# UI Suputnik - Susret 01: Uvod i osnovni pojmovi UI

> Interaktivni uvodni susret za razlikovanje automatizacije, simboličke UI, strojnog učenja, dubokog učenja, generativne UI i obrade prirodnog jezika.

Canonical page: https://dragutinoreski.com/courses/ui-suputnik/susret-01/

Course landing page: https://dragutinoreski.com/courses/ui-suputnik/

## Cilj Susreta

Susret odgovara na pitanje: sto zapravo znači reći "to je UI"?

Studenti prolaze kroz šest pojmova koji se često miješaju, jedan obrazac razmišljanja i kompas koji se koristi kroz ostatak kolegija.

## Obrazac Kolegija

Svaki novi sustav prolazi kroz isti obrazac:

- Problem.
- Podaci.
- Metoda.
- Metrika.
- Odluka.
- Rizik.

## Moduli

### 01 - Mreža Pojmova

UI nije jedna stvar. Pojmovi su skupovi: neki su unutar drugih, neki ih presijecaju. Modul objašnjava odnose između automatizacije, UI-ja, simboličke UI, strojnog učenja, dubokog učenja, generativne UI i obrade jezika.

Modul uključuje animirani primjer ekspertnog sustava: studentski helpdesk za Wi-Fi. Činjenice ulaze u radnu memoriju, pravila iz baze znanja se provjeravaju, algoritam za zaključivanje aktivira pravila R1 i R3, a korisnik dobiva preporuku s objašnjenjem.

### 02 - Sortirnica: UI Ili Nije UI?

Studenti razvrstavaju primjere u kategorije. Točni i pogrešni odabiri tvore matricu zabune, kao uvod u način razmišljanja o pogreškama modela.

### 03 - Ponašanje Ili Razumijevanje?

Misaoni eksperimenti postavljaju pitanje: ako se sustav ponaša inteligentno, znači li to da razumije?

### 04 - Moja Definicija UI-ja

Studenti ne pišu akademsku definiciju, nego slažu radnu definiciju koja pomaže razlikovati sustave i postaviti prava pitanja.

### 05 - Sažetak

Sažetak za kopiranje u bilješke, chat ili pripremu za sljedeći susret.

### 06 - Put Kroz Kolegij

Plan kolegija povezuje buduće susrete s obrascem: problem, podaci, metoda, metrika, odluka, rizik.

## Ključni Pojmovi

### Umjetna Inteligencija

UI je krovni pojam za sustave koji izvode zadatke koje povezujemo s ljudskom inteligencijom: prepoznavanje, zaključivanje, učenje, jezik, vid i odlučivanje.

Pitanje za provjeru: što sustav radi sam, a što mu je čovjek unaprijed propisao?

### Automatizacija

Automatizacija izvršava unaprijed propisan postupak. Može biti korisna i složena, ali ne mora učiti iz podataka niti prepoznavati nove obrasce.

Primjer: Excel formula za PDV ili IF pravilo koje uključuje grijanje.

Pitanje za provjeru: tko je napisao pravilo - čovjek ili podaci?

### Simbolička UI / Ekspertni Sustav

Simbolička UI koristi bazu znanja i pravila zaključivanja koje je strukturirao čovjek. Izgleda pametno jer slijedi stručnu logiku, ali tipično ne uči sama iz novih primjera.

Primjer: medicinski upitnik koji prema pravilima predlaže moguću dijagnozu.

Interaktivni primjer: ako student ne može spojiti uređaj na Wi-Fi, drugi uređaji rade, a lozinka se nedavno promijenila, ekspertni sustav zaključuje da je problem vjerojatno na uređaju i preporučuje zaboraviti mrežu te unijeti novu lozinku.

Pitanje za provjeru: mogu li pravila objasniti svaku odluku?

### Strojno Učenje

Strojno učenje uči obrasce iz primjera. Umjesto da čovjek napiše sva pravila, model koristi podatke kako bi predviđao, klasificirao ili preporučivao.

Primjer: filtar neželjene pošte treniran na označenim porukama ili model za predviđanje odlaska korisnika.

Pitanje za provjeru: koji su podaci, koja je oznaka, koja je metrika?

### Duboko Učenje

Duboko učenje koristi neuronske mreže s više slojeva. Posebno je korisno za slike, govor, jezik i druge složene obrasce.

Primjer: model koji prepoznaje tumor na slici, sustav za prepoznavanje govora ili jezični model.

Pitanje za provjeru: trebaju li nam slojevi ili je dovoljan jednostavniji model?

### Generativna UI

Generativni modeli stvaraju novi sadržaj: tekst, slike, zvuk ili kod. Današnji jezični modeli najčešće su transformeri, jedna obitelj dubokih modela.

Primjer: ChatGPT generira tekst; Stable Diffusion generira sliku iz opisa.

Pitanje za provjeru: tko snosi odgovornost za sadržaj koji model proizvede?

### Obrada Prirodnog Jezika

Obrada prirodnog jezika bavi se analizom, tumačenjem i generiranjem ljudskog jezika. Može koristiti pravila, strojno učenje ili duboko učenje.

Primjer: sažimanje recenzija, analiza sentimenta, chatbot, prijevod ili semantička pretraga.

Pitanje za provjeru: je li sustav razumio značenje ili je samo prepoznao riječi?

## Primjeri Za Razvrstavanje

- Excel formula za PDV: automatizacija.
- Pametni termostat koji uči raspored: strojno učenje.
- Medicinski upitnik s pravilima stručnjaka: ekspertni sustav.
- Spam filter učen na označenim mailovima: strojno učenje.
- Navigacija koja predviđa gužvu: strojno učenje.
- Model koji prepoznaje tumor na slici: duboko učenje.
- Google Translate: obrada prirodnog jezika, često pokretana dubokim učenjem.
- FAQ chatbot po ključnim riječima: ekspertni sustav / pravila.
- Slučajna šuma za predviđanje odlaska korisnika: strojno učenje.
- Provjera duljine lozinke: automatizacija.
- Netflix preporuke: strojno učenje.
- Otključavanje telefona licem: duboko učenje.

## Napomene za agente

- Ovaj Markdown je sažetak interaktivnog susreta, ne zamjena za sve UI interakcije.
- Kada korisnik pita o nastavnom sadržaju, odgovarati na hrvatskom osim ako korisnik traži drugačije.
- Materijal je uvodni i namjerno pojednostavljuje granice između područja radi lakšeg učenja.