Razgovarao: Bogdan Đorđević
Fotografije: Vladimir Janić
Globalno tržište proizvoda koji se oslanjaju na veštačku inteligenciju 2021. godine bilo je vredno 340 milijardi dolara. Naredne, 2022. godine, ovo tržište dostiglo je čak 500 milijardi dolara. Pre dve godine, Vlada Srbije donela je odluku o osnivanju Istraživačko-razvojnog instituta za veštačku inteligenciju Srbije sa sedištem u Naučno-tehnološkom parku u Novom Sadu.
Sa vodećim AI promoterom sa Instituta za veštačku inteligenciju, dr Branislavom Kisačaninom, razgovarali smo o tome kako se uključiti u ovo sve unosnije tržište, zašto je važno sa mladima razgovarati o veštačkoj inteligenciji, kako nas sve to veštačka inteligencija ojačava i kakva je uloga matematike u svemu tome. Kako ističe naš sagovornik: „Da bi se neko uspešno bavio veštačkom inteligencijom, neophodno je da ima mnogo znanja, ličnih talenata, veliku motivaciju i mentorsku podršku.“
Pošto je završio studije Elektronike i telekomunikacija na Fakultetu tehničkih nauka u Novom Sadu, dr Kisačanin otišao je u Sjedinjene Američke Države i na Univerzitetu Ilinois, u Čikagu, doktorirao 1998. godine. Ubrzo se zaposlio u velikoj automobilskoj kompaniji u Indijani, gde je svakodnevno bio u prilici da rešava praktične probleme, što mu je, kako kaže, pomoglo da nauči nove stvari i zasnuje jednu novu oblast istraživanja. Bio je među prvim naučnicima koji su razumeli da se za računarski vid ne mogu uvek oslanjati na najmoćnije kompjutere, pa je tako nastala nova disciplina Embedded Computer Vision. Dr Kisačanin organizovao je više konferencija na kojima se razgovaralo o ovoj temi, objavio je nekoliko knjiga, a na svom putu upoznao je brojne naučnike, profesore i uspešne preduzetnike u oblasti visokih tehnologija.
Nekadašnji đak generacije u novosadskoj Gimnaziji „Jovan Jovanović Zmaj“, zavoleo je i rad sa mladim talentima, pa ga posebno raduje što ima mogućnost da zajedno sa čuvenim rumunskim matematičarem Tituom Andreskuom srednjoškolcima u SAD i širom sveta prenosi svoje znanje. Od 2015. zaposlen je u kompaniji Nvidia, koju mnogi znaju po čipovima i karticama za igrice. Nvidia je danas u centru svih zbivanja u vezi sa veštačkom inteligencijom, a dr Kisačanin poželeo je da iskustvo koje je stekao tokom karijere prenese i talentima u Srbiji. Ključnu ulogu u ovoj njegovoj nameri ima Institut za veštačku inteligenciju, koji će u saradnji sa Centrom za promociju nauke dodatno obogatiti program ovogodišnje manifestacije Maj mesec matematike.
Kao vodeći promoter AI tehnologija, u medijima ste isticali da Institut smatrate „fabrikom“ lidera u oblasti veštačke inteligencije. Otkrijte nam nešto više o ciljevima Instituta?
