Iz sveta veštačke inteligencije #45
I broj 45 iz naše serije o novitetima u svetu veštačke inteligencije je pred vama. Izvolite!
Alati
Jev
Veštačku inteligenciju danas uglavnom povezujemo sa alatima koji razgovaraju sa nama, pišu tekstove, generišu slike ili pomažu u programiranju. Novi AI model Jev polazi od potpuno drugačije ideje. Umesto da generiše odgovor u obliku teksta, Jev je napravljen da brzo donosi strukturisane odluke koje softver može direktno da koristi. Za razliku od klasičnih velikih jezičkih modela, njegova glavna uloga nije komunikacija sa čovekom, već donošenje velikog broja malih, ponavljajućih odluka unutar različitih softverskih sistema.
Kod tradicionalnog velikog jezičkog modela, model dobije pitanje ili instrukciju i generiše odgovor. Softver zatim mora da pročita taj odgovor i utvrdi šta on znači. Jev radi drugačije. Programer unapred definiše šta model može da vrati, odnosno koje odluke treba da donese. Model zatim dobija određeni kontekst i bira odgovarajuću opciju, uz procenu verovatnoće odnosno nivoa sigurnosti.
Vrste odgovora
Jev može da vrati tri osnovne vrste odgovora. Prvo, može da odgovori na Yes/No pitanja , pri čemu ne daje samo “da” ili “ne”, već i verovatnoću tog odgovora. Drugo, može da napravi Choice, odnosno da izabere jednu opciju iz skupa koji je programer unapred definisao. Treće, može da da Score, odnosno da proceni tekst prema unapred postavljenoj skali, poput procene koliko je korisnik zadovoljan, frustriran ili ljut. Uz Choice i Score daje i verovatnoće i nivo sigurnosti, pa softver može da odluči da li će automatski postupiti ili će zahtev proslediti čoveku na proveru.
Po podacima koje objavljuje sam Jev, odgovori mogu stići za oko 70–500 milisekundi, dok model navodi cenu od 0,042 dolara za milion ulaznih tokena, uz besplatne izlazne tokene. Takva kombinacija brzine i cene posebno je značajna za sisteme koji moraju da donesu ogroman broj odluka.
Njegova primena je najkorisnija tamo gde softver svakodnevno mora da donese veliki broj jednostavnih, ali kontekstualnih odluka. To može uključivati: klasifikaciju i sortiranje podataka, automatsko usmeravanje korisničkih zahteva, detekciju sumnjivih aktivnosti, proveru rezultata drugih AI modela, procenu prioriteta tiketa, kontrolu kvaliteta AI izlaza, izbor odgovarajućeg alata unutar AI agenata, automatsko odlučivanje da li je potrebna intervencija čoveka.
Zanimljiva je mogućnost kombinovanja Jev-a sa klasičnim LLM-ovima. Na primer, veliki jezički model može da analizira zahtev korisnika i generiše odgovor, dok Jev može da proveri da li odgovor zadovoljava određene kriterijume pre nego što bude poslat korisniku.
Jev nema halucinacije. Jev ne generiše slobodan tekst, već bira između unapred definisanih izlaza. Zbog toga ne može da izmisli proizvoljnu rečenicu ili informaciju izvan dozvoljenog formata. Međutim, to ne znači da je svaka njegova odluka nužno tačna. Model može pogrešno proceniti ulaz, samo što će njegov odgovor i dalje biti u dozvoljenom obliku.
Vesti
Roboti protestovali u Varšavi
Neobičan prizor privukao je pažnju građana i medija u Varšavi početkom septembra, kada se oko 30 robota okupilo ispred poljskog Ministarstva digitalnih poslova. Umesto ljudi, protestnu povorku činili su humanoidni roboti, robotski psi i druge robotske platforme, a njihov dolazak imao je jasnu poruku – potrebu za odgovornijim pristupom razvoju veštačke inteligencije i automatizacije.
Roboti su se kretali ispred ministarstva, mahali poljskim zastavama i emitovali poruke poput „Don’t wait, regulate“ i „Defend workplaces“. Jedan od humanoidnih robota, Agibot A3, čak je odgovarao na pitanja novinara.
Iza ovog neobičnog protesta nisu stajali roboti. Događaj je organizovala grupa Democratism, uz učešće kompanije Delta Robots, koja se bavi iznajmljivanjem robota za različite događaje. Roboti su tako poslužili kao upečatljiv način da se javnosti skrene pažnja na pitanje kako će razvoj veštačke inteligencije i robotike promeniti tržište rada.
Organizatori su upozorili na mogućnost da automatizacija u budućnosti utiče na veliki broj radnih mesta i pozvali na jasnija pravila koja bi pratila razvoj novih tehnologija. Njihova poruka bila je usmerena na potrebu da se o posledicama automatizacije razgovara na vreme, a ne tek kada tehnologija već počne značajno da menja tržište rada.
