Europski AI paradoks: zašto je sljedeća generacija AI stručnjaka već među nama
Lažni izbor koji dominira europskom raspravom o umjetnoj inteligenciji
Živimo u vremenu samoproglašenih stručnjaka za umjetnu inteligenciju. Dijele se u dva tabora koji viču jedni mimo drugih. Jedan tabor proglašava da bez umjetne inteligencije ne možemo preživjeti. Drugi inzistira da je moramo u potpunosti odbaciti.
Između tih krajnosti? Tišina. Gotovo ništa.
Prva skupina vjerojatno nije svjesna onoga što je postojalo prije trenutne umjetne inteligencije. Ne znaju da je umjetna inteligencija već bila ovdje prije nego što se tako nazvala. Ova skupina mora shvatiti da trenutna umjetna inteligencija nije ono što bi trebala biti. Prebrzo smo krenuli. Išli smo na prečace. Rezultat, koji uskoro stiže: neupotrebljiva umjetna inteligencija.
Zašto ova skupina tako glasno viče da bez umjetne inteligencije ne možemo preživjeti? Uz nju su vezali jednostavan model prihoda. Nije skalabilan. Drže se trika koji znaju.
Druga skupina zna što je bilo prije. Razumije pojedinačne komponente. Godinama su stručnjaci u tim područjima. Ovoj skupini treba pomoć da vidi mogućnosti i granice. Vjerojatno će prvi prepoznati što bi umjetna inteligencija trebala biti i što se može postići na pravi način.
Njihovo znanje uklapa se u arhitekturu umjetne inteligencije. U sljedećoj generaciji umjetne inteligencije, građenoj za ljude, ti će ljudi pronaći svoje željeno mjesto. Ovdje leži golema prilika za brzu prekvalifikaciju i doprinos. Model prihoda koji trenutačno riskiraju izgubiti dobiva novi zamah.
Možemo li iz ovoga izvući izazovnu polarizaciju, a zatim je povezati s nijansiranim zaključkom?
Trenutačno stanje umjetne inteligencije u Europi
Budimo precizni gdje Europa stoji. Brojke govore važnu priču.
Europa se suočava s dokumentiranim nedostatkom talenata za umjetnu inteligenciju. Ujedinjeno Kraljevstvo ima 168.000 otvorenih radnih mjesta za umjetnu inteligenciju. Njemačka ima 102.000. Francuska ima 88.000. Omjer potražnje i ponude za vještine umjetne inteligencije globalno iznosi 3,2 prema 1. Samo 10% najboljih svjetskih istraživača umjetne inteligencije živi u Europi, a taj postotak pada svake godine.
Usvajanje umjetne inteligencije u poduzećima u Europi iznosi samo 13,5% od 2024. Talent za umjetnu inteligenciju čini 0,41% radne snage EU-a. U međuvremenu, SAD ima više od 240 tehnoloških tvrtki vrijednih više od 10 milijardi dolara. Europa ih ima 14. Američko rizično financiranje umjetne inteligencije dosegnulo je 68 milijardi dolara u 2024. EU je uspio prikupiti 8 milijardi dolara.
Te statistike stvaraju paniku. One pokreću narativ prve skupine: Europa mora uvoziti umjetnu inteligenciju, kupovati umjetnu inteligenciju, usvojiti umjetnu inteligenciju brzo ili zauvijek zaostati.
Ali taj narativ pretpostavlja da je trenutna umjetna inteligencija jedina umjetna inteligencija. Pretpostavlja da je duboko učenje crne kutije konačno odredište. Zanemaruje ono što je Europa izgradila prije pompe.
Što je Europa imala prije nego što se umjetna inteligencija tako nazvala
Dok su američke tvrtke skalirale neuronske mreže, Europa je gradila nešto drugačije. Nešto temeljno. Nešto što trenutna umjetna inteligencija očajnički treba.
Formalne metode i verifikacija: Europa ima više od 25 godina dokumentirane stručnosti u dokazivanju ispravnosti softvera. Sveučilište u Freiburgu, Inria, Formal Methods Europe, tvrtke poput Prover Technology, CEA List, Axiomise, PQShield. Te institucije i tvrtke nisu nestale. Još su ovdje. Njihova je stručnost relevantnija nego ikad.
Constraint programming: The Handbook of Constraint Programming was published in 2006. The CPAIOR conference began in 2004 in Nice, France. Research groups like VeriDIS at Inria, KU Leuven, RISC at Johannes Kepler University have been developing constraint-solving techniques for decades. This isn't theoretical. It's the foundation of optimization, planning, and decision-making systems.
