INTELEKT

Nalazimo se na prekretnici u tehnološkoj istoriji – raskrsnici na kojoj će algoritmi veštačke inteligencije koje kreiramo danas definisati svet sa kojim moramo da živimo sutra. Krajnje je vreme da razmislimo o tome kako ugrađujemo čovečanstvo u ovu jednačinu.

U oblasti matematike, podaci se mogu uokviriti u dva suprotna narativa: kao neprekidni tok ili kao niz diskretnih jedinica. Fascinantno, ova dvojnost se ogleda u najsavremenijim tehnikama predstavljanja znanja. Veliki jezički modeli (LLM) vide znanje kao fluidni kontinuum, kodiran kao kontinuirani vektori ugrađivanja. Nasuprot tome, grafovi znanja razdvajaju informacije u diskretne jedinice koristeći jedinstvene identifikatore resursa (URI).

Ipak, ljudski intelekt koristi oba oblika rasuđivanja – oscilirajući između intuitivnog, brzometnog saznanja i metodičke, analitičke misli. Nove tehnologije kao što su modeli Retriever-Augmented Generation (RAG) zasnovani na grafovima kombinuju najbolje iz oba sveta, spajajući grafove znanja i LLM u hibridni sistem inteligencije sposoban za agilno i proračunato razmišljanje.

Ali nemojmo se zavaravati — ovo tehnološko čudo nije panaceja. Da bismo zaista ostvarili obećanje veštačke inteligencije, moramo da uvedemo treći, suštinski ljudski element u ovu jednačinu. Moramo da ubrizgamo ljude u tačku gde informacije prelaze sa kontinuirane na diskretnu reprezentaciju. Evo dva načina da to uradite:

🔴 Ontologije koje su proizveli ljudski inženjeri: Ovo su strukturirani konceptualni modeli koji omogućavaju ljudima da nametnu svoje kognitivne obrasce mašinama. Ove ontologije mogu voditi LLM-ove i postaviti zaštitne ograde oko njih. Zauzvrat, LLM mogu da prošire ontologije, ali što je najvažnije, svako takvo uvećanje može biti podvrgnuto ljudskom ispitivanju pre nego što ga pusti u proizvodnju.

🔴 Kuriranje podataka vođeno ljudima: Grafovi znanja služe kao zamršene mreže informacija gde je svaki čvor tačka podataka, a svaka ivica je semantički odnos. Ljudi mogu da popune ove grafikone odabranim podacima, nudeći neprocenjiv kontekst za upite vođene LLM. Štaviše, bilo koja mašinski generisana proširenja ovih podataka mogu ponovo da budu proverena od strane ljudskih stručnjaka.

Da bismo izgradili budućnost veštačke inteligencije koja zadovoljava naše istinske potrebe – ne samo naše hirovite želje – potreban nam je mehanizam za ugrađivanje ljudskih vrednosti i briga. „Sviđa mi se“ i „praćenja“ mogu biti prikladne metrike za angažovanje na društvenim medijima, ali su užasno neadekvatne za hvatanje nijansi onoga što je ljudima zaista potrebno.

Grafovi znanja i ontologije pružaju sofisticirane alate potrebne za artikulisanje naših složenih želja i etičkih okvira. Oni nude robustan mehanizam za sidrenje čovečanstva na kritičnom mestu gde se fluidna informacija kristališe u diskretne jedinice. Upletajući promišljen i promišljen ljudski uvid u ovu petlju povratnih informacija AI, ne pravimo samo postepena poboljšanja; postavljamo arhitektonske temelje za prosvetljeniji oblik veštačke inteligencije.