Dolazak ChatGPT-a u studenom 2022. podsjetio nas je na transformativnu moć revolucionarne tehnologije. Akademici i tehnološke tvrtke godinama su eksperimentirali s generativnom umjetnom inteligencijom (GAI). Onda se odjednom svima našla pred vratima, ometajući njihov posao. Dvije godine ranije bili smo zapanjeni naizgled čudesnim razvojem cjepiva protiv COVID-a 19 u devet mjeseci korištenjem mRNA, tehnologije molekularne biologije osmišljene 1960-ih.

Koje bi se druge tehnologije koje mijenjaju igru i koje su godinama razvijane u laboratorijima i pilot postrojenjima mogle približiti svom “ChatGPT trenutku” – točki kada postanu komercijalno održive, povećaju se i redefiniraju industrije? Svjetska savjetnička tvrtka Boston Consulting Group – BCG  vjeruje da se pet — sintetička biologija, kvantno računalstvo, fuzijska energija, izravno hvatanje zraka i CO2 u X — približava točkama preokreta u sljedećih jedno ili dva desetljeća.

Ukratko rezimirajmo što se događa s umjetnom inteligencijom / strojnim učenjem / dubinskim učenjem / generativnim AI-om kao što su ChatGPT, Bard, Copilot i Midjourney. Američkom gospodarstvu prijeko je trebala Sljedeća Velika Stvar za poticanje produktivnosti i gospodarskog rasta. Najvjerojatniji kandidat bio je AI/ML. Da citiramo ekonomista Erika Brynjolfssona — možda vodećeg stručnjaka za digitalnu ekonomiju — koji zagovara AI/ML kao katalizator produktivnosti:
‘AI je tehnologija opće namjene (GPT – General Purpose Technology) koja utječe na gotovo svaku industriju dok ubrzava tempo otkrivanja. Nedavna otkrića u strojnom učenju potaknut će produktivnost u različitim područjima poput biotehnologije i medicine, energetskih tehnologija, maloprodaje, financija, proizvodnje i profesionalnih usluga.’
A što se tiče vremena za ovaj poticaj rastu produktivnosti:
‘Prednostima produktivnosti tehnologija opće namjene obično trebaju godine da se pokažu u službenim statistikama. Zapravo, produktivnost je u početku potisnuta jer organizacije ulažu vrijeme i trud u stvaranje nematerijalne imovine kao što su novi poslovni procesi, nove vještine, nova dobra i nove usluge. Međutim, kasnije se ta ulaganja ostvaruju, povećavajući produktivnost. Rezultat je J-krivulja produktivnosti. Nedavna istraživanja pokazuju da se približavaju rastućem dijelu J-krivulje produktivnosti za AI i srodne tehnologije.’

Brynjolfsson je dao te izjave kao dio “duge oklade” s tehno-skeptičnim ekonomistom Robertom Gordonom sa Sveučilišta Northwestern. Konkretno: “Rast produktivnosti privatnog nepoljoprivrednog poslovanja iznosit će u prosjeku preko 1,8 posto godišnje od prvog tromjesečja (Q1) 2020. do zadnjeg tromjesečja 2029 (Q4).” Brynjolfsson je bikovski “prediktor”, a Gordon medvjeđi “izazivač”.
Mnogo toga se dogodilo otkad je ta oklada napravljena prije nekoliko godina, ponajviše GenAI revolucija u proteklih šest mjeseci. I usprkos uzbudljivom ekonomskom potencijalu onoga što se čini kao “tehnologija opće namjene –kao što je to elektrifikacija, motor s unutarnjim izgaranjem i PC + internet, gotovo sve vijesti govorile su o potencijalu masovnog gubitka poslova, širenju nejednakosti i egzistencijalnom riziku za čovječanstvo.

