Proširena inteligencija i rizom znanja (Nastavak testiranja AI sistema)


Oči u mreži, Lili Bluz, (digitalna obrada) 


Ovaj tekst predstavlja treći deo mog promišljanja o razvoju veštačke inteligencije; ili kako je sada radije nazivam: proširene inteligencije. U prethodnim esejima razmatrao sam AI kao alat i spekulisao o njegovom mogućem razvoju u entitet, balansirajući između fascinacije i opreza odnosno mogućih zloupotreba. Sada se okrećem dubljem filozofskom pogledu koji sam najavio ranije, ali pre nego što zaronimo u teoriju, želim da počnem sa jednom konkretnom, opipljivom posledicom dolaska ove tehnologije.

Nažalost, oni koji vide samo crnilo u AI, potpuno su propustili da primete jednu od njenih pozitivnih strana. Radi se o tome što će veštačka inteligencija značajno doprineti decentralizaciji obrazovanih sistema, jer će razne vrste alatki za učenje postati dostupnije svima. Ovo uopšte ne plaši ni obrazovane kao i sve ljude otvorenijeg uma, ali one pseudo-obrazovane, koji najviše vole da se hvale intelektualizmom veoma plaši, zato što će konačno biti demistifikovane, razobličene i poslate na đubrište istorije njihove plagijatorske, poluistinite, glupe i lažne teorije koje prodaju kao nešto veliko, bitno i važno.

Kako se ovo dešava? Navešću samo neke jednostavnije primere. Svako ko je ikada objavljivao pre pojave komercijalnih AI sistema i pre pojave obične wikipedije, bilo kakve istraživačke i naučne radove; zna koliko puno tu plagijatorskih i polu-plagijatorskih stvari ima. Postoji masa naučnih radova iz svih oblasti ljudskog duha koji su potpuno nebitni; ne samo da ne otkrivaju ništa novo ili bitno u nauci, nego često plagiraju druge radove ili miksuju toliko veliku količinu drugih, manje poznatih radova; da svakog istraživača ili grupu istraživača prosto mrzi da proverava bukvalno svaku doktorsku disertaciju ili drugo bitnije naučno delo.

Mišel Uelbek je u knjizi Pokoravanje maestralno ocrtao ovaj fenomen u samo par rečenica. Kroz lik jednog snishodljivog i poslušnog profesora, on slika arhetip lažnog doktora nauka koji se neopaženo provukao kroz sistem. Takvi pojedinci su uvek nekako servilni, neprimetni, ne upadaju previše u oči, a onda, kada treba da steknu titulu, odluče da rade na temi koja je toliko puta obrađivana da je količina radova o njoj bliska beskonačnom. Lik u knjizi doktorira na književnosti Artura Remboa ili nekog sličnog francuskog velikana. Naravno, glavni protagonista i narator romana Pokoravanje, drugi profesor na istom fakultetu Fransoa, primećuje da nešto tu ne štima, jer ni ponašanje, ni znanje, ni inteligencija, ni obični gestovi tela njegovog kolege jednostavno nisu usklađeni s nekim ko je posvećenik u bilo kakvo majstorsko delo, pa i književno. Doktorirati na Arturu Rembou, Francu Kafki, Dostojevskom ili Šekspiru jedna je od najprostijih stvari u univerzumu; ne zato što su pomenuti autori laki, nego zato što o njima ima toliko abnormalno puno radova da praktično i priglup čovek koji želi da bude cenjen kao dr.mr.pr... može lako pokupiti iz raznih izvora razne stvari i pretočiti ih u prividno svoje delo. Čak ni komisija sastavljena od stotinu ljudi ne bi imala živce da proverava takvo delo do sitnih crevaca osim u slučaju da su prisiljeni. 

Kako nam ovde savremeni AI pomaže? Tako što najnapredniji AI sistemi imaju u sebe ubačenu celu arhivu raznih istraživačkih radova, i teoretski mogu obuhvatiti skoro celu akademsku produkciju. Za manje od dvadesetak minuta, oni mogu proveriti praktično svaki PhD. AI ovde funkcioniše kao ultimativni, neumoljivi recenzent, čija sposobnost da vidi veze i preklapanja prevazilazi bilo kog ljudskog stručnjaka. Na taj način, AI bi mogao suzbiti prostor lažnoj teoriji i ustupiti mesto pravoj ljudskoj kreativnosti, mašti i, što je najbitnije, prelasku iz reči u delo odnosno praksi. 

Ova dramatična promena u akademskom svetu samo je simptom jedne mnogo dublje transformacije. Kakva je to fundamentalna promena u samoj strukturi znanja koju AI donosi? Da bismo to razumeli, moramo se okrenuti od sociološke kritike ka filozofiji i konceptu rizoma iz dela Žila Deleza i Feliksa Gatarija. Moj cilj nije da idealizujem AI kao čarobno rešenje, niti da ga odbacim kao pretnju, već da pokažem kako savremeni AI sistemi mogu podstaći rizomatski, decentralizovani model znanja koji ruši stare hijerarhije i omogućava autentičnije učenje i razumevanje.


