Audio zapis razgovora:

Transkript razgovora:

Ivan Minić:​ Moj današnji gost u Pojačalu je moj prijatelj Goran Milovanović, koji je već bio u Pojačalu, ali tada smo pričali o njegovoj karijeri, njegovom odrastanju i svemu onome što inače pričamo na epizodama. Ostalo je mnogo toga nedorečenog. I meni je bilo posebno interesantno i važno da obradimo ono što danas on radi, sa malo više detalja o tome kako je on uopšte završio tu i kako se industrija rada sa podacima, mašinskog učenja i veštačke inteligencije u prethodnih deset godina stvorila, rasla i razvijala. Imaćemo i neka predviđanja, imaćemo i neke zaključke, ali svakako biće vam interesantna epizoda čak i ako niste inženjeri i ne zanima vas na naprednom nivou kako sve to funkcioniše ispod haube. Bavićemo se i time kako to zapravo utiče na naš život i kako menja naše navike. Uživajte. 

Realizaciju Pojačalo podkasta podržali su:

Epson je vodeći svetski proizvođač projektora i inkdžet štampača kako za kućnu, tako i za poslovnu i profesionalnu upotrebu. EcoTank tehnologija donosi značajne uštede za korisnike, uz superioran kvalitet otiska, a količina otpada smanjuje se za preko 90%.
Za više informacija o aktuelnim modelima i promocijama posetite epson.rs ili zapratite @epsonsrbija na Instagramu.

Kompanija Orion telekom se bavi sistem integracijom – managed uslugama. Naša ponuda obuhvata širok spektar poslovnih rešenja, od brzog optičkog i Wi-Fi interneta, cloud usluge, zaštite podataka, data centra do IT održavanja, infrastrukture za električne punjače i mnogih drugih. Mi smo tu da unapredimo vaš poslovni uspeh! Orion eMobility pruža kompletno rešenje za pametne punjače za električna vozila, koji se mogu instalirati za kućnu, korporativnu i ugostiteljsku upotrebu, kao iu lokalnim zajednicama, putevima i javnim parking prostorima. Punjači se kreću od 22 KV do 400 KV, nudeći i DC i AC opcije. Rade preko Orion eMobility platforme za praćenje i naplatu. Tehnička podrška je dostupna 24/7/365.Budućnost je električna, a mi imamo rešenja! Za više informacija pozovite broj: +381 11 41 00 444, pišite na mejl: emobility@oriontelekom.rs ili popunite prijavu na sajtu.

Od nedavno sam postao urednik i autor na portalu NašaMreža. U pitanju je portal za preduzetnike gde možete pronaći mnogo zanimljivih i korisnih informacija o svim pitanjima koje muče vlasnike biznisa u Srbiji. Među autorima možete videti mnoge od mojih gostiju iz prethodnih epizoda, pa topla preporuka da posetite našamreža.rs.

Za slučaj da želite da nas podržite vi individualno, možete da posetite link na platformi Buymeacoffee i tu možete kupiti mesečnu pretplatu ili jednokratno donirati neki iznos koji želite. Hvala vam unapred na tome. 

Ivan Minić: U prošloj epizodi smo rekli da ćemo nastaviti. E sad, nastavljaćemo mi, nećemo samo da nastavimo, to je jednokratno. Nastavljaćemo mi tako što ćemo da idemo malo u dubinu u neke stvari koje smo samo zagrebali. I ono što je negde meni posebno interesantno u tvojoj karijeri, o čemu nismo pričali dovoljno, naravno, to nismo pričali dovoljno iz ugla koji može da bude jako interesantan i onima koji nisu u našoj struci ili bliskim strukama, jeste taj neki tvoj karijerni šift i trenutak tranzicije gde ti iz psihologije i kognitivnih nauka prelaziš u ovu industriju kojom se sada baviš, koja jeste logično povezana sa svim tim, a nema baš mnogo ljudi koji su napravili tu industriju posebno kod nas. Kako je to po Bogu, kako? 

Goran S. Milovanović: Pa sad, to je… Pa pazite ovako, gledajte, mislim, prva stvar, to je jednostavno bila jedna logična motivacija, da kažem tako. Zaokružuje se ta neka akademska karijera, treba nekih 20 godina, završava se tom tezom u kognitivnoj psihologiji na filozofskom i, mislim, prosto gledam i kažem, ok, sada ovde smo dotirali stvari donekle i sad je pitanje šta je sledeći korak. Da li su to, ne znam, idemo, jurimo dalje, ne znam, akademsku karijeru, što postaje, pogotovo u to vreme koje mi pričamo, tada je postalo, počelo to da postaje sve napornije i napornije. A nekad su ljudi, znaš, mislim, solidan doktorat i onda posle toga neki razvoj događaja ti je assistant professor, to je ono što mi zovemo docent ili tako nešto. To već duže vremena ne može tako. To ti je, najčešće bude jedan postdoc, drugi postdoc, istraživač ovde, pa dok uzmeš docenturu negde, kako mi zovemo, to postane taj assistant professor, pa dok to stigne do tenure, ljudi su počeli da postaju associate professor sa ono 45 godina. Ja sam dosta već bio umoran od tog puta, a i, pravo ti kažem, i prešao sam ga, čini mi se, naučio sam sve što sam mislio da treba da uradim i da naučim. I onda je to bilo pitanje, šta dalje, ja već imam ćerku trogodišnju, taj put, ti postdokovi, to opet znači inostranstvo, kako ćemo, šta ćemo, onda opet pitanje, ti postdoktoranti, njih ne plaćaju zlatom, od čega ta porodica živi, funkcioniše. Sve u svemu, u celom tom nekom razmišljanju, ja pogledam i kažem, ne, ajde, mislim, prosto se bavim ovim profesionalno, šta ćemo da radimo s time. I tu se dešava nešto što sam ja i u prvom razgovoru sa tobom pomenuo, najmanje jednom. A to je da ja shvatim u jednom trenutku da je moja podela karata fenomenalna. Odnosno, poklope se neke fantastične okolnosti i da ja započnem jednu drugu vrstu biznisa i nađem drugu vrstu života. Šta se to desilo? Desilo se da su tu negde od 2000. do 2010. godine tehnologije za obradu podataka doživele pravu renesansu. Pre svega govorimo o tome koji je obim i koja je brzina procesiranja podataka omogućena tehnološkim razvojem. Dešava se da su giganti softverske industrije, Google i sve iz Big Tech, otkrili, shvatili ono što danas svi ponavljaju kao papagaji, to je ono, data je the new oil. Podaci su postali nova valuta i postali nova vrednost, nova nafta, kako kažu, i sve više i više počeli da ulažu u izgradnju timova ljudi koji se podacima znaju da rade, a to su ljudi koji znaju matematiku, analitiku i metode koje sam ja upravo kroz taj put u kognitivnim naukama, kognitivnoj psihologiji, izučio. A oni kreću jedno po jedno da popularizuju te tehnologije, puštaju ih u open source, izlazi Hadoop za velike podatke, izlazi posle toga Apache Spark i takve stvari, i odjednom počinje da se pominje jedna nova profesija koja se zove data science. Odjednom počinju da se pominju termini kao što je big data, odjednom više ono što je nekada bio traditional database administrator sada postaje osoba koja se zove data engineer i čiji se opseg rada dosta širi. E sad šta je to što ja kažem, dobra podela karata i prilike koje sam ja video, tri stvari se poklope. Jedna stvar je ta moja životna situacija, da sam ja tada prosto trebao da donesem takvu vrstu odluke, da vidim ok, šta ćemo da radimo sa sobom, znamo sad nešto, prošli smo nešto, ali ajde, profesionalno da vidimo kuda dalje. Druga stvar koja se desila je ovaj razvoj događaja koji sam ti opisao. I treća stvar koja je ostala tu, a to je da sve to mene i dalje izaziva izuzetnu radoznalost, interesuje me, i ja čitam gomilu od tih stvari i pratim na internetu šta se tu dešava. I jednom trenutku shvatim, taj data scientist je zapravo taj koji radi ovo što ti radiš. To je primena matematičkih modela, matematičke statistike, i toga samo što se radi sa nekim drugim tehnologijama, na većem obimu podataka, sa vrlo jasno definisanim biznis ciljevima, optimizuj to, targetiraj ovo, optimizuj ono, kako da ovde štedimo novac, kako da ovde navedemo internet saobraćaj na naš sajt, ne na neki drugi sajt konkurencije. Logično, neka biznis pitanja kao u svakom poslu. I opet, ja krećem tako što, kako da ti kažem, kao i sve u ovom životu, dobro što sam ja uopšte u njemu uradio u tom smislu reči, za sebe, možda i za druge, a to je da krećem iz entuzijazma. Bukvalno, okrenem, vidim, čekaj, ovo me pali. Dok ti ne doneseš odluku šta ćeš tačno da radiš, hajde da se bavim ja ovime. I počinjem samostalno. Mislim, dobro, ja sam već, sticajem okolnosti, programirao u čemu hoćeš. Tada je R, recimo, kao programski jezik bio tu, malo Pythona sam znao, vrlo brzo sam se specijalizovao. R, MATLAB, tokom doktorskih studija. I krenem, mic po mic, i taj entuzijazam počinjem, otvorim neki blog koji se zove The Exactness of Minds tada. Nije u Srbiji, sada ne znam koji je visibility bio njegov, da ga ljudi znaju ovako, ali u to vreme razvoja data science The Exactness of Minds je bio vidljiv u inostranstvu. Mislim, da sam ja po posetama pratio šta kako. I krenem da radim tako. Šta mi je bilo interesantno? Studiju po studiju. Prikupim neke podatke, scrapujem nešto, pogledam. Imaš i gomilu otvorenih podataka, analiziram to, napišem po neki blog. Poslovno se to razvijalo, kako ti kažem, ugovor po ugovor, jave se neki, joj, treba nam ovo, treba nam ono. Ja sam dugo radio to konsultantski i zapravo radio to konsultantski, pa praktično kratko vreme full time, sa Međunarodnom fondacijom Diplo Foundation, sa kojom sam se združio još u početku 2000-ih godina, i kao moja prva data science pozicija, i odmah posle toga, ono čemu smo već pričali, Wikidata i, mislim, znaš to. Od tada je bio taj šift. E sad to što kažeš, da, taj šift je moguć, ali se on retko dogodi, u stvari. Prva stvar, nešto što je karakteristično za taj period od pre deset godina razvoja celog tog sveta, svega što je data science, machine learning, data engineering, AI u najnovije vreme, gledaj, u to vreme većina ljudi koja ulazi u tu struku, ulazi iz nauke. Većina ljudi, sigurno 90-95% su ljudi koji su imali neku akademsku karijeru. I to je bila akademska karijera u raznim oblastima, ali uvek si morao da budeš u toj, kako god hoćeš da zoveš, ali matematika je morala da bude jača strana. To je kvantitativna politika, ali to je bio neki preduslov. Ti kad pogledaš, recimo, moj neki naučni rad, on široko spada u neku kategoriju koja se zove computational social sciences, to su računarske i društvene nauke. Ali isto tako imaš computational chemistry, imaš inženjere saobraćaja koji se bave matematičkim simulacijama, imaš computational linguistics. U ogromnom broju nauka, pravaca i studija, imaš takve ljude. Ja sam bio jedan od njih i upravo taj segment je prvi prepoznao, vidi, pokupimo doktorat i zamisli imamo posao, čoveče, da radimo. Krenu u tom pravcu. Međutim, o čemu se radi? Znaš, da kažeš taj šift, nekada desi, nekada ne. Prosto dosta ljudi odluči da ostane na akademiji. Dosta ljudi odluči da ostane tamo. Oni budu prilično vredni, pogotovo u oblastima koje nisu a priori visoko matematizovane. To je ono što smo pričali i pominjali možda u prvom razgovoru. Ti kažeš psihologiju. Prvo, de facto, minimum 70% opsega toga što psiholozi u startu rade, nije nešto što ima neku vezu sa naučno-tehničkim orijentacijama. Nije STEM. Nije na koji način, prosto. A drugo, u tih 30% gde se koristi matematički aparat, da imaš matematičke statistike, tu zna da ih bude i dosta. Ali u tih 30% što preostane, nije tačno da svih 30% to jako dobro znaju. Naprotiv, to je uglavnom da se pojavi neko, pa on vuče druge ljude, obrazuje ih, malo gura, radi zajedno sa njima itd. 

Ivan Minić: I on ode u nešto što kada kažeš psiholog, nije tipična ideja šta je ta osoba. 

Goran S. Milovanović: Apsolutno. To je ono što ja kažem, ona uobičajena predstava toga šta je psiholog, pričaš se decom, u HR-u si, tumačiš snove, radiš terapiju, radiš coaching i te stvari. To je onaj prototip. 

Ivan Minić: U nekom domenu možeš da kažeš da, ok, baviš se istraživanjem tržišta, ali istraživanje tržišta u osnovi je jako basic stvar. Može da bude ekstremno napredna, ali vrlo često je vrlo basic. 

