POVZETEK
Ob konstantnem razvoju tehnologije smo v preteklih letih doživeli velik vzpon na področju umetne inteligence. Umetna inteligenca je razmeroma mlado področje računalništva, saj se je njeno raziskovanje začelo v drugi polovici dvajsetega stoletja. Njen vpliv je viden že v zdravstvu, gradbeništvu, prozivodnji industriji, izobraževanju itd. V raziskavi nas je zanimalo, kje se zaposleni na različnih delovnih mestih v Sloveniji srečujejo z umetno inteligenco, kakšen odnos imajo do nje in njihove napovedi o uporabi umetne inteligence v prihodnosti. V ta namen smo izvedli strukturiran intervju z zaposlenimi na različnih področjih, od katerih smo izvedeli, da jih večina aktivno ne uporablja umetne inteligence na delovnem mestu. Glede njene uporabe v prihodnosti se pri nekaterih pojavljajo pomisleki, medtem ko bi ji drugi bili pripravljeni popolnoma zaupati.
Ključne besede: umetna inteligenca, strojno učenje, nevronska mreža, Turingov test, inovacije
ABSTRACT
With the constant development of technology, we have seen a huge upsurge in the field of artificial intelligence in recent years. Artificial intelligence is a relatively young field in computer science, with research starting in the second half of the 20th century. Its impact is already visible in healthcare, construction, manufacturing, education, etc. In our research, we were interested where employees in different workplaces in Slovenia encounter artificial intelligence, what their attitudes towards it are and their predictions about the use of artificial intelligence in the future. To this end, we conducted structured interviews with employees in different areas, from whom we learned that most of them do not actively use artificial intelligence in the workplace. Some have concerns about its future use, while others would be willing to trust it completely.
Key words: artificial intelligence, machine learning, neural network, the Turing test, innovations
KAJ JE UMETNA INTELIGENCA?
Umetna inteligenca (UI) je področje računalništva, ki je povezano s psihologijo, nevrologijo, matematiko, logiko, filozofijo in drugimi vedami. Je metoda, ki se nanaša na sistem ali stroj, ki posnema človeško inteligenco za izvajanje funkcij v resničnem svetu. UI omogoča sistemom, da se s pomočjo podatkov usposobijo, razmišljajo in se učijo iz izkušenj za reševanje problemov. Za ustanovitelje tega področja veljajo Alan Turing, Allen Newell, Herbert A. Simon, John McCarthy in Marvin Minsky. John McCarthyjeva definicija UI je: “znanost in tehnika izdelave inteligentnih strojev, zlasti inteligentnih računalniških programov”. Že več let pred to definicijo je rojstvo pogovora o UI zaznamovalo delo Alana Turinga “Computing Machinery and Intelligence”, v katerem si je postavil vprašanje: “Ali lahko stroji mislijo?”. Marvin Minsky je UI definiral kot znanost, ki poskuša ustvariti stroje tako inteligentne, kot so ljudje. Za UI torej obstaja več definicij. Stuart Russell in Peter Norvig, avtorja dela “Artificial Intelligence: A Modern Approach” sta jih razdelila v štiri kategorije, v katerih se računalniški sistemi razlikujejo glede na racionalnost, razmišljanje ali vedenje. Opisala sta človeški pristop, pod katerega se štejejo sistemi, ki razmišljajo ali se vedejo kot ljudje, ter idealen pristop, ki obsega sisteme, ki razmišljajo ali se vedejo racionalno. Človeški pristop predstavlja izkustveno znanost, saj vključujejo hipoteze in eksperimentalne potrditve, idealen pristop vključuje matematiko ininženirstvo (Guid in Strnad, 2007; Saranya, 2023; McCarthy, 2007; IBM; Kovač, 2011).
Cilji UI so (Kovač, 2011):
- razvoj naprav, ki se obnašajo, kot da bi razpolagale z inteligenco,
- izdelati stroj, ki posnema človeško razmišljanje, ima čustva in zavest,
- razumeti principe delovanja inteligence, kar bi vodilo v boljše razumevanje človeka.
UI se deli na dva nivoja, in sicer šibka in močna UI. Šibka oziroma ozka UI je usposobljena in osredotočena na opravljanje določenih nalog. Deluje le v okviru pravil, ki so ji bila zastavljena, vendar ne more delovati preko njih, rečemo lahko, da simulira človeško obnašanje na osnovi določenih parametrov. Ta vrsta UI poganja večino UI, ki nas danes obdaja. Primer take inteligence so Appleova Siri, Amazonova Alexa in tudi avtonomna in polavtonomna vozila. Močna UI se deli še naprej na splošno UI in umetno superinteligenco. Splošna UI je teoretična oblika inteligence, s katero bi stroji posnemali človeško inteligenco, imela bi samozavedajočo se zavest, ki bi bila sposobna reševanja problemov, učenja in načrtovanja prihodnosti. Umetna super inteligenca bi presegla inteligenco in sposobnosti človeških možganov. Vendar je tudi ta oblika danes še povsem teoretična in zanjo ni praktičnih primerov, kar pa ne pomeni, da raziskovalci UI ne raziskujejo tudi njenega razvoja. Dober primer takšne inteligence je nadčloveški računalniški asistent HAL iz znanstvenofantastičnega filma “2001: A Space Odyssey” (IBM).
