Pojava ChatGPT-a koji je razvio OpenAI, a koji je od studenog 2022. dostupan široj javnosti, privukla je veliku pažnju na mogućnosti koje pružaju veliki jezični modeli. Pitanje racionalnosti ovakvih umjetnih inteligencija postalo je tema brojnih rasprava među znanstvenicima, stručnjacima za tehnologiju, ali i širom javnosti. Mnogi se pitaju mogu li ljudi uistinu vjerovati rezultatima koje generiraju ovakve umjetne inteligencije. Jesu li veliki jezični modeli doista racionalni ili postoji rizik da njihove odluke budu nelogične ili čak štetne?
Razumijevanje racionalnosti kod umjetne inteligencije postalo je ključno, osobito s obzirom na to koliko se brzo razvijaju i implementiraju u raznim sferama društva. Sve veći broj institucija, poduzeća i pojedinaca koristi AI modele poput ChatGPT-a za informiranje, donošenje odluka i automatizaciju svakodnevnih zadataka. Međutim, racionalnost umjetne inteligencije daleko je složenija od jednostavne matematičke ili logičke točnosti. U pitanju je sposobnost ovih sustava da obrađuju informacije, izvode zaključke i daju preporuke na način koji je smislen, konzistentan i predvidljiv.
Kako bismo razumjeli racionalnost kod umjetne inteligencije, najprije trebamo definirati što zapravo znači biti racionalan. U ljudskom kontekstu, racionalnost obuhvaća dosljedno donošenje odluka na temelju dokaza, analize i logike, ali uključuje i sposobnost uočavanja vlastitih kognitivnih pristranosti i njihovog ispravljanja. Umjetna inteligencija, a posebno veliki jezični modeli, trenirani su na ogromnim količinama podataka, što znači da njihova “racionalnost” zapravo proizlazi iz uzoraka koji postoje u tim podacima, a ne iz vlastite svijesti ili razumijevanja.
Nedavno istraživanje znanstvenika sa University College London upravo se bavilo pitanjem racionalnosti velikih jezičnih modela. U ovom istraživanju, tim stručnjaka testirao je nekoliko vodećih modela na tržištu, među kojima je bio i ChatGPT, kroz niz zadataka iz kognitivne psihologije. Ovi zadaci osmišljeni su kako bi identificirali racionalnost, odnosno sklonost donošenju logičkih i konzistentnih odluka, ali i razotkrili moguće pristranosti koje se mogu javiti.
Istraživači su koristili poznate testove iz kognitivne psihologije koje su osmislili pioniri poput Daniela Kahnemana i Amosa Tverskyja, čije su teorije o pristranostima, heuristikama i donošenju odluka revolucionirale razumijevanje ljudske racionalnosti. Ti testovi uključuju, primjerice, Wasonov zadatak selekcije, Monty Hallov problem, problem konjunkcije (poznat kao “Linda problem”), kao i razne zadatke koji provjeravaju razumijevanje vjerojatnosti, uzročnosti i uzorka. Više informacija o Kahnemanovom radu i doprinosu možete pronaći na stranici [The Nobel Prize](https://www.nobelprize.org/prizes/economic-sciences/2002/kahneman/facts/).
Zanimljivo je kako se umjetna inteligencija, kao što je ChatGPT, u nekim slučajevima pokazala sposobnom za ispravno rješavanje složenih problema, no često je bila sklona i nelogičnim odgovorima koji nisu odgovarali ljudskim pogreškama. Drugim riječima, AI modeli ne griješe na isti način kao ljudi, već često daju odgovore koji se uopće ne mogu povezati s poznatim ljudskim pristranostima. To postavlja važno pitanje: može li se na umjetnu inteligenciju osloniti jednako kao na ljude kada su u pitanju važna životna pitanja?
U ovom istraživanju testirani su najnapredniji modeli: GPT-4 i GPT-3.5 (OpenAI), Bard (Google), Claude 2 (Anthropic) i Llama 2 modeli (Meta). Rezultati su pokazali da je GPT-4 bio najuspješniji, pružajući točne i racionalne odgovore u više od 69% slučajeva, dok je Claude 2 bio drugi po uspješnosti. Modeli Llama 2 pokazali su slabiju dosljednost i veći broj nelogičnih odgovora.
Jedna od najvažnijih spoznaja proizašlih iz ovog istraživanja jest da umjetna inteligencija, iako može biti izuzetno napredna, ipak pokazuje oblike iracionalnosti, ali ti oblici nisu isti kao kod ljudi. Ljudska iracionalnost često proizlazi iz duboko ukorijenjenih kognitivnih pristranosti i heuristika koje su oblikovane evolucijom i društvenim iskustvom. S druge strane, iracionalnost umjetne inteligencije češće se manifestira kroz nekonzistentnost, kontradiktorne odgovore i neshvatljive pogreške koje proizlaze iz načina na koji je model treniran na ogromnim i raznolikim skupovima podataka.