Logic programming and Prolog: Born in Europe. University of Aix-Marseille, 1972-1973. Creators Alain Colmerauer and Philippe Roussel. Fifty years of European research. In 2022, the community celebrated "Fifty Years of Prolog and Beyond." This isn't abandoned history. It's living expertise.
Semantic web and knowledge engineering: SWAD-Europe was a major European initiative for the Semantic Web within W3C. OWL became a W3C recommendation in 2004, led by European researchers. Today, Nature publishes research on semantic knowledge graphs. The expertise never left.
This is what the second group knows. This is their specialization. And they're watching the first group reinvent wheels poorly, ignore decades of research, and create systems that fail precisely because they lack these foundations.
Problem prve skupine: neodrživa pompa
Tržište AI konzultacija dosegnut će 630,7 milijardi dolara do 2032. godine. To objašnjava viku. Konzultanti, pružatelji oblaka i pružatelji usluga povezali su svoj model prihoda s trenutačnim stanjem umjetne inteligencije. Moraju uvjeriti europske tvrtke da moraju usvojiti umjetnu inteligenciju odmah ili će propasti.
No model nije skalabilan. Evo zašto.
Trenutačna umjetna inteligencija pati od eksponencijalnog nakupljanja pogrešaka. Sustavi koji su 98 % točni po koraku postaju 13 % točni nakon 100 koraka. Halucinacije se lavinski šire. Multimodalni sustavi gube 31 % učinkovitosti pri susretu s generiranim pogreškama. Matematiku ne zanimaju modeli prihoda.
Rješenje prve skupine? Više podataka za obuku. Bolji upiti. Koraci provjere koji dodaju još koraka problemu uzrokovanom previše koraka. Pokušavaju se boriti protiv matematike prirodnim jezikom.
To nije održivo. Europske tvrtke koje usvoje te pristupe suočit će se sa stopom neuspjeha u proizvodnji od 95 % koju su dokumentirala istraživanja MIT-a i Fortunea. Potrošit će milijune na sustave za koje je matematički zajamčeno da će propasti u scenarijima s više koraka.
Prva skupina to zna. Ne mogu to priznati. Njihov model prihoda ovisi o održavanju iluzije da trenutačna umjetna inteligencija funkcionira. Zato viču još glasnije.
Prilika u drugoj skupini: zanemarena stručnost
Sada razmotrite drugu skupinu. Promatrali su pompu oko umjetne inteligencije sa strane. Vidjeli su tvrtke kako ponovno otkrivaju tehnike koje je Europa riješila prije desetljeća. Vidjeli su neuronske mreže kako se bore s problemima koje programiranje s ograničenjima elegantno rješava.
Šutjeli su jer tržište nije nagrađivalo njihovu stručnost. Sredstva za umjetnu inteligenciju išla su dubokom učenju. Istraživanje programiranja s ograničenjima nastavilo se na sveučilištima i u specijaliziranim tvrtkama. Formalna provjera ostala je ključna u industrijama kritičnima za sigurnost. Inženjering znanja pokretao je aplikacije semantičkog weba koje su pouzdano radile.
Ta skupina postoji. Brojna je. Europa ima više od 10 milijuna ICT stručnjaka. Njemačka ih ima 2,3 milijuna. Srednja i Istočna Europa imaju 3,5 milijuna. Zaposlenost među programerima iznosi 84 %. To nije mala niša. To je ogromna radna snaga s nedovoljno iskorištenom stručnošću.
Evo ključnog uvida: zahtjevi EU Akta o umjetnoj inteligenciji za objašnjivost, transparentnost i reviziju stvaraju regulatornu potražnju upravo za onim što ta skupina zna.
Formalna provjera dokazuje ispravnost sustava. Programiranje s ograničenjima pruža interpretabilne putove zaključivanja. Logičko programiranje omogućuje sljedivo donošenje odluka. Inženjering znanja gradi hibridne neuro-simboličke sustave koji kombiniraju učenje sa zaključivanjem.
Stručnost druge skupine izravno odgovara zahtjevima umjetne inteligencije sljedeće generacije. Ne moraju učiti umjetnu inteligenciju od nule. Moraju prepoznati da su njihove postojeće vještine upravo sljedeća generacija umjetne inteligencije.
Neupotrebljiva umjetna inteligencija koja dolazi
Što se događa kada trenutačni pristupi umjetnoj inteligenciji dosegnu svoja matematička ograničenja? Već to vidimo.