Z UI sta tesno povezana strojno in globoko učenje. Strojno učenje je podpodročje UI, ki pomeni pridobivanje znanja na podlagi izkušenj. Osredotoča se na ustvarjanje algoritmov, ki se lahko učijo iz danih podatkov in sprejemajo odločitve na podlagi vzorcev, ki jih zaznajo v teh podatkih. Vendar ti pametni sistemi, v primeru napačne oziroma nezaželene odločitve, potrebujejo posredovanje ljudi, ki jih usmerijo do “pravilne” rešitve. Strojno učenje je sestavljeno iz naborov podatkov, funkcij in algoritmov. Nabori podatkov so potrebni za usposabljanje programov strojnega učenja, da oblikujejo vzorce in korelacije. Takšni nabori vključujejo besedila, slike, številke in druge oblike podatkov. Funkcije, poudarjajo dele podatkov, na katere se mora program osredotočiti. Izbira pravih funkcij je zato ključnega pomena pri usposabljanju programske opreme, če želimo, da sprejema prave odločitve. Algoritmi so metode za analizo podatkov. Poznamo tri vrste strojnega učenja: nenadzorovano, okrepčevalno in nadzorovano učenje. Strojno učenje se uporablja za napovedovanje prometa v navigacijskih sistemih, v socialnih omrežjih in za filtriranje nezaželenih elektronskih sporočil. Globoko učenje je podskupina strojnega učenja, ki za obdelavo podatkov skozi številne plasti algoritmov z uporabo umetne nevronske mreže dosega natančne odločitve. Algoritmi globokega učenja običajno uporabljajo tri ali več plasti v nevronski mreži, zaradi česar ta sistem učenja ne potrebuje posredovanja ljudi, da se uči iz napak. Umetna nevronska mreža je naprava, ki je narejena po vzoru človeških možganov in sestavljena iz vhodnih podatkov, uteži, pristranskosti, aktivacijskih funkcij in izhodnih rezultatov. Vsaka plast nevronske mreže vsebuje umetne nevrone, skozi katere prehajajo podatki. Ti nevroni imajo vgrajeno pristranskost. Ko se podatki vnašajo, se prenašajo po plasteh preko obteženih kanalov. Ko podatki dosežejo nevrone, se njihova obtežena vrednost združi s pristranskostjo in se uporabi v aktivacijski funkciji. Glede na rezultat funkcije se lahko nevron aktivira ali pa ne. Če je nevron aktiviran, se informacija prenese v naslednjo plast. Če pa ni aktiviran, se informacije ne prenesejo v naslednjo plast. Ta postopek se ponavlja po plasteh, dokler ni izdelan izhodni rezultat. Globoko učenje se uporablja za računalniške programe, samovozeča vozila in virtualne osebne asistente. Edine omejitve, ki nastopijo pri učenju, so potreba po veliki količini informacij, ogromna računalniška moč in čas (Singapore Computer Society, 2020; Kovač, 2011; Ploj, 2020).
PRELOMNICE V RAZVOJU UMETNE INTELIGENCE
Prve ideje o UI segajo vse do leta 700 pred našim štetjem, v antično Grčijo, kjer nas pesnik Heziod seznani z eno od najzgodnejših zamisli o robotu. Mit opiše Talosa kot ogromnega bronastega robota, ki ga je zgradil grški bog izumiteljstva in kovaštva in je bil nato pooblaščen za zaščito otoka Krete (IBM; Shashkevich, 2019). Francoski matematik in izumitelj Blaise Pascal je leta 1642 izumil prvi mehanski računski stroj. V prvi polovici 19. stoletja sta Charles Babbage in Ada Loveiace ustvarila prvo konstrukcijo za programljive stroje (Woodruff et al., 2019).