Goran S. Milovanović: Tako je. Može da bude ekstremno napredna, ali zapravo u većini slučajeva jeste ta igra statistička, ali znam da bude, zapravo u većini slučajeva jeste vrlo basic. Tako da to je negde šta se dešava i kako su počeli da nastaju profesionalci u data science. Svi ovi ostali termini koji imaš, mislim da to razjasnimo, znaš, ko je data scientist, a ko je machine learning inženjer, a ko je data analyst. Ja kažem ljudima, batalite se, to je semantička rasprava, to je rasprava o tome šta koje slovo negde znači. Recimo, machine learning inženjeri su najčešće ljudi koji, pored sveg tog znanja, imaju i jaču stranu u samom projektovanju, u softverskom inženjerstvu itd. Ali to uopšte ne znači, bukvalno svima kažem kad me to pitaju, pa koje su sad tu razlike? Pa sada su njemu tona nekih oznaka, pa šta mi je inženjer, pa šta mi je machine learning inženjer, šta je data scientist, a koja je razlika data science i analysis? Puno zavisi samo od toga kakva je zapravo organizacija ili firma gde ti radiš, gde su te delatnosti ljudi. U SmartOcto imamo i data analyst, na primer, i machine learning inženjere, i data scientist-e, i sve živo, mislim, MLOps inženjera i to. Naši data analyst rade iste stvari koje rade naši data scientist. Nama je ta podela zapravo samo govori o tome šta je, kome je fokus u poslu. Da kažemo, okej, tom analitičkom timu vama je fokus taj i taj, a pošto smo kao neki data science deo te priče, nama je primarni fokus to i to, ali to je doslovce pitanje podele rada. Druga stvar je danas, a što je sada data science kao struka već tu petnaestak godina, da kažemo tako, mnogo je sve to jasnije. Razvili su se i formalni, univerzitetski i neformalni obrazovni programi, ima i dobrih neformalnih obrazovnih programa, moram da kažem. Inače, ja znam da kažem, za čoveka koji ima motivaciju i koji hoće da zagrize, na internetu ima toliko toga besplatnog da se obrazuješ, da je to samo što većina ljudi sama neće, što je stvar koja mene onako, mislim… Pa dobro, ja sam bio taj tip, što kažem, sve radio na entuzijazam, pa sam bio čovek koji hoće imati inicijativu, pa krene, ali većina ljudi nema. Ali dobro, druga priča. Tako da danas više nije slučaj da tebi u data science, machine engineering, sve te profesije, ulaze mahom ljudi koji dolaze s akademske karijere, mahom neki koji dolaze s fundamentalnog research-a. Ne, sada tu imaš gomilu prosto… Pazi, softverski inženjer, on u svom obrazovanju, ako je to bio neki tehnički fakultet ili već šta god je bilo, pa on je za, recimo, dve godine studija pokupio 90% matematičkog aparata kojeg mu treba za to. Njega samo neko treba da podseti tome, da ga malo prekvalifikuje, praktično da uzme da solidno radi taj posao. Tako da sada to postao jedan, onako da kažem, tada je bio egzotičan, nov, avangardan segment IT scene. Danas smo mi uobičajen modul igre. Cela situacija have settled down, ok, ovi momci rade ovo, ovi ti rade front-end, ovi ti rade back-end, ovi su ti za ovo, e, ovo ti je data odeljenje, oni ti rade modele, baze podataka, sisteme za prognozu, predikciju stvari i tako dalje. 

RAZVOJ PROCESIRANJA INFORMACIJA

Ivan Minić: Hoću da te vratim malo unazad, iz razloga što, kažem, ja sam tamo negde početkom 2000-ih bio baš ono klinac koga zanima svašta, koji je u tom trenutku jako dobar s matematikom, prilično dobar s programiranjem i sa svim tim, i naiđem prvi put u svom životu tamo negde od 2001-2002. godine na pojam neuralnih mreža. Teorijski to zvuči mnogo zanimljivo, praktično to deluje takođe jako interesantno, ali prilično rudimentarno u tom periodu i nemaš ti sad nešto, mnogo resursa tu da radiš, niti stvarno možeš da simuliraš nešto kompleksno, ali kao zagrebeš, zainteresuje te, pratiš malo kako se to razvija vremenom. Šta se dešava sad nekako u nekom prirodnom toku toga? Ja sam došao online 1995. godine. 1995. ne postoji rešenje za pretraživanje interneta koje liči na nešto. Pa onda počnemo koristiti AltaVista, jer je ona najviše stvari indeksirala i dalje je to užasno loše, ali kao nešto pronađeš. U suštini, ako hoćeš da nađeš nešto, neko mora da ti pošalje. Pa onda se to sve razvija i onaj trenutak kada web postaje upotrebljiv u pravom smislu te reči jeste trenutak kada Google kreće da indeksira sadržaj, da ga rangira po određenom setu kriterijuma i to je super. Super je zato što relativno brzo stvar koja je objavljena dođe u indeks i relativno aktuelnu stvar možeš da nađeš. Kada kažemo relativno aktuelnu, jedno dva meseca otprilike, ali dva meseca u odnosu na to kako je bilo pre toga je magija. Tada je to bilo skoro near real time. Za gomilu stvari tu kreće, naravno, kako to inače biva, daš ljudima mogućnost da nešto urade, oni to zloupotrebe i ode dođavola. U tom trenutku sistem rangiranja ima određeni set kriterijuma, ljudi su provalili te kriterijume, našli način kako da se što bolje pozicioniraju. U prvom trenutku to nije bilo strašno, relativno brzo to postaje tako da je neupotrebljivo. Dakle, moramo da pravimo složeniji mehanizam, složeniji mehanizam, složeniji mehanizam. Ono što se dešava u celom tom procesu tokom 2000-ih jeste da najbolji igrači na tržištu, oni koji se probijaju u svakoj od oblasti, da li je to e-commerce, da li je to social media, da li je to search engine i cela ta priča, da li je to oglašavanje koje tad postaje ozbiljno, oni postaju bolji, odnosno oni postaju popularniji na bazi toga što su bolji, odnosno što su pametniji. Dobijaš pametniju stvar, dobijaš bolje rešenje. Zašto raste neki kanal oglašavanja drastično? Zato što ti nudi pametniji način da potrošiš novac. Da, oni to rade sa namerom da ti uzmu što više novca i sve je to u redu, ali stvari koje su bile banalne moraju da postanu pametnije da bi bile konkurentne. E sad, to se na početku radi jako jednostavno. Samim tim što si isfiltrirao 30% gluposti, ti si bolji od svih ostalih za klasu. Kako tržišna utakmica postaje ozbiljnija, tako se od tebe očekuje sve više i sve bolje. 

Goran S. Milovanović: Da, i to je počelo da ima ekstremne konsekvence. Gledaj, da ti kažem nešto osim kafu sam prosuo iz ćoška. Put jeste bio tu negde kako objašnjavaš da je to išlo. A tu se dešava paralelno nekoliko stvari. Jedna od stvari, pre svega, zahvaljujući tim tehnološkim razvojima u sistemima za menadžment podataka. Big data revolucija. Onda još jedna od stvari koja se dešava tu uporedo, to je nešto što bih ja nazvao no-SQL revolucija. E sad, tu su stručnjaci za baze, tu bih mogao da imamo ozbiljnu raspravu. Tu su ljudi polarizovani, onako naelektrisani oko toga, da li je ikada trebalo izaći iz sveta relacionalnih baza SQL-a, kao što je Postgres, SQL, MySQL, MariaDB i ostalo, ili ne. Činjenica je da smo izašli iz njega. Ali se dešava i ta stvar koja je jako bitna. Big data ti daje prostor i snagu i brzinu za procesiranje mnogo veće količine informacija nego pre. To je jedna stvar. Druga stvar je no-SQL svet. Ti sada daje mogućnost menadžmenta podacima koji nisu nužno uvek iste forme i strukture, odnosno ne poštuju toliko striktno pravila koja je tipična relacionalna baza, koju je od 80-ih godina Business Intelligence tražio od tebe. Tako da i u tom smislu reči postajemo fleksibilniji tokom tog razvoja događaja da obrađujemo mnogo više stvari nego što smo pre mogli da procesiramo. Prva stvar koja se dešava je power, moć. Moć, znači jednostavno raste obim i brzina obrade. Kada se taj problem reši, onda je sam matematički napredak u tome strašno olakšan. Zašto? Decenijama su proučavali ideju mašinskog učenja, veštačke inteligencije, svih tih stvari kojima se i danas bavimo. 

Ivan Minić: Ali na teoretskom nivou. 

Goran S. Milovanović: Da, izdaleka nisu imali procesnu snagu kojom mi danas raspolažemo. Tako da kad je došao moment da moja struka i moja ekipa ulete u to, shvatiš, mi smo tada imali već spremne matematičke modele, algoritme i čega god hoćeš. To je bila ona playground joy, ajde sad da vidimo šta će od ovoga stvarno da radi. Naravno, razvoj nije stao, bilo je bitnih napredaka i posle. Ja ću da ti napravim jednu paralelu ovako, a to je, ja mislim da je to bilo leto 1999. godine, nešto neposredno posle nesrećnog bombardovanja. Ja sam u Sofiji na Međunarodnoj letnjoj školi kognitivnih nauka. Jedan od ljudi koji je predavač je čuveni Richard Shiffrin, profesor na Indiana University, jedan od najznačajnijih istraživača ljudskog pamćenja u drugoj polovini 20. veka. Čovek je u udžbenicima za osnovne studije psihologije. A on se tada sa svojim saradnicima i studentima bavi matematičkim modelima koji bi mogli da objasne neke rezultate u eksperimentalnoj psihologiji pamćenja. Eksperimentalna psihologija pamćenja je jako interesantna ako gledaš ovako kao disciplinu. Može biti vrlo dosadna kad vidiš u stvari te eksperimente i šta se tu radi. Ima zanimljivih stvari, ima elementarno dosadnih stvari, kao što je, na primer, učenje liste besmislenih slogova. Zašto besmislenih slogova ili reči? Da se eliminiše značenje, interesuje nas samo koliko nekog materijala bukvalno može da se drži. I onda, po različitim eksperimentalnim dizajnima i pravilima, to se proverava. Na primer, znamo u psihologiji da takve stvari imaju neke pravilnosti. Imamo primacy i recency efekt, efekt početka i kraja. Ljudi, inače, i van eksperimentalnih situacija, jako dobro prate početke i krajeve informacija, dok stvari u sredini zaboravljaju. Pogotovo ovaj što je duži, E, tu zna da se desi zaboravljanje. I sad ti možeš tu bukvalno konstruirati krive ovako. Kako je to išlo i treba napraviti matematički model nešto pretpostavlja o ljudskom mozgu, o tome kako bi to moglo funkcioniše. I do sada kad ti prikupiš te podatke, kažeš ova kriva izgleda ovako zbog toga, a ova izgleda ovako zbog toga. Gledaj, ti modeli matematički koji je koristio Šifrin u eksperimentalnoj kognitivnoj psihologiji 80. i 90. godina 20. veka, znači oni su, ako ih mi uporedimo sa savremenim modelima koji se koristi u, ne znam, mašinskom učenju Data Science, da ne pričamo najnovije klase čudovište, generativni AI i tako dalje. Mislim, njihova jednostavnost je zapanjujuća. Danas bi ih koristili na prvim predavanjima kursa data science za MySQL. Evo, ajde da proučavamo ovo, da vidimo kako se ponaša, da naučimo neke osnovne stvari. Što ne umanje značaj njegovog rada, pre njega nismo imali to. Okej, on je nama ispričao anegdotu, ta 99. godine, za jedan od tih svojih modela. To je bilo 80. neke godine, ne znam tačno koje. 

Oni su noću praktično preuzeli skoro celu kompjutersku bazu kampusa Indiana University, koji uopšte nije mali, da bi cele noći postili računare, da radi na tom jednostavnom modelu i da bi sutra ujutru imali, kako se zove, rezultate. Zašto je ovo bitno? Zato što je ovo najviše je uticalo na promenu to što si rekao, kako su algoritmi postali pametniji i pametniji, kako možemo više da izazovemo nečiji engagement da predviđamo šta će se desiti. Stvarno, jedan naučni proces. Skok u razvoju tehnologije bio je apsolutno enorman. To je bio prvi faktor. Drugi faktor je bio, zapravo druga bitna stvar kada se sve to dešava, to jeste, ti si u pravu, tu internet početkom 2000-ih internet postaje ozbiljno upotrebljiv. Prestaje metafora interneta kao kataloga, što su radili Yahoo, Alta Vista, i drugi kategorajzeri. Internet postaje fleksibilna masa informacija koja se može pretraživati bukvalno kao daš search query pa sad malo promeni ga ovako ili onako. Google počinje da nalazi stvari, postaje sve senzitivniji. Danas je samo pitanje vremena kada će pojam search query-a da se potpuno izjednači sa pojmom prompta, jer će generativna AI koristiti mnoge search sisteme i ti ćeš bukvalno, kao na ChatGPT-u ili Google Gemini, objasniti šta ti treba, i on će naći dokumente, analize, sve. To će se desiti uskoro. Google sigurno već ima to i koristi za search. Što se desilo? Desilo se to da sa tom tehnološkom ekspanzijom, z nači sa razvojem hardvera i procesne moći strašno i s time da je to povuklo sve nas u tim oblastima, kažemo, vidi mislim koja su ovo nove prilike i sad možemo da se razmahnemo po stvarima koje su prebile na tabli u udžbeniku, znaš, možda može, znaš, nemamo kompjuter za to, jel’ okej, sad imamo, okej, a biznis počinje da prepoznaje te stvari, shvataš? Biznis počinje da prepoznaje te stvari, pametni menadžeri, pametni investitori, vidi sad i kažu, sad čekaj, mislim, ovo je, no, ovoliki entuzijazam, ovoliki rad, ova stvar vodi nečemu, ajde vi momci sedite na sastanke i da vidimo mi zapravo šta su novi ciljevi ovog posla i kako search-biznis i kako se to na internetu sad može da se redefiniše. Što je vodilo zapravo stvarima koje, što ja kažem, na kraju nekome mogu da delaju potpuno banalno, ali recimo do momenta koji je bio, ja sam već negde početkom druge decenije 21. veka, a to je recimo da je za ogroman broj internet platformi, cilj tima koji sedi i bavi se mašinskim učenjem tamo, data science, je jedan jedini ovako, koji kaže, okej, evo ga, evo je, evo ga, evo ga news feed, evo ga YouTube channel, evo ga feed korisnika, evo okej, jednostavno make the person stay, znači samo to, maksimizujte engagement, evo okej, merite šta god hoćete, znaš, ti kad otvoriš nalog na Google, kod Mete, kod kojeg god hoćeš, znaš, ti kad klikneš tamo na onaj do you agree što ga ja zovem, evo, tako je, gotovo je, znaš. 

