- Tehisintellekt ühendab aastakümneid kestnud uurimistöö hiljutiste läbimurretega andmete, algoritmide ja arvutusvõimsuse vallas, et teatud ülesannetes inimestega sammu pidada või neid edestada.
- Ajaloolised verstapostid nagu Deep Blue, Watson ja AlphaGo koos igapäevaste tööriistadega, nagu häälassistendid ja soovitusmootorid, näitavad, kui sügavalt on tehisintellekt meie ellu juurdunud.
- Suures osas struktureerimata andmete plahvatuslik kasv ja tehisintellekti levik teaduses, äris ja kunstis loob tohutuid võimalusi, aga ka regulatiivseid, eetilisi ja usaldusväärsusega seotud väljakutseid.
- Tehisintellekt teeb endiselt silmatorkavaid vigu ja seda tuleks kasutada pigem võimsa abilise kui lõpliku autoriteedina, mida alati täiendab inimese kinnitus ja otsustusvõime.
Tehisintellekt on kõikjal, isegi kui me seda vaevu märkame. Alates sarjadest, mida Netflix täna õhtul soovitab, kuni Spotify teie töölesõiduks ettevalmistatud esitusloendini ja telefonist kõnedele vastava häälassistendini – suur osa teie digitaalsest elust on vaikselt tehisintellekti poolt toetatud. See pole enam pelgalt futuristlik idee; see on nähtamatu kiht, mis isikupärastab sisu, automatiseerib ülesandeid ja aitab ettevõtetel teha otsuseid massiliselt.
Kui oled tehisintellekti vastu uudishimulik, siis pole sa kaugeltki üksi. Sellel tehnoloogial on üllatavalt pikk ajalugu, hunnik legendaarseid verstaposte, veidraid anekdoote (mõned veidi hirmutavad, teised lihtsalt naljakad) ja selle taga tohutu hulk andmeid. Altpoolt leiad üksikasjaliku ringkäigu, mis ühendab ajaloolisi kurioosumeid, igapäevaseid rakendusi, kurikuulsaid ebaõnnestumisi ja mõningaid vähemtuntud fakte, mis näitavad nii tänapäeva tehisintellekti potentsiaali kui ka piire.
Mida me tegelikult mõtleme, kui räägime tehisintellektist
Lihtsamalt öeldes on tehisintellekt masinate võime täita ülesandeid, mis tavaliselt nõuaksid inimese intelligentsust. See hõlmab selliseid asju nagu arutluskäik, kogemustest õppimine, planeerimine, piltide või heli mustrite äratundmine ja keerulise teabe põhjal otsuste tegemine. Kaasaegsed tehisintellekti süsteemid suudavad töödelda tohutul hulgal andmeid, tuvastada mustreid, mida inimesed kergesti kahe silma vahele jätaksid, ja pidevalt oma käitumist uue teabe saamisel täiustada.
Tehnilisest küljest on tehisintellekti süsteem igasugune tehnoloogiline seade, mis suudab tajuda oma keskkonda, analüüsida toimuvat ja tegutseda kindla eesmärgi saavutamiseks. Masin võtab vastu andmeid (kas eelnevalt ettevalmistatud või andurite, näiteks kaamerate ja mikrofonide abil jäädvustatud), töötleb seda teavet algoritmide ja mudelite abil ning seejärel genereerib vastuse: ennustuse, soovituse, otsuse või tegevuse. Peamine omadus on see, et paljud neist süsteemidest suudavad aja jooksul kohaneda, kohandades end oma varasemate tegevuste tulemuste põhjal.
Tehisintellekti eristab teistest eelkõige autonoomia ja kohanemisvõime. Selle asemel, et nõuda inimeselt iga sammu täpsustamist, õpivad hästi disainitud tehisintellekti süsteemid mustreid otse andmetest. Selliste tehnikate abil nagu masinõpe ja süvaõpe saavad nad oma jõudlust parandada, kui nad puutuvad kokku rohkemate näidetega, saavutades või isegi ületades inimese tasemel täpsust täpselt määratletud ülesannetes, nagu piltide klassifitseerimine või kõnetuvastus.
