Generativna umjetna inteligencija (također generativna AI ili GenAI) jest podoblast umjetne inteligencije koja koristi generativne modele za stvaranje teksta, slika, videozapisa, zvuka, softverskog koda i drugih oblika podataka. Takvi modeli uče obrasce i strukture iz podataka za obuku, a zatim na osnovu korisničkog unosa — najčešće u obliku prirodnojezičnih uputa — proizvode nove izlaze sličnih karakteristika.

Rasprostranjenost generativne umjetne inteligencije naglo je porasla tokom 2020-ih, ponajviše zahvaljujući napretku u dubokom učenju, naročito u velikim jezičkim modelima zasnovanim na arhitekturi transformer. Među najpoznatijim primjenama nalaze se čet-botovi, sistemi za pretvaranje teksta u sliku, generatori zvuka i govora te modeli za stvaranje videa.

Historija

Korijeni algoritamski generiranih medija sežu do ranih statističkih i pravilaških pristupa, uključujući Markovljeve lance, koji su se od početka 20. stoljeća koristili za modeliranje jezičkih nizova. U drugoj polovini 20. stoljeća umjetnici i istraživači počeli su koristiti računare za generiranje vizuelnih djela, među ostalim i kroz program AARON, koji je razvio Harold Cohen.

Savremeni razvoj generativne umjetne inteligencije usko je povezan s napretkom neuronskih mreža. Presudni pomaci desili su se 2013–2014. pojavom varijacijskih autoenkodera (VAE) i generativnih suparničkih mreža (GAN), koji su omogućili praktično generiranje složenih podataka poput slika. Uvođenje transformera 2017. godine ubrzalo je razvoj generativnih modela za tekst i druge medije, a 2018. pojavio se i prvi generative pre-trained transformer (GPT).

Početkom 2020-ih generativna umjetna inteligencija prelazi iz pretežno istraživačkog područja u masovnu upotrebu. Javno dostupni sistemi za generiranje glasa, slike i teksta te kasnije široka popularizacija jezičkih modela učinili su ovu tehnologiju dijelom svakodnevnih digitalnih alata.

Primjene Tekst i softverski kod Generativni modeli mogu sastavljati članke, sažetke, prevode, marketinške tekstove i druge vrste pisanog sadržaja, kao i pomagati u pisanju i objašnjavanju programskog koda. U praksi se koriste u korisničkoj podršci, uredskim paketima, pretrazi, analizi dokumenata i razvoju softvera.

Zvuk Generativna umjetna inteligencija koristi se za pretvaranje teksta u govor, kloniranje glasa, sintezu muzike i obradu zvučnih efekata. Model WaveNet pokazao je da duboke neuronske mreže mogu generirati sirove zvučne valove i tako znatno unaprijediti kvalitet sintetičkog govora.

Slike Sistemi za pretvaranje teksta u sliku stvaraju ilustracije, fotografiji slične prizore, dizajnerske skice i druge vizuelne sadržaje na osnovu tekstualnih uputa. Takvi modeli obično se treniraju na velikim skupovima slika i njihovih tekstualnih opisa. Ova tehnologija koristi se u oglašavanju, dizajnu, zabavi i prototipiranju.

Video

Generativni modeli mogu proizvoditi kratke i duže videozapise, animacije i fotorealistične sekvence na osnovu teksta, slika ili drugih videa. Time se šire mogućnosti za filmsku preprodukciju, vizualizaciju ideja i automatizirano stvaranje medijskog sadržaja.

Robotika, 3D modeliranje i svjetovni modeli U robotici generativni modeli mogu učiti obrasce kretanja i predlagati nove putanje za planiranje pokreta i navigaciju. Srodni pristupi koriste se i u 3D modeliranju te u razvoju tzv. svjetovnih modela, koji nastoje modelirati zakonitosti fizičkog i prostornog okruženja radi boljeg predviđanja i planiranja.

Modeli i tehnike Generativne suparničke mreže GAN se sastoji od dviju mreža: generatora, koji proizvodi sintetičke podatke, i diskriminatora, koji pokušava razlikovati generirane podatke od stvarnih. Obje mreže treniraju se istovremeno u suparničkom odnosu, što omogućava stvaranje sve uvjerljivijih izlaza.

Varijacijski autoenkoderi

VAE je generativni model koji uči sažet, latentni prikaz podataka i iz njega rekonstruira ili generira nove primjere. Ovakvi modeli bili su važan korak u razvoju dubokih generativnih sistema za slike, zvuk i druge složene podatke.

Transformeri Transformer je arhitektura neuronske mreže zasnovana na mehanizmu pažnje, koja omogućava efikasnu obradu velikih nizova podataka i paralelno računanje. Upravo su transformeri omogućili nagli razvoj velikih jezičkih modela i multimodalnih sistema koji rade s tekstom, slikom, zvukom i videom unutar jedinstvenih arhitektura.

