Jedan od pedeset poslova na razvijenom tržištu u posljednjih godinu dana zahtijeva poznavanje umjetne inteligencije (AI). Iako bi se moglo reći da je riječ o malom postotku, taj će uvjet u oglasima za posao biti sve češći jer se AI najbrže razvija i naveliko utječe na poslovne procese. Ništa se tako brzo ne mijenja i ne nadograđuje kao umjetna inteligencija koja redefinira poslovne procese.
Generativna umjetna inteligencija, algoritmi, duboko učenje, veliki jezični modeli, obrada prirodnog jezika, računalni vid, neuronske mreže, veliki skupovi podataka, robotska automatizacija procesa… neki su od pojmova koje bi trebao znati svaki poduzetnik. Pojam ‘umjetna inteligencija‘ nastao je 1955. na Sveučilištu Stanford kao ‘znanost i inženjering stvaranja inteligentnih strojeva‘.
Umjetna inteligencija sposobnost je računala da obavlja zadatke koji zahtijevaju ljudsku inteligenciju, primjerice učenje iz iskustva, rješavanje složenih problema, razumijevanje pisanog ili govornog jezika, stvaranje novog sadržaja, slika itd., a sve to uključuje programiranje i obuku strojeva da razmišljaju i ponašaju se kao ljudi. Tehnologija umjetne inteligencije može brzo obraditi goleme količine podataka na načine koji znatno nadilaze ljudske sposobnosti, prepoznaje obrasce, odlučuje i zaključuje poput čovjeka. U očekivanju dana kad će se pojaviti opća umjetna inteligencija donosimo pedeset ključnih AI termina u ovom trenutku:
1. AI
Umjetna inteligencija (UI) ili, uvriježeno, AI (engl. artificial intelligence) sustav je koji upotrebljava strojno učenje i algoritme za simulaciju ljudske inteligencije.
2. AI etika
Skup smjernica za odgovornu upotrebu, dizajn i razvoj umjetne inteligencije. Namijenjena je usmjeravanju tvrtki i organizacija da smanje rizike povezane s uporabom i razvojem umjetne inteligencije.
3. AI planiranje
Bavi se rješavanjem početnog stanja koje se treba promijeniti u željeno ciljno stanje. Sustavi planiranja AI-ja mogu podržati niz poslovnih ciljeva: planiranje početnog rasporeda za projekt, procjenu rizika za svaki potencijalni plan (upravljanje rizikom) i brzu izradu prototipova.
4. AI poravnanje
Cilj je usklađivanja umjetne inteligencije (engl. AI alignment) usmjeriti njezine sustave da se usklade s ciljevima i etičkim načelima ljudi.
5. AI pristranost
Pristranost umjetne inteligencije znači da algoritmi strojnog učenja proizvode rezultate s predrasudama. Pristranost AI-ja poznata je i kao pristranost strojnog učenja ili, jednostavno, bias.
6. algoritam
Skup uputa za AI stroj koji detaljno opisuje kako riješiti problem ili izvršiti zadatak.
7. antropomorfizam
Sklonost ljudi da pripisuju ljudske kvalitete neljudima, primjerice životinjama i chatbotovima. Budući da su chatbotovi i drugi modeli umjetne inteligencije stvoreni da zvuče ili izgledaju poput ljudskih bića, ljudima je teže antropomorfizirati ih ne pripišu li im zamjenicu ‘on‘ ili ‘ona‘.
8. AGI
Artificial general intelligence (AGI) ili, pohrvaćeno, umjetna opća inteligencija vrsta je umjetne inteligencije koja može razmišljati, učiti, obavljati intelektualne zadatke koje obavljaju ljudi i izvršavati zadatke za koje nije osposobljena. Zovu je ‘dubokom umjetnom inteligencijom‘ i još je dio teorije. Pretpostavlja se da će se se pojaviti prije 2030. godine i nadmašiti ljudske sposobnosti.
9. automatsko prepoznavanje govora
Engleski pojam automatic speech recognition, pod kojim se misli na prepoznavanje govora, oblik je umjetne inteligencije koji prevodi glasovnu komunikaciju u tekst. Također je sposoban prepoznati osobu na temelju njezine glasovne naredbe. Dvije su komponente prepoznavanja govora u AI-ju: pretvaranje govora u tekst kad softver transkribira izgovorene riječi ili zvuk u napisani sadržaj u tekstnom dokumentu, a u sučelju za prikaz i softver text-to-speech (TTS) stvara zvučne jedinice govora iz tekstnog sadržaja. Prepoznavanje govora najviše se upotrebljava u pametnim telefonima.
