Umetna inteligenca (UI) je skozi zgodovino dosegala vzpone in padce. Leta 1956 se je na področju razvoja umetne inteligence začela t. i. zlata doba. Takrat so napovedovali, da bo v desetih letih računalnik premagal svetovnega prvaka v šahu. A prva streznitev je prišla, ko so ugotovili, da računalniki niso dovolj zmogljivi za tako zapletene operacije. Sledilo je zmanjšanje financiranja in razvoj se je upočasnil. V 80. letih je področje doživelo preporod, pojavili so se ekspertni sistemi, ki pa so bili dragi za vzdrževanje. Japonci so v tem času napovedovali, da bodo operacijski sistemi računalnikov delovali na podlagi umetne inteligence, a ni prišlo dlje od nekaj člankov. Leta med 1993 in 2011 zaznamuje revitalizacija raziskovanja umetne inteligence, v tem obdobju je računalnik Deep Blue prvič premagal svetovnega prvaka v šahu Garija Kasparova. Po letu 2011 pa beležimo velik vzpon umetne inteligence. Zasluga gre predvsem globokemu učenju, nevronskim mrežam, velepodatkom, Googlov program pa je premagal tudi svetovnega prvaka v igri GO, nas je skozi zgodovino na kratko popeljal Bojan Cestnik (Temida).

Razloge za priljubljenost umetne inteligence vidi predvsem v preboju, doseženem z globokim učenjem, umetnih nevronskih mrežah in generativnih modelih (generiranje govora, pisanega besedila, slik). Preboj so omogočili neprimerljivo večja količina podatkov kot nekoč in bistveno zmogljivejši računalniški sistemi. Velik napredek je bil v zadnjem času narejen na področju jezikovnih tehnologij, kot je na primer avtomatsko prevajanje, pa tudi na področju razpoznavanja slik, govora, videa in generiranja besedil, slik, govora, glasbe in podobno.

Priložnosti za uporabo umetne inteligence so po besedah Bojana Cestnika v razširitvi uporabe strojne opreme, ki je že prilagojena za uporabo umetne inteligence, razširljivosti in povezljivosti UI rešitev (povezovati se UI še ne zna), razvoju novih algoritmov za boljše razumevanje relacij in razvoju nevronskih mrež, ki bi znale pojasnjevati odločitve (kot primer je navedel eno nevronsko mrežo ob drugi, prva opazuje drugo in zna pojasniti, zakaj je prva nekaj storila – za zdaj namreč še ni jasno, zakaj npr. ChatGPT deluje kot deluje).

Med tveganji, ki jih moramo upoštevati, pa so nekritično sprejemanje UI rešitev (ne smemo pozabiti, kaj je v ozadju, pri ChatGPT na primer le statistično napovedovanje besed), nerazumevanje slabosti dobljenih rešitev (ChatGPT si izmišljuje vire, če jih ne najde), pristranskost modelov in algoritmov zaradi slabih vstopnih podatkov, vdori v zasebnost, z UI je lažje ustvariti prepričljivejše lažne novice (npr. deepfakes), vsi se bojimo odvečnost avtomatiziranih poklicev (vsake toliko časa v zgodovini človeštva nastopi trenutek, ko morajo zaposleni pridobiti nove veščine, običajno se ob tem pojavi več možnosti za zaposlitve, a niso enake kot včasih), povečanje neenakosti (med tistimi, ki bodo novo tehnologijo lahko uporabljali in tistimi, ki je ne bodo mogli), pa tudi avtomatizacija orožja.

Tehnologijo uporabljajmo kot sredstvo za večjo učinkovitost

Čeprav kaže, da pri nadaljnjem delu brez umetne inteligence ne bo šlo, Luka Andrejak (iPROM) opozarja, da bi bilo zaposlene še vedno treba postaviti v središče, tehnologijo pa uporabljati kot sredstvo za večjo učinkovitost. V iPROMu uporabljajo adtech rešitve, a jih skušajo integrirati tako, da zaposlenih ni strah, da bi izgubili delo.

Po mnenju Luke Andrejaka bo UI močno spremenila digitalno oglaševanje. V digitalnem oglaševanju namreč pri uporabi umetne inteligence ne gre zgolj za izbiro ciljne skupine, pač pa v ozadju še veliko drugih aktivnosti, kot so segmentacija, strategija, izbira pravih formatov. Umetna inteligenca tako pomaga avtomatizirati celoten proces, uporabimo pa jo lahko za optimizacijo analitičnih procesov in napovedovanje. Na podlagi velikih količin podatkov nam lahko pomaga identificirati uporabnike, kar imenujemo dinamično ciljanje, hkrati pa na podlagi tega omogoča personalizacijo vsebin. S tem lahko po besedah Luke Andrejaka veliko učinkoviteje porabljamo oglaševalski proračun.

Luka Andrejak je poudaril, da je zelo pomembno, kako učimo sisteme umetne inteligence. Podjetja naj sama učijo UI, ki ji dajo na voljo vse podatke o podjetju, vsi (ti) podatki pa naj ne bodo na voljo vsem.