Erik Brynjolfsson predstavlja drugačiju perspektivu GenAI-ja. U novoj analizi, “Machines of mind: The case for a AI-powered productivity boom”, objavljenoj na stranicama Brookings Institution, Brynjolfsson, zajedno s koautorima Martinom Bailyjem i Antonom Korinekom, fokusira se na utjecaj GenAI-ja na rast.

Anton Korinek – zašto očekujemo porast produktivnosti u narednom desetljeću:
– identificiramo dva kanala za povećanje rasta:
1) GAI podiže razinu produktivnosti kognitivnih radnika (oko 60% gospodarstva)
2) Ubrzava inovacije, jačajući stopu rasta produktivnosti
U usporedbi s ranijim tehnološkim revolucijama, ova će se tehnologija brže razvijati jer je digitalna: radnici već imaju svu infrastrukturu koja im je potrebna za pristup GAI-ju i mogu komunicirati s njim prirodnim jezikom.

Svijet rada je spreman za veliki potres. Kratkoročno, AI će biti ‘ruka pomoći’, povećavajući produktivnost i plaće. Ali moramo biti spremni na to da će umjetna inteligencija na srednji rok zamijeniti ljudske uloge. Za tehnologiju je ključno osnažiti, a ne zamijeniti ljude!

Dok se približavamo AGI-ju, od vitalne je važnosti da se nosimo s potresima koje on može izazvati. Povećanje produktivnosti umjetne inteligencije bit će ogromno, ali isto bi moglo biti i premještanje radnika. Moramo se pripremiti za žetvu i dijeljenje ogromnih dobitaka od umjetne inteligencije.

Znanstvenici iz Stanford Digital Economy Lab u okviru Stanford HAI i Massachusetts Institute of Technology proučavali su utjecaj generativne umjetne inteligencije primijenjene u velikom broju u sektoru usluga korisnicima u pozivnom centru. Otkrili su da je pristup pomoći AI povećao produktivnost agenata za 14%, s najvećim utjecajem na manje iskusne radnike.
“Otkrili smo da radnici s pristupom umjetnoj inteligenciji ostvaruju prilično značajne dobitke u produktivnosti, ali većina tih dobitaka pripada početnicima ili manje sposobnim radnicima”, kaže Lindsey Raymond, doktorant na MIT-u i koautor novog rada. “To može biti zato što model umjetne inteligencije širi potencijalno prešutno znanje sposobnijih radnika i pomaže novim radnicima da napreduju po krivulji iskustva.”
Istraživački tim – koji uključuje ekonomista Erika Brynjolfssona, direktora Stanford Digital Economy Laba; Danielle Li, izvanrednu profesoricu na MIT Sloan School of Management i Raymonda – ispitali su postupnu implementaciju chat pomoćnika za softversku tvrtku s popisa Fortune 500 koja nudi softver za poslovne procese. Alat, obučen na podacima više od 5000 agenata u tvrtki, prati razgovore kupaca i nudi agentima tvrtke prijedloge u stvarnom vremenu kako odgovoriti klijentima. Agenti su mogli koristiti te prijedloge, ali su ih također mogli slobodno ignorirati.

Znanstvenici su otkrili da je alat omogućio agentima rješavanje 13,8% više problema po satu: agenti su se mogli brže kretati kroz probleme, rukovati s više poziva odjednom i bili su uspješniji u rješavanju problema. AI pomoćnik poboljšao je izvedbu manje kvalificiranih ili manje iskusnih radnika u svim mjerama produktivnosti. Agenti s dvomjesečnim radnim stažem koji su koristili alat mogli su raditi jednako dobro kao i agenti sa šest mjeseci staža koji nisu imali pristup AI-ju.
Istraživači su pronašli nekoliko pozitivnih učinaka umjetne inteligencije za najviše kvalificirane ili najiskusnije članove tvrtke. “Visokokvalificirani radnici mogu imati manje koristi od pomoći AI-ja upravo zato što preporuke AI-a obuhvaćaju znanje utjelovljeno u njihovim vlastitim ponašanjima”, kaže Brynjolfsson. Osim produktivnosti radnika, Brynjolfsson je primijetio da je pomoć umjetne inteligencije imala dodatnu korist: kao rezultat sugestija umjetne inteligencije koje su osmišljene kako bi pomogle agentima da budu suosjećajniji s frustriranim kupcima, kupci su se prema agentima odnosili mnogo pozitivnije.