Ivan Minić: Odričem se Satane. 

Goran S. Milovanović: Apsolutno, mislim, to ja ti kažem ja. Ti si njima dao prava da koriste tvoje podatke i oni će ih upravo koristiti na taj način, jel’? S time što, znaš, postoji tu simetrija, ja razumem zabrinutost oko svega toga, osetljiv sam na ta data privacy pitanja, okružen sam dosta pravnika s kojima znam da razgovaram o tome, ali opet s druge strane, znaš, oni stvarno rade, prosto, između ostalog oni naprave sebi sebi veće pare, ali stvarno, brate poboljša im uslugu, mislim, znaš.

Ivan Minić:  Ima i taj deo. Jel’ hoćeš da bude bolje, onda moraš da daš nešto. 

Goran S. Milovanović: Ne vredi, ne vredi. Ako mi ne znamo to o tebi, ne možemo ti personalizujemo to kako treba je. E, ali šta se dešava? Znači, prosto, te stvari. Jeste, prva decenija 21. veka, ogroman rast procesorskih snage, sve jače i jače sistemi, klasteri, big data iz računanja, počinje sve to, data science, kažem, to je profesija koja je samo čekala da se rodi. Jeste, samo desio je jedan trenutak ovako, kad je sve to postalo moguće u praksi, jel’, imao si ti na fakultetima iz akademije ideja, skupiš te momke i devojke kako god hoćeš, jel’, samo da mala ima sklonosti i da to ne bude, samo otvoriš SPSS, uradiš neki tradicionalni sistem za obradu podataka, nije bitno još jako dobar, jako dobra stvar, ali ne ono što su R i Python, uradiš neku mrežu, napišeš, naučiš i rada dobiješ. Ne, nego jel’ si sad u stanju samo da sedneš i da mi naučiš objektivne instrumente programiranja u Pythonu, da malo shvatiš kako radi infrastruktura, da te malo upozna sa data administratorima, naučiš malo SQL, da znaš kako to radi, tako kako god ima tu sklonost, ono ima otvorena vrata ovako da uđe u to i bavi se time. A i naravno, kažem ti, biznis koji prepoznaje, hej, ljudi, ovde postoji added value. Google, DeepMind koji su kupili, autori onih AlphaGo sistema koji su se proslavili po tome što su kao, pazite, to je sad samo tech demonstrator, oni su samo demonstrator tehnologije, počeli da dobijaju svetske šampione u Go. Go, karakteristična igra koja je, kad se analizira računarski, matematički, on je abnormalno složeniji od šaha koji je ogroman problem. Decenija je krunski problem veštačke inteligencije bio, nauči ga da igra šah i nauči ga da komunicira na prirodnom jeziku. Ta smo dva čini se rešili. Ista tehnologija koja vozi AlphaGo sisteme Google-ove, samo kad je ne staviš da igra Go i kad je ne kažeš tvoj cilj je optimizacija bodova koje se ovde skupljaju, nego je staviš na Google-ove serverske farme i kažeš tvoj cilj je optimizacija potrošnje električne energije ovde i je njima spustila, znači precizno je, mislim 20 ili 30% električno, možda zamisliš koliki je račun za struju Google. Solid. E, 20-30% od toga. Znači vrlo su se jasno videli ciljevi, videlo se to, biznis je napravio uniju s time i gotovo. Mislim, postoje cijela nova igra postala, bila rađena tog trenutka. E sad, the downside cele priče. Pa pazi, the downside cele priče je što biznis i ljudi iz moje struke pričaju, razmenjuju, gledaju i kažu, vidi, šta treba da rešimo? Treba da rešimo, koji je krajnji cilj? Krajnji cilj je da ova tvoja, tvoja moja socijalna mreža da se tu klikće ovako na reklame. Mi tu uzmemo frakciju centa cent, nešto stavimo u džep, završili smo. Što kad se skalira, budu milioni i milijarde. Dobro. Kako ćemo to da rešimo? Pa slušaj, hajde da probamo, ne znam, da optimizujemo na te klikove na reklame, da cilj algoritma bude da postiže više toga. Hajde, može ovaj cilj da bude, da li, čekaj, da li ovi koji više komentarišu, na primer, da li onda oni, oni možda češće su navedeni da nešto kupe ili to, ne znam, hajde da probamo i to je na kraju, stignemo do zakačka koju gleda se slušaj ovako, vidi. Sve to ovako, sve, mislim, sve to možemo da merimo, o čem’ pričamo, i koliko se kliktalo, i lajkovalo, i engage-ovalo, i komentarisalo, i šta god, jel’? I da sve to ovako stavljamo u moćnije i moćnije algoritme mašinskog učenja, to su abnormalna veličina, ogromni data setovi koji idu, i ako se i posti ima jedan i jedini cilj, cilj je, engagement i cilj je, koliko će ovaj čovek da ostane, znači, kad je počeo sesiju, izašao i otkucao je, nešto, socialmedia.com, facebook.net, šta god, YouTube, otišao je, jel’? Mene interesuje da mi maksimizujete ovako dužinu trajanja te sesije, šta treba da radimo, kojim redom treba da mu postavljamo postove, videe, kada treba da mu pošaljemo koju notifikaciju, sve to rešite sa jednim i jednim ciljem da ga držite ovde. 

Ivan Minić: Na nivou pojedinačnog korisnika. 

Goran S. Milovanović: Tako, i na nivou pojedinačnog korisnika, jel’? I sad ovaj, ja sam siguran da to njima radi, jer ne bi napravili, keš koji su napravili da to njima ne radi, jel’? Međutim, ja moram da kažem jednu stvar, ovaj, i to je i deo i odgovornosti moje struke u ostalom, znaš šta, veliko je pitanje šta se dešava sa glavom pojedinca i sa čovečanstvom u celini, koje neko počne da dresira notifikacijama da što duže budu u jednoj sesiji ovako na nekoj socijalnoj mreži. Jer to više nije samo biznis, it’s a cultural change, to je kulturna promena. Velika, velika, jel’? Tako da kažem, to počne onako, da počne da ima svoju, neću kažem, mračnu stranu, ali daleko od toga da nema reperkusije po to kakav je svet u kojem mi živimo. Šta se dešava ovde, jel’? 

ATTENTION MARKET

Ivan Minić: Pričaćemo o tome, sećam se pre par godina, nije ih baš ni tako malo, ima ih jedno četiri, kad je moj dragi prijatelj Miroslav Varga rekao, on je jedan od ljudi koji najbolje rade Google kampanje od svih, ima vrlo često nestandardne ideje, što je super da nešto testiraš. On kaže, ljudi, kako da vam kažem, možemo mi da podešavamo nešto da preko sutra, ili da pustimo da Blackbox to uradi, u 100 od 100 slučajeva on to uradi bolje. E sad, kada nešto baš jako specifično hoćemo da uradimo, što ne umemo ni da objasnimo, i nije u skladu sa nekim običajnim ciljevima, onda možda tu postoji neki prostor. Svakako je važno da razumete kako treba da razmišljate, kako treba da pripremite stvari da bi to radilo bolje. Ali taj moment gde se borimo za ljudsku pažnju, bore se svi kanali komunikacije za ljudsku pažnju. 

Goran S. Milovanović: Tako ga i zovemo, attention market. 

Ivan Minić: Ono gde, kažemo, iz mog nekog ugla za neku generalnu populaciju, gde to počinje da biva ozbiljna stvar, jeste gaming. Jer ti si već u devedesetih imao online igre u kojima su ljudi provodili sate i sate i dane i dane zato što su bile dobre. Znači niko tu nije provodio vreme zato što mu je bilo loše. One su bile izuzetno dobre, odnosno davale su ljudima ono po šta su došli. Možda nisu izgledale kao što izgledaju danas, sigurno da nisu, sećamo se svi kako su izgledali, mada je nama to tad bilo wow, ali bottom line nikad nije bio tome da se to mora da izgleda najbolje moguće. Igrivost nikada nije bila stvar toga kako nešto izgleda. Naročito onog trenutka kada si uveo komponentu, ne igram ja protiv tebe sedimo jedan protiv drugi, ili ja protiv računara koji je tu. Ne, ne, ne, ja igram sa tobom a ti si preko pola sveta. I treći je na trećem kraju sveta i mi igramo zajedno nešto. I kao, mislim, postoje prijateljstva, ja znam brakove koji su se tako… 

Goran S. Milovanović: Što je to, globalna kultura za sebe, to je sociološki ferment. I to traje 30 godina, skoro 30 godina. Kako ne, kako ne. 

Ivan Minić: E sad, to je jedan svet za sebe koji opet je skupio neku količinu čudaka. Ni najpopularnije igre pre mobilno kada je to bilo svakom u džepu konzola, ni najpopularnije igre nisu bile kulturološki fenomen koji je masovan kao najpopularniji filmovi ili serije. Onog trenutka kada je to postalo web stvar koju imaš na svakom računaru, a onda i na svakom telefonu, tu su se stvari drastično promenile. I ajde malo da pričamo o tome kako se menja život homo sapiensa. Ne nas, ne ljudi u biznisu, nego onog koji je taj konzument. 

Goran S. Milovanović: Tu je jedna stvar. Prvo, sam si to primetio. Kad je pukla tikva, onog momenta kada je bilo ne igram ja više protiv računara. To je zapravo stvarno negde pre ovaj moment u istoriji gaminga. Ja bih rekao kada je to počelo da bude okej, mi smo online players, ti si u Albukerkiju, tamo gde je Duško Dugouško u crtanom filmu. Ja mislim ja sam u Beogradu, ovaj u Dizeldorfu i mi možemo da budemo tim i klan i sve živo i da radimo. I tu počinje tako i razvoj veze i svega i tako dalje. Da, mislim, ja mogu o tome fenomenalno posvedočiti, a bez toga da sam ja, ne računajući 80. godine kad sam ozbiljno bio u gamingu, te 15. vrste ovoga sada, ali Boga mi sam imao, sad ću ti reći, i 4, 5, pa i 6 verovatno godina života, kada je Counter-Strike svaki dan bio veoma ozbiljna komponenta mog ličnog života. Ali svaki dan bio preozbiljna komponenta mog ličnog života. Za mene, mislim, recimo moment, sada si me podsetio na to, koji je bio potpuno striking, gde sam ja počeo stvarno ozbiljno razmišljati o ovim temama, da kažemo da nije bilo po nalogu struke, što bi se reklo, psiholog si pa kao vadiš i da razmišljaš o tome. Pa ne, mi psiholozi razmišljamo baš o svemu što je sad tu interesantno, ovaj se bavi jednim, ovaj drugim i to. A jedan Counter-Strike server na kojem sam ja često igrao, tu je bio neko za koga ja stvarno mogu da pretpostavim da je bio mlađi mene, ja sam tu imao, recimo, 30-ak i nešto godina, da je imao svoje vreme u ovom svetu samim time da se bavi. I, uglavnom je to izgledalo tako da možete biti dobri koliko god hoćete, ja uopšte nisam bio loš, ja sam imao recimo godine, to Counter-Strike-a iza sebe, ali kad natrčiš na njega, više manje to je to. Znači, najčešće je ono, znaš, u svakom turnusu ostaje živ, kako se zove, da se izrazim tako, i najčešće svi koji su ga sreli su završili tu priču. Ja ne znam šta se tom dečkom u nekom trenutku desilo, ja pretpostavljam da je to možda bilo tipa, ne znam da je on, možda ajde u mojoj mašti srednjoškolac, pa je možda mama ušla u sobu i kao je sine sendviči da je bilo ovo jer sam ga ja skinuo. Znači, ja u Counter-Striku, znaš koja je bila reakcija? Ja sam recimo ozbiljno druga liga u odnosu na njega. Znači, on je vrh prve lige, siguran sam da on ima takmičarski nivo, razumeš. Četrnaest dana nije izašao na server posle toga. Da, ja sam, ja sam nickname bio Baraba u Counter-Striku. Znači, ne mogu da se setim, nažalost. Čovek četrnaest dana posle toga nije izašao na server i ti shvatiš, bog te mazo, je li moguće da je to toliko lično? Znači, da li je moguće? I vratio se posle da igra, znaš, bez komentara, samo se vratio i nastavio tamo da nas u procesu ne shvataju. Čekaj, ovde ima, meni je ovo zabava, ali ovde neka dublja dimenzija postoji u svem tome. Magija jeste počela, čini mi se u gamingu tada, kad smo počeli svi to, znaš, mislim, online da radimo i tako dalje. A gledaj, mislim, da ti kažem nešto. I gaming, socijalne mreže, koliko je normalno, koliko je normalno postalo u razgovoru dvojice sagovornika i više se niko niti vređa ili iznenađuje zbog toga? Znate, sve je potpuno prirodno, dvojica ljudi razgovaraju dok jedan baci pogled ovako na mobilni, uradi ovo, aha, i svi moji te samo, aha, dobro, reci ovaj, da nastavimo da pričamo, jel’? Nećeš i obojica. Ja gledam generacije koje rastu, moja starija ćerka je 13 godina, ok, mislim, ponekad mi već bude ono iritantno, tipa je, ostavi, pogledaj me, znaš, spusti sada telefon i slušaj, pričam ti i nemoj da mi vičeš, aha, hajde, držiš u rukama YouTube i to. Problemi su ogromni, a čini mi se da ljudi nisu dovoljno svesni toga koliko, upravo, ove struke o kojima pričamo, iz kojih ja dolazim, koliko proizvodi našeg rada zapravo rade na tome da vi budete addicted i hooked up na tu stvar. Zbog onoga što sam ti prethodno ispričao, a to je jasan biznis zaključak koji glasi ovako: možemo da se bojimo mi finesama u svemu tome, ali ako mi dobijemo dozvolu korisnika da merimo tonu stvari koje on radi ovde po našim sajtovima, sistemima i tako dalje, i ako sve postavimo jedan jedini cilj, jedan jedini cilj, a to je svi naši korisnici, a Google i Meta ih imaju mnogo, mislim, Apple takođe i tako dalje, samo treba da što više vremena provedu u sesiji, da li je to igra, da li je to YouTube, da li je to TikTok, it’s the same thing, mate, radi na isti način, nema razlike. Ako postavimo to sebi za cilj, ispostavlja se šta? Mi maksimizujemo profit. To je to. Prosto duže vremena si negde, a ne ti, nego vas milijarda duže vremena negde. Verovatno će jedan da klikne na nešto, pravi pare, može samo da raste. Ne može da pada nikako, mislim. Tako da se sada, čini mi se, ljudi kao kultura, ne mislim na srpsku, generalno, mislim ljudska, mi se nalazimo u jednoj onako čudnoj situaciji, za koju ja ponekad pomislim, kažem sebi, gledaj, ako bih ja pokušao da predviđam budućnost, za mene, prirodan razvoj događaja će biti da će ova ljudska vrsta stvarno početi sebi da upucava čipove u glavu. Jer slušaj, ako smo već svi postali toliko hooked up na virtualni svet, u njemu za nas ima velikih benefita. To je neosporno, jel’ ok? Neosporno. Pa slušaj, ti si, znaš, dovoljno godina imaš da se setiš nekih 80. i 90. godina. Šta je potreba za informacijama bila tada? Treba mi neka knjiga, stvarno. Hold my beer, mislim, jel’ ti treba ova knjiga, a ne da ćeš neku drugu knjigu? 90. godina, kad pomislim, treba mi neka knjiga iz nečega, nije bitno šta god. Mislim, od ribolova do futbala, do domaćinstva učenja. Pa ja prvo treba da saznam koje knjige postoje uopšte o tome, kojih je autor pisao. Možda je Nemac objavio s time u nekoj biblioteci, pa onda ne znam da li je prevedena na engleski ili prevedena na francuski i tako dalje. A to je kako da dođem do nje, kako da je… Pazi, mislim, znaš, ti si u tom online svetu, internetom i sve ovo o čemu pričamo, ti si ogromne benefite za čovečanstvo i za pojedinca napravio, ogromne. Ali kao posledicu imaš taj potpuno adiktivno ponašanje, taj hook-up koji se desio, sa koji ja kažem, gledaj, ako ovo sve već ide u tom pravcu, mene uopšte neće iznenaditi, apsolutno me neće iznenaditi masovna odluka čovečanstva gde jednog trenutka stvarno ode u cyborg priču i kaže, čekaj bre, stvarno jednostavnije je, kako se zove, ako oni tome ne mogu da smisle, da imam interfejs preko koga mogu mišlju da upravljam i da upucate ga ovde zdravo. Sada, ovo tebi ili bilo kome može, deluje kao science fiction. Ali, da ti kažem, početkom 2000. godina, pazi, početkom 2000. godina, reportaže u Wired, čovek koji je imao radnu povredu na radu, ostao, uništene su mu oči nažalost, neki su mu umetnuti, opiljci su uleteli, uništili su mu vid mehanički, oči su mu ostale. Ali optički nervi nisu bili pipnuti uopšte i ništa drugo od vizualnog sistema, ako vrlo složen, nervni sistem nije bilo pipnuto. Tehnologija, razvoj, kamera, kablovi, folije postavljene ispod kože, nervni sistem, provod signala, ok? Znači, put preko optičkih nerava, nešto je iskorišćeno, nešto nije. Samo su se nakačili da sprovode informaciju i tamo da idu. Pazi, čovek sigurno nije fenomenološki, što se kaže, video boje i sve kao što ih vidimo ti i ja. To je vozio kola. Ima naći ću ti broj Wireda u komentarima reportaža. To je bila 2002. 2003. čini mi se. Sada je 2024. Šta misliš dokle je to stiglo sada? Ja nisam skoro proverio. Prosto nisam uzeo da proverim to ozbiljno da vidim dokle su stigli sada. Iako neko misli da to što čini i u krajnjoj liniji Mask sada, znaš šta mislim, ja ću raditi te stvari i ostalo, da to ne može i da to neće i da će ljudi da kažu ja to ne bih i tako dalje, pa nisam siguran. Zašto ne kažu ja to ne bih na, kako se zove, iPhone i Android, tako da ih, bukvalno, ciljano ih, čoveče, cela industrija, ovako drži zakucane, kako se zove, dođi, dođi ovde, budi sa mnom, budi sa mnom tu, bravo, kliknuo si, lepo, super. Ajde idemo ponovo. 