Raziskave o UI so se pričele po drugi svetovni vojni, ko je več ljudi samostojno začelo z delom in raziskovanjem inteligentnih strojev. Angleški matematik Alan Turing je bil med prvimi. Leta 1947 je imel na to temo predavanje, leta 1950 pa je objavil delo z naslovom “Computing Machinery an Intelligence”, v katerem odgovori na vprašanje, ali lahko stroji mislijo in razpravlja o pogojih, ki so potrebni, da se lahko stroj obravnava za inteligentnega. Menil je, da lahko stroj obravnavamo kot inteligentni, če se lahko dobro obveščenemu opazovalcu uspešno pretvarja, da je človek. V ta namen je v svojem delu predstavil test, imenovan Turingov test, s katerim ugotavlja, ali je računalnik zmožen enake inteligence kakor človek. Test poteka tako, da je opazovalec oziroma ocenjevalec preko teleprinterja vključen v pogovor z osebo in s strojem, ne da bi ju videl ali slišal. Njegova naloga je, da ugotovi, s kom se pogovarja. Naloga osebe in stroja je enaka, in sicer da prepričata opazovalca, da sta resnični osebi in da je drugi stroj. Če lahko stroj poda odgovore, ki se ne razlikujejo od človeških, tako da ocenjevalec ne more zanesljivo ugotoviti, kateri so človeški in kateri ne, potem je stroj uspešno opravi Turingov test. Se pa pri tem pojavi težava, saj lahko stroj obravnavamo kot inteligentnega, tudi če ne zmore dovolj dobro imitirati ljudi (IBM; McCarthy, 2007; Vorobiev in Samsonovich, 2018).
Leta 1956 je v Dartmouthu potekala znanstvena konferenca o UI v Dartmouthu. Na njej je John McCarthy iznašel izraz “umetna inteligenca” in skupaj z drugimi znanstveniki razpravljal o tem, ali je možno človeško inteligenco opisati tako podrobno, da bi jo lahko posnemal stroj. Istega leta so Allen Newell, J. C. Shaw In Herbert Simon ustvarili program Logic Theorist, ki je prvi delujoči program UI. Dokazoval je trditve iz Whiteheadovega in Russellovega dela “Principia Mathematica”. In sicer ta program velja za enega izmed prvih, ki so bili sposobni simulirati nekatere vidike sposobnosti ljudi za reševanje kompleksnih problemov. Osnovna načela, programa Logic Theorist, so (IBM; Kovač, 2011; Gugerty, 2006; Ploj, 2020):
- mišljenje se razume kot obdelava simbolov v kratko- in dolgoročnem spominu,
- simboli prenašajo informacije in hierarhično predstavljajo znanje,
- kompleksni problemi se rešujejo z uporabo hevristik, ki so dokaj učinkovite, vendar ne zagotavljajo rešitve,
- program deluje vzvratno od trditve, ki jo je potrebno dokazati, z uporabo hevristike, s čimer ustvarja veljavne sklepe, dokler ne doseže aksioma.
Po izumu Turingovega testa so računalničarji začeli razvijati programsko opremo, ki ljudem omogoča interakcijo z računalnikom v naravnem jeziku. Prvi takšen program je bil ELIZA, zasnovan leta 1965. Računalnik lahko bere sporočila, napisana s pisalnim strojem in nato odgovori z uporabo enakega instrumenta (Weizenbaum, 1966).
Leta 1958 je John McCarthy definiral visokonivojski jezik lisp, ki je postal prevladujoči jezik UI. Istega leta je bil razkrit nov izum, in sicer računalnik, ki se je bil po petdesetih poskusih zmožen naučiti razlikovati med kartami, ki so bile označene na levi in kartami, označenimi na desni strani. Bil je prva demonstracija perceptrona, ki ga je ustvaril Frank Rosenblatt. Perceptron je enoplastna nevronska mreža in algoritem, ki razvršča podatke v dve možni kategoriji. Nevronsko omrežje najprej naredi napoved, na primer levo ali desno, ali pes ali mačka in če naredi napako, se prilagodi tako, da naslednjič naredi bolj utemeljeno napoved. Računalničar Marvin Minsky, ki je bil skeptičen o delu Franka Rosenblatta, je leta 1969, skupaj s Seymourom Papertom objavil knjigo z naslovom “Perceptrons”, ki je napadla Rosenblattovo delo. Knjiga je postala prelomno delo o nevronski omrežjih in za nekaj časa tudi argument proti prihodnjim raziskovanjem nevronskih omrežij (IBM; Lefkowitz, 2019; Guid in Strnad, 2007).
Sledilo je obdobje, v katerem je bilo pomanjkanje interesa in sredstev za nadaljnji razvoj UI. To obdobje se imenuje tudi “zima umetne inteligence”. V osemdesetih letih dvajsetega stoletja je prišlo do ponovnih inovacij na tem področju. V aplikacijah UI so se vse pogosteje uporabljale nevronske mreže, ki so za usposabljanje uporabljale algoritem povratnega širjenja. Poleg tega je Edward Feigenbaum ustvaril ekspertne sisteme. To so računalniška programska orodja, ki rešujejo probleme ekspertov. Sistemi imajo sposobnosti sklepanja in presojanja, so sposobni delovati pri nezanesljivih in nepopolnih podatkih ter predlagane rešitve tudi razlagati (IBM; Woodruff et al., 2019; Kovač, 2011).