Kako generativni AI i temeljni modeli sve šire poboljšavaju izvedbu, sve više ovih alata nalazi svoj put do radne snage. No do sada je samo nekoliko studija u većem opsegu ispitivalo njihov utjecaj na produktivnost, organizacijsku strukturu ili moral, primjećuju autori. Mali, ali rastući broj studija pokušao je razumjeti generativne AI mogućnosti, uključujući neke male eksperimente, ali ovo je jedna od prvih studija koja se bavi generativnim AI alatima na radnom mjestu u stvarnom svijetu.

“Ovdje nam treba daleko više istraživanja”, kaže Brynjolfsson. “Ne znamo može li se utjecaj umjetne inteligencije na produktivnost mijenjati tijekom vremena, a dodavanje ovih alata u ured moglo bi zahtijevati komplementarna organizacijska ulaganja, razvoj vještina i redizajn poslovnih procesa. A sustavi umjetne inteligencije mogu utjecati na zadovoljstvo radnika i kupaca, osipanje i obrasce ponašanja. Ima toliko toga što ne znamo.”

Dr.Geoffrey Hinton bio je pionir umjetne inteligencije. Godine 2012. dr.Hinton i dva njegova diplomirana studenta na Sveučilištu u Torontu stvorili su tehnologiju koja je postala intelektualni temelj za AI sustave za koje najveće tvrtke tehnološke industrije vjeruju da su ključ njihove budućnosti. Međutim, u ponedjeljak se službeno pridružio sve većem zboru kritičara koji kažu da te tvrtke jure prema opasnosti svojom agresivnom kampanjom za stvaranje proizvoda temeljenih na generativnoj umjetnoj inteligenciji, tehnologiji koja pokreće popularne chatbotove poput ChatGPT-a.
Dr.Hinton je rekao da je dao otkaz na poslu u Googleu, gdje je radio više od desetljeća i postao jedan od najcjenjenijih glasova u tom području, tako da može slobodno govoriti o rizicima A.I. Dio njega, rekao je, sada žali za svojim životnim djelom. “Tješim se uobičajenim izgovorom: da nisam ja to učinio, netko drugi bi”, rekao je dr. Hinton tijekom podužeg intervjua prošli tjedan u blagovaonici svog doma u Torontu, nekoliko minuta hoda od mjesta gdje su on i njegovi učenici napravili svoj proboj.
Putovanje dr. Hintona od AI pionira do proricatelja sudbine označava izuzetan trenutak za tehnološku industriju na njezinoj možda najvažnijoj prekretnici u desetljećima. Čelnici industrije vjeruju da bi novi AI sustavi mogli biti jednako važni kao uvođenje web preglednika u ranim 1990-ima i mogli bi dovesti do otkrića u područjima od istraživanja lijekova do obrazovanja.
Ali mnoge insajdere u industriji grize strah da puštaju nešto opasno u divljinu. Generativni AI već može biti alat za dezinformiranje. Uskoro bi to moglo predstavljati rizik za radna mjesta. Negdje niz liniju, kažu najveći zabrinuti za tehnologiju, to bi mogao biti rizik za čovječanstvo. “Teško je vidjeti kako možete spriječiti loše glumce da to iskoriste za loše stvari”, rekao je dr.Hinton.
Nakon što je start-up OpenAI iz San Francisca u ožujku objavio novu verziju ChatGPT-a, više od 1000 tehnoloških vođa i istraživača potpisalo je otvoreno pismo pozivajući na šestomjesečni moratorij na razvoj novih sustava jer AI tehnologije predstavljaju “duboke rizike za društvo i čovječanstvo.” Nekoliko dana kasnije, 19 sadašnjih i bivših čelnika Udruge za unapređenje umjetne inteligencije, 40-godišnjeg akademskog društva, objavilo je vlastito pismo upozoravajući na rizike od AI. Ta je skupina uključivala Erica Horvitza, glavnog znanstvenog direktora u Microsoftu, koji je implementirao tehnologiju OpenAI-ja u širok raspon proizvoda, uključujući svoju tražilicu Bing.
Dr. Hinton, često nazivan “kum umjetne inteligencije”, nije potpisao nijedno od tih pisama i rekao je da ne želi javno kritizirati Google ili druge kompanije dok ne da otkaz na poslu. On je prošlog mjeseca obavijestio tvrtku da daje ostavku, a u četvrtak je telefonski razgovarao sa Sundarom Pichaijem, izvršnim direktorom Googleove matične tvrtke Alphabet. Odbio je javno govoriti o detaljima razgovora s gospodinom Pichaijem. Googleov glavni znanstvenik, Jeff Dean, rekao je u izjavi: “Ostajemo predani odgovornom pristupu AI. Kontinuirano učimo razumjeti nove rizike, a istovremeno hrabro inoviramo.”