Ivan Minić: Vidi ovaj, ali svi se sećamo onog nekog trenutka kada su objavljene one prve studije o, kažem, fotometriji i gomili tih nekih stvari, prepoznavanja objekata na snimcima i tako dalje. To je snimak niske rezolucije, gde počinje sa onim momentima gde se uokviri nešto nekim pravougaonikom, na kojem piše auto. I ti nisi baš siguran da je auto, ali ono zna da je auto. Pa onda sledeće je, ovo je zec, ovo je mačka, ovo je čovek, ovo je onaj isti čovek. I ti pratiš takve neke stvari kao dobro, to je, to je okej. Onda šest meseci kasnije to postane open source, dostupna biblioteka koju ti koristiš, koja, čoveče, radi. 

Goran S. Milovanović: Možemo da je stavimo u bilo koji biznis projekat. Bilo koji, bilo koji projekat koji ćemo da radimo. Te open source mreže u kojima ti stvari koje to rade, tzv. konvolucijske neuronske mreže, jedan tip neuronskih mreža koji služi upravo za te stvari, open source softvera za to koliko hoćeš. 

ISPUNJENA OČEKIVANJA

Ivan Minić: I mnogo nekih zanimljivih studija i radova gde su ljudi sa univerziteta rešavali te probleme koji se dve godine kasnije nalaze u primeni u vrlo nekim realnim sektorima. Zato sam hteo da te opet nekako, mislim, i pitam i opet vratim malo. Svi smo mi odrasli u naučnoj fantastici. Svima nama je, ona, posle 2000. bila omiljena emisija na televiziji. Problem je što je 2000. bila pre 24 godine, ali mnogo cool stvari je bilo u posle 2000. Deo tih stvari danas nema, jer jebi ga otišao je fokus na nešto drugo i to se nikada nije desilo. Međutim, postoji ogroman broj stvari koje su se desile i pre 2000. ali koje su u javnu upotrebu došle pre desetak, petnaest godina, danas su tu, a koje nismo mogli ni da zamislimo. Imali smo, svi smo odrasli na filmovima naučne fantastike, svi smo ih obožavali, neki su bili više tačni u predviđanju, neki su bili zabavni, neki su bili apokaliptični, recimo tako. Ali suština je da se meni čini da skoro ništa od onoga što smo mi doživljavali kao nekakav mainstream se nije odigralo tako kako smo mi zamislili. 

Goran S. Milovanović: Da, to je interesantno pitanje, šta je zapravo bio fantazam o budućnosti tada, a kako izgleda sada ta budućnost kada smo počeli da živimo. Pa gledaj, vidi, ajde da vidimo. Od popularne kulture sci-fi filmova i romana, veštačka inteligencija je bila, naravno, najčuvenije oličenje HAL-9000 iz čuvene “Space Odyssey” koju je Kubrick snimio po Klarkovom romanu. Opet, ono što mi danas znamo, to se danas dešava, očigledno, ali recimo mi znamo tačno da sistem kakav je trebao da bude HAL-9000, mi to danas nemamo. Imamo sasvim jednu drugačiju tehnološku realizaciju toga. Čim malo ljudi zna da je konsultant za razvoj HAL-9000, zato čak uradio na skriptu za film, konsultant tokom snimanja filma, Marvin Minsky, koji je bio jedan od najvećih stručnjaka u istoriji AI, profesor na MIT-u. O tome, Boga mi, mislim, ono, tu je studiozno, ovolika knjiga postoji u državnom izdanju, ja imam veliki fan filma, koliko je studiozno pristupljeno snimanju tog filma, bilo to je neverovatno. Ja mislim da je… 

Ivan Minić: Ali Klark je taj čovek. 

Goran S. Milovanović: Da. A i Kubrick. I Kubrick je taj čovek. Ali slušaj, recimo da kažemo, to smo imali, znači AI je postojala u tim fantazijama, tako. Šta se nije desilo, pa vidi, ja ti kažem, gleda je ovako, mislim, taj space travel, mislim, to je očigledno teško. Znači ono što danas čujem u ljudi koji prate te stvari, oni mi kažu, dan-danas misija na Mars deluje, skoro neostvarljivo. Uz sve što pričamo i sve o čemu se radi i pripremamo, i uložiće se novac, i ima ludi biznismena koji hoće da probaju, ali dan-danas, kaže on, tehnički, još uvek deluje sci-fi, što se kaže, znaš, vrlo onako kao, nisam siguran kako će to da prođe. Najveće promene su u ovom svetu, kako se zove, IT-a, digitala, online-a, AI-a sada, u celoj ovoj stvari sa mašinskim učenjem. Ali ono što ja mislim da je jedna stvar koju se nismo nadali, a da smo je dobili u paketu ovako sa celom tom pričom, to je ono što, moram da kažem, da mene to najviše možda zabrinjava, možda tema kojom sam, na neki način, možda i malo opsesivan. Mislim, svaki dan razmislim o tome pomalo, a to je pitanje statusa istinitosti i realnosti. I ako ćemo da pominjemo film koji svima, mislim, ovako preporučujem da pogledaju, to je jedan film čuvenog Davida Kronenberga koji se zove “Existenz.” Snimljen 1999. godine. Da, oni u senci pojave Matrixa, ali “Existenz” je, to je ingeniozan potpuno film s kojim se Kronenberg, genijalni režiser, fantastično poigrao s time da te dovede u jednu situaciju gde ni protagonisti u filmu, a ni sama publika, sam posmatrač, sam gledalac filma, nije više siguran oko toga šta je u kom statusu. Je li ovo sada realan događaj ili je ovo sada fiktivan događaj, pošto se u filmu radi upravo o gamingu, mislim, je ono napredna vrsta gaminga, gledaj i nosi interfejs i ulazi, mislim, onako fenomenološki, sasvim drugačiji svet dok zapravo sede u sobi sa gamepads u rukama. Mislim da je Kronenberg tu poslao ekstremno snažnu poruku koja glasi tu smo, mislim, ovo može da se desi. Zašto mislim da je to važno? Zašto mislim da je danas taj trenutak negde presudan za naše pitanje toga šta je budućnost naša sa ovim tehnologijama sa kojima smo počeli živeti? Gledaj, danas je taj benefit čovečanstva koji se sastoji u tome da je danas širenje informacija brže nego ikada, da su one danas dostupnije nego ikada, jel’? Mislim, benefit je ogroman, ti možeš da obrazuješ toliko više ljudi nego što si mogao pre, mislim, oni koji hoće da šta god nauče, saznaju, mogu to da urade, jel’? A danas imaš chatGPT koji možeš da vežeš na internet, Antropic Claude koji možeš da vežeš na internet, Google Gemini, koji uzmeš i za džabe u nekoliko jednostavnih poteza, ovako sebi izgradiš, virtualnog tutora koji će ti držati kurs na licu mesta nečega, znači stvarno su, mogućnosti su ogromne, ali šta je onaj downside koji sam pomenuo pre, a vezan za ovu priču o tome, šta je stvari status realnosti i istinitosti, jel’? Gledaj, danas je opterećenje količinom informacija, količinom informacija koje stižu i mogu da stignu do pojedinca. To je nešto što daleko prevazilazi i ono što su ljudi prethodnih epoha, a tu računam bukvalno i sebe, mislim, jer se ta promena desila tokom mog života koji je počeo 1974. godine, jel’? A daleko je veća bujica informacija koja do nas stiže od one koje mi možemo realno psihološki da procesiramo i da podnesemo, jel’? Šta je to imalo kao posledicu? To je imalo kao posledicu jednu jako negativnu stranu. To je taj možda najgadniji downside cele ove priče. Najčudniji, mislim, najopasniji, najklizavija posledica. Ne znam kako se izrazim gledam. Pogledaš medije, dešava se jedna stvar, vidim, a to je nešto što je inače empirijski primećeno, nije pitanje, vidi se. Mislim, u zadnjih desetak i više godina se dešava, jel’? Pošto je širenje informacija mnogo brže nego što je pre bilo, i tradicionalni mediji su počeli da gube na značaju. 00:54:10 Jednostavno, to je ono što ja stalno ljudima kažem. Morate da shvatite da težina naslova i teksta u New York Times-u iz 90-ih godina, kad je on bio dobra novina, i sada više nije ista. Ne, on je tada bio autoritarniji, veći autoritet, jel’? Mislim, izvor znanja i informacija nego što je danas. Zašto? Zato što danas imaš 105 miliona izvora znanja, jel’ okej? Informacija, vesti, čega god hoćeš, da ti to možeš da vidiš. U krajnjoj liniji ne moraš čitati novine, zađeš na socijalnu mrežu, gledaš čemu ljudi pišu, šta šeruju i tako dalje, i pratiš šta se događa. Okej. Znači, s jedne strane, to je oslabilo strukturu autoriteta i hijerarhije u medijskom svetu, i to globalno, ne samo u Srbiji ili SSRD, svuda. Je oslabilo to. Oslabilo je, kažem, autoritet tradicionalnih medija i izvora informacija. Naravno, da u takvom naletu količina informacija koja ide, svi koji se bave time ulaze u konkurentsku igru. I moraju da nađu način da pobede upravo na onome što smo mi rekli, attention market. Jel’? Znači, tržište pažnje. Razumeš? Znači, ako ja imam web platformu i monetizujem ovde, ja moram ljude dovući ovamo. Ako mi oni čitaju nešto drugo, šta ja radim? Jel’? Šta je posledica toga onda? Posledica toga je da je neko briljantno shvatio jednu stvar koja je zapravo psihološki i tačna i vrlo jednostavna, ali ne znam kako da se izrazim, mnogo glupo kad počneš to da koristiš. Jer nisi razmislio dobro o posledicama, a svi su to počeli da rade. Čekaj, stani ovako, vidi. Informativne vesti koje nose intelektualni sadržaj, puno informacija i tako dalje… Neće to biti to. Ne, ali vesti, naslovi, reportaže, izveštaji sa emotivnim nabojem, nekim, lošim ili dobrim, to da. Ono što ja kažem, da se izrazim sasvim kolokvijalno, znaš ono, crna hronika ovde, dobre ribe ovamo, jel’? Pa sad, rat ovde, jel’ okej? Krize ovamo. Pa katastrofična predviđanja, e, sad će da bude emisija takvih i takvih zraka, kako se zove, sa sunca, sklonite se jedno sedam dana s ulice, ni naučnici ne znaju šta će da bude. Ti otvoriš takav članak i počneš da čitaš i shvatiš rečenicu. Iako je to uobičajni solarni ciklus koji se javlja svako malo, i videli smo ga milion puta do sada, činjenica je da nam čak i doktori fizike kažu da do kraja nikada nisu to razumeli. Iz čega je dalje naš novinar nastavio pa napisao, iz čega će joj biti slobodan da zaključim, pošto vi to niste objasnili do kraja, može nas i da spali. Kako vi znate da ne može? Eto meni perfektno naslova za vesti. Dešava se, bukvalno, u pravom smislu reči, zahvaljujući tom procesu, tebi se dešava opšta propast žurnalistike kao profesije. Ti će ljudi sahraniti sebe, ako nastave da rade to što rade, a više niko ne vidi alternativu u toj borbi po konkurenciji kako da bude autoritet kod kojeg ljudi dođu, čiji se novinar prodaje, čiji se sajt prodaje, čiji se… Prosto ti naplaćuješ i živiš od toga. Niko, izgleda, više ne vidi način kako to da izvede, osim tako, osim na taj način. Posledica toga što se počelo da se dešava u medijima je da smo istorijski, mi imali prilike na početku 21. veka, tek smo zapravo shvatili koliko su ti mediji strašno bitna jedna stvar u istoriji čovečanstva, tek smo shvatili koliko su bitni, tek smo shvatili koliko su oni četvrti stub demokratije, iako nisu formalno, ne izvršna, ni sudska, ni zakonodavna vlast, ali koliko je bitna njihova uloga. Jeste da se dabome sve to iz medija prelilo na način kako se vode političke kampanje i kako se odvija politička komunikacija. Jel’ okej? Dotle, da smo stigli, da je, ja mislim, 2016. godine, ja mislim, jel’ tako beše? 2016. godine, jeste da, tad je bilo kada su Britanci rekli, kaže, post-truth, post-istina je zapravo pojam godine, jel’? To je stvar koja je počela da se dešava. Inače, interesantna stvar, post istina kao koncept, to je oksfordski rečnik tvrdi, jel, je prvi put ju je srpski autor upotrebio, zapravo srpsko-američki autor je naš poznati dramaturg, Stiv Tešić, 42. Inače, Oskarovac, Tešić ima Academy Award za, zaboravio sam kako se film zove, iz neke 79. 80. godine, tako nešto. U jednom eseju koji je objavljen u Nation časopisu je Tešić, osvrćući se upravo na neke, pa kažem tako, ono, propagandne skandale i na Watergate i na sve ostale medijske, konstatovao da, kaže, očigledno da javnost počelo da pristaje da živi u nečemu što bi su mogli da opišemo post-istinskim svetom, the post-truth world, jel, u kome nisu više toliko važne izjave i istine i informacije koje nose priču o fakticitetu stvari, šta se dogodilo u klasičnom novinarskom, ko, kada, gde, kako, jel, ok, nego da su zapravo stavovi tamo gde je srce, jel, ok, šta vuče emotivnu reakciju, počelo više da oblikuje javnost, nego što pravo informacije i pravo znanje oblikuju javnost. A mislim da smo mi tu sebi, da je sada, sada je to onako, sada je the train is running wild, po tom pitanju šta se, šta se dešava i kako se piše. I sad, ako pogledaš to, cela ta medijska i politička priča, ona je ovako povezana zapravo sa ovom tehnološkom pričom o kojem ti ja pričamo, jer zapravo mogućnosti do kojih smo došli tehnologijom su omogućile da se dešavaju ove stvari. Čak se meni čini zapravo da su gurnule ovako, gurnule sve žive ka, ka tome, i ja ne znam kako ćemo mi da se izvučemo, kako se zove više iz te priče. Jer da kao stigneš na taj nivo, znaš, tu sada postoji najozbiljnije je, kako da kažem, tu je najozbiljnije ugrožavanje racionalnog političkog procesa i racionalnog procesa donošenja odluka sa kojima smo se, znači mi kao čovečanstvo, ikada suočili. 