Leta 1997 je IBM-ov računalniški program Deep Blue v šahovskem dvoboju premagal tedanjega svetovnega šahovskega prvaka Garryja Kasparova. Igrala sta šest partij, od katerih je eno zmagal šahovski prvak Kasparov, dve je zmagal Deep Blue in tri so ostale neodločene. Program je imel pomemben vpliv na računalništvo v različnih panogah. Te raziskave so razvijalcem omogočile vpogled v načine, kako bi lahko zasnovali računalnike, za učinkovitejše reševanje kompleksnih problemov tudi na drugih področjih, z uporabo poglobljenega znanja za analizo večjega števila možnih rešitev (IBM). Leta 2007 se je podjetje IBM Research razglasilo za največje izzivalce v igri Jeopardy!. To je kviz, pri katerem so tekmovalcem dani namigi, na katere morajo odgovoriti v obliki vprašanj. Štiri leta kasneje je IBM-ov računalniški sistem za odgovarjanje na vprašanja, z imenom “Watson” premagal najvišje uvrščena tekmovalca igre. Watsonovo glavno pravilo delovanja je, da preučuje gesla v namigu in hkrati išče sorodne izraze kot odgovore, kar ima pri igri Jeopardy!, v primerjavi s človeškimi igralci svoje prednosti in slabosti. Ker sistem težko razume kontekste namigov in je sprogramiran tako, da bo ustvaril rezultat šele, ko je prepričan, da je odgovor pravilen, se odziva počasneje kot ljudje, vendar je pri odgovorih bolj natančen. Watson je torej zmožen najti odgovore, zaklenjene v velikih količinah podatkov. Ob tem je zmožen tudi sklepanja, zato se lahko uporablja kot pomoč pri financah, znanstvenih raziskavah, zdravstvu in pri revoluciji živilske industrije (Albert et al., 2020; Yahr, 2023).
V letu 2015 je skupina znanstvenikov predstavila sistem za prepoznavanje slik, “Deep Image”, ki je bil ustvarjen z uporabo globokega učenja. Ključni sestavni deli sistema so visoko optimiziran vzporedenalgoritem, ki uporablja nove strategije za delitev podatkov in komunikacijo, nov pristop za razširitev podatkov, uporabo slik visokih ločljivosti in superračunalnik Minwa, ki uporablja posebno vrsto globoke nevronske mreže, imenovano konvolucijska nevronska mreža, in je namenjen globokemu učenju (IBM; Wu et al., 2015).
Leta 2016 je DeepMindov AlphaGo program, premagal svetovnega prvaka igre Go. Go je strateška namizna igra, ki izvira iz Daljnega vzhoda. Zmaga je postala mejnik na področju UI, saj je bilo od takrat naprej okrepitveno učenje, ki je osrednja tehnika tega programa, deležno velike pozornosti in je prineslo plodne rezultate tako v teoriji kot v njenih aplikacijah (IBM; Tang et al., 2017).
V zadnjih letih smo priča porastu velikih jezikovnih modelov, kot je ChatGPT, ki so zmožni ustvarjati besedilo v naravnem jeziku in dialog, ki se ga pogosto ne da razločiti od človeškega. S temi novimi praksami UI je mogoče modele globokega učenja predhodno usposobiti na velikih količinah neobdelanih in neoznačenih podatkov (IBM; Pavlick, 2023).
UPORABA UMETNE INTELIGENCE
UI postaja vedno bolj pomembna v različnih panogah, saj njena uporabnost omogoča napredek in inovacije, ki krepijo učinkovitost in produktivnost le-teh. V nadaljevanju je opisana uporaba in inovacije v tehnologiji UI na nekaterih področjih.
Tehnologije UI so napovedale novo dobo v financah, saj so spodbudile inovacije na področju trgovanja, upravljanja tveganj, odkrivanja goljufij, storitev za stranke in na številnih drugih področjih. Prinesle so tudi pomembne spremembe poslovnih modelov, poslovanja in storitev. Danes finančne institucije izkoriščajo te napredne tehnologije za pridobivanje vpogledov, avtomatizacijo procesov in izboljšanje odločanja. Kljub velikemu potencialu UI se z njeno uporabo v financah pojavijo različni izzivi. Na primer, pomembno vprašanje se pojavlja v zvezi s preglednostjo in razumljivostjo sprejemanja odločitev z UI, kar se opisuje kot problem "črne skrinjice". Ta izraz se nanaša na težave pri razumevanju, kako zapleteni modeli UI in strojnega učenja prihajajo do svojih odločitev. Nepreglednost in nerazumljivost predstavljata velike etične, pravne in praktične izzive, zlasti v tako regulirani in tveganju naklonjeni panogi, kot so finance. Za razreševanje problemov, se je v panogi pojavila razložljiva UI, ki da ljudem boljše razumevanje o postopku odločanja UI in s tem pozitivno vpliva na zaupanje, skladnost, obvladovanje tveganj in zadovoljstvo strank (Quinn, 2023).
