Doktor nauka, istraživač iz oblasti veštačke inteligencije i robotike u DeepMind-u, vizionar, a naš čovek! Nemanja Rakićević s nama je nesebično podelio svoju karijernu priču i otkrio nam dostignuća AI projekata koji menjaju savremeni svet.
Nemanja Rakićević doktorirao je razvoj algoritama veštačke inteligencije u robotici na Imperijal koledžu u Londonu, a zaposlen je kao istraživač u Google DeepMind-u u oblasti mašinskog učenja, s posebnim fokusom na primenu naprednih tehnika u rešavanju problema opšte veštačke inteligencije (AGI) i robotike. Kako nam je objasnio, zaduženja istraživača u GDM-u obuhvataju istraživanje, razvoj i primenu algoritama deep learning, s posebnim naglaskom na reinforcement learning – RL, i velike jezičke modele (LLM).
Njegove svakodnevne aktivnosti uključuju nekoliko ključnih aspekata: redovno praćenje najnovijih naučnih radova radi održavanja uvida u savremena dostignuća, osmišljavanje novih ideja i hipoteza, njihovu validaciju kroz razvoj i implementaciju algoritama, kao i izvođenje eksperimenata. Takođe, značajan deo Nemanjinog rada čini opsežno eksperimentisanje i evaluacija modela kako bi se obezbedili njihov kvalitet i pouzdane performanse.
“Kada postignemo zadovoljavajuće rezultate, modele i rezultate istraživanja obelodanjujemo u naučnim časopisima i na konferencijama ili ih, u saradnji sa timovima za proizvod, integrišemo u Google proizvode“, istakao je opisujući nam svoja zaduženja. U razgovoru koji smo imali za Netokraciju predstavio nam je projekte na kojima radi, ali i odgovorio na ključna pitanja vezana za napredak AI alata i razvoj primenjene robotike koje razvijaju u Google DeepMind-u.
Za početak, možeš li da nam predstaviš projekte na kojima si trenutno zadužen?
Nemanja: Trenutno radim na projektu Gemini, jednom od najvećih istraživačkih poduhvata u oblasti mašinskog učenja. U okviru projekta fokusiram se na razvoj naprednih sposobnosti, poput korišćenja eksternih alata za pribavljanje relevantnih i ažurnih informacija, kao i unapređenje modela primenom RL metoda. Pored tehničkog rada, često se bavim mentorskim aktivnostima i doprinosim obrazovnim inicijativama, poput organizacije kurseva i radionica za mlade istraživače.
Poslednjih nekoliko godina deo sam organizacionog tima Mediteranske škole mašinskog učenja i Istočno-evropske škole mašinskog učenja, koja je 2024. godine održana u Novom Sadu. Rad u DeepMind-u pruža jedinstvenu priliku za bavljenje fundamentalnim istraživanjem koje istovremeno ima i značajan praktični uticaj. To je ono što moj posao čini uzbudljivim i motivišućim, jer živimo u izuzetno inspirativnom i dinamičnom vremenu, svesni da smo svedoci stvaranja istorijskih trenutaka na koje možemo direktno da utičemo!
Koje je najznačajnije dostignuće DeepMind-a iz oblasti AI i primenjene robotike u 2024. godini?
Nemanja: Godina 2024. bila je ispunjena izuzetnim dostignućima u oblasti veštačke inteligencije (AI), a verujem da će se ovaj trend nastaviti i u godinama koje dolaze. Najpre bih izdvojio istorijski trenutak kada je revolucionarni AlphaFold AI model kompanije Google DeepMind doprineo dodeli Nobelove nagrade za hemiju, zahvaljujući svojoj sposobnosti da predvidi trodimenzionalnu strukturu proteina na osnovu njihove aminokiselinske sekvence. AlphaFold je imao ogroman uticaj na naučnu zajednicu, jer je ubrzao i demokratizovao proces otkrivanja struktura proteina, značajno smanjujući vreme i resurse potrebne za razumevanje njihove funkcije i uloge u biologiji, medicini i farmaciji.
Uveren sam da je ovo tek prva u nizu Nobelovih nagrada koje će AI tehnologije inspirisati, te očekujem da ćemo uskoro biti svedoci još većih naučnih dostignuća. Pored toga, izdvojio bih GraphCast, tehnologiju koja je osvojila prestižnu MacRobert nagradu za 2024. godinu. Ovaj alat, zasnovan na Grafovskim Neuronskim Mrežama (GNN), koristi mašinsko učenje za pružanje izuzetno preciznih vremenskih prognoza do 10 dana unapred. Značajno nadmašuje tradicionalne metode u pogledu brzine i tačnosti, naročito kada je reč o predviđanju ekstremnih vremenskih nepogoda.