PRECIZNO TARGETIRANJE

Ivan Minić: Svi smo prošli te filmove, katastrofe, gde dolazi kometa koja će uništiti zemlju i postoji point of no return. I ako uradimo nešto pre toga, nešto će se desiti, ako uradimo nešto nakon toga, možda ćemo malo da iskrenemo, ali ona će definitivno zakačiti zemlju, ako zakači zemlju, ćao. Nekako mislim da je dosta važna stvar koja se desila u tom procesu od toga kako si ti počeo i kako sam ja počinjao, gde imaš jednu knjigu i ona je izbor svog znanja na svetu, pa dobiješ drugu. Pa je to magija, sad imaš 500 knjiga. To uklanjanje frikcije. To uklanjanje toga da si za nešto morao da se potrudiš. Ako si za nešto morao da se potrudiš, to je imalo vrednost. Ako ni zašto nikad ne moraš da se potrudiš, onda ništa nikad nema nikakvu vrednost. Zašto želiš da znaš nešto? Želim da znam nešto zato što imam potrebu da znam. Pitaš nekog mlađeg zašto? Ne želiš da znaš nešto zato što mogu da izgooglam za minutu. Da, možeš, ali kako nemaš potrebu da znaš? Kako nemaš potrebu da razumeš nešto? Nema potrebu zato što realno nema potrebu. Sve mu jeste dostupno. Osim ako ne nestane struje i interneta i svega. Ali ako se to desi, svakako je katastrofa.

Goran S. Milovanović:  To se upravo na dan kada ti ja vodim ove razgovore. U celom regionu, osim kod nas. Tako mi smo našu struju odbranili, molim lepo. 

Ivan Minić: Ali jeste taj negde moment da onog trenutka kad ukloniš frikciju sa nekih mesta gde je ona važna, gde ona treba da bude. Znaš, to je ono kao kad neko kaže, postoji ti užasno toksično pozitivni ljudi kojima je sve super. Ja samo kažem uvek jednu istu stvar. Ako je sve super, ništa nije super. 

Goran S. Milovanović: To je, da. 

Ivan Minić: Ako je sve super, onda je super baseline, što znači da ništa nije super. Moramo da se dogovorimo šta jeste super, šta nije super, šta može da bude bolje, šta je loše, šta je užasno loše. Jedino tako kad imamo ceo spektar, mi imamo o čemu da pričamo na neki način. I ono što nekako mislim, znaš kao, ova stvar o kojoj pričamo se eksponencijalno usložnjava iz iteracije u iteraciju. Prvo počinje sve tako što svima serviramo sve isto. Onda počinje sve tako što uzmemo sve i probamo da serviramo svima isto bolje. Onda probamo da ih podelimo na neke kohorte koje su relativno velike i opšte i da imamo tri grupe. Pa te tri grupe dobiju tri različite stvari. Pa onda imamo više manjih grupa, pa dođemo kroz 15 iteracija do toga da… 

Goran S. Milovanović: Tako je, micro targeting idemo. 

Ivan Minić: U zavisnosti od toga ko si, gde si i kad si, dobićeš različitu stvar. Ako si kući dobićeš jedno, ako si na poslu dobićeš drugo i ako si ti isti. Tako je. Znaš, to je neverovatno koliko se usložnilo kroz vreme. 

Goran S. Milovanović: Slušaj, mislim, ovaj, to je… Danas, evo, današnjeg dana, pre tvoje emisije, ovaj… Mojoj partnerki koja je slikarka konačno počnu da stižu reklame, da li je to Facebook ili Instagram, ali konačno počinju da stižu reklame za električne bas gitare i prateću opremu, ovaj, jer sam ja pre nekoliko, ja sam kao mlad svirao duže, 3-4 godine klasičnu gitaru, hteo bih da pređem na bas. Sad imam vremena za hobi, pa sam uzeo jednu meditativnu stvar, prešao konačno na bas i mesecima proučavao šta ću, koji ću, kako ću, znaš, to je… Tek to je opsesivna stvar, neko od mene, bilo ko jako se zainteresuje za to i voli muziku i voli da svira, evo. I ona se pita, i pošto sam ja stvarno mesecima sve pratio na YouTube-u, pogledao review-e, raspitivao se šta, kako, pričao sa muzičarima, ovo, ono, koliko para da potrošim, kada, zašto, šta mi je zgodno i tako dalje. I ona mi danas kaže, konačno se počnu da mi stižu reklame, kako se zove. Verovatno nosim u toga što smo razmenili par fotografija, nekih… Death by Proximity. Death by Proximity, upravo to, znaš. Ej, potpuno ludo. Znači… Ne, jeste, pazi, mislim, to je… Šta ja znam, mislim, nešto od… Često ja se pitam je li može da ode dalje od ovoga, i učini mi se da ne može. Učinilo sam da sebi baš to, kažem, lagodno naravno da može. Mislim, tebi se verovatno i 2015. činilo da ne može da ode dalje, pa evo, vidi gde smo, jel? Sitnije targetiranje od nivoa individue, ne znam kako će biti moguće. Mislim, jel to, ili da ono, počnu da rade na tome da postavljamo podvojene ličnosti, pa da svakom unutra prodaju po dve stvari, jel? To je opet više para, a mislim da to baš nešto neće da ide. To je… Da, to je stiglo do toga, do tog nivoa preciznosti da o jednoj posebnoj osobi taj targeting biznis može da funkcioniše na te načine, tako da radimo. 

Ivan Minić: Šta mi je super bilo, zanimljivo… Jednom vreme sam istraživao pojam recommendation engine, jer u tom trenutku, da kažemo, nije deo svakog content management sistema, bilo da je e-commerce, bilo da je… Nije podrazumevao da sad ti imaš neki ozbiljan recommendation. Imaš, ono, ne znam, u okviru iste kategorije, pa će ti preporučiti, ili da kažem, često se kupuju zajedno, pa imaš istoriju, pa zna, ali to su sve relativno basic načini na koje možeš da pratiš nešto, možeš da ispratiš ko je šta kliknuo, opet i to, ali opet sve je to prilično basic. I onda u jednom trenutku, pre desetak godina, to postaje a thing. Znači, kao recommendation engine, i za različite stvari, rade lepo, garantuju veći prinos nego defaultno rešenje za x, plaća se relativno neki normalan novac i sve to. I šta je to meni postalo super interesantno? Voleo bih neko tvoje razmišljanje o tome i da kažem neko iskustvo iz prakse. Sa big data pojavio se data mining. Šta znači data mining? Data mining znači nećemo baš da uzmemo sve podatke na svetu koje postoje, da ih crunchujemo, nego ćemo da izvučemo neke koji su relevantni da bi napravili nešto. Što znači da ćemo nekada napraviti grešku, nekada nećemo. Kako bolje to da radimo, imamo metodu. Ali šta je poenta? Vrlo često se u tom periodu dešavalo, sada to više nije stvar, zato što je hardverska snaga beskonačno dostupna, ali vrlo često se dešavalo da sa manjim brojem kriterijuma ti dobiješ značajno bolje rezultate nego kada sve uzmeš u obzir ili veći broj stvari uzmeš u obzir. Da prostiji model radi na skali mnogo bolje nego kompleksan model. Što je važno, zato što to podrazumeva uštedu u tom trenutku kada nemaš izobilje svega. 