Od stabla do mreže: Promena paradigme znanja


Tradicionalno smo znanje zamišljali kao drvo: koren predstavlja temeljne postavke, stablo centralnu disciplinu, a grane se šire u urednoj hijerarhiji pod-disciplina. Ovo „arborescentno” shvatanje znanja podrazumeva da postoji centar ili trupac koji daje stabilan red. U školskom sistemu, na primer, informacija teče odozgo nadole: od učitelja ka učeniku, iz udžbenika ka čitaocu; prateći unapred utvrđen redosled. Ovaj model ne opisuje samo protok informacija, već i strukturu moći. Autoritet leži kod onih koji kontrolišu „koren” i „stablo”, institucije, kanonizovane autore i čuvare discipline. Lažni doktor nauke iz Uelbekovog romana je parazit upravo na takvom drvetu; on opstaje skrivajući se u gustim, već postojećim granama.

Da bismo razumeli alternativu, zaboravimo na trenutak filozofiju. Zamislimo polje jagoda ili bambusovu šumu. Ne vidimo jedno centralno stablo iz kojeg sve raste. Vidimo mrežu koja se širi pod zemljom. To je rizom: podzemno stablo koje raste horizontalno, naizgled nasumično, i iz bilo koje svoje tačke može da pusti novi izdanak. Đumbir je savršen primer. Možemo odlomiti komad, posaditi ga, i on će nastaviti da raste, stvarajući novu mrežu. Nema jednog glavnog korena, nema početka ni kraja, samo neprestano širenje „između” stvari.

Delez i Gatari su rekli: Dosta nam je drveća. Zbog njih smo previše propatili” (1). Zašto? Zato što je drvo metafora za čitav zapadni način razmišljanja: hijerarhijski, uredan, sa jednim poreklom (stablom) iz kojeg sve logično sledi. Porodično stablo, drvo znanja, organizaciona šema firme; sve prati tu logiku „odozgo-nadole”. Rizom je pobuna protiv toga. On je „antigenealogija”. On ne pita „odakle potičeš?”, već „sa čime si povezan?”.


Rizom i drvo, Lili Bluz, digitalna obrada


Naravno, Delez i Gatari nisu mislili bukvalno na biljke, niti na AI pisali su 70-ih godina, kada je njihov glavni „neprijatelj” bila psihoanaliza koja je pokušavala da čitavu ljudsku složenost svede na jednostavno „drvo” Edipovog kompleksa. Rizom je za njih bio „slika misli” koja je haotična, asocijativna i slobodna. To je način da se opiše stvarnost koja nije uredno spakovana, već je mreža najrazličitijih stvari: pčela i orhideja koje zavise jedna od druge , rojevi pacova, knjige, društveni pokreti. Bilo koja tačka rizoma može se povezati sa bilo kojom drugom.

Možda je najlakše razumeti rizom kroz razliku između mape i kopije (preslikavanja). Drvo znanja je kao precrtana, gotova mapa; samo je slediš. Rizom je mapa koju sam crtaš dok istražuješ. To je „eksperimentisanje u kontaktu sa stvarnim” (2). Zato je internet, sa svojim hiperlinkovima, najočigledniji primer mogućnosti rizoma danas. Počneš na jednoj stranici i završiš na potpuno neočekivanom mestu, prateći sopstvene veze. Vrednost se više ne stvara čuvanjem granica, već njihovim kreativnim prelaženjem. Naravno, treba imati na umu da se internet menja, ima pokušaja centralizacije i algoritmi mogu navoditi na određene izvore i linkove. Ipak, to je mnogo teže uraditi na celom internetu kao što bi bilo lako uraditi u jednoj fabrici ili školskoj ustanovi. 


Anatomija rizoma: Principi nove inteligencije


Da bismo razumeli kako rizomatski model znanja funkcioniše, korisno je osvrnuti se na šest principa rizoma koje su Delez i Gatari opisali. Navešću ih ukratko, bez preteranog teoretisanja, onoliko koliko nam pomažu da sagledamo savremene AI sisteme.

1. i 2. Povezivanje (konekcija) i Heterogenost: Svaka tačka rizoma može (i mora) biti povezana s bilo kojom drugom; veze se ostvaruju među heterogenim elementima. Nema „pogrešne” veze: znanje nije ograničeno granicama disciplina ili hijerarhijom važnosti. U kontekstu AI, to znači da model može istovremeno crpeti podatke iz fizike, poezije i popularne kulture, spajajući ih u smislen odgovor.