Veštačka inteligencija zahteva stvarno velika znanja i kada smo osnivali Institut, jedan od ciljeva bio nam je da on postane „fabrika“ lidera u toj oblasti. Želeli smo da mladi koji dođu ovde nadograde svoja znanja, uđu u svetsku ligu i odmah potom gledaju gde bi to mogli da komercijalizuju. Naša namera je da svesrdno podržimo naše ljude, bilo da odu ili da ostanu na Institutu. Oni treba da se fokusiraju na to da naprave kompanije i otvore nova radna mesta. Mislim da ciljati na jedan posto tog ogromnog svetskog tržišta, čija je trenutna vrednost oko 500 milijardi dolara, i nije mnogo ambiciozno. Naime, veštačka inteligencija vam je 90% matematika, pa ako uzmemo u obzir uspehe naših učenika na najvećim matematičkim takmičenjima, razumećete zašto mislim da možemo da podignemo nišan i ciljamo i više, na dva ili tri procenta. Trenutno u Institutu imamo dvadesetak doktora nauka i još dvadesetak postdiplomaca koji rade na svojim doktoratima. Svi oni, u zavisnosti od toga na kom su nivou u toj igrici koja se zove karijera, imaju različita zaduženja. Glavni zadatak onih koji su na doktoratima je da uče što više i da objavljuju kvalitetne naučne radove. Stariji članovi takođe imaju zadatak da uče, jer niko od nas još nije naučio sve o veštačkoj inteligenciji – daleko od toga. Ti malo stariji, koji imaju doktorate, treba i da uz pomoć svojih kontakata – što u nauci, što u privredi – realizuju što više zajedničkih projekata sa drugim institucijama. Naši najiskusniji naučnici, vođe timova, takođe imaju i zadatak da osvoje evropske naučne projekte, što nije lako dobiti. Prolaznost je oko deset procenata.
Šta je potrebno da biste se uključili? Treba znati matematiku, treba poznavati kompjutere, treba znati ponešto o biznisu i treba znati sa ljudima.
Institut je novi igrač, a nije lako uključiti se u igru kada ste novi igrač. Cilj nam je da što pre našu igru podignemo na svetski nivo. Još jedna stvar koja nam je veoma korisna su i takozvani mentorski projekti. Dok smo još bili u procesu osnivanja, aktivirao sam mrežu svojih kontakata i povezao se sa našim ljudima koji rade kao profesori širom Amerike i Evrope. Svi oni su sa velikim entuzijazmom pristali da se uključe kao mentori našim zaposlenima, jer kao i ja, i oni imaju potrebu da vrate znanje svojoj zemlji. Ipak smo ovde odrasli i dobili besplatno obrazovanje. Oni su stvarno na frontu stvaranja novih znanja, pa naši zaposleni zahvaljujući mentorima mogu da vide šta su najnoviji trendovi i da svoje ideje odmah plasiraju u skladu sa tim trendovima. Takođe, dobijamo priliku da publikujemo u vrhunskim časopisima i učestvujemo na velikim konferencijama, što se sve računa. Naučnici tako stiču ugled, a njihov renome diže i renome naše institucije
Do sada ste imali priliku da svoja znanja i bogato iskustvo podelite sa srednjoškolcima u Matematičkoj gimnaziji, Šestoj beogradskoj gimnaziji i Gimnaziji „Jovan Jovanović Zmaj“ u Novom Sadu. Uskoro bi trebalo da posetite gimnazije i u drugim gradovima širom Srbije. Zašto je o veštačkoj inteligenciji važno razgovarati sa mladima?
Kada sam ja bio srednjoškolac, nama su na časove dolazili profesori sa Prirodno-matematičkog fakulteta i sa Fakulteta tehničkih nauka, da nam pričaju o matematici i fizici. To je na mene i na moje drugarice i drugove – od kojih su neki sada ugledni profesori po celom svetu – ostavilo veliki pečat. Ta popularna naučna predavanja su nas zaintrigirala i videli smo da i mi možemo da se bavimo vrhunskom naukom. Shvatili smo da ne moramo striktno da pratimo stare trendove i strogo se držimo porodične tradicije, već da možemo da istražujemo i one oblasti za koje se strastveno interesujemo. Mislim da je korisno deci reći da nije tako teško uključiti se u priču o veštačkoj inteligenciji. Daleko je od nemogućeg. A šta je potrebno da biste se uključili? Treba znati matematiku, treba poznavati kompjutere, treba znati ponešto o biznisu i treba znati sa ljudima. Za neke druge discipline treba vam mnogo više, uključujući i skupu tehničku opremu, dok je kod veštačke inteligencije matematika zaista ključni faktor.