GraphCast ima potencijal da umanji posledice vremenskih nepogoda, optimizuje upotrebu obnovljivih izvora energije i poboljša upravljanje resursima u različitim industrijama. Možete ga isprobati na sajtu ECMWF-a. Takođe, Google-ov eksperimentalni alat NotebookLM, zasnovan na velikim jezičkim modelima (LLM), pomaže korisnicima da bolje organizuju i razumeju svoje beleške i dokumente. Ukratko, ovaj alat pretvara beleške u interaktivni radni prostor, čime značajno olakšava istraživački rad i sve zadatke koji zahtevaju analizu i sintezu informacija iz brojnih izvora.
U oblasti generativnih modela (GenAI), Google DeepMind je predstavio Genie 2 — model sposoban da generiše interaktivne 3D svetove na osnovu jedne slike ili čak funkcionalne 3D igrice prema opisu korisnika! Ono što Genie 2 čini impresivnim jeste njegova sposobnost da održava doslednost generisanih svetova tokom dužih vremenskih perioda, omogućavajući interakciju s objektima u njima, što je naučeno isključivo iz dostupnih podataka. Ovaj model otvara nove mogućnosti za razvoj AI u industriji igara, robotici, autonomnim vozilima i mnogim drugim oblastima.
Na polju robotike, Google DeepMind je predstavio niz alata za unapređenje prikupljanja podataka u stvarnom svetu i poboljšanje brzine i sposobnosti generalizacije kod robota, uključujući AutoRT, SARA-RT i RT-Trajectory. Cilj ovih sistema je omogućiti robotima da izvršavaju složene zadatke poput “pospremanja kuće” ili “pripreme zdravog obroka” na osnovu jednostavnih verbalnih zahteva.
Posebno bih istakao sistem ALOHA Unleashed, zasnovan na učenju s pojačanjem (RL) i učenju kroz imitaciju. Ovaj sistem omogućava robotima da izvode složene manipulacije s obe ruke u izazovnim i nepredvidivim okruženjima, poput vezivanja pertli, kačenja košulje, popravljanja drugih robota, umetanja zupčanika i čak čišćenja kuhinje.
Ovo su samo neki od ključnih trenutaka koji su obeležili 2024. godinu, potvrđujući da se nalazimo u uzbudljivom vremenu gde veštačka inteligencija postaje moćan saveznik u rešavanju složenih naučnih i društvenih izazova.
U kojoj industriji se primena veštačke inteligencije pokazala kao najuspešnija?
Nemanja: Teško je izdvojiti samo jednu industriju u kojoj je primena veštačke inteligencije (AI) najuspešnija, jer AI donosi značajne pomake u mnogim sektorima. Uspeh se može meriti različitim kriterijumima, poput povećanja efikasnosti, smanjenja troškova, razvoja novih proizvoda i usluga ili unapređenja korisničkog iskustva. Ipak, nekoliko industrija posebno se ističe zbog široke i transformativne primene AI tehnologija: finansije, zdravstvena zaštita, e-commerce i proizvodnja.
U finansijama, AI se koristi za otkrivanje prevara analizom transakcija, predviđanje tržišnih kretanja radi automatskog trgovanja, procenu rizika i personalizaciju finansijskih usluga. To značajno unapređuje efikasnost i smanjuje troškove, čineći finansijski sektor jednim od prvih u kojem je AI pronašao široku primenu. U zdravstvenoj zaštiti, AI poboljšava dijagnostiku analizom medicinskih slika, ubrzava razvoj novih lekova, omogućava personalizovanu medicinu i praćenje zdravstvenog stanja pacijenata. Sve to doprinosi boljim ishodima lečenja i spasavanju života, čineći zdravstveni sektor jednim od najvažnijih područja za primenu AI.
U e-trgovini, AI se koristi za personalizaciju preporuka kupcima, predviđanje potražnje radi optimizacije zaliha, dinamičko prilagođavanje cena i automatizaciju korisničke podrške. To rezultira boljim korisničkim iskustvom, povećanjem prodaje i boljim upravljanjem zalihama. U proizvodnji, AI omogućava automatizaciju proizvodnih linija, optimizaciju lanca snabdevanja, kontrolu kvaliteta i održavanje opreme kroz prediktivne analize. To doprinosi povećanju produktivnosti i smanjenju operativnih troškova.