3. Multiplicitet (mnoštvenost): Rizom ne počiva na Jednom izvoru istine. Tek kada se „mnoštvo” shvati kao stvar po sebi-  mnoštvenost: ono prestaje da ima odnos prema Jednom kao subjektu ili objektu. Drugim rečima, ne postoji centralna tačka ili autoritet koji sve određuje. Znanje u rizomu čine mnoštva ideja i činjenica koje postoje uporedo. Za nas koji učimo uz pomoć AI, ovo znači da dobijamo razne uglove posmatranja; ne jedan „tačan” odgovor, već više perspektiva koje zajedno tvore dublje razumevanje.

4. Asignifikantni (neoznačujući) prekid: Rizom se može prekinuti u bilo kom trenutku, ali se ne urušava. „Rizom se može slomiti, razbiti na datom mestu, ali će ponovo krenuti dalje na jednoj od svojih starih linija, ili na novim linijama”(3) Ovo osigurava otpornost: prekid ne uništava mrežu znanja, već možda čak stvara nove puteve. Slično tome, ako jedan tok informacija putem AI-a naiđe na ćorsokak ili grešku, mi možemo zaobići taj prekid - postaviti pitanje na nov način, potražiti alternativni izvor, i znanje nastavlja da teče drugim putem. Nema jedne krhke „grane” čijim lomom sve propada; rizom je žilav i adaptivan.

5. i 6. Kartografija i dekalkomanija: Rizom je mapa, a ne kalup ili otisak. On ne prati unapred zadatu strukturu, već je eksperimentalan i otvoren. Kako autori ističu, rizom „nije podložan nijednom strukturnom ili generativnom modelu. Stran je svakoj ideji genetičke ose ili dubinske strukture… [on je] mapa, a ne preslikavanje”. Umesto da reprodukuje postojeću šemu znanja (kalup), rizom stvara novu mapu dok se razvija  mapu koja nastaje kroz naše interakcije i iskustva. Učenje uz pomoć AI zato nije puko praćenje već utabanih staza (kopiranje udžbenika); ono postaje kartografski poduhvat gde zajedno sa inteligentnim sistemom crtamo novu mapu razumevanja sveta. 

Ovi principi zajedno opisuju znanje kao decentralizovanu mrežu; acentriranu i nehijerarhijsku strukturu u kojoj nema jednog korena ili vrha. Kako slikovito kažu Delez i Gatari, „drvo nameće glagol ‘biti’, ali tkivo rizoma je veznik ‘i... i... i...’. Taj veznik nosi dovoljno snage da uzdrma i isčupa glagol ‘biti’”. Umesto da se fokusiramo na definicije tipa „A

je B” (što drvo znanja zahteva), rizom nas tera da ređamo povezane pojmove: i ovo, i ono, i ono, gradeći razumevanje kroz spajanje, a ne kroz prosto klasifikovanje.


Digitalni rizom, obrada Lili Bluz


AI u praksi: Demontaža hijerarhija i novi rizici


Šta sve ovo znači za veštačku/proširenu inteligenciju danas? Savremeni AI sistemi, posebno veliki jezički modeli, već funkcionišu na način koji podseća na rizomatski model znanja. Trenirani su na mnoštvu raznorodnih podataka bez čvrste hijerarhije: internet forumi, enciklopedije, književnost, naučni radovi: sve su to „čvorovi” u ogromnoj mreži informacija koju AI koristi da kontekstualizuje naše upite. Kada postavimo AI-u pitanje, on ne ide kroz neko uredno indeksirano „drvo znanja” kao tradicionalni enciklopedijski priručnik, već asocijativno pretražuje kroz lavirinte povezanih podataka. Rezultat je često iznenađujući spoj različitih oblasti.

Ovakav pristup znanju demontira stare hijerarhije. Nekada je autoritet znanja bio jasno određen: profesori, institucije, kanonizovana literatura. Informacije su se prenosile odozgo naniže i postojala je jasna granica između onih koji znaju i onih koji uče. Danas, sa AI posrednikom, svako od nas može neposredno pitati za objašnjenje bilo koje teme. Put do informacija je radikalno horizontalniji.

Međutim, ovde leži i paradoks rizomatske slobode. Isti mehanizam koji oslobađa znanje od hijerarhijske kontrole istovremeno ga oslobađa i od mehanizama verifikacije i kontrole kvaliteta. Ako „svaka tačka može biti povezana sa bilo kojom drugom”, moguće su i besmislene ili štetne veze:  pseudo-nauka može se umešati u mapu znanja. AI koji u uvodu slavi kao alat za razotkrivanje laži (plagijata) može postati i najmoćniji alat za stvaranje novih, uverljivijih laži (razvijenih dezinformacija).