Dr.Hinton, 75-godišnji britanski iseljenik, doživotni je akademik čija je karijera vođena njegovim osobnim uvjerenjima o razvoju i korištenju umjetne inteligencije. Godine 1972., kao diplomirani student na Sveučilištu u Edinburghu, dr.Hinton prihvatio je ideju zvanu neuronska mreža. Neuronska mreža je matematički sustav koji uči vještine analizom podataka. U to je vrijeme malo istraživača vjerovalo u tu ideju. Ali to je postalo njegovo životno djelo. U 1980-ima dr. Hinton je profesor informatike na Sveučilištu Carnegie Mellon, ali je napustio sveučilište i otišao u Kanadu jer je rekao da nerado prihvaća sredstva Pentagona. U to vrijeme većina AI istraživanja u Sjedinjenim Državama financiralo je Ministarstvo obrane. Dr. Hinton duboko se protivi korištenju umjetne inteligencije na bojnom polju – onoga što on naziva “roboti vojnici”.

Godine 2012. dr.Hinton i dva njegova studenta u Torontu, Ilya Sutskever i Alex Krishevsky, izgradili su neuronsku mrežu koja je mogla analizirati tisuće fotografija i sama sebe naučiti identificirati uobičajene objekte, poput cvijeća, pasa i automobila. Google je potrošio 44 milijuna dolara za kupnju tvrtke koju su pokrenuli dr. Hinton i njegova dva učenika. A njihov je sustav doveo do stvaranja sve moćnijih tehnologija, uključujući nove chatbotove kao što su ChatGPT i Google Bard. G. Sutskever je postao glavni znanstvenik u OpenAI-ju. Godine 2018. dr. Hinton i još dvoje dugogodišnjih suradnika primili su Turingovu nagradu, često nazivanu “Nobelovom nagradom za računalstvo”, za svoj rad na neuronskim mrežama.
Otprilike u isto vrijeme, Google, OpenAI i druge tvrtke započele su s izgradnjom neuronskih mreža koje su učile iz ogromnih količina digitalnog teksta. Dr. Hinton je mislio da je to moćan način da strojevi razumiju i generiraju jezik, ali inferioran u odnosu na način na koji ljudi barataju jezikom. No prošle godine, kad su Google i OpenAI izgradili sustave koristeći mnogo veće količine podataka, njegovo se gledište promijenilo. I dalje je vjerovao da su sustavi inferiorni ljudskom mozgu na neke načine, ali je mislio da zasjenjuju ljudsku inteligenciju na druge. “Možda je ono što se događa u tim sustavima,” rekao je, “zapravo puno bolje od onoga što se događa u mozgu.”