Osim toga, mislim da je važno poručiti im da se znanje isplati. Da to više nije nešto što je samo lepo i korisno, nego da je i unosno. Trudim se da đacima dam širu sliku o najvažnijim otkrićima u oblasti veštačke inteligencije i pokažem im njihove najnovije primene, da bi znali šta mogu da očekuju u skorijoj budućnosti. Deluje da je ChatGPT svima došao kao iznenađenje. Ako se uskoro veštačka inteligencija bude koristila da bi se napravili nuklearni reaktori na bazi fuzije, da se ne pitaju – otkud sad to, jer je to nešto na čemu se uveliko radi. Revolucija koja se dešava u farmaceutskoj industriji je takođe bazirana na veštačkoj inteligenciji. Sve ovo trebalo bi da podstakne mlade da se na vreme uključe i, na kraju krajeva, što da ne – uzmu deo tog velikog kolača.
Tvrdite da su matematika, programiranje, poznavanje biznisa i rad sa ljudima najvažniji faktori koji određuju koliko će neko biti uspešan na tržištu proizvoda veštačke inteligencije. Sasvim sam siguran da matematiku niste tek tako stavili na prvo mesto. Možete li da nam približite zašto je matematika toliko značajna kada govorimo o veštačkoj inteligenciji?
Reći ću vam prvo jednu zanimljivu činjenicu. Kvantna fizika, koja nam je donela elektroniku, moderne materijale i medicinske uređaje kojima možemo da zavirimo u telo pacijenta bez invazivnih procedura, nastala je pre oko sto godina kao kombinacija matematičke analize, linearne algebre i teorije verovatnoće. Iste matematičke discipline, iskombinovane drugačije, nalaze se i u osnovama veštačke inteligencije. Da biste uopšte došli u situaciju da otkrijete neki novi algoritam ili neki novi način primene veštačke inteligencije, neophodno je da odlično vladate matematikom. I to ne samo onom koja se uči na osnovnim studijama, nego na nivou koji se stiče na postdiplomskim studijama. Parcijalni izvodi, neprekidnost i diferencijabilnost funkcija, faktorizacije matrica i njihova dekompozicija po singularnim vrednostima, multidimenzionalne raspodele verovatnoće i regularizacija parametara, samo su neki od matematičkih termina koji su deo svakodnevnog stručnog jezika. Bez matematike ne možete da razumete ni kako funkcionišu dosadašnja otkrića, a kamoli da stvorite nešto novo.
Slično kao što je u fizici slučaj da je matematika jezik kojim se u fizici razmišlja, u veštačkoj inteligenciji je to još i jači slučaj. Naime, u fizici veliku ulogu imaju eksperimenti i fizička intuicija, dok je u veštačkoj inteligenciji matematika stvarno u osnovi svega što radimo.
Meni je to fascinantno – koliko brzo veštačka inteligencija može da ide od ideje i naučnog otkrića do komercijalizacije. To nikada nije išlo toliko brzo. Nikada! Međutim, počela je jedna nova era, era veštačke inteligencije!
Često postoji taj strah da će nas veštačka inteligencija zameniti ili možda čak i uništiti kao civilizaciju. Ima li razloga za zabrinutost?
Ima tu opravdanih strahova, ali ono što je sigurno, jeste da ova veštačka inteligencija koju sada pravimo ne predstavlja tako veliku opasnost. Sada se radi na tome da nas veštačka inteligencija ojača, a ne da nas zameni. Jednog dana ćemo verovatno stići i do takozvane „opšte“ veštačke inteligencije, koja može biti mnogo opasnija, ali sada nismo ni blizu toga. Naravno, važno je da budemo pažljivi šta i kako radimo, čak i sa ovom „užom“ veštačkom inteligencijom, da ne bi došlo do zloupotrebe. Uvek postoji opasnost da će neko zloupotrebiti i najbolji alat ili najbolje naučno otkriće, ali zato postoje policija i zakoni.