Google AI Overview predložio je stavljanje ljepila na pizzu. CNET-ova umjetna inteligencija pisala je članke sa stopom pogreške od 53 %. Sustavi za medicinsku dijagnostiku nisu uspjeli u 80 % pedijatrijskih slučajeva. Pravni modeli umjetne inteligencije haluciniraju u 1 od 6 upita. To nisu rubni slučajevi. To su simptomi temeljnih arhitektonskih problema.
Efekt grudve snijega halucinacija koji su identificirali Zhang i suradnici (2023.) pokazuje da LLM-ovi previše ustraju na ranim pogreškama i generiraju dodatne lažne tvrdnje kako bi ih opravdali. Pogreške se ne samo šire. One rastu.
Problem od 98 % znači da su nakon 34 koraka zaključivanja sustavi češće u krivu nego u pravu. Nakon 100 koraka, u krivu su 86,7 % vremena. Zato 95 % AI agenata ne uspije u produkciji. Zato 95 % generativnih AI pilot-projekata nikada ne dosegne produkciju.
Brzo se približavamo neupotrebljivom AI-ju. Sustavima kojima se ne može vjerovati za višestepeno zaključivanje. Sustavima koji zahtijevaju ljudsku provjeru svakog rezultata. Sustavima čije je popravljanje skuplje od vrijednosti koju donose.
Prva će skupina odgovoriti istim pristupom. Veći modeli. Više računalne snage. Bolji promptovi. Zarobljeni su u paradigmi za koju matematika kaže da ne može funkcionirati.
Druga skupina to vidi drugačije. Proveli su karijere gradeći sustave koji NE pate od eksponencijalnog nakupljanja pogrešaka. Formalne metode dokazuju svojstva. Rješavanje ograničenja pronalazi optimalna rješenja. Logičko programiranje pruža pouzdano zaključivanje. Inženjering znanja stvara objašnjive sustave.
Polarizacija postaje jasna. Jedna skupina udvostručuje uloge u pristupe koji ne uspijevaju. Druga skupina drži rješenja koja će tržište na kraju zahtijevati.
Europska digitalna suverenost kroz postojeću stručnost
Europska komisija definira digitalnu suverenost kao "digitalne infrastrukture, proizvode i usluge koje štite europsku sigurnost, stratešku imovinu i interese." Berlinska deklaracija dodaje "sposobnost autonomnog djelovanja i slobodnog izbora vlastitog digitalnog puta."
Trenutačni pristupi umjetnoj inteligenciji usredotočeni su na izgradnju europskih inačica američke umjetne inteligencije. Treniranje velikih jezičnih modela. Stvaranje europskih temeljnih modela. Natjecanje pod američkim uvjetima.
To promašuje bit. Europski put prema suverenosti umjetne inteligencije nije raditi ono što Amerika radi, samo lokalno. To je raditi ono u čemu je Europa najbolja, na drukčiji način.
Naglasak EU Akta o umjetnoj inteligenciji na objašnjivosti, transparentnosti i dizajnu usmjerenom na čovjeka nije slučajan. On odražava europske vrijednosti. Također odražava europske tehničke snage. Uredba stvara potražnju za sustavima koji se mogu objasniti, verificirati i revidirati.
Tko može izgraditi te sustave? Ne stručnjaci za duboko učenje koji su izgradili modele crne kutije. Stručnjaci za formalne metode koji već 25 godina dokazuju ispravnost sustava. Istraživači programiranja s ograničenjima koji već dva desetljeća grade interpretabilne optimizacijske sustave. Inženjeri znanja koji od ranih 2000-ih stvaraju objašnjive semantičke sustave.
To je europska prednost. Europa ne treba uvoziti stručnost za umjetnu inteligenciju. Europa treba prepoznati da je njezina postojeća tehnička stručnost upravo stručnost za umjetnu inteligenciju sljedeće generacije.
Prilika za prekvalifikaciju koja je pred očima
Pakt za vještine Europske komisije dosegnuo je 2,6 milijuna pojedinaca kroz inicijative za usavršavanje i prekvalifikaciju. CEDEFOP izvještava da više od 25% europskih odraslih radnika već eksperimentira s umjetnom inteligencijom na poslu.
Tradicionalna pripovijest sugerira da ti radnici trebaju naučiti duboko učenje, neuronske mreže, transformatorske arhitekture. Trebaju postati poput prve skupine.
To je krivo. Radnici koje Europa već ima posjeduju upravo vještine koje umjetna inteligencija sljedeće generacije treba. Samo trebaju prepoznati da je njihova stručnost vrijedna u kontekstu umjetne inteligencije.
