Analiza4 min čitanja

Kraj besplatnih podataka: Zašto AI ostaje bez materijala

Sve manje izvornog ljudskog znanja na internetu ugrožava kvalitetu budućih modela.

S

Autor

Shtef

Objavljeno

Ilustracija uz komentar: Kraj besplatnih podataka

Kraj besplatnih podataka: Zašto AI ostaje bez materijala

Kako se internet ubrzano puni sintetičkim tekstovima, dugoročna kvaliteta novih jezičnih modela dolazi u pitanje.

Sve od pojave prvih velikih jezičnih modela, industrija se oslanjala na jedan lako dostupan i besplatan resurs: ljudsko znanje na internetu. Modeliranje jezika funkcioniralo je po principu usisavanja svake napisane riječi, od forumskih rasprava do znanstvenih radova. No, danas se nalazimo na povijesnoj prekretnici. Brzina kojom algoritmi konzumiraju visokokvalitetne tekstove koje su napisali ljudi počinje premašivati brzinu kojom čovječanstvo te tekstove stvara. Suočavamo se s nadolazećom krizom nedostatka autentičnih podataka za treniranje. Ova suša informacija mogla bi usporiti napredak u razvoju umjetne inteligencije.

Prevladavajuća priča

Glavni tehnološki optimisti, predvođeni čelnicima korporacija, uvjeravaju nas da je samo pitanje vremena kada ćemo dosegnuti umjetnu opću inteligenciju. Njihov argument počiva na neprestanom rastu procesorske moći i usavršavanju arhitekture neuronskih mreža. Prevladavajuća priča u industriji sugerira nam da ćemo pukim povećanjem broja parametara neminovno dobiti pametnije i sposobnije sustave.

U tom dominantnom narativu, ulazni podaci se najčešće uzimaju zdravo za gotovo, kao infrastruktura koja će zauvijek biti tu. Smatra se da će podaci uvijek ostati besplatni i spremni za automatizirano preuzimanje. Vjeruje se da će novi modeli, čak i ako se budu morali trenirati na tekstovima koje su prethodno sami generirali, pronaći način da izbjegnu degradaciju kvalitete. Očekivanje je jednostavno: tehničko savršenstvo algoritama premostit će svaku potencijalnu prepreku u kvaliteti i točnosti ulaznih informacija na kojima počivaju.

Zašto je ta priča pogrešna ili nepotpuna

Ovakav način razmišljanja zanemaruje temeljni zakon strojnog učenja: izlazni rezultati izravno ovise o kvaliteti ulaznih podataka. Kako algoritmi generiraju sve veći dio ukupnog sadržaja na internetu, internet postaje prezasićen sintetičkim materijalom upitne vrijednosti. Kada se novi jezični modeli počnu trenirati na tekstovima koje su stvorili njihovi prethodnici, dolazi do opasnog fenomena poznatog kao kolaps modela. Poput višestrukog fotokopiranja jedne te iste stranice papira, gdje svaka nova kopija postaje sve bljeđa, tako i svaka nova generacija AI modela trenirana na sintetičkim podacima postupno gubi suptilnost.

Osim tehničke degradacije kvalitete, tu je i sve veći problem autorskih prava. Sve češće vidimo kako medijske kuće i popularne društvene platforme počinju masovno zaključavati svoj originalni sadržaj iza paywalla. Oni sada, s punim pravom, zahtijevaju strogu i visoku naplatu za svaki komercijalni pristup njihovim bazama podataka. Zlatno doba otvorenog i potpuno besplatnog interneta iz kojeg se moglo slobodno crpiti beskonačno znanje ubrzano se bliži svom kraju.

Model u kojem tehnološke korporacije ostvaruju milijarde dolara čistog profita koristeći isključivo neplaćeni intelektualni trud anonimnih ljudi diljem svijeta više nije niti etički niti pravno održiv. Umjetna inteligencija nema magičnu sposobnost stvaranja originalnog znanja iz čistog vakuuma; ona isključivo rekombinira i statistički predviđa postojeće obrasce koje je naučila iz naših prošlih tekstova. Bez redovitog dotoka autentičnog ljudskog iskustva, veliki jezični modeli će neizbježno početi stagnirati te će vrlo brzo postati krajnje sterilni.