Ključni faktori uspeha primene AI u ovim industrijama su dostupnost velikih količina podataka, snažni ekonomski podsticaji i mogućnost transformacije poslovnih procesa kroz automatizaciju. Kako se AI tehnologije dalje razvijaju, očekuje se još šira integracija i unapređenje u brojnim sektorima, donoseći inovacije koje će oblikovati budućnost poslovanja i svakodnevnog života.
Koje su to promene ili poboljšanja koje ove tehnologije donose ljudima u svakodnevnom životu?
Nemanja: Veštačka inteligencija (AI) već sada donosi brojne promene u svakodnevnom životu koje često uzimamo zdravo za gotovo, jer ljudi nisu uvek svesni da iza tih inovacija stoje napredni AI sistemi. Ove tehnologije neprimetno se integrišu u različite aspekte našeg života, čineći svakodnevne aktivnosti lakšim, efikasnijim i sigurnijim. Kada koristimo streaming platforme poput Netflixa ili Spotify-ja, algoritmi AI prilagođavaju preporuke našim interesovanjima, analizirajući prethodne izbore.
Slično tome, AI optimizuje sadržaj na društvenim mrežama ili rezultatima pretrage na internetu, pružajući nam relevantne informacije prilagođene našim potrebama. Glasovni asistenti poput Google Assistant-a, Siri ili Alexe koriste AI za prepoznavanje govora i razumevanje prirodnog jezika. Ovi alati ne samo da pomažu u organizaciji dnevnih obaveza, već omogućavaju i kontrolu pametnih kućnih uređaja poput termostata ili osvetljenja, čineći naše domove funkcionalnijim i udobnijim mestima za život.
Aplikacije za navigaciju, kao što je Google Maps, koriste AI za optimizaciju ruta, predviđanje saobraćajnih gužvi i pružanje informacija o alternativnim pravcima. Zahvaljujući ovim funkcijama, svakodnevna putovanja postaju brža i jednostavnija. AI takođe igra ključnu ulogu u otkrivanju prevara u bankarskom sektoru. Kada banka prepozna sumnjive finansijske transakcije i obavesti korisnika o potencijalnoj prevari, to je rezultat sofisticiranih sistema za analizu podataka u realnom vremenu.
Što se tiče primene robotike, uređaji poput robota usisivača Roomba i Dyson koriste AI za mapiranje prostora, prepoznavanje prepreka i optimizaciju čišćenja, pružajući korisnicima više slobodnog vremena oslobađajući ih od rutinskih poslova. Robotski sistemi u skladištima, poput onih koje koristi Amazon, efikasno sortiraju, premeštaju i pripremaju pakete za dostavu, što omogućava bržu i tačniju isporuku miliona narudžbina dnevno.
Takođe, autonomni dostavni roboti i dronovi postaju sve češći u urbanim sredinama, pružajući inovativna rešenja za isporuku proizvoda. Veoma značajan primer su i pametni automobili, opremljeni sistemima za asistenciju u vožnji koji koriste AI za prepoznavanje saobraćajnih znakova, traka, prepreka i ponašanja drugih vozača.
Kompanije poput Tesle, Waymoa i Wayvea, kao i mnogi drugi proizvođači, intenzivno rade na razvoju samovozećih vozila koja koriste najnovija dostignuća u oblasti AI kako bi omogućila razumevanje različitih situacija u saobraćaju i autonomnu navigaciju do odredišta uz minimalnu ili nikakvu intervenciju vozača. Kada ovi sistemi budu u potpunosti usavršeni, to neće biti samo olakšanje, već i značajan doprinos bezbednosti u saobraćaju.
Koja dostignuća očekuješ u razvoju AI i robotike tokom 2025. godine?
Nemanja: Očekujem dalja unapređenja velikih jezičkih modela (LLM) i značajno proširenje njihovih mogućnosti izvan standardnih okvira interakcije, poput naprednog rezonovanja i AI agenata, na čijem razvoju i sam radim. Osim unapređenja samih modela, verujem da ćemo biti svedoci velikog napretka na polju hardvera neophodnog za efikasan rad ovih sistema, pri čemu nedavno najavljeni kvantni čip pruža mnogo razloga za optimizam.