Kako tvrtke poboljšavaju svoje AI sustave, smatra, oni postaju sve opasniji. “Pogledajte kako je bilo prije pet godina i kako je sada”, rekao je o AI tehnologiji. “Uzmite razliku i propagirajte je naprijed. To je zastrašujuće.” Sve do prošle godine, rekao je, Google je djelovao kao “pravi upravitelj” tehnologije, pazeći da ne objavi nešto što bi moglo prouzročiti štetu. Ali sada kada je Microsoft proširio svoju tražilicu Bing s chatbotom – izazivajući Googleovu osnovnu djelatnost – Google se utrkuje u implementaciji iste vrste tehnologije. Tehnološki divovi uhvaćeni su u natjecanje koje je možda nemoguće zaustaviti, rekao je dr. Hinton. Njegova trenutna briga je da će internet biti preplavljen lažnim fotografijama, videima i tekstovima, a prosječna osoba “više neće moći znati što je istina”. Također je zabrinut da će AI tehnologije s vremenom preokrenuti tržište rada. Danas chatbotovi poput ChatGPT-a obično nadopunjuju ljudske radnike, ali bi mogli zamijeniti pravnike, osobne asistente, prevoditelje i druge koji obavljaju zadatke napamet. “To oduzima težak posao”, rekao je. “Moglo bi oduzeti više od toga.”
U nastavku je zabrinut da buduće verzije tehnologije predstavljaju prijetnju čovječanstvu jer često uče neočekivano ponašanje iz golemih količina podataka koje analiziraju. To postaje problem, rekao je, jer pojedinci i tvrtke dopuštaju AI sustavu ne samo generiranje vlastitog računalnog koda, već i samostalno pokretanje tog koda. I boji se dana kada će istinski autonomno oružje – ti roboti ubojice – postati stvarnost. “Ideja da bi ove stvari zapravo mogle postati pametnije od ljudi – nekoliko je ljudi vjerovalo u to”, rekao je. “Ali većina ljudi je mislila da je to daleko. I ja sam mislio da je daleko. Mislio sam da je to za 30 do 50 godina ili čak i duže. Očito, više ne mislim tako”. Mnogi drugi stručnjaci, uključujući mnoge njegove studente i kolege, kažu da je ova prijetnja hipotetska. No dr. Hinton vjeruje da će utrka između Googlea i Microsofta i ostalih eskalirati u globalnu utrku koja neće prestati bez neke vrste globalne regulacije. Ali to je možda nemoguće, rekao je. Za razliku od nuklearnog oružja, rekao je, ne postoji način da se sazna rade li tvrtke ili zemlje na tehnologiji u tajnosti. Najbolja nada je da vodeći svjetski znanstvenici surađuju na načinima kontrole tehnologije. “Mislim da ne bi trebali ovo povećavati sve dok ne shvate mogu li to kontrolirati”, rekao je.

Dr.Hinton je, kada bi ga ljudi pitali kako može raditi na tehnologiji koja je potencijalno opasna, parafrazirao Roberta Oppenheimera, koji je predvodio američke napore da se napravi atomska bomba: “Kada vidiš nešto što je tehnički slatko, ideš naprijed i učiniš to.”
On to više ne govori.

(C) New York Times, May 1, 2023 by Cade Metz

“Generativni agenti se probude, skuhaju doručak i krenu na posao; umjetnici slikaju, a autori pišu; formiraju mišljenja, primjećuju jedni druge i započinju razgovore; sjećaju se i razmišljaju o prošlim danima dok planiraju sljedeći dan”.

Kako bi omogućili generativne agente, istraživači opisuju arhitekturu koja proširuje veliki jezični model za pohranjivanje potpune evidencije agentovih iskustava korištenjem prirodnog jezika, sintetiziranje tih sjećanja tijekom vremena u refleksije više razine i njihovo dinamičko dohvaćanje za planiranje ponašanja. Oni predstavljaju generativne agente kao stvarne kako bi naselili interaktivno pješčano okruženje (sanbox environment) inspirirano “The Sims”, gdje krajnji korisnici mogu komunicirati s malim gradom od dvadeset pet agenata koristeći prirodni jezik. U evaluaciji, ti generativni agenti proizvode uvjerljiva individualna i pojavna društvena ponašanja.

