehanički proces koji je lako naučiti. Računala već desetljećima rutinski, što znači brže i točnije od ljudi, obavljaju te procese. To je znanje. I za znanje je potrebna inteligencija, međutim inteligencija u punom smislu riječi napredni je proces koji zahtjeva razumijevanje.

Zamislite sljedeći problem koji se svodi na osnovne računske operacije, ali koje su dio šireg procesa razumijevanja: imamo 5 kanti za jabuke; u svaku kantu stane po 10 jabuka; ako imamo 40 jabuka, koliko kanti trebamo? Da bi se ovaj problem riješio, prvo ga treba razumjeti:

  1. Što točno imamo? 40 jabuka.
  2. Gdje trebamo staviti jabuke? U kante.
  3. Koliko ima kanti? 5. 
  4. Koliko jabuka stane u kantu? 10 komada.
  5. Jesu li sve kante iste? Jesu.

Nakon što razumijemo problem, pretvaramo ga u matematičku jednadžbu:

40 = y (kanti) x 10

y = 40/10 = 4 kante

Za riješiti korake od i) – iv) potrebna je inteligencija. Za riješiti jednadžbu potrebno nam je znanje iz matematike. Već slutite razliku između znanja i inteligencije – između računanja i rješavanja problema.

Inteligencija vs automatizacija

Zamislimo avion koji leti na aerodrom A. Tijekom leta avion dobije dojavu da je aerodrom A zatvoren.  Sada zamislimo jednostavni autopilot koji funkcionira na jednostavnom IF-THEN principu: ako je aerodrom A zatvoren, idi na aerodrom B. To je automatizam. Uvijek dobivamo isto rješenje kada je aerodrom A zatvoren. Problem nastaje kada situacija nije predviđena: i aerodrom A i aerodrom B mogu biti zatvoreni.

Zamislimo što bi se desilo da pilot dobije dojavu da su aerodromi A i B zatvoreni; pilot pogleda kroz prozor, vidi ravnu cestu i sleti na nju. U ovom slučaju vidimo razliku između automatskog donošenja odluka i odluka donesenih putem razumijevanja. To je još jedan primjer razlike između inteligencije (ljudi) i automatizacije (roboti).

Korelacija vs uzročnost

U američkom nogometu postoje dvije divizije – AFC i NFC. Veliko finale (Super Bowl) održava se svake godine u veljači: prvak AFC-a igra protiv prvaka NFC-a. Dobro je dokumentiran fenomen da ako NFC tim pobjedi, onda Dow Jones (indeks američkih dionica) te godine dobiva na vrijednosti. Isto tako, gubi na vrijednosti ako pobjedi AFC tim. Statistička analiza ukazuje kako su tržišta kapitala povezana s rezultatima američkog nogometa: to je korelacija. Međutim, ljudska inteligencija je skeptična prema tom zaključku. Skepsa proizlazi iz razumijevanja konteksta. Naime, teško je uzeti «zdravo za gotovo» da su rezultati američkog nogometa savršeno i na jednostavan način povezani s tržištem kapitala. Ljudi razumiju da korelacija ne znači nužno i uzročnost (eng. correlation does not imply causation).

Kako radi AI?

Današnje metode umjetne inteligencije svode se na statističke modele. To znači da ćemo imati bolji statističko-matematički model ako imamo više podataka. Ako se prisjetite uvoda, možda uočavate problem: nedostatak konteksta. Računalna umjetna inteligencija pronaći će korelacije, na osnovu toga će izvući zaključke, ali što je sa skepsom? Moguća apsurdnost rezultata neće biti ispitana.