Stručnjak za formalnu verifikaciju ne treba učiti neuronske mreže. Treba primijeniti svoju stručnost verifikacije na sustave umjetne inteligencije temeljene na ograničenjima. Istraživač programiranja s ograničenjima ne treba se preusmjeriti na duboko učenje. Treba prepoznati da su njegove tehnike rješavanja ograničenja upravo sljedeća generacija zaključivanja umjetne inteligencije. Inženjer znanja ne treba napustiti semantički web zbog velikih jezičnih modela. Treba graditi hibridne sustave koji kombiniraju učenje sa zaključivanjem.
Izazov prekvalifikacije nije poučavanje europskih stručnjaka umjetnoj inteligenciji od nule. To je pomoć da uvide da su njihova desetljeća stručnosti upravo umjetna inteligencija. Umjetna inteligencija koju trenutačni pristupi ne uspijevaju isporučiti.
Poslovni model prihoda koji riskiraju izgubiti nije nestao. On se transformira. Tvrtke koje razumiju formalnu verifikaciju, zadovoljenje ograničenja i inženjering znanja bit će one koje grade sustave umjetne inteligencije koji stvarno funkcioniraju u proizvodnji. Sustave umjetne inteligencije koji su u skladu s propisima EU-a. Sustave umjetne inteligencije kojima europska poduzeća mogu vjerovati.
Nijansirani zaključak: polarizacija kao prilika
Polarizacija između "moramo imati umjetnu inteligenciju" i "ne treba nam umjetna inteligencija" je lažna. Obje pozicije promašuju nijansu.
Nijansirana stvarnost: Europi treba umjetna inteligencija, ali ne ova sadašnja. Europi treba umjetna inteligencija sljedeće generacije izgrađena na europskim snagama. Objašnjiva, provjerljiva, učinkovita, usmjerena na čovjeka. Umjetna inteligencija koju propisuje EU akt o umjetnoj inteligenciji. Umjetna inteligencija koja je europskim poduzećima doista potrebna. Umjetna inteligencija koju europski stručnjaci već znaju izgraditi.
Narativ prve skupine da moramo prihvatiti sadašnju umjetnu inteligenciju ili propasti opasan je. Navodi europska poduzeća da ulažu u sustave koji će propasti. Održava ovisnost o američkoj tehnologiji. Zanemaruje europsku stručnost.
Skepticizam druge skupine prema sadašnjoj umjetnoj inteligenciji opravdan je, ali njihov zaključak da nam umjetna inteligencija nije potrebna pogrešan je. Umjetna inteligencija nam je potrebna. Treba nam samo PRAVA umjetna inteligencija. Umjetna inteligencija izgrađena na temeljima koje oni razvijaju desetljećima.
Prilika leži u sintezi: prepoznati da stručnost za umjetnu inteligenciju sljedeće generacije već postoji u Europi. To je više od 10 milijuna ICT stručnjaka. To su stručnjaci za formalne metode s više od 25 godina iskustva. To su istraživači programiranja s ograničenjima s dva desetljeća rada. To su inženjeri znanja koji su izgradili semantički web.
Te ljude ne treba zamijeniti stručnjacima za umjetnu inteligenciju od drugih. Njih treba osnažiti da prepoznaju kako je njihova stručnost upravo stručnost za umjetnu inteligenciju sljedeće generacije. Oni trebaju vidjeti most između svojih sadašnjih vještina i AI sustava koji su Europi doista potrebni.
U Dweveu gradimo taj most. Core pruža okvir za formalnu verifikaciju. Loom implementira domenske stručnjake temeljene na ograničenjima. Nexus pruža orkestracijski sloj. Spindle pruža upravljanje znanjem. Svaka komponenta koristi europske tehničke snage. Svaka komponenta stvara prilike europskim stručnjacima da primijene svoju stručnost na umjetnu inteligenciju sljedeće generacije.
Polarizacija nije problem. Ona je prilika. Sukob između pompe i stvarnosti natjerat će europska poduzeća da prepoznaju što doista funkcionira. Kada sadašnja umjetna inteligencija zakaže, europska poduzeća potražit će alternative. Te alternative postoje. Izgrađene su na 25-50 godina europskih istraživanja. U njihovu posjedu je više od 10 milijuna europskih stručnjaka. Samo ih treba prepoznati kao umjetnu inteligenciju sljedeće generacije.
