Ko Sam Altman reče, da OpenAI deluje na AGI-ju, ko podjetje predstavi nov agentski sistem ali ko marketinška ekipa govori o generativni umetni inteligenci – kaj to pravzaprav pomeni?
Terminologija umetne inteligence je postala zmedena celo za profesionalce v industriji, razlike med temi izrazi pa niso le semantične – definirajo temeljno različne pristope in zmožnosti. Zato smo pripravili tekst, s katerim se bomo potrudili približati vse te izraze.
Specializirana umetna inteligenca: To, kar že uporabljamo
Večina današnjih sistemov umetne inteligence (AI) spada v kategorijo ozke ali specializirane umetne inteligence (angleško se temu reče Artificial Narrow Intelligence – ANI). Po definiciji IBM-a so ti sistemi zasnovani za izvajanje specifičnih nalog znotraj vnaprej določenih parametrov.
Primeri so povsod okoli nas: priporočila na Netflixu, prepoznavanje obrazov na telefonu, glasovni asistenti, kot sta Siri ali Alexa, sistemi za avtonomno vožnjo. Vsak od njih je izjemno dober na svojem področju, a ne more delovati izven tega. Sistem, ki vozi avtomobil, ne more napisati pesmi. Algoritem, ki priporoča filme, ne more diagnosticirati bolezni.
Ta ozka specializacija je hkrati največja prednost in največja omejitev današnje umetne inteligence. Sistemi so zanesljivi in učinkoviti na svojem področju, vendar nimajo fleksibilnosti človeške inteligence.
Vir: Depositphotos
Generativna umetna inteligenca: Kreiranje namesto klasifikacije
Generativna umetna inteligenca (angleško se ji reče Generative AI) predstavlja premik od analiziranja k ustvarjanju. Po raziskovalcih z MIT so bili tradicionalni sistemi strojnega učenja osredotočeni na razvrščanje podatkov – na primer prepoznati mačko na fotografiji. Generativna umetna inteligenca gre korak dlje: ne le da prepozna mačko, temveč lahko ustvari povsem novo sliko mačke, ki nikoli ni obstajala.
ChatGPT, DALL-E, Midjourney, Claude – vsi so primeri generativnih sistemov. Uporabljajo velike jezikovne modele (angleško se jim reče Large Language Models – LLM), trenirane na ogromnih količinah podatkov, da ustvarijo novo vsebino: besedilo, slike, kodo, glasbo, video.
Njihovo delovanje temelji na napovedovanju. Model se iz podatkov, na katerih je bil treniran, nauči vzorcev in jih uporablja za napovedovanje, kaj naj bi sledilo. Ko vprašate ChatGPT, ta ne "pozna" odgovora v človeškem smislu – generira besedilo, za katerega je najverjetneje, da je pravilno, na podlagi podatkov, ki jih je videl med treningom, ter na podlagi svoje ogromne notranje baze znanja.
Ključna inovacija, ki je omogočila razvoj generativne umetne inteligence, so nove arhitekture nevronskih mrež. Poenostavljeno povedano: sistem se nauči, kako je nekaj videti (na primer milijone slik mačk) in nato lahko ustvari novo sliko mačke, ki v resnici ne obstaja, a je videti povsem resnična. Podobno je z besedilom – sistem se nauči, kako pišejo ljudje, nato pa lahko piše na podoben način.
Toda generativna umetna inteligenca je še vedno reaktivna. Odgovarja na vprašanja in ne deluje samostojno. Zato na sceno stopijo agenti.
Vir: Depositphotos
Agentska umetna inteligenca: Avtonomija s ciljem
Agentska umetna inteligenca predstavlja naslednji korak: sistem, ki ne le ustvarja vsebino, temveč deluje avtonomno, da doseže cilj.
Medtem ko generativna AI, kot je ChatGPT, čaka na vaš poziv in nato odgovori, lahko agentski sistem samostojno načrtuje, izvaja naloge in se prilagaja spremembam brez stalnega človeškega nadzora.
Primer: Če generativna AI lahko napiše e-pošto s predlogi letov, lahko agentska AI sama rezervira let, hotel, najame avto, uskladi sestanke z udeleženskimi koledarji, prilagodi urnik ob zamudi leta in samodejno obvesti vse vpletene – ves čas pa upošteva vaš proračun in preference.