Istraživački rad Generativni agenti pokazuje generativnu umjetnu inteligenciju koja planira i ima sjećanja.

Agenti percipiraju svoje okruženje, a sve percepcije spremaju se u opsežnom zapisu agentovih iskustava koji se naziva memorijski tok. Na temelju njihove percepcije, arhitektura dohvaća relevantna sjećanja, zatim koristi te dohvaćene radnje za određivanje radnje. Ova dohvaćena sjećanja također se koriste za formiranje dugoročnih planova i za stvaranje refleksija više razine, koje se unose u tok memorije za buduću upotrebu.

Microsoftovi istraživači prethodno su primijetili da ChatGPT poput umjetne inteligencije može raditi sve što ljudi rade (rasuđivati, rješavati probleme, razmišljati apstraktno, shvaćati složene ideje), ali nije bio u stanju planirati i nije imao puno memorije. Ovaj rad više pomaže u rješavanju problema planiranja i pamćenja te učenja iz iskustva.

Procjenjuje se da je ChatGPT dosegao 100 milijuna korisnika u samo dva mjeseca. Netflixu je trebalo 10 godina da dosegne 100 milijuna korisnika; šest i pol godina za Google Translate; otprilike dvije i pol godine za Instagram.

Generativna umjetna inteligencija (GAI) je polje koje se brzo razvija i ima potencijal za revoluciju u mnogim industrijama. Ova moćna tehnologija koristi algoritme dubokog učenja za stvaranje novog i originalnog sadržaja, u rasponu od teksta i slika uz glazbu i 3D modele. Kao rezultat toga, generativna umjetna inteligencija privukla je pozornost investitora koji žele iskoristiti njegov golemi potencijal.

Generativna AI odnosi se na sustave umjetne inteligencije koji su dizajnirani da stvaraju novi i originalni sadržaj na temelju podataka na kojima su obučeni. To može uključivati generiranje teksta, slika, glazbe, pa čak i 3D modela. Za razliku od diskriminativne/analitičke AI, koja se koristi za klasifikaciju i kategorizaciju podataka, generativna AI stvara nove podatke korištenjem probabilističkih modela za proizvodnju rezultata na temelju obrazaca koje je naučila iz ulaznih podataka.

Publikaciju Global X by Mirae Asset možete preuzeti ovdje.

Godinu dana kasnije, Brynjolfsson kaže da je ChatGPT, sa svojim rezultatima koji zvuče ljudski, “kao tipični primjer za ono na što sam upozoravao”: “turbopotaknutu” raspravu o tome kako se nove tehnologije mogu koristiti da ljudima daju nove sposobnosti, a ne jednostavno ih zamijeniti.

Unatoč zabrinutosti da će AI programeri nastaviti slijepo nadmašivati ​​jedni druge u oponašanju ljudskih sposobnosti u svojim kreacijama, Brynjolfsson, direktor Stanford Digital Economy Laba, općenito je tehno-optimist kada je u pitanju umjetna inteligencija. Prije dvije godine predvidio je porast produktivnosti zbog umjetne inteligencije i drugih digitalnih tehnologija, a ovih je dana optimističan po pitanju utjecaja novih modela umjetne inteligencije.

Velik dio Brynjolfssonovog optimizma dolazi iz uvjerenja da bi tvrtke mogle imati velike koristi od upotrebe generativne umjetne inteligencije (GAI) kao što je ChatGPT za proširenje svoje ponude i poboljšanje produktivnosti svoje radne snage. “To je izvrstan alat za kreativnost. Sjajno vam pomaže da radite nove stvari. Nije jednostavno raditi istu stvar jeftinije,” kaže Brynjolfsson. Sve dok se tvrtke i programeri mogu “držati podalje od mentaliteta mišljenja da ljudi nisu potrebni”, kaže on, “to će biti vrlo važno.”

