Osnove AI i Mašinskog U
0denja: Vodi
0d Za Po
etnike u 2024.

Juniorski AI inženjer u 2024. godini košta firmu preko 120.000 KM godišnje. Vi taj isti logički sklop možete instalirati u svoju glavu za nula maraka, pod uslovom da prestanete tretirati vještačku inteligenciju kao magiju i počnete je gledati kao set rđavih zupčanika koji trebaju podmazivanje. Ako mislite da je ovo rezervisano za doktore nauka iz Silikonske doline, varate se. Ovo je zanat, baš kao i popravka stare veš mašine, samo što su vam ovdje ruke prljave od podataka, a ne od ulja.

Zašto Vam Treba ‘Digitalni Multimetar’ (A Ne Samo ChatGPT)

Većina početnika napravi fatalnu grešku: kupe pretplatu na gotov alat i misle da znaju AI. To je kao da kupite gotovu kuću i kažete da ste zidar. Da biste zaista vladali materijom, morate razumjeti napon ispod haube. Mašinsko učenje (ML) nije ništa drugo nego pokušaj računara da pronađe šablon u gomili smeća koju mu servirate. Zamislite da sortirate 10.000 eksera po veličini. Možete to raditi ručno, ili možete napraviti sito koje će to raditi za vas. ML je to sito. Kod mašinskog učenja, vi ne pišete pravila tipa ‘ako je ekser dug 5cm, stavi ga ovdje’. Vi pokažete mašini 1.000 eksera i kažete ‘ovako izgleda dobar ekser’, a ona sama skapira težinu i dužinu. Ali pazite, ako joj pokažete samo krive eksere, ona će naučiti da je ‘krivo’ jedino ispravno stanje. To zovemo pristrasnost podataka. To peče oči kao dim od lemljenja.

Da li Vam Stvarno Treba Matematika?

Kratko i jasno: Da. Ali ne ona teoretska sa fakulteta koja služi za popunjavanje papira. Treba vam ‘radionička’ matematika. Statistika je vaš metar. Linearna algebra su vaše stege koje drže podatke na mjestu dok ih obrađujete. Ako ne razumijete šta je ‘ponder’ (weight), to je kao da pokušavate balansirati točak na autu bez tegova. Vaš model će tresti, vibrirati i na kraju se raspasti pri prvoj ozbiljnijoj krivini.

Anatomija Jednog Velikog Provala: Previše Učenja (Overfitting)

Pustite me da vam ispričam kako sam jednom spalio model jer sam bio previše pametan. Htio sam da AI prepoznaje kvar na bojleru po zvuku. Ubacio sam mu 500 snimaka mog specifičnog bojlera. Model je radio savršeno. Bio je nepogrešiv. Ali čim sam ga odnio kod komšije, model je ‘umro’. Zašto? Zato što je AI naučio zvuk mog bojlera, šum mog frižidera u pozadini i škripanje mojih vrata, a ne opšte principe kvara. To je overfitting. To je kao da učite test za vozački napamet po rednim brojevima pitanja, umjesto da naučite saobraćajne znakove. Čim se redoslijed promijeni, vi ste u jarku.

UPOZORENJE O SIGURNOSTI PODATAKA: Nikada, ali apsolutno nikada nemojte ‘hraniti’ javne AI modele privatnim podacima vaših kupaca ili lozinkama. To je ekvivalent ostavljanju ključeva od sefa na ulaznim vratima radionice. Jednom kad podatak uđe u oblak, on više nije vaš. 120v struja vas može ubiti, ali curenje poslovnih tajni putem AI-ja može vam ubiti firmu brže nego što stignete reći ‘prompt’.

Fizika Pokajanja: Zašto Vaš Model ‘Laže’

Vjerovatno ste čuli za AI halucinacije. U mašinskom učenju, to nije nikakva magija, već čista fizika pritiska. Kada pritisnete algoritam da vam da odgovor na pitanje za koje nema podatke, on će ‘izmisliti’ najvjerovatniji put, slično kao što voda uvijek nađe put kroz najtanji dio gipsane ploče. Da biste to spriječili, morate imati filtere. Ne možete samo slather-ovati (namazati) sloj koda preko svega i nadati se najboljem. Morate podesiti parametre tako da mašina smije reći ‘Ne znam’. To je najteža lekcija za svakog majstora – priznati da nema alat za taj posao.

Skini Podatke Sa Otpada (Off-Label Sourcing)

Nemojte plaćati skupe setove podataka za vježbu. Idite na Kaggle ili GitHub. To su digitalni otpadi puni zlata. Nađite stare baze podataka o temperaturi, cijenama nekretnina ili čak rezultatima utakmica. To su vaši materijali. Uzmite te sirove, prljave podatke i pokušajte ih ‘očistiti’. Struganje duplikata iz baze je dosadno. Boljeće vas leđa od sjedenja, a oči će vas peći od gledanja u CSV tabele. Ali bez tog procesa ‘brušenja’, vaš finalni model će izgledati kao da ste ga farbali preko hrđe. Neće trajati.

Šta je Zapravo ‘Deep Learning’?

Zamislite slojeve sita, jedan ispod drugog. Prvo sito odvaja kamenje, drugo šljunak, treće pijesak. To su neuronske mreže. Svaki sloj izvlači specifičnu informaciju. Duboko učenje (Deep Learning) je samo gomila ovih slojeva naslaganih jedan na drugi. Što je više slojeva, to je sistem ‘pametniji’, ali mu treba više struje i više procesorske snage. Vaš kućni PC će se znojiti. Čućete ventilatore kako vrište kao da polijeću. To je zvuk napretka.

Vaš Plan Za Ovaj Vikend

Umjesto da čitate još jedan članak o tome kako će AI zamijeniti ljude, uradite sljedeće: instalirajte Python. To je vaš osnovni ključ 13. Nađite tutorijal za ‘Linear Regression’. To je najprostiji oblik ML-a, ekvivalent kucanju eksera u dasku. Ako to savladate, razumjećete 80% onoga što se dešava u 2024. godini. Nemojte težiti savršenstvu. Prvi model će vam biti smeće. I treba da bude. Bitno je da shvatite zašto je smeće. Popravi, probaj opet, ne odustaj. To je jedini način da postanete digitalni zanatlija koji ne zavisi od tuđih rješenja.