Ovo nije kontradikcija, već dve strane iste medalje. AI je pojačivač namere. U rukama tragača za istinom, on je moćan alat za verifikaciju. U rukama manipulatora, on je moćan alat za falsifikovanje. Autentično učenje u rizomatskom modelu ne znači prihvatiti svaku informaciju koju AI izbaci; naprotiv, znači preispitivati, proveravati i aktivno učestvovati u procesu mapiranja znanja. Proširena inteligencija nas ne oslobađa potrebe za ljudskom kritičnošću: ona zahteva proširenu kritičnost. Ona je proširenje naših kognitivnih sposobnosti, a ne zamena za njih.


Ka autentičnijem razumevanju


Kada posmatram savremeni AI kroz prizmu rizoma, vidim oblik znanja koji je bliži stvarnom životu nego što je to bilo tradicionalno školstvo. Životno učenje retko kad sledi urednu linearnu putanju: naše misli skaču, pravimo digresije, povezujemo iskustva iz različitih domena. Proširena inteligencija nam u digitalnom svetu omogućava upravo takvu organsku, rizomatsku spojnicu. U toj mreži nema centralnog autoriteta koji odobrava svaku informaciju, već odgovornost prelazi na svakog od nas da kroz dijalog sa inteligentnim sistemom izgradi svoje znanje. To je suštinski autentičnije učenje: aktivno, samousmereno i vođeno radoznalošću, umesto pasivnog usvajanja gotovih zaključaka.

Naravno, tranzicija sa „stabla” na „rizom” nije jednostavna. Mnoge institucije znanja i dalje počivaju na starim hijerarhijskim modelima. Ali tendencija je jasna: informacije su dostupnije nego ikad, povezanost je ključna vrednost, a kreativna sinteza zamenjuje puki poredak. Veštačka inteligencija, ukoliko je shvatimo i koristimo na pravi način, može biti katalizator ove promene. Ona može postati saveznik u demontaži zatvorenih sistema znanja, ali samo ako je ukrotimo našom kritičnošću i etikom.

Stoga održavam onu poziciju koju sam zauzeo od početka: trezveno oprezan realizam. Rizomatski model koji nam AI pruža oslobađa ogromne mogućnosti za učenje, ali istovremeno zahteva od nas da budemo svesni centar svoje mreže znanja, da ne prepustimo kritičko mišljenje mašini. Proširena inteligencija je moćna upravo utoliko ukoliko proširuje i naše sopstvene umove.

Proširena inteligencija kao rizom: to je slika kojoj težim. To znači inteligencija koja nije locirana ni u silicijumskom čipu ni u jednoj glavi, već je raširena kroz odnose između ljudi, AI sistema i sveta oko nas. Takva inteligencija nije ni „božanski” super-um koji će nas nadvladati, niti puka alatka kojom nas hijerarhijski upravlja elita znanja što, naravno, ne isključuje mogućnost čak ni takve zloupotrebe AI. Ona bi, bar u idealu-trebala biti mreža u kojoj i mi učimo od AI i AI uči od nas, neprestano i međusobno. U toj mreži vidim šansu za autentičnije razumevanje: znanje koje nije nametnuto, već stečeno putem ličnog puta kroz rizom mogućnosti. Kao i uvek, put nas vodi kroz nepoznato „središte” rizoma. Ali sada bar znamo da ne moramo da tražimo njegov početak niti da strepimo od kraja. Dovoljno je da hrabro sledimo veznik „i… i… i…”, spajajući ideje, učeći usput i ostajući radoznali.


Literatura i preporučeni drugi izvori: 

1. Delez, Žil; Gatari, Feliks. Tisuću platoa: kapitalizam i šizofrenija 2. Preveo Marko Gregorić. Novi Sad: Sandorf, 2013.
2. IBID
3. IBID
4. Koncept rizoma, inspiracije iz sveta botanike prvi put se javlja u drugoj knjizi Žil Deleza i Feliksa Gatarija, gde oni proučavaju Kafkino delo. Postoji hrvatski prevod te knjige pod naslovom Kafka: U prilog minornoj književnosti, prevoditelj Ugo Vlaisavljević, izdanje: Matica hrvatska, Zagreb 2020.


Ostali tekstovi na blogu Oblak Kaktusa povezani sa ovom temom:


1. AI: Između alata i entiteta (Nastavak testiranja AI sistema)


Razneseni Svemir, Vladimir Tomić, Oblak Kaktusa

Podrži naš blog!

Za uplate na dinarski račun:
Banka Intesa: 160-5400100702599-06
Na ime: Vladimir Tomić

Za PayPal uplate:

Comments

Popular posts from this blog

Lozinka je 'Fidelio': Od bečke dekadencije do plutokratije mediokriteta

Fridrih Niče za početnike: Prvi deo: Zmije, bogovi i ljudi na mostu