Gde nas veštačka inteligencija već ojačava?
Kad god nešto tražite na Guglu, vi angažujete njihov program veštačke inteligencije i brzo dolazite do pouzdanih informacija. Sistemi za autonomnu vožnju već se uveliko koriste u Teslinim automobilima, a trebalo bi da pomognu da se nadoknadi deficit vozača kamiona, kako u Srbiji tako i u Evropi i Americi. Nije mnogo drugačije ni za advokate, lekare i inženjere. Na primer, moguće je da će i neki advokati ostati bez posla, ali ne zato što će ih zameniti veštačka inteligencija, nego zato što će neki drugi advokati koristiti veštačku inteligenciju i biti mnogo efikasniji i produktivniji, tako da će moći da spuste cene svojih usluga. Ja sam išao u osnovnu školu kada su se pojavili digitroni. Tada se moglo čuti: „Jao, šta ćemo sad!?“, „Postaćemo glupi“ i tako dalje. I šta se na kraju dogodilo? Pa ništa, prosto smo povećali efikasnost rada i niko nije zažalio što smo uveli digitrone.
Hteo bih i da vam dočaram situaciju u farmaceutskoj industriji. Da bismo odredili trodimenzionalni oblik proteina, što određuje metaboličku funkciju proteina, do sada smo morali da šaljemo molekule na analizu specijalizovanim laboratorijama koje rade takozvanu rendgensku kristalografiju i da mesecima čekamo rezultate. Pored toga što je trajala mesecima, za ovu proceduru se izdvajala i ogromna svota novca. DeepMind, engleska kompanija koja pripada Guglu i koja je poznata po programima za igranje šaha i goa, uz pomoć programa AlphaFold drastično je ubrzala čitav proces. Oni su napravili softver koji je uspeo da nauči „jezik“ proteina, odnosno kako da prevede niz amino-kiselina koje čine protein u trodimenizionalni oblik u koji se protein savija. AlphaFold to uradi u deliću sekunde, što je poslednji i ključni deo u kompjuterizaciji celog procesa otkrivanja novih lekova.
Stiče se utisak da se u oblasti veštačke inteligencije neprestano dešava nešto novo i nepredvidivo?
U veštačkoj inteligenciji stalno dolazi do novih lepih otkrića. Skoro svaki dan to vidimo u vestima i čitamo u naučnim časopisima. S obzirom na to da je veštačka inteligencija veoma mlada nauka, neko ko se sada uključi još ima veliku šansu da otkrije nešto novo i važno. Evo nekoliko primera. Tokom prošle godine objavljeni su radovi sa prvim indikacijama da naučnici i inženjeri koriste veštačku inteligenciju za kontrolu plazme u fuzionom reaktoru i da su uspeli da proces fuzije u tokamak mašinama traje deset puta duže nego što je ikada ranije to bio slučaj. Veštačka inteligencija je naučila kako im se plazma „izmigolji“ iz magnetnog polja i kako treba promeniti magnetno polje da bi plazmu vratili u željeni oblik. Ili prognoza vremena. Planeta Zemlja je isuviše velika i sistem je previše kompleksan da bi računari, koliko god da su moćni, mogli da reše neophodne termodinamičke jednačine u nekom skorijem vremenu. Zato se koriste aproksimacije i onda dugoročna prognoza vremena ne može biti precizna kao kratkoročna. Ali sa veštačkom inteligencijom, koja ne rešava direktno te jednačine, nego gleda ponašanje vremenskih sistema, stvari se menjaju. Kada gledate mali prostor, to sve izgleda prilično nepredvidivo. Kada vidite malo veću sliku, e tu se sada veštačka inteligencija pojavljuje da nauči ponašanje kompleksnih sistema.
Da biste uopšte došli u situaciju da otkrijete neki novi algoritam ili neki novi način primene veštačke inteligencije, neophodno je da odlično vladate matematikom. Bez matematike ne možete da razumete ni kako funkcionišu dosadašnja otkrića, a kamoli da stvorite nešto novo.
