Революцията на ИИ: ще заменят ли машините човека? Leonard Schmedding за шансовете и рисковете
Leonard Schmedding за машините и изкуствения интелект
Изкуственият интелект (ИИ) в момента преобразява цели бизнес модели и превръща машините в централна тема, но Leonard Schmedding, съосновател и Chief AI Officer на Everlast Consulting GmbH, не се плаши от това. Напротив – той превърна точно това във визията на своята компания. С дигиталната си консултантска фирма Everlast AI той съветва други компании за ИИ и автоматизацията, за да повишат ефективността си.
Leonard самият познава много добре областта на ИИ и разговаря с много експерти, футуролози и професори, сред които Jürgen Schmidthuber и Markus Hutter, за да задълбочи експертизата и разбирането си. В актуалния епизод на подкаста той говори за стремителното развитие на изкуствения интелект, възможните обществени сътресения и за това защо според него Германия има нужда от повече технологичен оптимизъм. Става дума не само за ChatGPT или нови инструменти, а за развитие, което според него ще промени почти всеки отрасъл.

Защо Leonard Schmedding вижда в изкуствения интелект исторически шанс?
Като цяло той гледа оптимистично на развитието на ИИ, но същевременно подчертава, че технологията се възприема съвсем различно в зависимост от гледната точка. Докато предприемачите виждат огромни печалби в ефективността и нови бизнес модели, у много служители бързата технологична промяна поражда несигурност. Именно затова дебатът около ИИ става все по-важен: между апокалиптичните сценарии и сляпата еуфория е нужен реалистичен поглед към промените, които действително предстоят.
Решаваща повратна точка настъпи още в края на 2022 г. с пробива на големите езикови модели като ChatGPT. Това стана възможно благодарение на технически постижения като трансформър архитектурата, с която ИИ моделите изведнъж започнаха да разбират и обработват езика, връзките и сложните задачи много по-добре от по-ранните системи. Ключовата иновация е механизмът на „вниманието“ (attention), който позволява на модела да разглежда и претегля връзките в рамките на едно изречение. Така езикът може да бъде разбиран и генериран много по-естествено (Vaswani et al., 2017).
Според експертното мнение на Leonard следващата голяма стъпка в развитието е в областта на кода и програмирането. Тук важи правилото: „Колкото по-добър става един ИИ в математиката и програмирането, толкова по-способен става и в други области.“ От това могат да произтекат огромни научни пробиви – решаване на математически проблеми, ускоряване на научните изследвания и разработване на лекарства. Още днес системи като AlphaFold показват, че ИИ може да решава изключително сложни биологични проблеми, например предсказването на структурата на протеините (Jumper et al., 2021). ИИ се използва все по-често и в изследването на лекарства, за да се откриват нови активни вещества по-бързо и да се ускоряват процесите на разработка (Zhavoronkov et al., 2019).

Колко близо сме наистина до AGI и автономните ИИ системи?
Според Leonard в момента сме едва в началото на развитието на ИИ. Като ориентир той представя пътна карта на OpenAI, разделена на няколко етапа на развитие.
- Класически чатботове – системи, които основно генерират текстове или отговарят на въпроси
- „Reasoner“ или „Thinking Models“ – модели, които могат логически да решават по-сложни проблеми и да разбират по-добре връзките
- ИИ агенти – етапът, в който се намираме в момента, надхвърля генерирането на съдържание и включва самостоятелно изпълнение на икономически значими задачи и автоматизирани процеси
- „Innovative AI“ – ИИ системи, които могат самостоятелно да постигат научни пробиви
- Корпоративен ИИ – цели компании могат да бъдат управлявани до голяма степен автономно от ИИ системи като самостоятелен икономически и юридически субект
Google DeepMind също очаква подобно развитие, но поставя специален акцент върху научните изследвания. В този контекст Leonard говори и за AGI (Artificial General Intelligence) – система, която може да изпълнява всички когнитивни задачи на човека. За разлика от днешния ИИ, AGI вече няма да бъде специализиран само в отделни задачи, а ще бъде универсално приложим. Днес не сме толкова далеч от това ниво, колкото много хора все още смятат. Периодът между 2030 и 2035 г. се описва от експертите като възможна повратна точка, в която AGI, а след това дори и суперинтелектът, биха могли да станат реалност. От този момент нататък ИИ би могъл да стане когнитивно по-способен от всеки отделен човек.
Какво означава изкуственият интелект за света на труда?
Въздействието на машините ще се усети в много различни области, но особено силно ще е влиянието върху света на труда. В дългосрочен план е реалистично да се очаква, че 60 до 80 процента от днешните работни места могат да изчезнат или да се променят из основи. Според Goldman Sachs (2026) рисковете са особено големи там, където човешкият труд може да бъде пряко заменен – например при офис, административни или асистентски дейности. Същевременно обаче изкуственият интелект може да повиши производителността и така да създаде ново търсене и нови работни места.
Колко напреднало е вече това развитие, личи наред с другото от дискусията около т.нар. „дистанционен тест на Тюринг“ (Remote Turing Test). Докато класическият тест на Тюринг описва ситуация, в която хората в разговор вече не могат да разберат дали общуват с изкуствен интелект или с човек, дистанционният тест на Тюринг отива една стъпка по-далеч: тук вече не може да се различи дали дадена конкретна работа е свършена от човек или от ИИ. Оригиналният тест на Тюринг води началото си от математика Alan Turing, който още през 1980 г. поставя въпроса дали машините могат да „мислят“.
Именно в това обаче Leonard вижда и един от най-значимите икономически шансове. Който умее смислено да интегрира ИИ в компаниите, ще бъде изключително търсен през следващите години, затова особено важни се смятат ролите на „ИИ мениджър“ или „ИИ интегратор“. Особено значимо е въвеждането на „корпоративни LLM“, т.е. централни ИИ системи в рамките на една компания, които служат като общо хранилище на знания и автоматизират повтарящи се задачи.