Najveći uticaj AI očekujem u kreativnoj industriji, sa širim prihvatanjem i korišćenjem GenAI alata od strane umetnika i drugih kreativnih profesionalaca. Sve više kompanija već sada integriše dostupne modele u svoje poslovne procese, posebno u oblastima prava, zdravstva, administrativne optimizacije i razvoja softvera, gde se AI koristi za ubrzavanje izrade prototipova i razvoj inovativnih rešenja.
Kada je reč o robotici, sve više kompanija fokusira se na razvoj humanoidnih robota (Tesla Optimus, Boston Dynamics Atlas, Unitree G1, Figure F.02), a buduća integracija ovih sistema sa AI agentima učiniće ih mnogo korisnijim za svakodnevne potrebe, kako u industriji, tako i u domaćinstvima. Spajanje naprednih algoritama veštačke inteligencije sa sofisticiranim robotskim platformama vodiće ka stvaranju inteligentnih robota sposobnih da izvršavaju zadatke koji zahtevaju složene motoričke veštine i kognitivne sposobnosti.
Očekujem da će roboti postati sposobniji za obavljanje složenijih zadataka u nestrukturiranim okruženjima uz minimalnu ljudsku intervenciju, zahvaljujući razvoju sistema koji se prilagođavaju promenama u okolini i uče iz iskustva. Ovo će imati ogroman uticaj na proizvodnju, logistiku, poljoprivredu i obavljanje kućnih poslova.
Iako trenutno postoje određene tehničke i tehnološke prepreke za ovu vrstu integracije, većina ključnih komponenti je već dostupna, pa očekujem da će 2025. godina doneti više javno dostupnih i pristupačnih robotskih asistenata. Kao i do sada, sa svim ovim napretkom dolazi i odgovornost. Ključno je osigurati etičku primenu AI tehnologija i obezbediti da ona koristi čovečanstvu u celini. Verujem da će 2025. godina biti ne samo period značajnog tehnološkog razvoja, već i godina u kojoj ćemo postaviti temelje za odgovorno i održivo korišćenje veštačke inteligencije u budućnosti.
Član si organizacionog tima Istočnoevropske letnje škole mašinskog učenja (EEML). Reci nam nešto više o ovom projektu?
Nemanja: Istočnoevropska letnja škola mašinskog učenja (EEML) je inicijativa posvećena demokratizaciji pristupa obrazovanju i istraživanju u oblasti veštačke inteligencije (AI) u regionu Istočne Evrope. Naš cilj je osnaživanje mladih istraživača i studenata iz lokalnih zajednica, pružajući im priliku da uče od vodećih svetskih stručnjaka kroz predavanja, praktične radionice i panel diskusije. Pored formalnog programa, škola učesnicima omogućava brojne prilike za neformalno druženje i diskusije sa kolegama i predavačima, što se pokazalo kao izuzetno korisno za stvaranje profesionalnih veza i razvoj karijere.
Letnja škola se svake godine održava u različitim zemljama regiona, a ove godine smo sa ponosom prvi put bili domaćini u Srbiji, u Novom Sadu. Cilj EEML-a nije samo podizanje nivoa znanja u regionu, već i povezivanje talenata sa globalnom AI zajednicom. Ovogodišnji događaj privukao je stručnjake i učesnike iz celog sveta, pružajući platformu za razmenu ideja i stvaranje novih istraživačkih i profesionalnih veza. Postigli smo sve što smo planirali – podigli smo vidljivost Srbije na globalnoj AI sceni i inspirisali nove generacije istraživača, koji su iz škole poneli najbolje utiske.
Pored EEML-a, član sam organizacionog tima Mediteranske škole mašinskog učenja (M2L), inicijative sa sličnim ciljevima, ali sa fokusom na mediteranski region. Letnje škole poput EEML i M2L predstavljaju sjajan primer kako se kroz edukaciju, umrežavanje i saradnju može doprineti razvoju AI ekosistema u regionima sa velikim potencijalom, ali nedovoljno raspoloživih resursa.
Ove škole donose višestruke benefite ne samo učesnicima, već i sponzorima koji dobijaju priliku da edukuju svoje zaposlene i bolje ih integrišu u najnovije tokove u industriji, kao i da povećaju vidljivost svog brenda, što je od ključnog značaja za privlačenje vrhunskih talenata. Plan za narednu godinu je nastavak ove misije – širenje uticaja kroz dodatne aktivnosti, veći broj učesnika i unapređenje edukativnog programa. Pored toga, cilj nam je da ojačamo veze između akademskih, industrijskih i istraživačkih centara u regionu, kako bismo osigurali trajne koristi za lokalnu zajednicu.