Prvi uspesi sadašnje veštačke inteligencije bili su 2012. godine u analizi slika. Veštačka inteligencija nam je najpre pokazivala da li se na slici nalazi kuca ili maca, da bismo ubrzo prešli na kompleksnije stvari. A onda su slični principi počeli da se primenjuju za prepoznavanje govora. Ali govor i slika su veoma različite stvari. U slici je najbitnije ono što je u neposrednoj blizini svakog piksela. Kod govora, kod jedne obične rečenice, mogu da postoje neke vrlo važne veze između samog početka i samog kraja rečenice. Dakle, bliskost nije od presudnog značaja i ne podvrgava se istim zakonitostima. Blizina jeste bitna, ali su važne i udaljene relacije. Nešto što ste rekli u prethodnoj rečenici često se podrazumeva u sledećoj. Zato su naučnici analizu govora započeli sa nekim dosta drugačijim mrežama nego što se to radi sa slikama i uspeli da povežu udaljene reči. Onda su naučnici koji rade sa slikama rekli: „Ni nama ovo nije nevažno.“ Ta veza postala im je posebno značajna u slučajevima kada su predmeti na slikama sakriveni i vide im se samo delovi. Tako da im je pomogao taj isti princip koji se zasniva na mrežama transformerima. Te mreže se u poslednje vreme često spominju zbog ChatGPT-ja. Slovo T u GPT označava transformer. Uglavnom, sada se taj princip primenjuje i na slike. To je jedno potpuno neočekivano otkriće, jer je istraživanje slika bilo usmereno u jednom pravcu, a onda su odjednom „utrčali“ transformeri iz nauke o prepoznavanju govora i pokazalo se da su izuzetno korisni za neke komplikovane situacije.
Kao što vidimo, veštačka inteligencija uveliko je našla primenu u različitim oblastima – od farmacije, preko automobilske industrije, pa sve do pretrage na internetu i prognoziranja vremena. Postoji li neko otkriće koje vas je u poslednje vreme posebno fasciniralo?
Oduševim se svaki dan onim što pročitam. Sva ta otkrića bazirana su na mašinskom učenju. To znači da vi možete kompjuteru da date jedan mali program koji još ne zna ništa, ali ume da uči. I date mu mnogo označenih podataka. I onda taj programčić gleda te podatke i pokušava da svoje parametre promeni i da nauči novu oblast: bilo da je to ponašanje proteina, bilo da je to ponašanje vremenskih sistema na planeti Zemlji, bilo da je to ponašanje plazme u fuzionom reaktoru. To su sve fantastične stvari. Kada je AlphaFold objavio svoje otkriće, to mi je bilo nešto neverovatno, i već je, posle samo dve godine, izazvalo revoluciju u farmaceutskoj industriji. Reč je o ogromnim investicijama. Da vam ilustrujem. Jedan naš momak, dok je još bio student u Njujorku, zajedno sa svojim profesorima došao je na ideju kako možemo posmatrati savijanje proteina na drugačiji način nego što je AlphaFold uradio. Naglasio bih da oni nisu raspolagali velikim resursima. Samo su patentirali ideju i napravili su kompaniju kroz koju bi tu ideju dalje razvili. Njihov cilj bio je da pronađu investitora i jednog dana komercijalizuju proizvod. Baš tog dana kada je trebalo da potpišu ugovor sa investitorom, pozvali su ih iz jedne velike farmaceutske kuće i poručili im – zaboravite njih, mi vam nudimo mnogo bolje uslove i više para. Tako da je sada taj naš sunarodnik koji je prodao kompaniju velikoj farmaceutskoj kući postao veliki direktor unutar te kompanije. Meni je to fascinantno – koliko brzo veštačka inteligencija može da ide od ideje i naučnog otkrića do komercijalizacije. To nikada nije išlo toliko brzo. Nikada! Međutim, počela je jedna nova era, era veštačke inteligencije!