Aplikacije UI se v prometu razvijajo in izvajajo na različne načine. Uporabljajo se lahko pri načrtovanju, oblikovanju in nadzoru struktur prometnega omrežja. To vključuje boljšo uporabo modelov za napovedovanje in zaznavanje, katerih cilj je boljše napovedovanje obsega prometa, ter zaznavanje prometnih razmer in incidentov na cestah. UI omogoča izboljšanje javnega prometa, tako da optimizira pot, zagotavlja varnejšo pot in vozila, zmanjšuje stroške potovanj, ter olajšuje izkušnje uporabnikov. Obetavna uporaba UI v transportu je njena uporaba pri avtonomnih vozilih. To so vozila, ki se lahko premikajo brez podpore in vodenja človeškega voznika, s čimer bi lahko potencialno zmanjšali število prometnih nesreč v prometu. Cilji uporabe UI na področju prometa so torej premagovati izzive naraščajočega povpraševanja po potovanjih, zmanjšanje emisij ogljikovega dioksida in drugih škodljivih plinov, omejevanje degradacije okolja in izboljšanje varnosti (Abduljabbar et al., 2019).
Z uvedbo metod in strojev, ki jih poganja UI, so se v kmetijski in živilski industriji spremenile metode pobiranja, gojenja, pridelave in predelave pridelkov. Danes računalniki niso sposobni prikazovati samo slik hrane, temveč jo lahko tudi prepoznajo, razkrijejo hranilno vrednost in sestavine. V kmetijstvu kombinacija računalniškega vida (podpodročje UI, ki se osredotoča na razvoj avtonomnih sistemov za posnemanje nalog, ki jih opravlja človeški vidni sistem) in robotike (področje, ki se ukvarja z načrtovanjem, izdelavo in delovanjem robotov) kmetom omogoča pregledovati zemljišča. Tako lahko zaznavajo, ocenjujejo in nadzirajo rodovitnost tal, stopnjo vlažnosti zemlje, rast pridelka in omejujejo širjenje morebitnih bolezni poljščin. Robotika pomembno vpliva tudi na rejenje živine, pomaga pri krmiljenju živali in pri pridobivanju njihovih produktov (Kakani et al., 2020; Alsakka et al., 2022; Rayhan, 2023).
Prilagajanje in inovacije so za proizvodno industrijo izredno pomembne. Ta razvoj bi moral z uporabo novih tehnologij, med njimi tudi UI ob zmanjšanju stroškov voditi k trajnostni in kvalitetni proizvodnji. V ta namen so se v industriji že uveljavile številne tehnike, ki temeljijo na UI, kot je strojno učenje, ki velja za gonilno silo revolucije pametnih tovarn. UI je lahko v proizvodnji industriji koristna za optimizacijo energetskih virov, v logistiki, upravljanju dobavne verige, ravnanju z odpadki itd. Napredek na področju inteligentne robotike prinaša novo generacijo programabilnih, senzorsko interaktivnih, računalniško krmiljenih strojev, ki lahko delujejo pod nadzorom človeka ali samostojno na podlagi zaznanih informacij. Njihova uporaba v proizvodnji povečuje produktivnost, varnost in kakovost (Cioffi et al., 2020; Kim et al., 2021; Gruver, 1994).
V gradbeništvu se študije UI osredotočajo na vzdrževanje in upravljanje konstrukcij ter optimizacijo načrtovanja. Tehnologije masovnih podatkov in globoko učenje se uspešno uporabljajo v različnih vidikih gradbeništva. Tehnologije masovnih podatkov se najpogosteje uporabljajo pri vzdrževanju konstrukcij. Z razvojem računalniškega vida, ki temelji na globokem učenju, se je spremljanje stanja konstrukcije močno izboljšalo. Vendar je globinsko učenje v drugih vidikih gradbeništva doseglo le malo prebojev (Huang et al., 2019).
UI se v izobraževanju nanaša na uporabo tehnologij UI, kot sta strojno učenje in obdelava naravnega jezika, za izboljšanje učnih izkušenj. Izobraževalcem omogoča prilagajanje učenja za vsakega učenca, kar lahko privede do boljših rezultatov učencev, saj se lahko učijo v svojem tempu in na način, ki ustreza njihovemu učnemu slogu. Vendar so z uporabo UI v izobraževanju povezani tudi izzivi. Mednje prištevamo zasebnost in varnost, pomanjkanje zaupanja, stroške in morebitne pristranskosti. Kljub temu ima UI zmožnost revolucionirati način učenja in poučevanja, ki bi postal bolj personaliziran, zanimiv in učinkovit (Harry, 2023).