Softver i hardver Generativna umjetna inteligencija pokreće niz komercijalnih i otvorenih proizvoda, od čet-botova i alata za programiranje do sistema za obradu slike, zvuka i videa. Njezine funkcije ugrađene su u postojeće programske pakete, pretraživače, alate za kancelarijski rad i kreativne platforme.

Za treniranje velikih generativnih modela obično su potrebni snažni grafički procesori i veliki podatkovni centri, dok se manji modeli mogu izvoditi i na ličnim računarima, pametnim telefonima i ugrađenim uređajima. Zbog toga je razvoj naprednih modela snažno povezan s dostupnošću računalne infrastrukture i energije.

Pravo i regulacija Pravni okvir za generativnu umjetnu inteligenciju brzo se razvija, naročito u pitanjima autorskog prava, transparentnosti i odgovornosti. Posebno su sporna dva pitanja: upotreba zaštićenih djela u obuci modela i pravni status sadržaja koji modeli proizvedu.

U Evropskoj uniji AI Act uspostavlja okvir zasnovan na riziku i uvodi obaveze transparentnosti za određene sisteme umjetne inteligencije, uključujući zahtjeve povezane s označavanjem i prepoznavanjem sadržaja generiranog ili manipuliranog pomoću AI-ja.

U Sjedinjenim Američkim Državama Ured za autorska prava objavio je 2024. i 2025. dijelove izvještaja o vezi između autorskog prava i umjetne inteligencije. U dijelu o zaštitljivosti iz 2025. naglašeno je da čisto AI-generirani izlazi, bez dovoljnog ljudskog autorskog doprinosa, u pravilu ne ispunjavaju standarde za autorskopravnu zaštitu, dok djela u kojima je ljudska kreativna kontrola prepoznatljiva mogu biti zaštićena od slučaja do slučaja.

Zabrinutosti Akademska čestitost Generativna umjetna inteligencija može pomagati u pisanju seminarskih i naučnih radova, parafraziranju izvora i prevođenju, ali je istovremeno otvorila pitanja plagijata, dopuštene pomoći i provjerljivosti studentskog rada. UNESCO je upozorio da obrazovne ustanove trebaju razvijati jasna pravila i naglašavati ljudsku odgovornost, kritičko mišljenje i transparentnost pri upotrebi ovih alata.

Pristrasnost Generativni modeli mogu odražavati i pojačavati pristrasnosti sadržane u podacima za obuku. To se može ispoljiti kroz rodne, rasne, kulturne i druge stereotipe u tekstualnim i vizuelnim izlazima, pa se zato razvijaju tehnike ublažavanja pristrasnosti kroz promjene podataka, uputa i postupaka vrednovanja.

Deepfakeovi i dezinformacije Jedna od najpoznatijih kontroverzi jesu deepfakeovi, odnosno sintetički audio i videozapisi koji uvjerljivo oponašaju stvarne osobe, događaje ili izjave. Takav sadržaj može se koristiti za prevaru, političku manipulaciju, narušavanje ugleda i širenje dezinformacija. Ujedinjeni narodi upozorili su da generativna umjetna inteligencija ima vrlo velik potencijal za dobro, ali i za široku zloupotrebu na globalnom nivou.

Rad i ekonomija Generativna umjetna inteligencija može povećati produktivnost u pojedinim poslovima, ali i mijenjati strukturu rada u kreativnim, administrativnim i tehničkim zanimanjima. Posebne rasprave vode se o utjecaju na ilustratore, prevodioce, novinare, programere i druge profesije u kojima se dio zadataka može automatizirati ili ubrzati.

Energija i okoliš Obuka i korištenje velikih modela zahtijevaju znatne količine električne energije, računalnih resursa i rashladne infrastrukture, pa se sve češće raspravlja o njihovom ugljeničnom otisku i širem okolišnom utjecaju.

Otkrivanje i prepoznavanje Razvijeni su alati za otkrivanje sadržaja koji je generirala umjetna inteligencija, ali njihova preciznost nije potpuna i mogu davati lažno pozitivne rezultate. Zbog toga se sve više pažnje posvećuje tehnikama poput digitalnog vodenog žiga, označavanja porijekla sadržaja i standardima za mašinski čitljivo obilježavanje AI-generiranih izlaza.

Također pogledaj Umjetna inteligencija Veliki jezički model Transformer Deepfake Obrada prirodnog jezika Mašinsko učenje

Reference

Kategorija:Umjetna inteligencija Kategorija:Mašinsko učenje Kategorija:Obrada prirodnog jezika Kategorija:Digitalni mediji