Goran S. Milovanović: Tako je, ali su ta vremena prošla. To je tačno. To je bilo karakteristično za neko vreme u kome se ispostavljalo da, to recimo bilo karakteristično za do pre, ne znam šta smo sad, 2024. pa do pre recimo desetak godina. Upravo kad su morali da se prave te vrste kompromise, da kažeš ne možemo da iskoristimo sve podatke ili možda smo i svesni matematički jačeg modela koji će moći da iskoristi efektnije sve te informacije koje mu daju od nekog drugog i onda u tim kompromisima, da često je znalo da se dešava, da prosto jednostavniji modeli tebi zapravo daju bolje rezultate i da sve što pokušaš da ih zakomplikuješ vidiš ili je cost-efektivnost puca, jednostavno je preskup, prekomplikovan, prespor za nešto što ti treba, a ne da ti rezultate neke za koje bi ti rekao ima smisla, ajde mislim za ovaj dopunski dolar da platimo toliko. Ali ja moram da ti kažem, najiskrenije to su vremena gotova. Danas pogotovo, opet kažem sad, da ne idemo mnogo u tehničku priču, zavisi čime se to čovek bavi, šta je biznis, šta treba da se uradi u tome, jer neuronske mreže duboko učenje sve na čemu počiva generativna AI. To je dobro za neke vrste problema u koje spadaju ove kojima se bave. Nije dobro za sve vrste problema. A za, ne znam, ono klasične, tabularne, kako se kaže, podatke, biznis podatke, što ti je pazi, tu ti je dalje 90% oblasti. 90% primena i oblasti su ti podaci koje, izvini, nisu ni jezik, ni zvuk, ni video, nisu tekst kao kod GPT-a, ni ništa od toga. To ti staje ovako u 10% tržišta, koji su, znaš, mislim, samo to je atraktivno i danas rade stvari. Ali 90% biznisa, tu ti je tvoje podatke, što je prvo ovako caki-caki, Excel, mislim, minute su brojevi. Ti za to već imaš, pa ja mislim, i dalje neprevaziđene algoritme, nešto što se zove gradient boosted trees, šta god to bilo, koji su stari tu negde, 2010, 2011, 2012 godine, ko teorija starija od toga, a gde, bukvalno, ako bi ja ušao i objasnio ti načinu koja oni rade, ti bi vrlo lako shvatio, počekaj, ova stvar prosto ide pod enkativih podataka. Znači, ovo će, skoro pa će da ih mapira sve, da pokupi ono poslednji bit informacije koji se nalazi u njima, da bi ti što pravo. Poenta igre u tome što, naravno, tamo, čak i do 2010. godine, ti, recimo, da uzmeš najpoznatiji, da kažem, od tih algoritama, taj XGBoost, na primer, čuveni klasifajer i regresor, šta god da je to, da smo imali takvo nešto tada, pa da razviješ veliki takav model koji stvarno rešava zadatak kako treba, malo ko je imao procesorsku snagu za takvo nešto. Mora da budeš ozbiljan igrač, da imaš ozbiljne pare uložene u hardware. Danas, kako ti kažem, vrlo ti je jasno kako se to razvija. Probleme koje 2007, 2008, 2009. rešava ozbiljan igrač u poslu, danas rešava moj jednim čipom u Mac-u, 1.300 evra, ono kako tamo stoji u radnji. Tako da, jeste, tačno je. Nekada je stvarno logika bila… Pazi, to su bila vremena u kojima smo mi u Data Science morali mnogo više da razmišljamo o jednoj stvari koja se zvala, zove se i dan danas, nešto koje se zove feature engineering. Feature je bilo koja osobina kojima ja nešto opisujem. Ako pogledam mikrofon ispred sebe, ja bih grubo mogao da kažem komponente od koje se stoji. Znači, feature je dimovi crni kabel, feature je dimovi džek ovde, dimovi logotip ovde, feature je ova zaštita ovde koja ide preko mikrofona, znači ovo što stabilizuje mikrofon i tako dalje. I sad, u raznim analizama feature-i budu razne stvari. Ne znam, raspravljaš u marketinškoj kampanji kako će da se pakuje mleko, onda je feature, ovde ide crveni label u ćošku, logotip je s ove strane, bar kod ide ovamo. Veći, mislim, jel? Znači, komponente kojima opisuješ razne stvari, one su ti zapravo ulaz u sve te modele matematičkog učenja. Feature engineering je faza našeg posla u kojoj mi raspravljamo ko je najbolji izbor karakteristika nečega koji će modelu pomoći i najbrže naučiti da, recimo, to prepoznaje na slici ili da ga kategoriše, a ovo će proizvod biti labelovan kao tras, tras, tras, tras, jel, što rade rekomenderi, recimo, njihov posao. Drago mi je, svi to po mestima okolnosti, baš zalomilo se tako da je u neposrednoj praksi gomila iskustva baš sa razvojem rekomendera, jel. Ta vremena kompromisa su gotova, gotova. Savremene zveri rade tako što ti i ja uzmemo ovako all the data that we can have, sve podatke koje možemo da imamo, imamo supermoćnu mašineriju, imamo supermoćne algoritme, jel ok. Šljus, ovako unutra… 

Ivan Minić: Dajte mi veću lopatu. 

Goran S. Milovanović: Tako, bukvalno to. Znači, bukvalno to. Šljus unutra, jedan od nas dvojice podesi i kaže, tražimo rešenje u rasponu od, odavde do ovde, odavde do ovde, od ovog i ovih odlika i tako dalje, press enter, ajmo na pivo, vratićemo se uveče kasnije da vidimo dokle je stiglo i da li ćemo rezultate imati ujutru ili ćemo ih imati za dva sata i to je to. Napredak je sada takav da praktično počinje da pojednostavljuje oslobađa rad, pogotovo nekoga ko je već ekspert i prilično je siguran u tim vodama kad se mnogo stvari radilo ručno, da se izrazim tako ručno, kao se pravi računarima, ali da si morao mnogo više da misliš o tim kompromisima koje si ti pomenuo i da je stvarno se dešavalo, tačno to je bilo rečeno, nekada je jednostavniji model i kao što vidi, mislim, ovo radi. Danas više ne. Danas je, budemo potpuno jasni o tom svetu, danas ti je bušenje za podacima, doslovce dobra ta metafora, dajte izvinite, bušenje za podacima gde god može i kojih u svom domenu, na tržištu u kojem si se bavio, svojom poslu, svojim primenama, kojih ima više, kojih ima više i kvalitetnih, bolje merenih, solidnih i tako dalje, taj će imati bolje rezultate. Oni su postali skoro jedina determinanta uspeha, skoro pa jedina determinanta uspeha. Ja te daću ti neposredan primer iz posla. Deo stvari koje ja radim, SmartOcto koji je start-up koji radi medijsku analitiku i otvorenih situacija, su upravo sistemi koji se bave predikcijom toga, neki klijent koji je Publishing House Media mi kaže, ok, ovo treba da izađe sutra ujutro, ne znam, 8, je li ok, i treba mi da mi kažeš za ovaj tekst, prema što ga mi objavimo, koliko misliš da će on imati, ne znam, page views, koliko će puta biti pregledan, ako ga podelim na Facebook, šta misliš, koliko će imati impresija prikazanih puta, ne znam, koliko će imati tamo klikova na njega i to, jer moraju da optimizuju na svojoj strani. Kaže ok, znači na svojoj strani danas izgleda ovako, stavljamo na izvolite stvari za koje znamo da će da rade, a tim koji je zadužen za distribuciju na socijalne medije, ako si ti velika izdavačka kuća koja ti izrađuje po 300, 400, 500, 800 dnevno mu štampaju, mislim, je li ok, tim kaže, bavite se s ovih 15, ovo ostavi, objavi, podeli, tako da i ovih 15 malo tamo komentarišite, podelite po mojim vašim mrežama, te ćemo da poguramo, oni bi trebali da nam vrate sa većim. Sad gledaj, razlika između Mete i mene. Kada si ti korisnik Instagrama ili Facebooka, i kad si ti rekao, ja dajem tebi pravo da koristiš moje podatke, je li ok, on za svaku korisnika zna istorijat kada je kliknuo na koji post. I svaki drugi social signal koji je ostavio. Tako je, tako je, je li ok. I ako ti se zamisliš podatke, ulazni podaci za rekomendere koje si pomenuo su tabele ovako, matrice se one zovu, tehnički nije bitno, tabele. U tim tabelama se u redovima ovako nalaze korisnici, user1, user2, user3, user koji god hoćeš. A ovde se nalaze postovi. Postova i postaje, sa tim IDM, sa ovim IDM, sa onim IDM, bla, bla, bla, koliko ih hoćeš tamo, je li ok. Kad pogledaš akademsku literaturu obose, koju sam ja proučio s leva na desno, kad sam počeo baš tim problemom da se bavim, svi polaze od toga, i ja čitam literaturu, izvinjavam se, čitam naučnu literaturu i gledam i kažem, ali ove vaše matematičke modele, njih može primeniti samo Yahoo, njih može primeniti samo meta, je li ok. Zato što ja, na primer, ok, zato što moj klijent je medij, on meni može samo da da karakteristike posta, kakav će ja onda podali na Facebooku. Jer on ne može da dođe do podataka, njega čak i legalno ima ogradu, razumeš, da on dođe do podataka jer on ne zna kako će Pera čitalac da reaguje na to i to, je li ok. 

Ivan Minić: Osim ako nije user. 

Goran S. Milovanović: To je druga stvar, sad on je baš user pa se registrovao kod tebe i tako dalje, a njih najčešće oni nemaju dovoljno da bi imali ozbiljnu analizu. I sad gledaj, koliko su podaci u tom poslu, zapravo koliko oni determinišu, to, to, to, mislim koliko određuju uspeh u tome, gledaj, znači vidi, mislim, ne znam, ja sam možda posle ovih ne znam koliko godina rada solidan machine learning inženjer, razumeš, nisam siguran da ne bih mogao da preuzmem posao u kompaniji kao što je meta. Čak naprotiv, a onda pogledam i kažem kako se zove, ti možeš da budeš dobar u svom poslu koliko god hoćeš. Njegovi momci tamo imaju podatke koje ti nikada nećeš imati. Kraj priče, mi smo ovako, ovako smo. To je razlog zašto, a kad pokrećeš kampanju na Facebooku, Facebook tebi zna, zamisli da ti kaže aha, koliko ćeš para daš, toliko i toliko, za to ti, za ovaj post, u državama gde ti hoćeš na te target grupe daje toliko i toliko impresija i kaže ti, vidi, procena tzv. click-through rate-a, koliko posta će da kliknu ti oko 7,8%. Znaš li ti koliko je samo teško napraviti procenu tog click-through rate-a ako ti ne znaš? Korisnici su ovde, a postovi su ovde, da vidimo ko je sličan bio sa kojim, analiza paterna, aha, on targetira te i te grupe, imamo takve korisnike, analiza sličnosti toga, machine learning algoritma, oni mogu to kažu vrlo precizno. Vrlo precizno, ja i moj tim moramo da izvedemo, ne mogu ti objasniti kako, akrobatiku da se približimo negde oceni toga, da budemo tu da kažeš, a i makar smo im negde u zoni greške ili tako nešto. Tako da, druga se igra danas. Danas se igra igra oko toga ko na raspolaganju ima koje podatke, ko može da ih razvije, kako da ih napravi, velike su rasprave oko toga da li će sintetički podaci, sintetički podaci, podaci koje, tražimo od GPT-a da mi ih generiše, bukvalno uzmeš sisteme generativne veštačke inteligencije i kažeš, slušaj, idemo i treba nam da se generiše ovakav dataset, ti možeš njega da doteruješ dalje, nešto randomizuješ tamo, da ubacuješ mu šum, da više liči na nešto prirodno, velika rasprava da li taj problem mogu da rešavaju sintetički podaci, da jednostavno počnu da napravimo podatke, da i drugi mogu da, ne znam, kupe dataset, počnu da koriste i to. Ali danas, ko sedi na njima, pazi, ubrzano se razvijaju tehnologije i dalje se ekspanzivno razvijaju. Znaš, gledaj, kad se 4GPT pojavio 2022. godine, znajući što su bili prethodni GPT sistemi, njegovi prethodnici, o njima se mnogo više znalo nego o ovome sada, ovaj sad je black box, to je ćao, prethodni GPT-3 open source, znamo s leva na desno kako je radio, dvojka, skoro je Sebastian Raška izdao i YouTube kurs i knjigu, evo, napišite 4GPT-2 kod kuće, može. I nije rocket science. Mislim, ako si ustroči, nije rocket science, ok. Moraš da radiš, ali je izvodljivo. Pogledao sam ja to i rekao, ok, ovde ima posla da se lema, ali je izvodljivo, u redu. I sad gledaj, kad se pojavilo, recimo, kad je eksplodirao ChatGPT novembar 2022. godine, ideja da ćemo ti i ja, recimo, da imamo in-house i fine tune-ujemo neki naš veliki jezički model, je bilo malo science fiction, evo. Sada je 2024. godina, Meta izdala svoj Lama 3, njihovi se veliki jezički modeli zovu Lama sa 2 L, kao što su na njima zovu 4GPT, Antropiku, Kloda, Google, Gemini, njihov se zove Lama, bila Lama 1, Lama 2, sada je izašao Lama 3. Ima veliki i mali Lama 3, ali su oba veliki jezički modeli. Lama 3, taj mali s 8 milijarda parametara, nekih sam ja, mogao da pokrivam i inferenciju fine tuning na običnom Google kolabu, na kojoj se nakačimo ovako i kažem, digni mi to sad, daj jednu ovako, mislim, ja ću tamo grafičku kartu, da virtualno sve, mislim, to će ko Amazon mi tamo i seče i sve, i kažem ja, za ne znam to koliko me ono, sitnih nekih dolara mesečno košta mogu se poigrati s tim. Znači, stiže to, nije, znaš, razlika u toj tehnologiji, znaš neko što može da radi u tom svetu, mašinskog učenje, veštačke inteligencije, bitno je ko prvi napravi iskorak, kakav je OpenAI napravio i ovi ostali sada, jel? Ali brzo se mi stižemo, brzo se, brzo ih hakuju, brzo se otkriva, aha, čekaj, čekaj, možda oni to mogu da rade ovako, ima fora kako to može se uradi na hardware-u koji je red veličina ovako ispred. Pa sledeće leto neko nađe, da, da, da, pa vidi, može i hardware reda ispred. Znači to se brže stiže danas, jel, ali je igra u tome, ko ima podatke da te mašine napravi da rade kako treba. 

KVANTIZACIJA I OPTIMIZACIJA

Ivan Minić: Ono što mi je super interesantno i ono, kroz istraživanje, i isto kroz neki prethodni period, jeste ceo taj moment da, okej, jedna stvar je ti imaš cutting edge hardware i farmu na kojoj imaš sve, i procesore, i grafičke kartice, i brze storage, i sve je to super. Ali ono što je super interesantno je što ti, zahvaljujući sad svemu ovome, i tome što vidiš kako šta radi, i što znaš kako šta radi, ti neke stvari, upravo zato što vidiš ceo put od početka do kraja, u nekim slučajevima gde je Black Box, ti možeš da kažeš okej, ali ovo ne mora da radi na ovom hardware-u. Ja sad mogu jedan osiromašeni model ovoga da vrtim na nečemu što može da se vrti na telefonu, što može da se vrti na satu, što može da se vrti na solarnoj panelu. 