UI skupaj z vse večjo razpoložljivostjo zdravstvenih podatkov in hitrega napredovanja analitičnih tehnik prinaša spremembe tudi v zdravstvu. Področja v medicinskih znanostih, ki jo uporabljajo, so radiološka tehnologija (terapevtska in diagnostična), robotske operacije, odkrivanje in testiranje zdravil, ter za zdravljenje raka in drugih bolezni. UI se v zdravstvu uporablja za diagnosticiranje bolezni in zdravljenje. Lahko tudi pomaga pri napovedovanju izida in ocene diagnoze. S tem olajšuje delo strokovnjakov v zdravstvenem sistemu, pripomore k zmanjševanju diagnostičnih in terapevtskih napak, ki so v človeški klinični praksi neizogibne. Danes ima pomembno vlogo v nevrologiji, kardiologiji in ortopedskih operacijah. Nevrološke bolezni in kakršne koli poškodbe živčnega sistema, lahko pacientom odvzamejo del zmožnosti govorjenja, gibanja in sposobnosti razmišljanja. Z uporabo možgansko-računalniških vmesnikov bi lahko drastično izboljšali kakovost življenja bolnikov z amiotrofično lateralno sklerozo, možgansko kapjo in tistih, ki so utrpeli poškodbo hrbtenjače. Uporaba magnetne resonance, računalniške tomografije, radioterapije in številnih drugih metod je tudi del UI (Khurana, 2023).
MNENJE ZAPOSLENIH O UMETNI INTELIGENCI
Z vprašanji o uporabi UI na delovnem mestu, odnosu zaposlenih do nje in o prihodnosti UI, smo se obrnili na več slovenskih podjetij in ustanov. Podatke o tem smo pridobili preko intervjujev z arhitektom, direktorjem podjetja, učiteljico, vodjo marketinga in elektroinženirjem.
Večina ljudi na svojem delovnem mestu nehote uporablja UI. Njene uporabe se je namreč težko zavedati, saj sta že samo iskanje v spletnih brskalnikih ali uporaba osebnih asistentov dejanji, v katere je vpletena UI. Kljub možni aktivni uporabi tehnologij UI na njihovem področju jih veliko zaposlenih še ne uporablja. Aplikacije UI so na številnih področjih namreč še v začetnem stadiju, zato jim zaposleni ne zaupajo popolnoma. Kljub nezaupanju uporabe UI na njihovem delovnem mestu tako danes kot tudi v bližnji prihodnosti, gledajo na razvoj te tehnologije z odprto miselnostjo in so pripravljeni spremeniti svoje stališče glede uporabe, ko se bo tehnologija izkazala in učinkovito dokazala. Posamezniki, ki zaupajo UI, verjamejo, da lahko prinaša veliko koristi in olajša izvajanje nalog. Pri njeni uporabi pa ostajajo pozorni in previdni ter upoštevajo morebitne omejitve in etična vprašanja. Uporabljajo jo kot pomoč pri opravljanju enostavnejših in pri ponavljajočih se nalogah. Te naloge so z njeno pomočjo izvedene hitreje in učinkovitejše, s čimer se izboljša celoten delovni proces. Pri zahtevnejših nalogah se zaposleni zanašajo na svoja znanja, spretnosti in izkušnje. Uporaba UI je poleg zaupanja, odvisna tudi od delovnega mesta in nalog, ki jih opravlja posameznik.
Kot se je izkazalo iz pogovorov, so ljudje danes in v bližnji prihodnosti na svojih delovnih mestih nenadomestljivi. Še posebej tam, kjer je potrebna kreativnost, kritično razmišljanje, urejanje medsebojnih odnosov in odločanje na višji ravni, saj so tu pomembne človeške izkušnje, razmišljanje ter intuicija, ki jih UI ne more povsem nadomestiti. Zato je človeški vidik v teh situacijah še vedno ključen, saj odločitve pogosto temeljijo na različnih kontekstih, čustvih in etičnih vidikih. Kljub temu lahko tehnologije UI prevzamejo izvajanje določenih nalog, predvsem tistih, ki so rutinske in ne zahtevajo kritičnega razmišljanja.
Zaposleni napovedujejo, da bo možno v daljni prihodnosti z razvojem UI večino rutinskih opravil in tudi bolj zapletene procese zaupati tej tehnologiji, saj bo omogočila hitrejšo obdelavo podatkov, večjo natančnost in boljšo učinkovitost. Menijo, da bo v večini poklicev nadomestila potrebo po živi delovni sili, kar bo na neki način prizadelo posameznike. Hkrati pa bo odpirala nova vrata, saj bo uvedba novih, neznanih tehnologij ustvarila potrebo po novih veščinah in znanjih. Vsekakor bo prišlo do prilagajanja na nove tehnologije, saj se lahko podjetjem in zaposlenim, ki ne bodo vključevali UI v svoje delovanje lahko zgodi, da začnejo zaostajati za tistimi, ki bodo sprejeli tehnološke inovacije. Se pa bodo seveda z razvojem UI pojavili etični izzivi, ki jih bo potrebno pred uporabo tehnologije UI na takšni stopnji ustrezno razrešiti.
V prihodnosti bo ključno premagati morebitne pomisleke in strahove glede uporabe UI. S pravilno izobraženimi in ozaveščenimi uporabniki bomo lahko izkoristili vse prednosti te tehnologije in ustvarili odgovorno in etično uporabo, ki bo prinašala pozitivne učinke na številnih področjih ter na družbo kot celoto.
