Koliko veštačka inteligencija zaista liči na nas

07.10.2025

Da li veštačka inteligencija doživljava i razume svet na isti način kao i ljudi? Istraživači s Instituta Max Planck otkrili su da se ljudi fokusiraju na značenje objekata, dok se veštačka inteligencija fokusira na vizuelne osobine, kao što su oblik i boja. Veštačka inteligencija hvata dimenzije, ali one se razlikuju od onih koje su izabrali ljudi. To utiče na njenu pouzdanost.

Foto: Duboke neuronske mreže koje mogu da prepoznaju slike slično ljudskim učesnicima. (MPI CBS) 

„Ove dimenzije predstavljaju različite osobine objekata, od čisto vizuelnih aspekata kao što su ’okrugli’ ili ’beli’ do više semantičkih svojstava kao što su ’životinjski’ ili ’vatreni’, s mnogim dimenzijama koje sadrže i vizuelne i semantičke elemente“, objašnjava Florian P. Maner (Mahner) s Instituta Max Planck za kognitivne i moždane nauke. 

„Naši rezultati su pokazali važnu razliku: dok se ljudi prvenstveno fokusiraju na dimenzije koje se odnose na značenje 'šta je objekat i šta znamo o njemu', AI modeli se više oslanjaju na dimenzije koje hvataju vizuelne karakteristike kao što su oblik ili boja objekta“, dodaje Maner, objašnjavajući da se ovaj fenomen u AI naziva 'vizuelna pristrasnost'. „Čak i kada se čini da AI prepoznaje objekte na isti način kao i ljudi, često koristi potpuno različite strategije. Ova razlika je važna, jer znači da AI sistemi, uprkos tome što se ponašaju slično ljudima, mogu razmišljati i donositi odluke na potpuno drugačiji način, što utiče na to koliko možemo da im verujemo“, dodaje doktorand. 

Procenjivanje slike uz pomoć dosad neuobičajenih tehnika 

 Naučnici su za ljudsko ponašanje koristili oko pet miliona javno dostupnih procena izuzetnih slučajeva na 1.854 različitih slika objekata. Na primer, učesniku su prikazali slika gitare, slona i stolice i pitali koji objekt ne pripada grupi. Naučnici su zatim obradili nekoliko dubokih neuronskih mreža koje mogu da prepoznaju slike slično ljudskim učesnicima i prikupili rezultate sličnosti za slike istih objekata koje su pokazali ljudima. Koristili su isti algoritam za identifikaciju ključnih karakteristika ovih slika. Slike koje su osnova za odluke o izuzetnom elementu nazvali su „dimenzije“. Obradom neuronske mreže slično kao kod ljudi obezbedili su neposrednu uporedivost među dve vrste slika. „Kada smo prvi put pogledali dimenzije koje smo pronašli u dubokim neuronskim mrežama, mislili smo da su zapravo vrlo slične onima koje se nalaze kod ljudi“, objašnjava koautor Martin Hebart. „Ali kada smo počeli da ih detaljnije proučavamo i upoređujemo s ljudima, primetili smo značajne razlike“. 

Pored vizuelne pristrasnosti koju su identifikovali, naučnici su koristili tehnike interpretabilnosti uobičajene u analizi neuronskih mreža. Na taj način su želeli da procene da li dimenzije koje su pronašli zapravo imaju smisla. Na primer, jedna dimenzija može da uključuje mnoge životinje i naziva se „životinjska“. Da bi utvrdili da li dimenzija zaista odražava životinje, naučnici su sproveli nekoliko testova: pogledali su koje delove slika koristi sistem neuronske mreže, stvorili nove slike koje najbolje odgovaraju svakoj dimenziji, pa čak i manipulisali slikama da bi uklonili određene dimenzije. „Svi ovi rigorozni testovi pokazali su vrlo interpretabilne dimenzije“, naglašava Maner. „Ali kada smo direktno uporedili odgovarajuće dimenzije između ljudi i dubokih neuronskih mreža, otkrili smo da je mreža samo približila ove dimenzije. S dimenzijom vezanom za životinje, mnoge slike životinja nisu bile uključene, a uključene su i mnoge slike koje uopšte nisu prikazivale životinje. To je nešto što bi nam kod konvencionalnih tehnika promaklo“. 

Naučnici se nadaju da će buduća istraživanja koristiti slične pristupe koji direktno upoređuju ljude s veštačkom inteligencijom da bi bolje razumeli kako veštačka inteligencija razume svet. „Naše istraživanje nudi jasan i razumljiv metod za proučavanje ovih razlika, što nam pomaže da bolje razumemo kako veštačka inteligencija obrađuje informacije u poređenju s ljudima“, objašnjava prof. dr. Martin Hebart. „Ovo znanje nam može ne samo pomoći da poboljšamo tehnologiju veštačke inteligencije, nego nam takođe pružiti dragocene uvide u ljudsko spoznavanje“, zaključuje rukovodilac Grupe za viziju i računarsku spoznaju na Institutu Max Planck. 

Izvor: Jernej Kovač