Goran S. Milovanović: Prošle godine, 2023. godine, je li okej, ovako razvijaju se sve jače i jače veliki jezički modeli. OpenAI predstavlja GPT-4, uleće Google, ide Gemini sistem, Antropic Claude koji trenutno čini sad najbolji sistemi. Nije bitno to, sutra će biti neko drugi, je li okej, jel? I negde u 2023. godinu, polovinom ili malo pre, se pojavljuju ljudi sa sjajnim idejom koje se zove Model Quantization, kvantizacija modela. Vidi, uzmeš tu ogromnu ovako neuronsku mrežu, je li okej, jel? U njoj ti imaš to što ljudi zovu parametri i vrednost tih parametara je ključna, mislim, strašno bitna. Ona se dobija tim masovnim treninzima i tako dalje. Je li svi, kad imaš te vrednosti tih parametara nameštene kako treba, onda mašina radi kako treba, jel? Ako nisu dobro podešeni, ti mu nešto otkucaš na engleskom, on vrati salatu u rečnik u afazičaru, mislim, jel? E, okej, kad su dobro podešeni, ti mu nešto otkucaš, on ti vrati koherentan odgovor. Kako si dobar sam, kako si ti, mislim, okej, jel? U redu, ljudi shvate jednu stvar, jel? Taj komplikovani termin kvantizacija zvuči kao neki rocket science kanal, znaš, ne. Slušaj, ti, kako se zove, ti parametri, te veze na neuronskim mrežama, one su realni brojevi, koji su predstavljeni, 32 bita, 16 bita, 64 bita, koliko već, koliko možeš da uzmeš da ih predstaviš. To je realan broj. Ljudi shvate vrlo jednostavnu stvar. E, ljudi, ali ako mi ovo zaokružimo na najbliži integer, jel, ajde probamo da pustimo da vidimo kako radi. Vidi, mi postižemo 92, 93% efikasnosti toga kad su realni brojevi. Lala, zdravo, ćao , doviđenja.  Pola sveta u tom trenutku počela da se bavi tim. Znači, samo su, mislim, kako da ti objasnim, elementarno, jednostavnim trikom i eksperimentom otvorili vrata za gomilu ljudi koji nisu mogli ni da pomisle da uđu u taj svet. Zašto? Jer ako te ja svedem na integere, sad ti zamisli koliko ti manja mašina treba. Nego ako meni treba, ne znam koliko tamo bita da enkodiram tvoje veze kao pseudorealne brojeve, mislim, na računaru. Znači, dešava se, mislim, onako, znaš, sve i svašta, trikova je sve više i više, hakova je sve više i više. Tačno je da su ovi svi novi komercijalni sistemi, oni su potpuno black boxes i ostaće takvi više. Niko reći neće da kaže o tome što rade, zašto pa počne da se vrte avioni i kamioni, lete milijarde na sve strane. Znači, nema zezanja, neće sad više, znaš, što ti kažu, pa eto, znači, arhitektura izgleda ovako, ništa više, neće te govori. 

Ivan Minić: Neke stvari možeš da provališ, kod vizuelnih alata, ti možeš kroz ono, na uzorku od, ne znam, deset ili sto promptova koji su generisani, ti ćeš da provališ šta se dešava ispod toga, iako ne vidiš. 

Goran S. Milovanović: Prvo to, druga stvar, ti ako si u toj struci, ti znaš da vidiš da razvija neki novi feature, ti možeš da napraviš scenarijo i kažeš, gledaj, oni ovo mogu da razviju na pet načina, a ne mogu na šest načina. Ovo je pet načina na koji to mogu da razviju. Ajmo sada u analizu da vidimo. Ovaj je preskup, i verovatno će zato da idu na njega, ali oni mogu da ga plate, a mi ostali ne možemo. Ajde da vidimo od ova četiri koji su najdohvatljiviji, eksperimentiši, eksperimentiši, eksperimentiši, naći će se nešto. Naći će se nešto. U krajnjoj liniji sa ovim razvojem te tehnologije slušaj pitanje, kako da ti kažem, da li ćeš ti raspolagati modelom koji je jak kao onaj kojim raspolažu OpenAI i Anthropic, postaje sve manje i manje bitno. Pa kad ti treba tako jak, ti ćeš preko API-a da kupiš to što vam radi. Ako si ti iole neki niše player, specijalista koji treba da to razvije sa malo više ovako specifičnosti, da ne bude generalista, to će se u open source-u, pod A već se dešava, a pod B tek će da se dešava ta stvar. I zato kažem šta je danas bitno razumeti, gde je stanje cele te scene, gledaj. Tehnologija je fascinantna, stvari koje se razvijaju su super, naravno da će da stiže i open source i drugi ideje, pristup i moći će, postaje će sve dostupnije i dostupnije da to ti i ja uradimo, je li ok? Podaci, podaci, podaci. Znači, vidi, slovenački, bošnjački, hrvatski, srpski, crnogorski, je li ok? Uzmi kompletan digital footprint ovih jezika, do kojeg može da se dođe. Sve što te negde neće grubo licenca sprečiti u tome da to nešto koristiš, grubo te neće sprečiti licenca. Znači kompletan istorijski digital footprint jezika. To, iz neposrednog iskustva ljudi koji su probali, znam, to nije dovoljan training set. Da ti razviješ veliki jezički model za te jezike, koji će da ide na kvalitetu toga kakvi su ChatGPT, Anthropic Claude ili Google Gemini na engleskom ili na nemačkom. Znači kompletnu digitalnu istoriju toga da uzmeš. Mi nemamo dovoljno podataka da kažemo mi to možemo da napravimo na tom nivou kvaliteta. It’s still falling short. Ljudi rade razne stvari. Aleksa Gordić u razvoju JugoGPT sistema, Aleksa ga je kombinovao sa drugim jezicima zbog toga što ne može ljudi. Ne vredi paliti mašinu bez toga. On je ekstra ekspert u tim stvarima, trebalo bi da zna. Čisto to pokaže koliko je ta trka sada jako zategnuta. To je sada veliki problem. Ko može, zašto i kako da napravi, da kupi, da razvije, da ima dataset s ove strane i da radi ozbiljne stvari. 

Ivan Minić: Ono što je meni isto super interesantno jeste nešto što si donekle pomenuo. To je taj moment da suštinski više zbog razvoja connectivity-a, ti uopšte ne moraš to da obradiš na uređaju. Nekad si za gomilu stvari koje radiš, morao si to da obradiš na tom uređaju. Ali ne znam, radiš, lupam, video nadzor u okviru fabrike i ti moraš tu on-prem na nekom serveru to da obradiš. Pa kad dođe veliki broj kamera i veliki broj 4K signala, to postaje pakao i to je vrlo teško uraditi on-premises. Danas je to piece of cake. 

Goran S. Milovanović: Moraš razmišljati i o tome jer uvek je bolje optimizovati nego ne optimizovati. Ne znaš šta može da te sačeka, pametno je pripremiti se. Koliko sam ja shvatio, najnovija stvar koju Apple sada radi, o njihovoj, Apple Intelligence. Koja je ok, mislim to je rebranding poznatih priča, ali dobro. Ono što ne sumnjam da će feature-i da budu prva liga, da su majstori u tome bili i ostali. Ali koliko ja vidim taj njihov AI processing koji će dobiti Siri, email i sve ostale aplikacije, tu će oni pažljivo da biraju šta će da procesiraju na uređaju, a šta će da šalju na server. Znaš o čemu se radi, sad, termin tehnički je, inferencija košta. Šta je inferencija? Ovo je neka duboka neuronska mreža sa tamo, ne znam, 3 triliona parametra i to je GPT-5 ili već šta je, jel ok, u trening smo investirali, trening je koštao, pa ceo proces, verovatno desetine miliona dolara, i o tome se sada ćuti, skala je tu negde, skala je tu negde, ok. Napravili smo ga, pušten je u produkciju, prima zahteve, nekako skalira i radi. Šta je skupo? Šta je skupo? Inferencija, znači moment kad on treba da proizvede sledeće slovo, takozvani token koji tebi baca, taj je proces veoma skup. Naravno, ti njega moraš da prodaš, da zaradiš pare, da opravdaš to što si napravio, jel ok. I onda je veliko pitanje na šta ćeš i kome ćeš da ga trošiš. Ne znam, jel si primetio koliko svi provajderi generative AI koje postoje? Znači, OpenAI, sad ja hoću da razvijem aplikacije i servise i kupujem, mislim, prosto platiš API, pa ideš u tog ono, razmenu, koliko tokena sam ja poslao, koliko sam primio od njega i to me košta, ne znam, koliko centi me košta milion tokena, napred nazad. Nije skupo ovako, gledaš, jel. Osim ako nećeš da skaliraš, kada je skupo, naravno. Ali ovako nije. Međutim, vidiš po tome koje ti je ograničenja oni daju, znači to je ono, odeš tamo, otvoriš nalog, oni kažu sto dolara možeš potrošiti ovog meseca. Mislim, spremio sam se na ne znam šta, jel. Pa dobro, kaže, ok, vi trošite, pa kada mi vidimo da je vama potrošnja tu negde, mi ćemo da vas dignemo na tier 2. Antropic isto, koji ti još kažu, da, ali sačekaš celu nedelju, dve dana, pa ćemo mi da vas dignemo na sledeći tier, ako možete potrošiti, ne znam, 300, 500, 600 i tako dalje, i onda čim pređeš, kreneš ka hiljadarki, tu već verovatno počinje ono sales department, da li je ovo za enterprise deal i ajde pričamo sa njima i, znaš, da nam se isplati, jer te pare oni troše ovoliko. Inferencija je jako skupa. Tako da dok nekako nju ne pojeftine, siguran sam da rade na tome, inferencija to je prolaz kroz mrežu, znači mi natrenirali smo, gotovo je, stabilna. Ali ti pošalješ prompt, proces u kojem ona tebi generiše odgovor, to se zove inferencija, proces je upit. Upit. Ne, ne, prompt je upit, inferencija je odgovor, inferencija je completion, ono što on tebi šalje. 

Ivan Minić: Odgovor, jasno. 

Goran S. Milovanović: E, to, da on procesira tvoj prompt nije strašno, ali kad krene da radi inferenciju, troši se mnogo. Oni moraju da pojeftine taj proces nekako i ja vidim tačno iz ovoga što Apple radi, oni će nešto da splituju na, kako se zove, lokalni uređaj, a onda će verovatno neke kompleksne akcije da budu tipa, ok, a ovo je prompt. A ovo ide na server, procesira neki LLM nešto i vraćamo na uređaj, tako da to je, ono, to je, slušajte, inženjerska trka kao svaka druga. Mislim, samo, znaš, novije Lego, jedan korak, proces je isti. 

Ivan Minić: Ono što smo pričali pre par meseci kad smo sedeli i što mi je takođe bilo super interesantno, jer si mi pokazao neke primere, a onda sam i ja to malo istražio i gledao, jeste zapravo da postoji veliki broj slučajeva u kojima, kao što si sam rekao, nama ne treba veliki jezički model. On je super ako treba da ti napiše esej koji bi posle trebalo da provodiš ručno da malo tako čačkaš. Ali zapravo za veliku većinu specijalizovanih zadataka ili nišnih stvari tebi uopšte ne treba veliki jezički model i veliki jezički model je overkill. On ima svoje neke prednosti, uradiće neke stvari dva posto bolje, ali će trajati više vremena, koštaće više itd. I taj moment gde su se pojavili mali jezički modeli koji postoje kao sasovi, koji postoje kao nešto što ti instaliraš kod sebe, koji postoje i koji nude ti mogućnost da neke stvari uradiš neverovatno jednostavno, brzo i povoljno. 

Goran S. Milovanović: Oni su mali jezički modeli, oni imaju smešno ime, oni se zovu mali veliki jezički modeli. Oni su small LLMs, small large language model, ali to je bez zezanja. Tako je. Suština toga je, gledaj, veliki jezički modeli su generalisti, da kažeš tako. I oni zapravo su stvarno mašine opšte namene koje mogu da ti reše mnoge stvari. To su lepo objasnili i rekli da li onda je pitanje, ako ti nisi generalista, nego specijalista, treba ti rešenje jednog tipa problema, da li tebi to treba. Ti takozvanim fine-tunovanjem, malog velikog jezičkog modela, danas možeš da rešiš probleme koji su u obradi prirodnog jezika, NLP, natural language processing, bili, da glavobolju dobiješ da kreneš da ga rešiš pre samo 5-6 godina. A small large language model su dohvatljivi, pomenuh ja, na Google Collab sam poterao jedan i to je radilo. Znači, gledam i kažem sebi, wow, dodirnuo sam, imali smo ono, što je to? Bog i Adam, evo, radimo. I toga će biti, odmah ti kažem, sve više i više, oni će biti sve brži i brži, sve lakši i lakši, do tog nivoa da neke od tih stvari ti možeš poterati na laptopu. Biće veoma sporo. Znači, to je sad druga stvar, tebi treba da to radiš, komercijalno skaliraš, tako da je tu u tim vodama. Čim čuješ reč skaliranja, odmah se uplaši, mislim, jer kao biznismen, to znači ovo, znaš, to znači ovo. Jednostavno, mora da bude investicija u hardver ako hoćeš da se to skalira. Tako da je to pitanje poslovne primene. Ali ako tebi lično, u svom poslovanju, tvojoj firmi, mojoj firmi, rešava nešto, jedan koji to radi, nama, to su već stvari, nešto od toga možeš potirati na laptopu, ima ako uložiš malo jače hardver ili nešto cloud infrastrukture, doći ćeš ga na nivou efikasnosti i kažeš, ok, ako je o tipski zadatak koji nam rešava i rešava ga dobro, stvarno nam ne treba veliki jezički model. Ali ćeš i tu da naletiš na, i tu ideš u konflikt na tržištu, zato što, slušaj, GPT-4+, koji je generalista, koji je rešavao boga oca, Claude 3, evo juče su pustili, prekjuče ili juče su pustili Claude, Anthropic je pustio Claude 3.5, 3.5, u tzv. sonet verziji. Danas sam počeo da ga testiram, koji je generalist i rešava sve i živo. Tu su sve pretplate od po 20 dolara mesečno. Jel se onda tebi isplati da sedneš i baviš se ovom skalamerijom? 