Pogovorni roboti za boljšo uporabniško izkušnjo

Matjaž Možina (2Mobile) je izpostavil, da je GPT zelo dobro orodje za hitrejše grajenje in učenje pogovornih robotov. Zanje je namreč zelo pomembno, kako globoko v vsebino lahko gredo, saj je od tega odvisna kakovost odgovorov uporabnikom. Pogovorni roboti so tako primerni za podjetja, ki z uporabniki veliko komunicirajo prek klicnih centrov, e-pošte ali fizično. Po eni strani zato, ker so njihovi uporabniki na drugih komunikacijskih platformah, kjer se jim lažje približajo s pogovornimi roboti, po drugi pa sta elektronska pošta ali klicni center za podjetje zelo draga komunikacijska kanala. Z uporabo pogovornih robotov se tako izboljša uporabniška izkušnja, hkrati pa podjetje lahko opravlja analizo vedenja in razumevanja potreb kupca. S tem lahko po besedah Matjaža Možine doseže izboljšanje interakcij in spodbujanje konverzij, personalizacijo ponudb, ponovno vključevanje uporabnikov v nakupni proces, avtomatizacijo vračil in podporo delu klicnih centrov (npr. pametni virtualni asistenti kot podaljšek agenta, agenti pa postanejo trenerji umetne inteligence).

Kot primer je navedel A1, kjer so po treh mesecih od začetka uporabe pogovornega robota, zabeležili 25 % manj klicev v klicni center, po dveh letih pa pogovorni robot sam (brez potrebe po pogovoru s človekom v živo) zaključi 55 % vseh pogovorov.

Matjaž Možina se strinja z rekom, da umetna inteligenca ne bo zamenjala zaposlenih, pač pa bodo zaposlene zamenjali ljudje, ki obvladajo umetno inteligenco. Nekaj delovnih mest se bo po njegovih besedah zagotovo izgubilo, a bo nastala potreba po novih. Zato dodaja, da se morajo podjetja pravočasno prestrukturirati, zaposlene izobraziti za nove naloge, eden od novih poklicev je tako tudi trener umetne inteligence.

Nekoliko bolj tehnološko obarvan članski meetup je zaključil Blaž Zupan (Fakulteta za računalništvo in informatiko Univerze v Ljubljani), ki je najprej poudaril, da se strojno učenje od 80. let do danes ni bistveno spremenilo, izhaja namreč iz podatkov, ki so na voljo, razvrščenih v tabele. S pomočjo teh podatkov je mogoča segmentacija, oblikovanje napovednih modelov ali razložljivost.

Tekst, ki ne more biti razvrščen v tabele, pa v strojnem učenju pretvorimo v vektorje, ki jih lahko razvrstimo v diagrame. Tehnologija, ki je pregledala velike količine teksta tako ve, katere besede so se najpogosteje pojavljale skupaj. Ko vse besede pretvorimo v vektorje, je pisanje stavkov enostavno, je delovanje generativnih modelov opisal Blaž Zupan. Podobno kot za besede, pa velja tudi za slike.

Ob tem je dodal, da je velik del ljubljanske šole umetne inteligence temeljil na ideji Ivana Bratka, da če želiš razložiti stvari, moraš imeti kontekst, moraš povezovati stvari. Podjetja naj tako v ogromne modele, ki so zajeli že praktično vse, kar je napisano, implementirajo podatke, ki bodo podjetju lastni, in na ta način dobijo kontekst svojega podjetja.

Uspešna implementacija UI v podjetje = resen pristop + zadostno financiranje

Za uspešno implementacijo umetne inteligence v podjetju Blaž Zupan svetuje urejeno digitalno okolje, resen in strokoven pristop, podjetja pa naj začnejo s pilotnimi projekti, za implementacijo katerih je potrebnih nekaj mesecev. Za to so potrebna tudi zadostna sredstva, opozarja, saj sam opaža, da tisti, ki umetne inteligence ne razumejo, za njeno uvajanje namenjajo premalo sredstev. Pomemben je tudi prenos znanja, vključiti je treba strokovnjake v podjetju, ki se s tovrstnimi stvarmi ukvarjajo že od začetka, nato pa prenašajo znanje naprej. Izbira orodij ni bistvena, zelo pomembni pa so zaposleni, ki bodo imeli potrebne veščine. Izjemno pomembno se mu za podjetja zdi tudi prepoznavanje priložnosti.

Slovenija prva na področju izobraževanja umetne inteligence na svetu?

»Koncept UI je tako enostaven, da bi ga lahko začeli uvajati že v osnovni šoli,« meni Blaž Zupan. V Sloveniji so razvili programsko opremo in način poučevanja umetne inteligence, ki temelji na reševanju problemov, oziroma ponazoritvi, kako iz podatkov priti do česa zanimivega.

Trenutno tako poteka izziv za osnovnošolce, ki je na voljo na spletni strani pumice.si, kjer mladi ugotavljajo, kako so po slovenskih občinah razporejeni priimki. Takšne izzive rešujejo pri predmetih slovenščine, zgodovine in geografije, pri čemer jih izzivalci ne povedo, da je zadaj UI, je pa to samo po sebi razvidno. S takšnim pristopom bi lahko po besedah Blaža Zupana celotno populacijo učencev naučili, kako UI s pridom izkoristiti. »Slovenija bi tako lahko postala prva na področju izobraževanja umetne inteligence na svetu,« je zaključil.

‍