10. black box AI
Crna kutija AI-ja sustav je koji ne pokazuje kako funkcionira i kako se obrađuje korisnički unos. Nakon što unesete neki svoj podatak u sustav, ona će proizvesti rezultat. Međutim, ne može se vidjeti koji kôd upotrebljava i analizirati kakvom se logikom umjetna inteligencija vodila za stvaranje takvih rezultata.
11. chatbot
Softver dizajniran za interakciju s ljudima razgovorom. Chatbotovi koje pokreće umjetna inteligencija obrađuju prirodni jezik (NLP) za tumačenje upita i namjere korisnika kako bi mogli pružiti marketinšku, prodajnu ili postprodajnu potporu.
12. ChatGPT
Chat Generative Pre-trained Transformer je chatbot koji pokreće veliki jezični model (LLM) koji je razvio OpenAI. Omogućuje korisnicima interakciju s njim razgovorom poput onog između ljudi. Obrađuje prirodni jezik kako bi razumio i odgovorio na pitanja korisnika.
13. Copilot
Značajka AI asistenta Microsofta 365 koja se trenutačno temelji na OpenAI-jevim velikim jezičnim modelima GPT-4 (LLM).
14. DALL·E
AI sustav koji upotrebljava strojno učenje za stvaranje slika i umjetnosti iz opisa korisnika, također iz radionice tvrtke OpenAI. Trenutačno je dostupna njegova treća generacija – DALL·E 3.
15. Deep Blue
Računalo koje je 1997. godine razvio IBM. Poznato je kao prvi sustav za igranje šaha koji je pobijedio u meču protiv svjetskoga šahovskog prvaka.
16. duboko učenje
Deep learning napredni je oblik umjetne inteligencije koji oponaša rad ljudskog mozga. Umjesto da se oslanja na algoritam za izvođenje zadatka, upotrebljava neuronske mreže poput našeg mozga dopuštajući mu da predviđa na temelju obrazaca koje je prije naučio.
17. deepfake
Sklop dubokog učenja i laži, tj. manipuliranja. Deepfake je slika, audio ili video koji prikazuje lažne događaje, generiran umjetnom inteligencijom. Primjenjuje snažno strojno učenje i umjetnu inteligenciju za manipuliranje ili stvaranje obmanjujućeg sadržaja.
18. diskriminator
Diskriminator u generativnoj kontradiktornoj mreži (GAN) jest klasifikator koji pokušava identificirati stvarne podatke od lažnih koje je stvorio generator. Cilj je da diskriminator poboljša svoju sposobnost razlikovanja stvarnog sadržaja od lažnoga, a generator se pokušava poboljšati u stvaranju lažnog sadržaja.
19. ekspertni sustav
Program koji se se koristi AI tehnologijama za rješavanje problema u nekoj domeni poput stručnjaka, uključuje bazu znanja koja sadržava informacije o određenoj domeni. Što je veća količina podataka u bazi znanja, to će ekspertni sustav biti precizniji. Primjenjuje pravila zaključivanja za stvaranje zaključaka bez pogrešaka ili izvođenje novih informacija iz baze znanja. Primjena ekspertnih sustava u zdravstvu pomaže odrediti dijagnozu poput liječnika.
20. GAN
Generativna kontradiktorna mreža ili generative adversarial network (GAN) vrsta je strojnog učenja koja se sastoji od dvije neuronske mreže (generatora i diskriminatora) koje se međusobno natječu. Generator stvara izlaz na temelju ulaza, a diskriminator provjerava je li izlaz stvaran ili nije.
21. generativna umjetna inteligencija (GenAI)
Umjetna inteligencija koja stvara novi sadržaj na temelju postojećih podataka na osnovi kojih je trenirana. Jedno je od najinovativnijih područja umjetne inteligencije i primjenjuje se od umjetnosti i glazbe do medicine i inženjerstva.
22. generiranje prirodnog jezika (NLG)
Natural language generation ili NLG upotreba je umjetne inteligencije za pretvaranje podataka u prirodni jezik koji ljudi mogu razumjeti. Podaci mogu biti pisani ili govorni jezik.
23. GPT
Generativni unaprijed obučeni transformator ili generative pre-trained transformer (GPT) vrsta je velikog jezičnog modela (LLM) koji je uvježban za stvaranje sadržaja. Pokrenuo ga je OpenAI 2018. godine, svjetsku senzaciju izazvao je u posljednjih godinu dana čim je lansirao ChatGPT, a sada nudi GPT-4 Turbo kao najnapredniji model, predstavljen u studenome 2023. godine.
24. GIGO
Smeće unutra, smeće van (engl. garbage in, garbage out ili GIGO) računalni je znanstveni koncept prema kojem će ulazni podaci niske kvalitete rezultirati nekvalitetnim zaključkom ili rezultatom. Ako se umjetna inteligencija trenira na temelju pristranih podataka niske kvalitete, rezultat će biti pristran i osrednji.