POVZETKI IN ZAKLJUČEK
UI predstavlja vejo računalništva, ki združuje znanje iz psihologije, nevrologije, matematike, logike, filozofije in drugih področij. Gre za metodo, ki strojem in sistemom omogoča, da posnemajo človeško inteligenco za izvajanje nalog v resničnem svetu. Skozi zgodovino se je UI iz teoretičnih konceptov razvila v vplivno tehnologijo. Od začetnih idej v antični Grčiji do Turingovega testa, uporabe nevronske mreže in zmage računalnika nad svetovnim šahovskim prvakom, je UI dosegla pomembne mejnike. Njene tehnologije se danes uporabljajo na številnih področjih, s čimer se olajšuje delo ljudi, zmanjšuje število napak in izboljšuje kakovost življenja. Z izvedenimi intervjuji smo prišli do ugotovitev, da kljub nezaupanju tehnologijam UI, zaposleni v Sloveniji ohranjajo odprto miselnost za prihodnost te tehnologije. Verjamejo v njeno korist pri enostavnejših nalogah, vendar poudarjajo ključno vlogo človeškega razmišljanja, intuicije in odločanja v kompleksnih situacijah. Napovedujejo, da UI še nekaj časa ne bo uspela nadomestiti ljudi, vendar bo lahko prevzela rutinska opravila. Za uspešno prihodnost UI bo ključno premagati pomisleke in strahove ter zagotoviti izobraževanje in ozaveščanje uporabnikov za odgovorno in etično uporabo te tehnologije.
Članek Uporaba umetne inteligence na delovnem mestu je za bralce zanimiv, saj jim približa uporabo UI na različnih področjih. Nedvomno je članek zanimiv za vse tiste, ki imajo možnost na svojem delovnem mestu uporabljati tehnologije UI. Kot kaže, se bo njen razvoj nadaljeval še vrsto let. Njen napredek bo poleg novih priložnosti prinesel tudi številne izzive. Ravno tako je članek zanimiv za strokovnjake obravnavanega področja, saj je na enem mestu zbrana trenutna aktualna situacija in spoznanja s tega področja. Tema ostaja zanimiva za nadaljnja raziskovanja, spremljanje in primerjanje razvoja umetne inteligence.
VIRI
Guid, N., Strnad, D. (2007). Umetna inteligenca: učbenik. Maribor: Fakulteta za elektrotehniko, računalništvo in informatiko.
Kovač, T. (2011). IT podpora menedžmentu. Celje: Fakulteta za komercialne in poslovne vede.
Ploj, B. (2020). Bionska umetna inteligenca: knjiga o napravah, ki se učijo in se samostojno odločajo, pri čemer lahko presežejo tudi človeštvo. Ptuj: Visoka šola.
Gugerty, L. (2006). Newell and Simon's Logic Theorist: Historical Background and Impact on Cognitive Modeling. Pridobljeno na https://www.researchgate.net/publication/276216226_Newell_and_Simon's_Logic_Theorist_Historica l_Background_and_Impact_on_Cognitive_Modeling [22.7.2023].
Rajaraman, V. (2023). From ELIZA to ChatGPT: History of Human-Computer Conversation. Pridobljeno na:
https://www.researchgate.net/publication/371735147_From_ELIZA_to_ChatGPT_History_of_Human
-Computer_Conversation [23.7.2023].
Anlin, A., Divin, D., Praveenkumar, K. S. (2020). IBM Watson “The Game Changer Technology Innovation”. Pridobljeno na: https://www.researchgate.net/publication/351993532_IBM_Watson_The_Game_Changer_Technolog y_Innovation [24.7.2023].
Pavlick, E. (2023). Symbols and grounding in large language models. Pridobljeno na: https://www.researchgate.net/publication/371306301_Symbols_and_grounding_in_large_language_m odels [25.7.2023].
Tang, Z., Shao, K., Zhao, D., Zhu, Y. H. (2017). Recent progress of deep reinforcement learning: from AlphaGo to AlphaGo Zero. Pridobljeno na: https://www.researchgate.net/publication/324686165_Recent_progress_of_deep_reinforcement_learni ngfrom_AlphaGo_to_AlphaGo_Zero [25.7.2023].
Wu, R., Yan, S., Shan, Y., Dang, Q., Sun, G. (2015). Deep Image: Scaling up Image Recognition. Pridobljeno na: https://arxiv.org/vc/arxiv/papers/1501/1501.02876v4.pdf [25.7.2023].
Yahr, E. (2023). Jeopardy!. Pridobljeno na: https://www.britannica.com/topic/Jeopardy-American- television-game-show [25.7.2023].
International Business Machines (IBM). Deep Blue. Pridobljeno na: https://www.ibm.com/ibm/history/ibm100/us/en/icons/deepblue/?mhsrc=ibmsearch_a&mhq=deep%20 blue [26.7.2023].