Ivan Minić: Ne, osim u nekim specifičnim slučajevima. Super mi je bilo, zanimljivo, jer jako je jednostavan problem da rešiš, možda ne u 100% slučajeva, ali ako ti offloaduješ 95%, si uštedeo enormnu količinu novca, razne vrste tehničke podrške. Na chatu je normalno da čekaš par sekundi neki odgovor, to je u redu. Ali u razgovoru ne možeš da čekaš par sekundi odgovor. U razgovoru, da bi on bio iole prirodan, response mora da bude jako brz. Ne previše brz, može da postoji neki razmak između vas, ali ne onakav razmak kakav će ti dati neki od velikih modela komu je treba vremena da izgeneriše odgovor. 

Goran S. Milovanović: Sada OpenAI tvrdi po svog najnovijeg modela koji su imali pre demo, a pre koliko to sad je već prošlo? Pa ne znam da li je prošlo dva meseca, ili mesec i nešto dana, za ChatGPT-4 all verziju, koju čekam da mi rolloutuju. Mislim, imam ga formalno, ali nisu te tzv. odlike interaktive features, nisu još rolloutovane, neke su to in the coming weeks, stiže je, svaki dan pokušavamo. Znaš kao, can we now talk like decent people? Ne, it’s turn taking, govoriš ti pa ja. Oni na tom demou su tvrdili da su brzinu reakcije, kada govoriš sa modelom, čak u voice modu s Verinom, oni kažu tačka 6 sekundi, zašto kažu to? Oni imaju prilike prosečnu brzinu reakcije ljudske u dijalogu kad se smenjuje. A ja opet, za to moraš da imaš životinju, kao što je ChatGPT-4, koji oni imaju para procesorske moći i znanja da inženjerišu i da naprave. Ali gledaj, slušaj, mislim, vidi, ovo što ću ti kažem sada je bez osnova i sa osnovom. Bez osnova, zato što ja to ne znam da uradim. I da pitaš danas većinu mojih kolega, kako god se zove ovo što mi radimo, mašinsko učenje, veštačka inteligencija, zovi ga, you name it, data science, jel? Kako biste vi sproveli Goranovu ideju koja kaže da ćemo za, ne znam, 10 godina svi imati modele snage ChatGPT-4 ovako na mobilnom telefonu ili na smartwatchu? Niko ne zna to da ti kaže kako bi to sad uradio. To je moj bez osnova deo odgovora tebi. Ali da te pitam ovako, mislim, deo osnova mog odgovora da će to tako da bude je u tome što je to tako uvek do sada bilo. Jel ok? 2005. godine da me neko pita, ovo, slušaj, rodiš se 1974. godine, baviš se kognitivnim naukama od ranih 90. godina, a programiraš od 1984. godine. Boga, oca si pročitao o tome, šta ti misliš, da li će dok si ti živ u epohi tvoje ljudske generacije da se pojavi kompjuter s kojim ćeš ti komunicirati na prirodnom jeziku? Ja bih mu rekao ne. 2010. bih mu rekao ne. 2015. bih mu rekao ne. 2017. kad je Google izašao sa Bert člankom, odnosno transformerskim modelima, bih mu rekao možda, ali da me pita, ali sa ovim nivoom kvaliteta sa kojim to rade, ChatGPT-4, Anthropic Claude, opet bi moj odgovor bio, a, verovatno ne. Mi smo u 2024. godini i stvar je tu, razumeš, jel? Teško će neko da me ubedi da za 10 godina mi nećemo moći da strpamo tu stvar ovde. Jedino što sada ne znamo kako, ali mi razvoj tehnologije i inženjeringa nikada ne znamo kako, pa otkrijemo kako. 

Ivan Minić: Tu postoji još jedna stvar, kao sve ćemo da napravimo, samo da rešimo bateriju. 

Goran S. Milovanović: Pa, mislim, između ostalog je to, između ostalog je to. 

OČEKIVANJA ZA BUDUĆNOST

Ivan Minić: Svašta smo nešto zagrebali u raznim, da kažem, stvarima koje se dešavaju i smo pričali. Dobra stvar je što imamo zabeleženo, pa za jedno 5 godina kad budemo pogledali unazad, videćemo kako smo gluposti pričali i šta smo očekivali. Ali, mislim da je, ti si već dao neke predikcije ovde i videćemo koliko će one biti tačne. Ja sam na liniji s tobom, mislim da neće trebati 10 godina. Mislim da će, verovatno, trebati manje, ono, u nekom trenutku će neko rešiti pitanje baterije i onda će sve biti super. I ono što, nekako, mislim da smo dužni da uradimo, da ljudima koji prosto nisu u svemu ovome, kojima je to fenomenološki interesantno, koji možda koriste te tehnologije jer su one dostupne svima, ali ne razumeju šta one nose i kuda one idu, oni samo koriste to što im odgovara u svemu tome, je da damo neku procenu šta nas očekuje uskoro i šta nas očekuje u nekoj daljoj budućnosti, kada je uloga nas u celoj toj priči. 

Goran S. Milovanović: E pa i to je dobro pitanje jer je i povezano sa tim rastućim strahom zapravo u javnosti i toga koja je uloga nas onda u celoj ovoj priči ako sad idemo ka tome da veštačka inteligencija kao tehnologija rešava gomilu stvari. To je prvo. Znači, fascinirani smo time što imamo. Daleko od toga, ono nije, to se razumemo, ono nije kompletno ljudsko biće. Mislim, to je simulacija jednog aspekta naše inteligencije. To je jedna stvar koju treba budemo svesni. Ono što ja mislim da će se dešavati, prateći ovo što radim i dalje, da, stojim iza te predikcije, mislim da će jednostavno snaga ovih sistema još sigurno neko vreme rasti i onako. Mislim, poprilično. Samo gledam, prošla je ova godina, ova godina je izuzetno interesantna. Kako ko izađe sa novom… 

Ivan Minić: A tek smo na pola. 

Goran S. Milovanović: Pa, kažem, kako ko izađe sa novom nekom stvari ti vidiš stvarno kvalitativan korak u napred. Mislim, jel’ OpenAI, malo više na produkt strani s tim ChatGPT-4o. Anthropic gura Claude sistem, oni su već tu pokazali rezultate za koje, ono, pola kolega. I ne samo mojih kolega, ono, ljudi, što ti kažu koji je to. Grunuo bi čisto da koristim, ja mu nešto pokažem. Kad smo videli opus šta radi na, ono, YouTube demo, to vilica ispala, mislim, Bog te maz’o, jel ovo moguće. Mislim da će se to razvijati, da će to samo rasti. Pa, znaš kako, vidi, moj neki pogled na stvari. Volim to da kažem, skorije sam to negde pomenuo i onda je neko primetio, kaže, gle, ovo tu u stvari je rečenica tvoja koju treba razmisliti. Dobro, ja mislim da je za desetak godina najvrednija stvar i, moram da kažem, i najplaćeniji profesionalac je lucidno, jedinstveno ljudsko biće koje je u stanju da jednostavno ex nihilo stvori nešto što ni ChatGPT i njegovi naslednici nisu u stanju. Taj neko koga zamišljam da sede u firmi, u start-upu, u organizaciji, vladi neke zemlje, već te razumeš, ono, kad dođe u delegaciju, u posetu pa prošeta pa ti pokaže više onog malog tamo što sedi. E, vidiš, taj mali izgovara stvari koje ne padaju na pamet ChatGPT-ju dođi da ti pokažem. Mislim, pravim vrlo, vrlo grube analogije, ali mislim da je ono što su otvorene, kreativne, divergentne stvari ljudskog duha, to je nešto čemu, ja mislim, pripada budućnost. Jer opet ne treba zaboraviti ključnu osobinu ovih sistema veštačke inteligencije koje mi imamo. Koliko god smo mi fascinirani time kako oni mogu da fleksibilno odreaguju na sve te naše upite i šta mogu da nam završe od zadataka i tako dalje, nikad ne zaboravi jednu stvar, to je oni i dalje suštinski rade na to što su u stanju da reprodukuju nešto slično onome što su nekada, nekada videli u svom treningu, da kažem tako. To je fascinantno što mi vidimo, ali činjenica da, znaš, mislim, krupne kreativne iskorake, revolucionarne pomake, to će i dalje praviti čovečanstvo. Neće ChatGPT voditi ovaj svet, niti bilo šta slično njemu. Mi ćemo. Tako da, kažem, moj pogled neki na stvari, što kažeš eto, kao šta reći ljudima koji ni ne moraju ni da ih interesuje dižu haubu i ulaze u ovu za priču i vide šta je to i kako je. Bićete okruženi tim sistemima, shvatite jednu stvar, a to je da je pitanje vremena. Apple, kao što smo pomenuli, već počeo da integriše Gen AI u operativni sistem iOS i iPad i za Maca, a pitanje je kad stižu Windows i gde vi komunicirate ovako voice sa takvim jednim sistemom i onda stvarno se dešava ono što se dešava u sci-fi filmovima, kada on kapetan slovenske broda ide i kaže, o trebam ja o trebam, i on mu odmah odgovara. To se dešava u najskorije vreme. Ne znam, nemam insajdersku informaciju iz Microsofta, ali ako me pitaš na čemu sada rade i ubijaju se od posla iznova, siguran sam da rade na tome. Nemam, nemam uopšte pitanja da li se bave nečim drugim. Mislim, to im je focal point. Projekat je ta stvar. To ide u najskorije vreme. Znači, nećete moći, nećemo moći čak i nije da se distanciramo od ovih tehnologija, biće nam deo onoga što koristimo svaki dan. Biće sve moćnije, ali kažem, moje neko mišljenje jeste, čovek treba da ostane tehnološki obrazovan. To ne znači da budem inženjer, to ne znači da budem ni programer, ni ništa od toga, da može da razume suštinsku stvar i da prati tog događaja, jer smo civilizacija koja se više i više živi u ako simbiozi s tehnologijom. Važno je razumeti. Ok. Ali na kraju čini mi se ono što sam rekao. Znači, najvrednija stvar na svetu, najvrednija, najskuplja roba i usluga je lucidan ljudski um koji uprkos svemu tome će biti u stanju da kaže, ok, ali evo je direkcija u mišljenju i rešavanju problema, evo je odluka, evo je ideja kako nešto možemo da uradimo ako i nećemo moći da izvučemo, kako se zove, takve sisteme ili ćemo se, ne znam, mnogo vremena potrošiti pokušavajući da dođemo do njih i toga.

Ivan Minić: U suštini negde jeste da prava kreativnost, ona koja zaista rešava kompleksne probleme, nikada nije derivativna. Ona reši problem na način koji je promena paradigme, koji je iskorak u odnosu na ono šta je bilo. Znaš, to je onaj moment, Henry Ford, da sam pitao ljude šta žele, rekli bi mi brže konje. Ok, ti možeš da ubrzavaš konje, možeš da ih činiš efikasnijim, možeš svaku stvar da unaprediš jedan, dva posto i dobićeš nešto. Ali nikada nećeš dobiti ono što možeš dobiti s autom. I nikada nećeš moći da dobiješ ono što dobiješ sa nekim narednim korakom. 

Goran S. Milovanović: Kaži to svim founderima i CEO-ovima startupa koje ja znam i koji mi kažu kad ih pitam kako ti ide, ili ti ide dobro, da, samo slušam moje klijente. Meni isto tako prođe kroz glavu ta Fordova, da, da, samo ti slušaj svoje klijente. 

Ivan Minić: Ne, vidi, mislim, to je ono što negde jeste važno zaključiti, to je da 99,999, i ne znam koliko još devetki, procenata problema se rešavaju banalno i derivativno. Tako je. To je tačno. Problem je što taj moment, a možemo to da postavimo i apokaliptično za kraj, s moje strane, to kako ćemo da spasimo planetu i čovečanstvo, to sigurno neće da dođe tako što će neko da izvuče neku ideju koja već postoji. 

Goran S. Milovanović: Ne, samo to. Mislim, to i svi naši novi počeci kao, mislim, bića u ovom svemiru u kom se nalazimo. Ti novi počeci sigurno biti naš, ne znam, ne treba imati iluzije da će nešto što liči na ovoj AI koju mi imamo sada da bude stvar koja će napraviti sledeći evolucijski korak na planeti. Ne, mi ćemo. Mislim, to je… 

Ivan Minić: Samo će možda da pomogne i već sada pomaže da se to desi brže. 

Goran S. Milovanović: Pa videćemo. Hoće sigurno u nekoj meri. Ali će opet to biti naš korak. 

Ivan Minić: Gorane, hvala. 

Goran S. Milovanović: Hvala tebi još jednom što si me pozvao. 

Ivan Minić: Biće prilike još. Mislim da je jako važno da s vremena na vreme napravimo neki presek i nekih naših razgovora, ali i toga što se dešava jer stvari se dešavaju neverovatnom brzinom i suštinski fundamentalno menjaju živote svih nas. 

Goran S. Milovanović: Prilično. Ono što kažu Kinezi, zanimljiva vremena kao tipa žele da ne živiš u njih. Nisam siguran oko toga, ali jesam. Hvala ti puno. 

Ivan Minić: Hvala vama što ste nas slušali, nadam se da vam je bilo interesantno. To bi bilo to za ovu nedelju. Mi se vidimo ponovo naredne.

Realizacija Pojačalo podkasta ne bi bila moguća bez naših izuzetnih partnera. Kompanije Epson koja je vodeći svetski proizvođač projektora i štampača za sve namene, i kompanije Orion telekom provajtera najbrže internet infrastrukture u Srbiji sa preko 30 godina iskustva. Više informacija pronaćićete u opisu epizode.