Primjerice, kada su istraživači više puta postavljali isti logički problem istom modelu, model je ponekad davao točne odgovore, a ponekad pogrešne, bez jasnog obrasca. Takva nedosljednost mogla bi predstavljati izazov u situacijama gdje je potrebna pouzdana racionalnost, primjerice u medicini, financijama ili pravosuđu. Upravo iz tog razloga stručnjaci upozoravaju da se umjetna inteligencija, iako korisna i moćna, ne bi smjela koristiti bez ljudskog nadzora u kritičnim područjima gdje je pogreška neprihvatljiva.
Osim toga, bitno je istaknuti da modeli poput ChatGPT-a nemaju vlastitu svijest, namjeru ni vrijednosti. Njihova “racionalnost” rezultat je statističkog učenja iz jezika i uzoraka, a ne stvarne sposobnosti promišljanja, introspekcije ili samostalnog vrednovanja informacija. Kada AI model donosi odluku, on to čini na temelju vjerojatnosti da je određeni odgovor relevantan i smislen, a ne na temelju moralnog prosuđivanja ili logičke dubine koju bi imali stručnjaci iz određene oblasti.
Kao što pokazuje i primjer poznate knjige “Thinking, Fast and Slow” Daniela Kahnemana, ljudski mozak često koristi brze, intuitivne procese kako bi donio odluke, ali je istodobno sposoban za duboku analizu kada je to potrebno. Više o knjizi i njenim implikacijama za razumijevanje racionalnosti dostupno je na portalu [Mozaik knjiga](https://mozaik-knjiga.hr/proizvod/misliti-brzo-i-sporo/). Suprotno tome, umjetna inteligencija, poput ChatGPT-a, nema unutarnju motivaciju niti sposobnost promjene strategije ovisno o važnosti problema, već odgovara onako kako je naučena iz prethodnih podataka.
U praktičnoj primjeni, to znači da je umjetna inteligencija izuzetno korisna za automatizaciju rutinskih zadataka, analizu velikih količina podataka i generiranje prijedloga ili ideja. Međutim, kada su u pitanju situacije koje zahtijevaju visoku razinu racionalnosti, etičko razmatranje ili sposobnost donošenja odluka u uvjetima nesigurnosti, uvijek je potrebno zadržati dozu opreza. Upravo zbog ovih izazova, stručnjaci kontinuirano rade na poboljšanju algoritama, ali i na razvoju standarda i regulativa koje će osigurati sigurnu i odgovornu upotrebu umjetne inteligencije u društvu.
Zanimljivo je i to da je kroz testove racionalnosti utvrđeno kako umjetna inteligencija može nadmašiti ljude u određenim logičkim zadacima, osobito onima gdje su ljudi skloni pogreškama zbog intuicije ili prethodnih iskustava. Primjerice, ChatGPT može vrlo precizno rješavati zadatke koji se oslanjaju na formalnu logiku ili matematičku vjerojatnost, ali u isto vrijeme može generirati odgovore koji su u potpunosti iracionalni u svakodnevnom kontekstu. Više o aktualnim primjenama i izazovima umjetne inteligencije moguće je saznati na portalu [Bug.hr](https://www.bug.hr/umjetna-inteligencija).
Kao društvo, nalazimo se na prekretnici gdje umjetna inteligencija sve više oblikuje našu svakodnevicu, od zdravstva i obrazovanja do zabave i osobnih asistenta. No, kako se tehnologija razvija, tako raste i potreba za kritičkim pristupom razumijevanju njezinih ograničenja. Pitanje racionalnosti umjetne inteligencije nije samo akademsko, već ima stvarne posljedice za sigurnost, povjerenje i društvenu dobrobit. Da bismo maksimizirali koristi, a minimizirali rizike, nužno je kontinuirano pratiti razvoj, testirati modele i razvijati mehanizme transparentnosti i odgovornosti.
Nadalje, jedan od glavnih izazova s kojima se suočavamo jest kako osigurati da umjetna inteligencija, kao što je ChatGPT, uistinu doprinosi boljitku društva bez neželjenih posljedica. Regulacija i edukacija javnosti igraju ključnu ulogu u tom procesu. Brojne institucije i stručnjaci pozivaju na međunarodnu suradnju i donošenje smjernica koje će definirati granice i mogućnosti upotrebe umjetne inteligencije. Informacije o aktualnim inicijativama dostupne su na stranici [Europske komisije](https://digital-strategy.ec.europa.eu/hr/policies/artificial-intelligence).
Na kraju, važno je naglasiti da je racionalnost umjetne inteligencije složen koncept koji ovisi o brojnim čimbenicima – od kvalitete podataka na kojima je model treniran, preko samih algoritama, pa sve do načina na koji ljudi interpretiraju i primjenjuju AI rezultate. Razumijevanje ovih nijansi ključno je za odgovorno i svrsishodno korištenje tehnologije, kako danas, tako i u budućnosti.
Copyright © 2024. Sva prava pridržana.
