Saradnja (a ne genijalnost) pokreće svet

Tokom studija eksperimentalne arheologije, moj profesor je zadao studentu naizgled jednostavan zadatak: da napravi ležište za vrata – rupu u okviru u koju klizi zasun – u bloku peščara, koristeći isključivo obli kamen. Nakon dve nedelje mukotrpnog rada, student je pred kolegama izneo sumoran zaključak: „Udario sam u peščar oko 10.000 puta, a onda se on jednostavno polomio.“

Ovo je klasičan primer individualnog učenja. To je proces pokušaja i grešaka (reinforcement learning) koji koriste deca, šimpanze, vrane, pa čak i rani modeli veštačke inteligencije (AI). Međutim, individualni trud ima neizbežan plafon. Ljudi bacaju koplja stotinama hiljada godina, ali performanse su odavno stagnirale; zlatna medalja u Parizu 2024. bila je za 5% slabija od svetskog rekorda iz 1996. godine. Čak je i nivo vrhunske ljudske igre u strategiji Go bio praktično ravan od 1950. do 2016. godine.

Zašto onda tehnologija, za razliku od individualnog sporta, raste „superlinearno“? Kao antropolog koji proučava kulturnu evoluciju, tvrdim da odgovor ne leži u usamljenim genijima, već u činjenici da se inovacija skalira sa brojem saradnika. Kako se više ljudi i ideja povezuje, broj mogućih kombinacija raste eksponencijalno.

Lekcija 1: Zašto je „TECH“ formula stara 2 miliona godina

Uspeh naše vrste nije rezultat biološke nadmoći, već okvira koji nazivam TECH: Tradition (tradicija), Expertise (ekspertiza), Collaboration (saradnja) i Humanity (ljudski faktor/društveno učenje).

• Tradicija: Najduža tehnološka tradicija u istoriji je ašelska ručna sekira. Naši homininski preci su ovaj višenamenski alat koristili skoro milion godina, a na jednom lokalitetu u istočnoj Africi proizvodio se bez prekida punih 700.000 godina kroz prenošenje i usavršavanje veština.
• Ekspertiza: Specijalizacija je oduvek bila ključ preživljavanja. Pre 22.000 godina, zajednice pored Galilejskog jezera koristile su preko stotinu biljnih vrsta, uključujući i one lekovite. Dokaz rane ekspertize je grob šamanke u Izraelu, sahranjene sa oklopima kornjača, krilom zlatnog orla i – krajnje fascinantno – odsečenim ljudskim stopalom. Ovi rani stručnjaci su negovali znanja koja su zajednicu održavala u životu, od pravljenja rezanaca od prosa do proizvodnje sira koji se polagao u grobnice sa mumijama.

Lekcija 2: Globalizacija nije izmišljena u 20. veku

Iako iPhone smatramo čudom moderne logistike, slični procesi saradnje oblikovali su svet milenijumima. Baš kao što nijedna fabrika danas ne pravi iPhone u potpunosti sama, nijedna izolovana zajednica u drevnom Egiptu nije mogla da proizvede mumiju.

Proces mumifikacije u Sakari oslanjao se na kontinentalnu mrežu koja je obezbeđivala ulja, smole, katran i bitumen, kombinujući ih sa naprednim tehnikama antisepse i balsamovanja. Gradovi su funkcionisali kao čvorišta (hubs) u prekograničnim mrežama proizvoda, koordinirajući razmenu sirovina i znanja.

„Drevna globalizacija bila je toliko sofisticirana da je kineski porcelan u 12. veku stizao do palata u islamskoj Španiji, dok su mu bliskoistočni trgovci usput dodavali arapsku kaligrafiju u zlatu.“

Ova mreža je povezivala kovače, pisare, tkalce svile i majstore za tetoviranje širom Evroazije i Afrike, dokazujući da tehnološki napredak uvek nastaje na preseku različitih ekspertiza.

Lekcija 3: Opasnost od digitalne atrofije (Brain Rot)

Danas AI preti da naruši ovaj milenijumski obrazac saradnje. Većina velikih jezičkih modela generiše statistički najverovatnije odgovore, što može dovesti do „zaravnjivanja“ kulture i razvodnjavanja originalnosti. Glavni rizik leži u tome što nam ponestaje rezervoara visokokvalitetne ljudske ekspertize za treniranje ovih modela.

Kada se modeli treniraju na podacima koje su sami generisali, nastaje fenomen poznat kao model collapse (kolaps modela). Sistemi gube sposobnost zaključivanja i počinju da proizvode besmislice. Ovaj ciklus recikliranog, generičkog sadržaja preti da stvori svojevrsni digitalni „brain rot“ (ispran mozak), gde se kreativnost gubi jer smo prestali da u petlju uvodimo autentično ljudsko iskustvo.

Lekcija 4: „Pied Piper“ efekat – Kako manjina usmerava sistem

Rešenje za opadanje kvaliteta AI modela leži u konceptu „čoveka u petlji“ (Human-in-the-loop). Kao što su naši preci pratili šamane, tako i danas informisana manjina može voditi neinformisanu većinu.

• Primer sa gupikama: U eksperimentu, čitavo jato riba je pratilo jednu robotsku ribu koja ih je vodila ka izvoru hrane.
• Primer u saobraćaju: Studije pokazuju da je dovoljno da samo 5% vozila na putu bude autonomno i vođeno pametnim algoritmima da bi se drastično eliminisale gužve za sve ostale vozače.

Ovaj „Pied Piper“ (Svirčeva frula) efekat sugeriše da mala grupa stručnjaka, koja poseduje duboko i autentično znanje, može usmeriti AI sisteme ka boljim rezultatima, sprečavajući degradaciju sistema.

Lekcija 5: Simbioza, a ne zamena (Pouka AlphaGo-a)

Najmoćniji dokaz potencijala saradnje čoveka i mašine je DeepMind-ov AlphaGo. Ovaj sistem je prvo kroz individualno učenje „upio“ vekove akumuliranog ljudskog znanja o igri Go, a zatim je kreirao strategije koje nijedan čovek nikada ranije nije odigrao.

Ono što je usledilo je ključno za našu budućnost: ljudski velemajstori nisu bili zamenjeni, već su te nove AI strategije usvojili i integrisali u sopstvenu igru. Učenje je teklo u oba smera. AI najbolje funkcioniše kada je dizajniran da pronalazi i veruje ekspertizi, umesto da je razvodnjava prosečnim odgovorima. Mašine mogu sumirati naučne informacije ili pomoći u pronalaženju konsenzusa u podeljenim grupama, ali samo ako je ljudska stručnost njihov temelj.

Zaključak: Pitanje za buduće saradnike

Veštačka inteligencija nije kraj ljudske inovacije, već sledeći korak u našoj dugoj evolucionoj priči. Ona stoji u istom rangu sa pismom, tržištem ili prvim vladama – alatima koji su nam omogućili da povežemo mozgove preko granica vremena i prostora.

Budućnost TECH okvira zavisi od toga da li ćemo AI koristiti da osnažimo stručnjake ili da ih utopimo u algoritamskom proseku. Na koji način ćete vi doprineti očuvanju autentične ekspertize u svetu kojim upravljaju mašine? Saradnja je oduvek bila naša najveća supermoć; sada je trenutak da je primenimo na način na koji gradimo svoje algoritme.

Izvor: theconversation.com