25. halucinacija
Slučaj u kojem generativna umjetna inteligencija analizira upit i izmisli pogrešnu informaciju. Razlikuje se od deepfakea, koji namjerno stvara lažan sadržaj.
26. LLM
Dio generativne umjetne inteligencije jest veliki jezični model (LLM ili large language model). Široko se primjenjuje u virtualnim asistentima, chatbotovima, stvaranju sadržaja i prevođenju jezika. Na tržištu je stotinjak LLM-ova. Najpoznatiji su i dalje OpenAI-jevi, dostupni zahvaljujući chatbotu ChatGPT-ju i njegovu API-ju za korištenje u drugim aplikacijama.
27. LlaMA
I Zuckerbergova Meta svoga konja za utrku ima: razvila je LLM Meta AI (LlaMA), obitelj velikih jezičnih modela otvorenoga koda (LLM). Pokrenuta je 2023. godine.
28. model
Algoritam strojnog učenja osposobljen za prepoznavanje uzoraka i pružanje predviđanja.
29. neuronska mreža
Model strojnog učenja koji se naziva i ‘umjetna neuronska mreža‘ (ANN) ili ‘simulirana neuronska mreža‘ (SNN) oponaša način na koji neuroni ljudskog mozga signaliziraju jedni drugima da riješe problem ili daju odgovor. Velike neuronske mreže sadržavaju milijarde parametara omogućavajući stvaranje širokog raspona odgovora na pitanja. Ta se sposobnost naziva ‘crna kutija‘. Korisnik može postaviti pitanje, a model daje odgovor.
30. obrada prirodnog jezika (NLP)
Natural language processing umjetna je inteligencija koja računalima omogućava tumačenje i razumijevanje ljudskog jezika te manipuliranje njime korištenjem koncepata iz računalne znanosti i računalne lingvistike. Pokreće programe koji mogu lako prevoditi tekst s jednoga jezika na drugi, odgovarati na izgovorene naredbe i sažimati velike količine teksta u stvarnom vremenu. Pokreće, primjerice, Siri, Alexu i glasovno aktivira sustav GPS-a.
31. OpenAI
Privatni američki istraživački laboratorij za umjetnu inteligenciju, osnovan 2015. godine, isprva kao neprofitna organizacija. Razvio je i lansirao nekoliko modela umjetne inteligencije, uključujući GPT-4, ChatGPT, CLIP i DALL·E.
32. PaLM
Dužeg naziva Pathways Language Model, PaLM je Googleov veliki jezični model temeljen na transformatoru. Može obavljati različite zadatke, držali su ga u tajnosti do svibnja ove godine, a sada je već dostupan u naprednijoj verziji – PaLM 2.
33. prediktivni AI
Prediktivna umjetna inteligencija metoda je analize podataka s pomoću statističkih algoritama za predviđanje budućih ishoda.
34. prompt
Unos ljudskog korisnika u sustav umjetne inteligencije koji će generirati izlaz ili rezultat.
35. prompt inženjering
Brzi inženjering proces je izrade i usavršavanja upita za generativni model AI-ja. Korisnici umjetne inteligencije upotrebljavaju prompt inženjering kako bi poboljšali rezultate modela umjetne inteligencije.
36. proširena inteligencija
Augmented intelligence upotreba je umjetne inteligencije za poboljšanje ljudske inteligencije i informiranje pri odlučivanju. Umjesto da umjetna inteligencija samostalno obavlja zadatke i obrađuje podatke kako bi zamijenila ljude, služi im poput pomagala.
37. računalni vid
AI vision ili computer vision omogućuje računalima da vide slike i videozapise te razumiju vizualne podatke brzo i u velikim razmjerima. Koristi se dubokim učenjem i neuronskim mrežama za predviđanje onoga što vidi na temelju prošlih podataka. Razvoj samovozećih vozila najambiciozniji je projekt računalnog vida. Upotrebljava se, primjerice, u pametnim telefonima za čitanje otisaka prstiju i prepoznavanje lica.
38. RL
Reinforcement learning ili učenje s pojačanjem metoda je strojnog učenja koja se temelji na povratnim informacijama. Agent umjetne inteligencije uči ponašati se u okolini zahvaljujući povratnim informacijm koje prima: dobiva pozitivne povratne informacije za svako željeno ponašanje i kaznu za svako neželjeno.
39. RLHF
Učenje s pojačanjem ljudskim povratnim informacijama (engl. reinforcement learning from human feedback) taktika je koja obučava modele umjetne inteligencije izravnom ljudskom povratnom informacijom. Umjesto da dobiju nagradu ili kaznu, dobivaju povratne informacije od ljudi, obično u obliku rangiranja ponašanja modela.
