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.

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