Klepetalniki umetne inteligence, med katerimi je najbolj znan ChatGPT, z lahkoto predlagajo udarne oglaševalske slogane, pišejo zanimiva besedila in ustvarjajo na desetine idej. Presenetljivo hitro pa jih lahko zmede naloga, ki zahteva popolno natančnost in doslednost. Umetni inteligenci torej ne moremo kar prepustiti vsega, česar ne želimo opraviti sami, kot to počnejo v filmih. Katere naloge ji sploh zaupati in kako ta orodja uporabljati čim učinkoviteje?
Pripravnik, ki preveč rad ustreže
Splošna javnost je klepetalnike umetne inteligence začela množično uporabljati s prvo različico ChatGPT. Njihovo delovanje temelji na tako imenovanih velikih jezikovnih modelih (angleška kratica za njih je LLM). Kmalu so se jim pridružila še orodja, ki lahko ustvarjajo tudi slike in videoposnetke. Jezikovni modeli znajo pisati tudi računalniško kodo. Čeprav gre za tehnološko različne modele umetne inteligence, jih danes pogosto uporabljamo skupaj. Te storitve namreč združujejo največji ponudniki, kot so ameriški OpenAI (ChatGPT), Anthropic (Claude) in Google (Gemini). Vsaj za zdaj so veliki jezikovni modeli še vedno najpogostejši način uporabe umetne inteligence (UI).
Čeprav gre za računalniške programe, se ti modeli umetne inteligence odzivajo bistveno drugače kot običajni programi, s katerimi se je do nedavnega srečeval povprečen uporabnik. Pri običajnih programih praviloma pričakujemo, da bodo enaki vhodni podatki prinesli enak rezultat. Pri modelih UI to ne velja nujno. Njihova prednost pa je, da jim lahko navodila dajemo v običajnem človeškem jeziku.
Tehnično gledano veliki jezikovni modeli temeljijo na izredno kompleksni matematični analizi jezika. Odgovor sestavljajo tako, da predvidevajo najprimernejši naslednji del besedila. V tem so podobni starejšim računalniškim klepetalnikom. V nasprotju z njimi pa se opirajo na vzorce, ki so jih prepoznali v izredno velikih količinah besedil med učenjem, pri katerem jih ljudem ni treba neposredno usmerjati pri vsakem koraku. Pri tem ima pomembno vlogo tako imenovani mehanizem pozornosti, predstavljen leta 2017 v prelomnem akademskem članku raziskovalcev podjetja Google. S temi temeljnimi tehničnimi značilnostmi so tesno povezane tako zmogljivosti kot omejitve velikih jezikovnih modelov, zato jih moramo upoštevati tudi pri njihovi uporabi.