Protestu se pridružio i poljski ministar digitalnih poslova Krzysztof Gawkowski, koji je razgovarao sa organizatorima i predstavnicima robotske demonstracije. Tema razgovora bila je upravo budućnost veštačke inteligencije, automatizacije i regulacije tehnologije.
Zbog načina na koji je organizovan, događaj se može posmatrati i kao spoj javnog performansa i PR kampanje. Roboti u ulozi „demonstranata“ privukli su veliku pažnju javnosti i na neobičan, ali efektan način otvorili pitanje o tome kako bi veštačka inteligencija i robotika mogle da utiču na društvo i budućnost sveta rada.
Zanimljivosti
Pre nego što pošalješ fotografiju AI-ju, razmisli dva puta
AI fotografije postale su deo svakodnevice. Jednog dana želimo da vidimo kako bismo izgledali u 1980-im. Drugog da svoju fotografiju pretvorimo u crtani film, a već sledećeg isprobavamo neki novi viralni trend sa društvenih mreža.
Naša fotografija nije samo slika. Ona može sadržati lice, druge osobe, delove doma, dokumente, lokaciju ili druge informacije koje možda nismo ni primetili. Kada takav sadržaj pošaljemo AI alatu, način na koji će biti obrađen zavisi od pravila konkretne platforme.
Neke kompanije dozvoljavaju korišćenje korisničkog sadržaja za unapređivanje svojih AI modela. OpenAI, na primer, navodi da se sadržaj sa individualnih usluga može koristiti za treniranje modela, uz mogućnost da korisnik isključi tu opciju. Druge platforme imaju drugačija pravila.
To ne znači da svaka fotografija koju pošaljemo AI-ju automatski postaje deo njegovog sledećeg modela. Ali znači da ne bi trebalo nasumično da šaljemo sve što imamo.
Posebno je zanimljivo što viralni AI trendovi mogu dovesti do toga da veliki broj ljudi u isto vreme šalje svoje fotografije istom servisu. Ono što je za nas samo zabavan eksperiment, za platformu predstavlja veliku količinu korisničkog sadržaja.
Zato sledeći put kada vidimo novi AI trend, možda ne moramo da ga preskočimo. Dovoljno je da pre „Upload“ dugmeta zastanemo na trenutak i proverimo: Ko dobija moju fotografiju? Šta može da uradi sa njom? I da li sam uopšte proverio pravila tog alata?
Tina Paunović, master inženjer informacionih sistema


Zanimljiv pregled tema iz sveta veštačke inteligencije. Jev AI pristupa problemu drugačije: pretvara deljeno stanje u tipizovane odluke sa verovatnoćama, što može biti korisno za rutiranje, bodovanje i bezbednosne provere u agentskim tokovima.
Zanimljiv koncept. Dok veliki jezički modeli pokušavaju da sve objasne tekstom, Jev ide drugim putem – vraća strukturiranu odluku sa procenom sigurnosti, što softveru znatno olakšava posao. Najviše mi se sviđa ideja da programer unapred definiše skup mogućih odgovora, pa je rizik netačnih rezultata minimalan. Za svakodnevne automatizacije gde treba brzo doneti stotine malih odluka, ovo deluje vrlo praktično. Pratim seriju, hvalo na detaljnom prikazu.
Zanimljiv pravac — model koji umesto teksta vraća strukturirane odluke (Yes/No, Choice, Score) sa procenom sigurnosti ima puno smisla za sisteme kojima treba ogroman broj malih, ponavljajućih odluka. Brzina od 70–500 ms i niska cena po milionu ulaznih tokena čine to još ubedljivijim. Drago mi je da serija prati i ovakve manje poznate modele, ne samo velika imena.
Interesantan pristup — umesto dugih tekstualnih odgovora, model vraća jasnu, mašinski čitljivu odluku, što je za automatizaciju mnogo praktičnije. Ovaj smer ka velikom broju malih, ponavljajućih odluka unutar softvera deluje kao logičan sledeći korak za primenu veštačke inteligencije u svakodnevnom radu. Hvala na preglednom objašnjenju razlike u odnosu na klasične jezičke modele.
Zanimljiv tekst. Koncept modela koji ne generiše tekst već direktno donosi strukturisane odluke deluje vrlo praktično, posebno u sistemima gde svakodnevno treba obraditi veliki broj malih odluka za kratko vreme. Sviđa mi se što uz svaki odgovor ide i procena verovatnoće i nivoa sigurnosti, jer tako softver zna kada da postupi automatski, a kada da zahtev prosledi čoveku na proveru. Brzina od 70–500 milisekundi i cena po milionu ulaznih tokena svakako su zanimljiva kombinacija. Nadam se da ćemo u narednim brojevima serije videti i konkretne primere primene u praksi.
Odličan pregled razlike između generisanja slobodnog teksta i strukturisanih odluka. Posebno mi je korisna ideja da softver može da vrati izbor ili skor sa verovatnoćom i nivoom sigurnosti, pa se po potrebi uključi čovek. Za sličan pristup možete pogledati Decisions Api, playground i API za strukturisane odgovore.