Što trebate zapamtiti
- Polarizacija je lažna. "Moramo imati umjetnu inteligenciju" nasuprot "ne treba nam umjetna inteligencija" propušta nijansu. Europi treba umjetna inteligencija sljedeće generacije izgrađena na europskim snagama, a ne uvezena sadašnja umjetna inteligencija.
- Sadašnja umjetna inteligencija ne uspijeva. Eksponencijalno nakupljanje pogrešaka čini višestupanjske sustave neupotrebljivima. 95% pilot projekata umjetne inteligencije ne dospijeva u proizvodnju. Matematici nije stalo do poslovnih modela.
- Europska stručnost postoji. Više od 25 godina formalnih metoda. Više od 20 godina programiranja s ograničenjima. Više od 50 godina logičkog programiranja. Više od 20 godina inženjeringa znanja. To nije povijest. To je temelj umjetne inteligencije sljedeće generacije.
- EU akt o umjetnoj inteligenciji zahtijeva ono što Europa ima. Objašnjivost, transparentnost, revidibilnost. To nisu tereti za europske stručnjake. To je ono što grade desetljećima.
- Više od 10 milijuna ICT stručnjaka. Europa ima znatnu radnu snagu s relevantnom stručnošću. Oni ne moraju učiti umjetnu inteligenciju od nule. Trebaju prepoznati da su njihove postojeće vještine upravo umjetna inteligencija sljedeće generacije.
- Prilika za prekvalifikaciju golema je. Pakt za vještine dosegnuo je 2,6 milijuna ljudi. 25% europskih radnika eksperimentira s umjetnom inteligencijom. Izazov je prepoznati da se postojeća stručnost primjenjuje na umjetnu inteligenciju, a ne uvoziti stranu stručnost.
- Europski suverenitet u umjetnoj inteligenciji dolazi iznutra. Ne kopiranjem američkih pristupa, već iskorištavanjem europskih snaga u formalnim metodama, programiranju s ograničenjima i inženjeringu znanja za izgradnju umjetne inteligencije koja doista funkcionira.
Zaključak
Rasprava o europskoj suverenosti umjetne inteligencije usredotočuje se na pogrešno pitanje. Nije riječ o tome treba li Europi umjetna inteligencija ili ne treba. Riječ je o tome KAKVA umjetna inteligencija Europi treba.
Trenutačna umjetna inteligencija, izgrađena na dubokom učenju i neuronskim mrežama, doseže matematičke granice. Eksponencijalno nakupljanje pogrešaka. Lavine halucinacija. Stopa neuspjeha u proizvodnji od 95%. To nije budućnost na koju se europska poduzeća mogu osloniti.
Umjetna inteligencija sljedeće generacije, izgrađena na formalnoj verifikaciji, zadovoljavanju ograničenja i inženjerstvu znanja, već se pojavljuje u Europi. Iskorištava 25-50 godina europskog istraživanja. Zapošljava više od 10 milijuna europskih stručnjaka. Usklađena je sa zahtjevima EU Akta o umjetnoj inteligenciji. Doista funkcionira.
Prva će skupina nastaviti vikati da Europa mora prihvatiti trenutačnu umjetnu inteligenciju ili propasti. Njihov poslovni model ovisi o tome. Druga će skupina ostati skeptična, ne uviđajući da je njihova stručnost upravo umjetna inteligencija sljedeće generacije.
Nijansirana istina nalazi se između. Europi je potrebna suverenost umjetne inteligencije. No put do suverenosti nije uvoz američke tehnologije. To je osnaživanje europskih stručnjaka da izgrade umjetnu inteligenciju koju već znaju stvoriti. Umjetnu inteligenciju izgrađenu na temeljima koje razvijaju desetljećima. Umjetnu inteligenciju koju zahtijeva EU Akt o umjetnoj inteligenciji. Umjetnu inteligenciju koja će doista funkcionirati u proizvodnji.
Stručnjaci za umjetnu inteligenciju sljedeće generacije nisu netko koga Europa treba pronaći ili obučiti od nule. Oni su već ovdje. Ovdje su 25-50 godina. Samo trebaju prepoznati da je njihova stručnost upravo ono što umjetna inteligencija sljedeće generacije zahtijeva.
Spremni izgraditi europsku suverenost umjetne inteligencije na europskim temeljima? Dweveova platforma temeljena na ograničenjima iskorištava desetljeća europskog istraživanja u formalnim metodama, programiranju s ograničenjima i inženjerstvu znanja. Bez uvoza američkih neuspjeha. Samo gradnja na europskim snagama. Pridružite se našoj listi čekanja.