U gornjem primjeru, AI će s velikim stupnjem sigurnosti zaključiti da su kretanja na tržištu kapitala usko povezana sa sportskim rezultatom. Kako dodajemo nove podatke, model za zaključivanje se rafinira i sve bolje matematički opisuje unesene podatke. Ali, i dalje je neizbježna jedna činjenica: kompjuteri ne dobivaju informacije o kontekstu, o svim značenjima i kontekstu Super Bowla s jedne i tržišta kapitala s druge strane, već samo mijenjaju određene težine koreliranih parametara. U primjeru američkog nogometa, moguće je da na temelju novih podataka par godina kasnije AI dođe do skroz suprotnog zaključka: ako pobijedi NFC tim, doći će do pada vrijednosti dionica. Zbog toga je većinu današnjih primjena AI točnije opisati kao AI – Arithmetic Intelligence.

Sada shvaćate problem: u području računarstva još uvijek nismo u stanju dovoljno precizno razlikovati koncepte znanja i inteligencije na onako jasan način kao u početnom ljudskom primjeru s kantama i jabukama.

Čemu onda služi AI?

Ključ je u okolini, kontekstu. AI danas dobro radi u jasno definiranim okolinama, gdje je broj rezultata ograničen. AI je dobar za igranje šaha, ali je još uvijek loš vozač automobila po gradu. Šah ima jasna pravila igre i broj kombinacija je velik, ali određen je kao konačan. Vožnja po gradu ima bezbroj varijabli: auti, vozači, pješaci, signalizacija, životinje, rupe na cestama, itd. Iako su pravila jasna, njihovo provođenje je jako varijabilno – neki vozači voze iznad dozvoljene brzine, neki ispod, a neki točno prema pravilima.

AI je jako dobro rješenje za probleme koji involviraju puno podataka (Big Data), gdje se traže jasno definirani ciljevi, u jasno definiranim uvjetima: varijable s kojima radimo imaju konačan broj mogućih vrijednosti i okolina se ne mijenja zbog akcija algoritma (slabe su strateške interakcije). Primjeri su: traženje osoba/objekata na slikama, traženje sumnjivih bankovnih transakcija, automatizacija serijske proizvodnje, itd.

Problemi investiranja u AI

Dosadašnji dio teksta nije puka teorija. S gledišta investiranja u aplikacije umjetne inteligencije postavlja se glavno pitanje: da li AI algoritam radi, odnosno, u kojim slučajevima možemo očekivati dobivanje rezultata koji će nam biti stvarno korisni? To je standardno pitanje za početak due diligence-a (postupka dubinskog ispitivanja investicijske prigode) u području umjetne inteligencije.

Tome prethodi i jedno pred-pitanje: koji problem AI algoritmom pokušavamo riješiti? Iskustvo pokazuje da algoritmi moraju biti napravljeni za rješavanje vrlo konkretnih problema. Generalizirani algoritmi koji su napravljeni tako da o okolini mogu naučiti sve i svašta u pravilu ne funkcioniraju.

Početkom ove godine razgovarao sam s firmom koja je prezentirala takav algoritam. Njihov generalizirani algoritam mogao je naučiti što god je bilo potrebno s relativno malo podataka. Algoritam je naučio voziti auto: učinkovitost je prezentirana u utrci na video igrici. Izgledalo je impresivno. U sljedećem koraku tražili smo da u algoritam unesemo podatke s kompjuterske mreže kako bismo otkrili može li algoritam otkriti anomalije koje bi mogle značiti upad hakera na mrežu. Jasno je zašto smo to tražili: ako je algoritam dobar za rješavanje bilo kojega problema, vozač-algoritam bi se onda lagano morao prebaciti iz jedne aplikacije u drugi. Kada smo unijeli podatke sa mreže, algoritam nije pokazao impresivne rezultate. U ovome slučaju generalizirani algoritam nije radio.