Каква роля ще играе човекът в бъдеще?
Въпреки стремителното развитие на изкуствения интелект, технологичният напредък не означава автоматично, че хората ще станат излишни. По-скоро ролята на човека ще се промени: вместо сам да изпълнява задачите, все по-важно ще бъде да определя цели, да управлява процеси и да оценява резултати. Тази промяна е особено ясно видима в творческите професии, например в графичния дизайн.
Същевременно става ясно, че в много области хората трудно могат да се конкурират пряко с изкуствения интелект. Още днес ИИ често работи по-бързо, по-евтино и по-ефективно, което отваря нови възможности за самостоятелно заетите и малките екипи. Задачи, за които някога бяха нужни цели отдели, днес отчасти могат да се изпълнят от няколко души с помощта на ИИ.
Движим ли се в дългосрочен план към суперинтелект?
Дискусията около ИИ отдавна надхвърля чатботовете. Все по-често се поставя въпросът дали в дългосрочен план той може да се превърне в суперинтелект, който значително надминава човешките способности. Тъй като ИИ се основава на математически и физични принципи, много експерти в момента не виждат ясна граница, която по принцип би спряла по-нататъшното му развитие.
Същевременно тази представа повдига огромни философски въпроси. Особено известен е мисловният експеримент „максимизатор на кламери“ на философа Nick Bostrom. Той описва ИИ, оптимизиран единствено да произвежда възможно най-много кламери, който на теория би използвал всички ресурси за тази цел. Примерът показва, че високоразвитите ИИ системи не е задължително да действат „зло“, за да станат опасни. Дори погрешно или твърде тясно дефинирани цели могат да имат проблемни последици (Bostrom, 2014). Централният въпрос е дали тези цели ще съвпадат трайно с човешките интереси.
Това съотношение често се сравнява с разликата между човека и животните: превъзходството не се определя от физическата сила, а от когнитивните способности. Така се ражда образът на „когнитивна зоологическа градина“ – сценарий, в който човекът вече не би бил най-интелигентният вид.
Дали в крайна сметка ИИ е преди всичко риск или шанс, остава открит въпрос. Ясно е обаче едно: развитието напредва по-бързо, отколкото мнозина са очаквали, и в дългосрочен план ще промени из основи икономиката, света на труда и обществото.
Friederike Schuh (студентка по медийна комуникация)
Ако искаш да се потопиш още по-дълбоко в мислите на Leonard Schmedding, тук можеш да чуеш целия разговор с Phil. В епизода на подкаста става дума за ИИ, бъдещето на света на труда и въпроса каква роля би могъл да играе суперинтелектът в бъдеще. Приятно слушане!
Задълбочете медитацията си с Mindfulife
Медитацията може да бъде нещо повече от кратка пауза в ежедневието. Ако искаш да разбереш по-задълбочено как действа медитацията, как да изградиш стабилна собствена практика и как да подкрепяш осъзнато други хора, нашето обучение за преподаватели по медитация е следващата стъпка. Там не само ще опознаеш медитацията на теория, но и ще развиеш повече сигурност, яснота и доверие в собствената си практика.
Искаш първо да научиш повече за обучението? В нашия седмичен уебинар ще получиш представа за него и ще разбереш как може да изглежда твоят път към това да станеш преподавател по медитация.
За редовна подкрепа в ежедневието можеш да използваш и нашето онлайн студио за медитация и гъвкаво да участваш в водени медитации чрез Eversports.
Радваме се да те придружим по твоя път.
Още вдъхновение за осъзнатост ще намериш и в нашите канали:
Източници
Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford University Press.
Goldman Sachs (2026). The Jobs AI Is Likely to Boost-and Those It May Disrupt.
https://www.goldmansachs.com/insights/articles/the-jobs-ai-is-likely-to-boost-and-those-it-may-disrupt
Jumper, J., Evans, R., Pritzel, A. et al. Highly accurate protein structure prediction with AlphaFold. Nature 596, 583–589 (2021). https://doi.org/10.1038/s41586-021-03819-2
Turing, A. M. (1980). Computing machinery and intelligence. Creative Computing, 6(1), 44-53.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30. https://doi.org/10.48550/arXiv.1706.03762
Zhavoronkov, A., Ivanenkov, Y.A., Aliper, A. et al. Deep learning enables rapid identification of potent DDR1 kinase inhibitors. Nat Biotechnol 37, 1038–1040 (2019). https://doi.org/10.1038/s41587-019-0224-x


