Deep learning, odnosno duboko učenje, grana je umjetne inteligencije koja simulira rad ljudskog mozga u obradi podataka, koristeći duboke neuronske mreže za prepoznavanje uzoraka i donošenje zaključaka iz kompleksnih skupova podataka.
U Japanu, deep learning se sve više koristi u različitim područjima, uključujući medicinu, robotiku i tehnologiju autonomnih vozila. Primjerice, japanske medicinske institucije koriste deep learning za analizu medicinskih slika radi bržih i preciznijih dijagnoza, dok se u industriji robotike koristi za razvoj naprednih robota koji mogu samostalno učiti i prilagođavati se različitim okolinama.
„Koristili smo deep learning na obradu CT snimki kućnih ljubimaca, u veterinarskoj struci u svrhu predikcije oboljenja. Ovaj sistem je neka vrsta asistenta veterinaru ili, kod ljudi, ljekaru, a ne zamjena, i pomaže kod donošenja odluka. Tada stručnjak na osnovu podataka dobivenih pomoću dubokog učenja može zumirati nešto, skoncentrisati se na neki detalj i donijeti odluke i preciznije dijagnoze“, kazao je Mladen Jović.
Ovo skraćuje proceduru donošenja dijagnoze i kod ljudi i kod životinja jer se onda struka koncentriše na sumnjive dijelove slike, na koje duboko učenje upozori.
„Rješavali smo i problem prepoznavanja osoba, kada se osoba kreće i prolazi iza zida. To je bio veliki problem za umjetnu inteligenciju“, dodao je.
Iako je prva asocijacija na ovakve sisteme koji prepoznavaju lica obično praćenje i nadzor pojedinaca te smanjivanje individualne slobode, ovakve tehnologije su neprocjenjive na aerodromima, ali i u borbi protiv trgovine ljudima. No, postoje još neke primjene na koje često ne pomislimo.
„Koristili smo ga u sportu, obratila nam se japanska stonotenisačka reprezentacija, kako bi poboljšali rezultate. Recimo, pratimo pokrete kako bi nešto odigrao trener, pa onda u stvarnim situacijama kod igrača i onda se to poredi, pa igrači dobiju savjet šta da poprave u svom pristupu. Također, ima promjenu i u robotici, kada robot sortira ili prenosi nešto“, dodao je Jović.
Ovi sistemi mogu pratititi i prepoznavati raspoloženja ljudi, mjeriti temperaturu osoba u javnom prostorima, promjerice na aerodromima.
No svakako da je pitanje etike praćenja, kao i davanja, uzimanja i zaštite podataka izuzetno važno.
„Neki od najvećih problema za razvoj vještačke tehnologije su privatnost podataka i količina podataka. Nekad čak i od klijenata ne dobijemo dovoljno podataka. Potrebno je vremena da država omoguće pristup podacima i da ljudi shvate koliko AI može da pomogne“, kazao je Jović.
Kako je istakao, razvoj umjetne inteligencije ovisi i o pristupu u razvoju, da li se radi o komercijalnom pristupu i otvorenom pristupu.
„Kod komercijalnog pristupa proizvod je teže unapređivati, jer ljudi moraju platiti da bi ga koristili. Kod sistema otvorenog tipa stvara se zajednica koja može unaprijediti model“, primijetio je.
Otvoreni pristup razvoju umjetne inteligencije i modela mašinskog učenja podrazumijeva javno dostupne resurse, alate i zajednice koje omogućuju slobodan pristup znanju, algoritmima i podacima. To često uključuje otvorene izvore podataka, biblioteke kao što su TensorFlow ili PyTorch te zajednice poput GitHub-a, gdje se dijele kodovi i modeli.
S druge strane, komercijalni pristup se fokusira na privatno vlasništvo i profitabilnost. Kompanije razvijaju i koriste svoje vlastite alate, modele i podatke za razvoj AI rješenja, često zadržavajući intelektualno vlasništvo i ograničavajući pristup svojim tehnologijama. Ovaj pristup često uključuje ulaganje u istraživanje i razvoj kako bi se stvorile konkurentske prednosti i ostvarili profitni ciljevi.
Svijet dubokog učenja otvara vrata nevjerovatnim inovacijama, a Japan je zemlja koja je tu prednjači. Kroz primjenu dubokog učenja, japanske institucije revolucioniziraju različite aspekte života svojih građana. Mladen Jović pokušava pružiti svijetlu viziju kako ovakva tehnologija može transformisati način na koji živimo i radimo.
Predavanje koje je održao organizovali su Bosnia and Herzegovina Futures Foundation i Elektrotehnički fakultet Univerziteta u Sarajevu.