Posljedice u stvarnom svijetu

Ukoliko se ovaj negativan trend zatvaranja podataka uistinu nastavi, uskoro ćemo svjedočiti dramatičnoj promjeni odnosa snaga u tehnološkom svijetu. Tvrtke koje uspiju osigurati ekskluzivna prava na izvore visokokvalitetnih ljudskih podataka bit će u nepremostivoj prednosti nad konkurentima koji se oslanjaju na pretraživanje javnog, sve više zagađenog interneta. Podaci postaju nova nafta, a cijena legalnog pristupa nesumnjivo će astronomski rasti. To će izravno rezultirati daljnjom centralizacijom moći na tržištu, gdje će na kraju samo najveće korporacije moći priuštiti licenciranje materijala za treniranje konkurentnih generativnih modela. Manji igrači i nezavisna akademska zajednica ostat će potpuno zakinuti, marginalizirani i tehnički nesposobni za praćenje tog tempa.

Za prosječnog korisnika ovakvih tehnologija, to znači da bi budući alati temeljeni na umjetnoj inteligenciji mogli postati znatno skuplji te osjetno manje pouzdani za obavljanje specifičnih zadataka koji doista zahtijevaju razumijevanje suptilnih nijansi i ljudske psihologije. Izgubit ćemo raznolikost mišljenja i pluralizam ideja, jer će novi modeli biti prisiljeni trenirati isključivo na ograničenom, steriliziranom, korporativno odobrenom i pravno sigurnom skupu podataka.

S druge pak strane, u cijeloj ovoj priči otvara se i jedna iznimno pozitivna prilika. Stvarni kreatori autentičnog i originalnog sadržaja — bilo da je riječ o profesionalnim piscima, umjetnicima ili običnim korisnicima koji svakodnevno sudjeluju u kvalitetnim internetskim raspravama — napokon bi mogli dobiti stvarnu i opipljivu priliku da pošteno i transparentno naplate svoj uloženi intelektualni rad. Njihov nezamjenjivi doprinos uskoro će postati gotovo jedini pravi izvor svježih i dragocjenih informacija potrebnih za spašavanje umjetne inteligencije od potpunog kolapsa.

Završni stav

Nalazimo se neposredno pred završetkom rane ere u kojoj se razvoj umjetne inteligencije u potpunosti oslanjao na besplatnu eksploataciju javno dostupnog ljudskog znanja. Ovaj sve izraženiji i opasniji problem nedostatka kvalitetnih podataka nažalost ne može se riješiti pukim dodavanjem sirove računalne moći ili pisanjem sofisticiranijih algoritama za strojno učenje. Ukoliko cijela tehnološka industrija želi uspješno izbjeći skoru tehničku stagnaciju i posljedičnu degradaciju svojih daleko najnaprednijih sustava generativne umjetne inteligencije, morat će u vrlo skoroj budućnosti iz temelja redefinirati svoj trenutačni odnos prema ljudskim autorima. Budućnost umjetne inteligencije, njezina konačna iskoristivost i društvena vrijednost, neizbježno ovisi o uspostavljanju pravednijeg, transparentnijeg i dugoročno održivijeg ekonomskog modela u kojem se ljudska autentičnost i kreativnost tretiraju kao najvrjedniji i nezamjenjivi resurs cijelog ovog ekosustava.


Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef

Povezano

Pročitajte i ovo

Još nekoliko objava koje šire kontekst oko tema, kompanija i AI trendova iz ove priče.

Ilustracija uz komentar: AGI kao distrakcija
Analiza

Opsesija općom umjetnom inteligencijom (AGI) velika je distrakcija

Dok se industrija fokusira na stvaranje nadljudske inteligencije, gubimo iz vida stvarne probleme i prilike koje današnja tehnologija nudi.

Ilustracija uz komentar: Prava istina o razvoju softvera
Analiza

Prava istina o razvoju softvera s umjetnom inteligencijom

Marketing nam prodaje gotova rješenja, ali stvarni razvoj otkriva složenost i krhkost novih alata.