40. robotska automatizacija procesa
Robotika se bavi stvaranjem inteligentnih robota kombinacijom računalnih znanosti, strojarstva i elektrotehnike. Umjesto računala roboti trebaju hardver sa senzorima. Robotska automatizacija programa (RPA) razlikuje se od ostalih programa umjetne inteligencije jer roboti djeluju u fizičkom svijetu.
41. rudarenje podataka
Data mining je razvrstavanje velikih skupova podataka i uočavanja uzoraka koji će biti vrijedni tvrtkama za daljnju analizu i informiranje o njihovim odlukama.
42. sintetički podaci
Podaci koje generira računalo kako bi zamijenili podatke iz stvarnog svijeta. To se radi zbog zaštite osjetljivih podataka, smanjenja pristranosti i poboljšanje AI modela.
43. strojno učenje (ML)
ML (engl. machine learning) oblik je AI-ja usredotočen na omogućavanje sustavima učenje promatranjem podataka prikupljenih iz prošlih iskustava i pronalaženjem zajedničkih obrazaca. Njegova je namjera da sustavi donose precizne odluke koristeći prikupljene podatke bez ljudske intervencije ili programiranja. Strojno učenje uključuje duboko učenje temeljeno na umjetnim neuronskim mrežama s učenjem pod nadzorom i bez nadzora. Duboko učenje napredovalo je u posljednjih nekoliko godina do metode prepoznavanja slika i videa. Prepoznavanje predmeta, lica i riječi, vizualno pretraživanje, prepoznavanje logotipa i orijentira te stvaranje slika samo su neke od primjena te vrste tehnologije. Algoritmi strojnog učenja mogu uvježbati okvire dubokog učenja za otkrivanje i kategorizaciju fotografija u skupu podataka s većom preciznošću od ljudi. Neke od poslovnih prednosti AI strojnog učenja uključuju preporuku proizvoda, što se pokazalo uspješnim u pokretanju poslovanja. Čak 35 posto Amazonovih prihoda proizlazi iz preporuka proizvoda.
44. transformator
Vrsta modela dubokog učenja za obradu prirodnog jezika. Može obraditi kontekst riječi u rečenici i proizvesti izlaz na temelju niza podataka tijekom razgovora.
45. Turingov test
Metoda procjene koja utvrđuje može li računalo razmišljati kao čovjek. Razvio ga je Alan Turing 1950. godine. Test uključuje ljudskog vrednovatelja koji analizira razgovor između čovjeka i stroja. Ako vrednovatelj ne može razlikovati računalo od čovjeka, stroj prolazi test.
46. učenje bez nadzora i učenje pod nadzorom
Unsupervised learning vrsta je strojnog učenja koje analizira neoznačene skupove podataka. Otkriva obrasce, sličnosti i razlike u skupovima podataka bez ljudske intervencije. S druge strane, supervised, tj. pod nadzorom, upotrebljava nekoliko ulazno-izlaznih podataka s oznakama za treniranje algoritama. Na primjer, algoritmi za nadzirano učenje mogu trenirati model prepoznavanja slike uparivanjem slike psa i označavanjem kao psa tako da može identificirati psa s fotografije.
47. učenje pravila asocijacije
Tehnika strojnog učenja bez supevizije, tj. nadzora, čiji je cilj otkriti zanimljive odnose među varijablama u velikim skupovima podataka krije se iza engleskog pojma association rule learning. U marketingu ta tehnika učenja može pronaći skrivene obrasce koji pružaju uvid u poslovne strategije i segmentaciju kupaca.
48. validacija ili vrednovanje
U kontekstu umjetne inteligencije validacija je provjera izvedbe modela umjetne inteligencije tijekom ili nakon procesa obuke. AI model testira se na podskupu podataka koji nije vidio u obuci kako bi se provjerilo uči li.
49. veliki podaci ili big data
Podatke karakteriziraju 4 V: volumen, brzina, raznolikost i istinitost. Veliki podaci ujedinjuju mnogo podataka iz različitih izvora, a umjetna inteligencija upotrebljava se za analizu golemih skupova podataka kojima tradicionalno računalstvo nije doraslo. Umjetna inteligencija posebno je korisna za nestrukturirane podatke koji ne slijede određeni model podataka i nemaju unaprijed definiranu strukturu. Riječ je o neobrađenim podacima koji se ne uklapaju ni u jedan tradicionalni tablični format: dokumenati, elektronička pošta, objave (postovi) na društvenim mrežama, blogovi i internetski sadržaj poput slika, audiozapisa i videa.
50. zero-shot learning
U doslovnom prijevodu ‘učenje bez pokušaja‘, metoda strojnog učenja koja obučava modele umjetne inteligencije da prepoznaju i kategoriziraju objekte koje nikad nisu vidjeli.