U roku od jednog desetljeća, predviđa on, generativna umjetna inteligencija mogla bi dodati trilijune dolara u gospodarski rast u SAD-u. “Većina našeg gospodarstva zapravo su radnici znanja i informatike”, kaže on. “I teško je zamisliti bilo koju vrstu informacijskih djelatnika na koju neće barem djelomično utjecati.”

Kada će taj porast produktivnosti doći – ako se dogodi – ekonomska je igra pogađanja. Možda samo trebamo biti strpljivi.

” Godine 1950. Alan Turing predložio je “igru oponašanja”, test je li stroj inteligentan: može li stroj tako dobro oponašati čovjeka da su njegovi odgovori na pitanja bili nerazlučivi od ljudskog? Od tada, stvarajući inteligenciju koja odgovara ljudskoj inteligenciji bio je implicitno ili eksplicitno cilj tisuća istraživača, inženjera i poduzetnika. Prednosti umjetne inteligencije nalik ljudskoj (HLAI) uključuju ogromnu produktivnost, povećanu dokolicu i možda najdublje bolje razumijevanje naših vlastitih umova. Ali nisu sve vrste umjetne inteligencije slične ljudskima – zapravo, mnogi od najmoćnijih sustava vrlo su različiti od ljudi–a pretjerani fokus na razvoj i implementaciju HLAI-a može nas dovesti u zamku. Kako strojevi postaju bolje zamjene za ljudski rad, radnici gube ekonomsko i političko pregovaranje moći i postaju sve više ovisni o onima koji kontroliraju tehnologiju.

Nasuprot tome, kada je umjetna inteligencija usmjerena na proširenje ljudske inteligencije, a ne na njihovo oponašanje, ljudi zadržavaju moć inzistirati na udjelu stvorene vrijednosti. Što više, proširenje stvara nove mogućnosti i nove proizvode i usluge, u konačnici generirajući daleko veću vrijednost od samo ljudske inteligencije. Dok obje vrste AI mogu biti iznimno korisne, trenutno postoji među tehnolozima, poslovnim rukovoditeljima i kreatorima politike više poticaja za automatizaciju nego nego za povećanje vrijednosti ljudi .”

Osnovne ideje u ovom eseju inspirirane su nizom razgovora s Jamesom Manyika i Andrew McAfee. Zahvalan sam na vrijednim komentarima i sugestijama o ovom djelu Matt Beane, Seth Benzell, Avi Goldfarb, Katya Klinova, Alena Kykalova, Gary Marcus, Andrea Meyer, Dana Meyer, te brojnim sudionicima na seminarima u Stanford Digital Economy Lab i Sveučilištu u Torontu, Creative Destruction Lab, ali oni ne bi trebali biti odgovorni za bilo kakve pogreške ili mišljenja u eseju.

© 2022 by Erik Brynjolfsson
Published under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) license

Ne proizvode svi generativni algoritmi sadržaj. Neki se algoritmi koriste u korisničkim sučeljima za poboljšanje zaslona ili korisničkih sučelja. U mnogim primjenama tehnike pomažu, a ne zauzimaju središnje mjesto.

Generativna umjetna inteligencija (GAI) je vrsta umjetne inteligencije koja može stvoriti široku paletu podataka, kao što su slike, video, audio, tekst i 3D modeli. To čini učenjem uzoraka iz postojećih podataka, zatim korištenjem tog znanja za generiranje novih i jedinstvenih rezultata. GAI je sposoban proizvesti vrlo realističan i složen sadržaj koji oponaša ljudsku kreativnost, što ga čini vrijednim alatom za mnoge industrije kao što su igre, zabava i dizajn proizvoda. Nedavna otkrića u tom području, kao što su GPT (Generative Pre-trained Transformer) i Midjourney, značajno su unaprijedila mogućnosti GAI. Ova su poboljšanja otvorila nove mogućnosti korištenja GAI za rješavanje složenih problema, stvaranje umjetničkih djela, pa čak i pomoć u znanstvenom istraživanju.