Lefkowitz, M. (2019). Professor’s perceptron paved the way for AI – 60 years too soon. Pridobljeno na: https://news.cornell.edu/stories/2019/09/professors-perceptron-paved-way-ai-60-years-too-soon [26.7.2023].
McCarthy, J. (2007). What is artificial intelligence?. Pridobljeno na: https://www- formal.stanford.edu/jmc/whatisai.pdf [26.7.2023].
Shashkevich, A. (2019). Stanford researcher examines earliest concepts of artificial intelligence, robots in ancient myths. Pridobljeno na: https://news.stanford.edu/2019/02/28/ancient-myths-reveal-early- fantasies-artificial-life/ [26.7.2023].
Singapore Computer Society. (2020). Simplifying the difference: machine learning vs deep learning. Pridobljeno na: https://www.scs.org.sg/articles/machine-learning-vs-deep-learning [26.7.2023].
Vorobiev, I., Samsonovich, A. V. (2018). A Conceptually Different Approach to the Empirical Test of Alan Turing. Pridobljeno na: https://www.sciencedirect.com/science/article/pii/S1877050918300796 [26.7.2023].
Weizenbaum, J. (1966). ELIZA—a computer program for the study of natural language communication between man and machine. Pridobljeno na: https://dl.acm.org/doi/10.1145/365153.365168 [26.7.2023].
Woodruff, A., Barry, C., McDonald, Z. (2019). Intelligent machines. Pridobljeno na: https://qbi.uq.edu.au/files/40628/The-Brain-Intelligent-Machines-QBI-UQ.pdf [26.7.2023].
Khurana, B. (2023). AI in healthcare. Pridobljeno na: https://www.researchgate.net/publication/368954958_AI_in_healthcare [27.7.2023].
Quinn, B. (2023). Explaining AI in Finance: Past, Present, Prospects. Pridobljeno na: https://www.researchgate.net/publication/371310593_Explaining_AI_in_Finance_Past_Present_Prosp ects [27.7.2023].
Abduljabbar, R., Dia, H., Liyanage, S., Bagloee, S. A. (2019). Applications of Artificial Intelligence in Transport: An Overview. Pridobljeno na: https://www.mdpi.com/2071-1050/11/1/189 [28.7.2023].
International Business Machines (IBM). What is artificial intelligence (AI)? Pridobljeno na: https://www.ibm.com/topics/artificial-intelligence [28.7.2023].
Rayhan, A. (2023). Artificial intelligence in robotics: from automation to autonomous systems. Pridobljeno na:
https://www.researchgate.net/publication/372589771_ARTIFICIAL_INTELLIGENCE_IN_ROBOTI CS_FROM_AUTOMATION_TO_AUTONOMOUS_SYSTEMS [28.7.2023].
Saranya, A., Subhashini, R. (2023). A systematic review of Explainable Artificial Intelligence models and applications: Recent developments and future trends. Pridobljeno na: https://www.sciencedirect.com/science/article/pii/S277266222300070X [28.7.2023].
Alsakka, F., Assaf, S., El-Chami, I., Al-Hussein, M. (2022). Computer vision applications in offsite construction. Pridobljeno na: https://www.sciencedirect.com/science/article/abs/pii/S0926580523002406 [29.7.2023].
Cioffi, R., Travaglioni, M., Piscitelli, G., Petrillo, A., De Felice, F. (2020). Artificial Intelligence and Machine Learning Applications in Smart Production: Progress, Trends, and Directions. Pridobljeno na: https://www.mdpi.com/2071-1050/12/2/492 [29.7.2023].
Gruver, W. A. (1994). Intelligent robotics in manufacturing, service, and rehabilitation: an overview. Pridobljeno na: https://ieeexplore.ieee.org/abstract/document/281602/authors#authors [29.7.2023].
Kakani, V., Nguyen, V. H., Kumar, B. P., Kim, H., Pasupuleti, V. R. (2020). A critical review on computer vision and artificial intelligence in food industry. Pridobljeno na: https://www.sciencedirect.com/science/article/pii/S2666154320300144 [29.7.2023].
Harry, A. (2023). Role of AI in Education. Pridobljeno na: https://www.researchgate.net/publication/369545925_Role_of_AI_in_Education [30.7.2023].
Huang, Y., Li, J., Fu, J. (2019). Review on Application of Artificial Intelligence in Civil Engineering. Pridobljeno na:
https://cdn.techscience.cn/uploads/attached/file/20191219/20191219073913_87997.pdf [30.7.2023].
Kim, S. W., Kong, J. H., Lee, S. W., Lee, S. (2021). Recent Advances of Artificial Intelligence in Manufacturing Industrial Sectors: A Review. Pridobljeno na: https://link.springer.com/article/10.1007/s12541-021-00600-3 [30.7.2023].