“Umjetna inteligencija, što mislite, što je to?” Radila sam anketu za jednu radijsku emisiju prije nekog vremena na Trgu bana Jelačića, postavljajući ovo pitanje slučajnim prolaznicima. “Umjetna inteligencija, to su oni političari koji prepisuju diplomske radove”, glasio je jedan od odgovora (imena nećemo spominjati). Umjetna inteligencija (AI) je dosta širok pojam koji se može interpretirati na mnoštvo načina, no u IT branši ipak poprima konkretnije značenje, što smo mogli i doznati u razgovoru s osnivačima i zaposlenicima firmi koje se bave AI-jem, odnosno najčešće granom strojnog učenja.
I njima nekad zasmetaju paušalni i netočni opisi struke na oglasima za posao te vrlo oprezno barataju terminologijom. A osim što smo doznali kako oni doživljavaju i opisuju AI, pitali smo ih kojom granom tog područja se bave te kakvu konkretnu ulogu ova disciplina zauzima u njihovu proizvodu.
Microblink
Računalni vid i strojno učenje područja su po kojima je domaća firma MicroBlink poznata kao jedan od globalnih lidera, s time da je računalni vid bio okosnica njihova proizvoda od početka, tj. Računi.hr startupa, a naknadno su se počeli baviti strojnim učenjem. Jurica Cerovec, direktor tehnologije i suosnivač MicroBlinka, naglašava da se nisu počeli baviti strojnim učenjem zato što je to “fora”, nego zato što daje najbolje rezultate u području skeniranja osobnih dokumenata. A jedan od njihovih proizvoda, Blink ID, bavi se upravo skeniranjem osobnih dokumenata preko kamere mobitela.
Provjera autentičnosti osobnih dokumenata i detekcija prijevara trenutačno je jedan od najvećih izazova s kojima se Microblinkov tim susreće u razvoju svog Blink ID proizvoda, s kojim se pomoću kamere mobitela može skenirati osobni dokument
“Najbolji user experience (UX) za krajnjeg korisnika je ako imamo metode koje brzo i točno mogu vratiti točan tekst koji piše na osobnom dokumentu. Možemo i vrlo točno na slici pronaći gdje se dokument nalazi, čak i ako je udaljen ili nije dobro pozicioniran”, Cerovec navodi neke od primjera kako im strojno učenje pomaže u razvoju proizvoda. Dodaje da im ova tehnologija pomaže i u klasifikaciji dokumenata, odnosno prepoznavanju toga pokušava li korisnik skenirati hrvatski, kineski ili američki dokument.
Jurica Cerovec, direktor tehnologije i suosnivač MicroBlinka, ističe Appleov Face ID kao dobar primjer iz industrije koji bitno može smanjiti mogućnost “fejkanja” i prijevare sustava
Cerovec smatra da MicroBlink na globalnom tržištu izdvaja to što imaju kompletno razvijenu infrastrukturu za razvoj modela strojnog učenja. Prvo, tu je tim od deset stručnjaka za machine learning research koji vodi Matija Ilijaš. Zatim, tu je cijela infrastruktura za obradu podataka na kojoj su radili posljednje tri godine, a koja im omogućuje obradu podataka, brzo označavanje, evaluaciju modela i sve što je potrebno da bi research engineer tim mogao raditi. I na kraju, imaju poseban tim koji se bavi označavanjem podataka, odnosno 35 ljudi koji prepravljaju greške modela strojnog učenja te tako čuvaju leđa machine learning research timu.
Ilijaš kaže da se većina toga što se danas svodi na pojam umjetne inteligencije zapravo odnosi na modele nadziranog učenja. “U našem slučaju, ako želite razviti model koji čita tekst, mi ćemo modelu dati velike količine slika na kojima je označen tekst i on će u najboljem slučaju moći prepoznati taj tekst jednako dobro kao osoba koja ga je označavala. Taj se model neće moći osamostaliti i preuzeti kontrolu nad nekim drugim procesom unutar aplikacije”, opisuje Ilijaš. Što više podataka firma ima, to će rezultati biti bolji.
Matija Ilijaš, voditelj research engineer tima u MicroBlinku, kaže da smo učinili veliki korak u razvijanju tzv. “slabe” umjetne inteligencije. Pritom slabu umjetnu inteligenciju karakterizira kao proces u kojem ljudi daju zadatak računalu, a “jaku” umjetnu inteligenciju kao sustav koji odrađuje zadani posao, a usto ima razinu slobode da bude kreativan i radi stvari na svoju ruku
Budući da konkretno rade na proizvodu za prepoznavanje i skeniranje osobnih dokumenata, suočavaju se s izazovom prijevare detekcije lica i ostalih informacija. Jedna od tehnika kojima se to želi postići zove se “deepfakes”, a Cerovec ističe da ona nameće probleme ne samo u pogledu njihovih proizvoda, nego u mnogo širem kontekstu, poput potencijalnog generiranja “fake newsa”. Cerovec kaže da su dobili projekt od Europske unije, sa zadatkom identificiranja lažnih osobnih dokumenata, i da je jedan od načina na koji rješavaju taj problem to što se stavljaju u poziciju maliciozne osobe koja pokušava prevariti sustav.
Ilijaš smatra da je to, iz aspekta strojnog učenja, postalo problem “kokoši i jajeta” te napominje da danas postoje modeli strojnog učenja koji generiraju te lažne slike, modele koji trebaju raspoznati te lažne slike te modele koji istovremeno rade i jedno i drugo. “Nama neuronske mreže već sada generiraju umjetne setove podataka koje mi koristimo za učenje i jako je zanimljivo vidjeti koliko ti dokumenti mogu izgledati realno”, kaže Ilijaš, dodavši da će u budućnosti sve veći problem predstavljati razlikovanje stvarnih od lažnih datoteka.
Umjetna inteligencija zvuči “fancy”, kažu iz MicroBlinka, ali je tu još uvijek mnogo ručnog rada i kodiranja. Od alata za razvoj modela nezaobilazan je TensorFlow, koji su dodatno customizirali vlastitim slojem koda, a koji im služi za specijaliziranu organizaciju te lakše kontroliranje i testiranje modela
Što se tiče razvoja nekog AI sustava koji bi bio dovoljno inteligentan da hakira zaštitu drugog AI obrambenog modela, Ilijaš kaže da je taj scenarij danas vrlo malo vjerojatan jer je potrebno mnogo više resursa da bi se razvio takav sustav, a oba su sugovornika istaknula da je pomalo zastrašujuća količina podataka koje o nama skupljaju velike kompanije i da su koncepti “fairnessa”, “interpretabilityja” i “democratizationa” danas vrlo konkretni problemi u sferi umjetne inteligencije.