Prije mjesec dana razgovarao sam s jednom drugom firmom koja pomoću algoritma ubrzava pretraživanje slika. Algoritam može jako brzo zaključiti da li se tražena osoba/objekt nalazi na slici. Algoritam daje vrlo dobre rezultate: osnovni postulati da bi investicija bila interesantna bili su zadovoljeni. Prvo, aplikacija je jasno definirana (traženje osobe/objekta na slici). Drugo, geometrija lica/objekta koje tražimo uvijek je ista, i treće, okolina se ne mijenja uslijed primjene algoritma. Pretraživanje slika je drastično ubrzano (ljudska intervencija je svedena na mali broj situacija gdje AI nije bio 100% siguran): produkt očito može smanjiti troškove, samim time ima i ekonomsku računicu za potencijalne klijente.

Potreba za ljudskom intervencijom isto nam govori kako i u kojim slučajevima AI treba koristiti – Augmented Intelligence (dodatna inteligencija). Optimalno rješenje je zajednički rad, kompjutera i ljudi. Avioni su dobar primjer, dok se avion nalazi na zemlji njime upravljaju piloti, a ne AI. Prvenstveno zato što je situacija na zemlji nepredvidiva, imamo druge avione, ljude i vozila. Situacija tijekom leta je skroz drugačija, nemamo puno nepredvidivih situacija – zato se možemo pouzdati u autopilote. Ako slučajno dođe do nepredvidive situacije, onda možemo upozoriti pilota, koji preuzima kontrolu nad avionom. Dakle radi se o podjeli rada – ljudi rade ono što najbolje znaju, donose odluke, procjene i zaključke; kompjuteri rade ono što rade najbolje: računaju i uspoređuju brojeve.

Budućnost AI

Film Terminator baziran je na ideji da jednoga dana AI postaje “svjesna” i da kompjuteri odluče preuzeti svijet. Danas imamo dosta poznatih ljudi (i to iz svijeta tehnologije) koji šire poruke o opasnosti AI. Takav stav nema smisla iz nekoliko razloga: i) statističko-matematički algoritmi nisu kreativni, ne mogu smisliti nešto novo; ii) algoritmi ne mogu staviti stvar u kontekst, dakle u tom smislu nisu “svjesni” (okvira); i iii) količina podataka koja je potrebna da se dobije algoritam koji može raditi dosta jednostavne stvari prilično je velika, što upućuje na duboku specijalizaciju algoritama – algoritam koji je dobar za jedan problem, neće biti dobar za više njih (ili prepoznavanje slika ili spornih bankovnih transakcija, a ne i slike i bankovne transakcije).

Prema tome, najveća opasnost ne dolazi od računala, već od ljudi i načina kako oni odluče primijeniti AI. Na primjer, obučeni ste u crno, hodate prema dućanu, imate džepni nožić u džepu, i pred ulazak u dućan uhapsi vas policija. Razlog: 100% kriminalaca koji su provalili u dućan su bili obučeni u crno, hodali su (nisu se vozili) i imali su u džepu nožić; AI vas je detektirala kao kriminalca. Niti krivi, niti dužni, morate voditi raspravu sa policijom o svojim namjerama i uvjeravati ih da niste kriminalac. Takva primjena bi nas vodila prema policijskoj državi, osobne slobode počele bi se drastično ograničavati. Ali za to ne bi bila kriva AI, već ljudi koji su je odlučili krivo primijeniti; pištolji nisu krivi za oružane pljačke, već ljudi naoružani pištoljima.

AI tehnologija će nastaviti raditi ono što kompjuteri rade za čovječanstvo – povećavaju produktivnost. Analize ogromnih količina podataka koje su potrebne za razna istraživanja postat će puno brže, i greške će se smanjiti. Neke poslove će biti puno lakše i jeftinije automatizirati – robotika će postati primjenjivija u svakodnevnom životu. Opasni poslovi će postati manje opasni – zašto slati ljude kada možemo slati robote? Zato nije loše da se zapitate: koliko vam je kreativnosti u donošenju odluka potrebno na poslu koji obavljate? Ako odgovor glasi puno, onda možete biti sigurni da kompjuteri neće “uzeti” vaš posao.