Agentski sistemi delujejo skozi štiri faze: zbiranje podatkov (kaj se dogaja), analiza situacije (kaj to pomeni), izvedba odločitve (kaj storiti) in učenje (kako naslednjič izvesti bolje).
Povezujejo se lahko z orodji, bazami podatkov in drugimi sistemi, da pridobijo informacije v realnem času in sprejemajo odločitve.
Ključna razlika med generativno in agentsko AI je avtonomija. Generativna AI je orodje, ki čaka na ukaz. Agentska AI razume cilj in sama določi pot do njega.
OpenAI je konec leta 2024 predstavil Operator, agentski sistem, ki lahko uporablja spletni brskalnik, odpira spletne strani, izpolnjuje obrazce in izvaja dejanja v imenu uporabnika. Perplexity je lansiral Comet, sistem za avtomatizacijo spletnih opravil.
AGI: Umetna inteligenca na ravni človeka
Splošna umetna inteligenca (angleško se ji reče AGI – Artificial General Intelligence) je teoretični sistem, ki bi imel kognitivne sposobnosti primerljive s človeškimi pri katerikoli nalogi. Po McKinseyju bi AGI lahko razumel, se učil in uporabljal znanje na različnih področjih – tako kot to počnemo ljudje.
Za razliko od ozke AI, ki je odlična le na enem področju, bi bil AGI kompetenten na vseh. Lahko bi vozil avto, pisal poezijo, diagnosticiral bolezni, programiral, se učil jezike in oblikoval znanstvene teorije – brez posebnega učenja za vsak posamičen izziv. Po številnih virih je ustvarjanje AGI-ja glavni cilj raziskav v podjetjih, kot so OpenAI, Google, xAI in Meta.
Kaj šteje za AGI, je predmet razprave. AGI naj bi bil sposoben sklepati, uporabljati strategije, reševati probleme v negotovosti, imeti znanje in t. i. zdravo pamet, načrtovati, se učiti ter naravno komunicirati.
Današnji sistemi, kot sta GPT-5 ali Claude, še niso AGI. Čeprav imajo impresivne sposobnosti, se ne morejo samostojno naučiti novih nalog zunaj svojega obsega učenja, ne razumejo vzroka in posledice tako kot ljudje in nimajo splošnega razumevanja sveta.
Časovnica do AGI-ja je predmet burnih debat; ocene raziskovalcev segajo od poznih 2020-ih do sredine stoletja, mnogi pričakujejo prej, drugi menijo, da AGI morda nikoli ne bo dosežen.
Januarja 2025 je izvršni direktor OpenAI-ja Ilya Sutskever trdil, da je njihov najnovejši model O3 dosegel "zgodnji AGI" z zmožnostjo preseči večino ljudi v večini nalog. Kritiki pa opozarjajo, da kljub izjemni vsestranskosti modeli še ne izpolnjujejo tradicionalnih meril AGI-ja.
Vir: Depositphotos
Zakaj so te razlike pomembne
Razumevanje omenjenih razlik ni akademska vaja. Ozka umetna inteligenca je zanesljiva pri specifičnih nalogah, vendar zahteva človeško inteligenco, da povezuje različne sisteme.
Generativna umetna inteligenca pospešuje ustvarjanje vsebin, vendar potrebuje človeško usmerjanje in preverjanje.
Agentska umetna inteligenca lahko avtonomno izvaja kompleksne procese, vendar zahteva skrbno določene cilje in meje.
AGI pa – če in ko bo dosežena – bo predstavljala temeljno spremembo v odnosu med ljudmi in stroji.
Za podjetja v regiji Adria, ki razmišljajo o uvedbi umetne inteligence, ima terminologija zelo velik pomen. Sistem, ki ustvarja e-poštna sporočila (generativna umetna inteligenca), je bistveno drugačen od sistema, ki samostojno upravlja celoten nakupni proces (agentska umetna inteligenca), oba pa sta daleč od sistema, ki bi lahko opravljal katerokoli delo v podjetju brez dodatnega učenja (AGI).
Trenutno živimo v obdobju generativne umetne inteligence s prvimi komercialnimi agentskimi sistemi. AGI ostaja obzorje, proti kateremu se usmerja raziskovanje – nekateri ga pričakujejo v dveh desetletjih, drugi v stoletju, tretji menijo, da morda nikoli ne bo dosežen.
A ne glede na hitrost razvoja je razumevanje teh razlik ključno za vsakogar, ki dela z umetno inteligenco ali načrtuje vanjo investirati.
.webp){kind=icon}
