Mišljenje o umjetnoj inteligenciji, kao i megapopularnom AI alatu ChatGPT-ju, imaju apsolutno svi. I iznose ga bez zadrške na raznim poslovnim okupljanjima te, naravno, u objavama na društvenim mrežama koje iskaču posvuda, šireći tako različite teze, ali i dozu straha od te ne tako nove tehnologije.
No najjasniji odgovori o umjetnoj inteligenciji kriju se u glavama stručnjaka i inženjera koji se svaki dan u svom radu susreću s tom tehnologijom, a nerijetko upravo oni ostaju u sjeni – bilo da je riječ o inženjerima koji tiho, ali marljivo na svojim radnim mjestima razvijaju AI modele i treniraju umjetnu inteligenciju bilo, pak, stručnjacima koji rješenja temeljena na umjetnoj inteligenciji znaju adekvatno implementirati u različite industrije.
Kako raspoznati stručnjake od onih koji to nisu, koga pitati za mišljenje ili savjet o umjetnoj inteligenciji, komu se obratiti za pomoć, koje resurse pratiti te, naposljetku, kojim ljudima se okružiti, uživo i u digitalnom svijetu? Fokus stoga stavljamo na one koji o umjetnoj inteligenciji znaju najviše, vode tvrtke s AI rješenjima, one koji se nalaze na prvoj liniji rada na rješenjima umjetne inteligencije, a nerijetko budu zadnji na popisu onih koje se o toj tehnologiji nešto pita.
Što je ispod AI haube
U traganju za objašnjenjem što stručnjake za AI čini stručnima te kako izgleda njihov prosječan radni dan s umjetnom inteligencijom, nekoliko se bitnih vještina za taj posao provlači kroz razgovore. Jedna od njih je problem solving, odnosno sposobnost rješavanja problema. Domagoj Marić, voditelj Odjela umjetne inteligencije i znanosti o podacima u tvrtki Megatrend poslovna rješenja, kaže da mu se dan temelji upravo na rješavanju problema, bilo da je riječ o području obrade prirodnog jezika, računalnog vida bilo nečeg trećeg. Od generalnih vještina potrebnih za razvoj AI sustava, gotovo uvijek je riječ o prikupljanju, pripremanju i analizi podataka te razvoju, treniranju, evaluaciji i deploymentu AI modela, pojašnjava Marić.
– Za efektivan razvoj AI rješenja često možemo čuti da su potrebne tri dimenzije AI stručnjaka: matematičko/statističko znanje, znanje programiranja, odnosno vještine iz područja računarske znanosti, te dimenzija domenskog znanja – nabraja Marić. A da su najuspješniji primjeri rješenja umjetne inteligencije rezultat uske suradnje ‘domenskih eksperata‘ i podatkovnih znanstvenika potvrđuje i Siniša Slijepčević, suosnivač i direktor AI scaleupa Cantab PI, koji trenutačno razvija AI platformu Next Best Action za poboljšanje prodaje, koju upotrebljavaju neke od vodećih svjetskih korporacija na tri kontinenta.
– Uz tehničko znanje programiranja i korištenja konkretnih AI alata, mislim da su ključni razumijevanje problema te znanje osnova statistike, koja je temelj svih modernih algoritama strojnog učenja i umjetne inteligencije – napominje Slijepčević.
Da bismo razumjeli kako modeli rade ‘ispod haube‘ i koji bi pristup bio pogodan za rješavanje pojedinog problema, Valentina Zadrija, AI inženjerka u Gideonu, koji se bavi razvojem i istraživanjem autonomnih mobilnih robota za potrebe logistike u skladištima, smatra da su važne teoretske osnove strojnog učenja, linearne algebre i računalnog vida.
– To uključuje odabir funkcije cilja da bismo, primjerice, odredili poziciju paleta u 3D prostoru, arhitekturu mreže i ostalih hiperparametara. Dosta je važno i razumjeti zašto je model donio neku odluku, primjerice detektirao čovjeka, paletu ili neko drugo vozilo, tzv. explainable AI. Tako dobivamo uvid u unutarnje mehanizme mreže, stječemo razumijevanje kako su nastale pojedine odluka i možemo korigirati proces učenja ako je potrebno – objašnjava Zadrija, koja je na zagrebačkom FER-u doktorirala na području strojnog učenja i računalnog vida, a na nedavno održanom izboru za prvu inženjerku godine u Hrvatskoj našla se među 10 finalistica.
Ne znaju svi sve
No isto je tako bitno shvatiti da sve nabrojene vještine, ticale se one tehničkog ili domenskog znanja, ne može imati svaka osoba koja se bavi umjetnom inteligencijom. Drugim riječima, ne može se od svih očekivati da znaju sve, a niti je to dobro, slažu se stručnjaci.
– Budimo realni, teško da možemo dubinski pokriti sve navedeno, odnosno da možemo biti stručnjaci za svaku dimenziju. Da bismo se zvali stručnjakom za AI, bitno je imati ili solidno poznavanje svih dimenzija, profile generalist, ili specijalizirana znanja u nekoj od dimenzija, profile specialist – objašnjava Marić.
Koga se može nazvati pravim stručnjakom za umjetnu inteligenciju, s kime se sve o toj tehnologiji može razgovarati na stručnoj razini te koje su sve vještine potrebne za taj posao otkrivaju brojni domaći stručnjaci iz područja AI u novom broju tiskanog i digitalnog izdanja Lidera.