Strokovnjaki na okrogli mizi o sposobnosti umetne inteligence za razumevanje problemov

Umetna inteligenca lahko uspešno rešuje zahtevne probleme, vendar ostaja odprto vprašanje, ali jih tudi razume. Sodelujoči na okrogli mizi na Institutu Jožef Stefan (IJS) so razpravljali o razlikah med človeškim in strojnim razumevanjem ter o tem, kdaj lahko odgovorom teh sistemov zaupamo.

Okrogla miza je potekala v sklopu Slovenske konference o umetni inteligenci, ki je del multikonference Informacijska družba 2026. Izhodišče razprave je bilo vprašanje, ali prepričljiv odgovor modelov umetne inteligence že kaže na razumevanje ali pa je zgolj rezultat njihove uspešne obdelave vzorcev. Že pri opredelitvi razumevanja naletimo na težave, saj enotne definicije ni, je pojasnila Olga Markič z ljubljanske filozofske fakultete. “Tudi ljudje lahko dolgo verjamemo, da nekaj razumemo, nato pa ugotovimo, da smo se motili. Poleg tega ni vseeno, ali znamo neki pojav zgolj napovedati ali tudi pojasniti njegove vzroke,” je poudarila. Kot je dodala, je pri človeku razumevanje povezano tudi s telesom, čustvi in odnosi z drugimi. “Čustva nam med drugim pomagajo presoditi, katere informacije so pomembne za odločitev. Zato je treba razlikovati med sistemom, ki čustva simulira, in človekom, ki jih doživlja,” je dejala. Pionir umetne inteligence v Sloveniji Ivan Bratko je dodal, da pri ljudeh o razumevanju sklepamo na podlagi njihovih odgovorov in ravnanja. Podobno pa lahko presojamo sisteme umetne inteligence. Za njihov nadzor je po njegovem ključno, ali se odzivajo tako, kot bi pričakovali od nekoga, ki nalogo razume. Filip Dobranić z Inštituta za novejšo zgodovino je bil do pripisovanja razumevanja strojem zadržan. Njihovi odgovori po njegovem odražajo predvsem človeško znanje in kulturno produkcijo, na katerih so bili modeli naučeni. Pri vsakdanji uporabi pa je, kot je dejal, za uporabnika pomembno predvsem, da orodje uspešno opravi zahtevano nalogo. “Če denimo pravilno prepozna predmet na sliki, vprašanje, ali tudi razume, kaj prikazuje, ne vpliva nujno na uporabnost rezultata,” je ponazoril. Sogovorniki so se dotaknili tudi dejstva, da sposobnosti umetne inteligence niso enakomerne. “Če sistem neko nalogo opravi odlično, še ne pomeni, da bo enako uspešen pri drugi,” je dejal Marko Robnik Šikonja z ljubljanske fakultete za računalništvo in informatiko. Veliko napredka je po njegovih besedah na področjih z jasnimi pravili, denimo v matematiki, več težav pa lahko povzroča razumevanje družbenega konteksta. Ob tem je opozoril, da se tudi ljudje o družbenih vprašanjih pogosto ne strinjamo in izhajamo iz različnih pogledov, zato je težko pričakovati, da bodo stroji ponudili rešitve, ki jim bomo vsi zaupali. Z njim se je strinjala tudi Markič. “Zelo sem skeptična, kadar umetna inteligenca posega na področje človeka in družbe,” je poudarila. Razpravljavci so opozorili tudi na pristranskost sistemov umetne inteligence, ki lahko iz učnih podatkov prevzamejo družbene predsodke in neenakosti. Ob tem se odpira vprašanje, na čem graditi zaupanje v njihove odločitve. Bratko je poudaril, da bi morali sistemi svoje odgovore tudi utemeljiti. “Podobno kot pri strokovnjaku, ki se lahko zmoti, nam razlaga omogoči presojo, ali so njegovi argumenti prepričljivi,” je dejal.