MOĆ GENERATIVNE AI
Generativna umjetna inteligencija doista je osvojila svijet, revolucionirajući način na koji komuniciramo, radimo i inoviramo. ChatGPT, sa svojih 100 milijuna korisnika, predstavlja dokaz brzog usvajanja i širokog utjecaja ove vrhunske tehnologije. Njegovo stabilno širenje i popularnost samo pojačavaju njegov transformativni potencijal. Čak i u svojim ranim fazama, generativna umjetna inteligencija već oblikuje budućnost u raznim domenama, a njezin će utjecaj na naše živote eksponencijalno rasti. Prihvaćanje ove moćne tehnologije otvorit će vrata nezamislivim mogućnostima, otvarajući novu eru kreativnosti, učinkovitosti i napretka.

GENERIRANJE TEKSTA
Generiranje teksta uključuje korištenje modela strojnog učenja za generiranje novog teksta na temelju uzoraka naučenih iz postojećih tekstualnih podataka. Modeli koji se koriste za generiranje teksta mogu biti Markovljevi lanci, rekurentne neuronske mreže (RNN), a u novije vrijeme i transformeri, koji su revolucionirali ovo područje zbog svog produženog raspona pozornosti. Generiranje teksta ima brojne primjene u području obrade prirodnog jezika, chatbota i stvaranja sadržaja.

GENERIRANJE SLIKA
Generiranje slika je proces korištenja algoritama dubokog učenja kao što su VAE, GAN i odnedavno Stable Diffusion, za stvaranje novih slika koje su vizualno slične slikama iz stvarnog svijeta. Generiranje slika može se koristiti za povećanje podataka kako bi se poboljšala izvedba modela strojnog učenja, kao i za stvaranje umjetnosti, generiranje slika proizvoda i više.

GENERIRANJE VIDEOZAPISA I GOVORA
Generiranje videozapisa uključuje metode dubokog učenja kao što su GAN i Video Diffusion za generiranje novih videozapisa predviđanjem okvira na temelju prethodnih okvira. Generiranje videozapisa se može koristiti u raznim područjima, kao što su zabava, sportska analiza i autonomna vožnja. Generiranje videozapisa se često može vidjeti u upotrebi s generiranjem govora. Modeli koji se koriste za generiranje govora mogu se pokretati pomoću transformera. Generiranje govora se može koristiti u pretvaranju teksta u govor, virtualnim pomoćnicima i kloniranju glasa.

NADOGRADNJA PODATAKA
Nadogradnja podataka je proces generiranja novih podataka za obuku primjenom različitih transformacija slike kao što su okretanje, obrezivanje, rotiranje i podrhtavanje boja. Cilj je povećati raznolikost podataka o obuci i izbjeći prekomjerno opremanje, što može dovesti do boljih performansi modela strojnog učenja.

Generative AI ima raznolik raspon aplikacija koje nadilaze tekst, video, sliku, generiranje govora i povećanje podataka. Može se koristiti za stvaranje glazbe, razvoj igara, zdravstvenu skrb i još mnogo toga. U zdravstvu, generativna umjetna inteligencija može pomoći u stvaranju sintetičkih medicinskih podataka za obuku modela strojnog učenja, razvoj novih kandidata za lijekove i dizajn kliničkih ispitivanja. Ovo su samo neki od primjera mnogih mogućnosti za generativnu umjetnu inteligenciju, a kako tehnologija napreduje, možemo očekivati da će se pojaviti više aplikacija

Pročitajte više na stranicama Sequoiacap, Venturebeat, UI.com