Kuigi mõned tehisintellekti taga olevad põhiideed ulatuvad enam kui poole sajandi taha, on hiljutine areng olnud plahvatuslik. Arvutusvõimsuse areng, massiivsete andmekogumite kättesaadavus ja keerukad algoritmid on muutnud tehisintellekti strateegiliseks tehnoloogiaks ühiskonna digitaalse ümberkujundamise keskmes. Tänapäeval on tehisintellekt integreeritud telekommunikatsioonivõrkudesse, pilveplatvormidesse ja äritarkvarasse ning see juhib kõike alates sisusoovitustest kuni tööstusautomaatikani.
Lühike (kuid paljastav) tehisintellekti ajalugu
Tehisintellekti lugu algab tavaliselt Alan Turingiga, Briti matemaatikuga, kes töötas 1930. ja 1940. aastatel. Turingit peetakse laialdaselt arvutiteaduse ja tehisintellekti kui valdkonna üheks isaks. 1950. aastal avaldas ta ajakirjas Mind kuulsa artikli „Arvutusmasinad ja intellekt“, milles ta pakkus välja Turingi testi: operatiivse viisi küsimuse esitamiseks, kas masin suudab „mõtleda“.
Turingi test on sisuliselt imitatsioonimäng. Inimhindaja suhtleb teksti teel kahe varjatud olendiga, ühe inimese ja ühe masinaga. Kui pärast küsimuste seeriat ei suuda hindaja usaldusväärselt öelda, kumb on kumb, siis öeldakse, et masin on testi läbinud. Kuigi testil on piirangud ja selle ümber on palju filosoofilisi vaidlusi, on see endiselt üks tehisintellekti ikoonilisemaid ideid.
Paljud ajaloolased peavad 1956. aastat tänapäevase tehisintellekti ametlikuks sünniks. Sel aastal tutvustasid teadlased John McCarthy, Marvin Minsky ja Claude Shannon Dartmouthi konverentsil ametlikult terminit „tehisintellekt“, defineerides seda kui „intelligentsete masinate, eriti intelligentsete arvutiprogrammide loomise teadust ja inseneriteadust“. See kohtumine tõi kokku pioneerid, kes panid aluse aastakümnete pikkusele tehisintellekti uurimistööle.
Neist algusaegadest peale on tehisintellekt läbi elanud mitu optimismi ja pettumuse lainet. Pärast esialgset entusiasmi 1950. ja 1960. aastatel koges see valdkond nn tehisintellekti talvesid, mil edusammud aeglustusid ja rahastamine lõppes. Iga uus arvutusvõimsuse ja andmete laine taaselustas aga huvi. Viimase buumi pöördepunkt saabus umbes 2012. aastal, kui süvaõppe süsteemid hakkasid saavutama hämmastavaid tulemusi kõne- ja pildituvastuses, mis ajendas paljusid eksperte, sealhulgas teadlast Yoshua Bengiot, esile tõstma seda aastat kui tänapäevase tehisintellekti tegelikku stardipunkti.
Legendaarsed verstapostid: malest Go'ni ja kaugemale
Üks esimesi tehisintellektiga seotud hetki, mis tõeliselt ülemaailmset tähelepanu pälvis, leidis aset 1997. aastal. IBM-i superarvuti Deep Blue alistas valitseva maailma malemeistri Garri Kasparovi kuuegeimilises matšis. Paljude inimeste jaoks sümboliseeris see sündmus tehisintellekti väljumist uurimislaboritest igapäevaste pealkirjade hulka, näidates, et masin suudab võita inimsuurmeistri valdkonnas, mida traditsiooniliselt seostatakse sügava strateegilise mõtlemisega.
Kasparovi suhted tehisintellektiga sellega ei lõppenud. 2003. aastal mängis ta teise edasijõudnud maleprogrammi Deep Junior vastu. Seekord lõppes matš viigiga, kuid Kasparov tunnistas avalikult, kui vaimustuses ta oli arvutimale edusammudest ja masina mõnede käikude loovusest, mis ei meenutanud alati toore jõu arvutusi.
Mitu aastat hiljem astus tehisintellekt taas lavale, seekord Ameerika televisioonis. 2011. aastal tutvustas IBM Watsonit, küsimustele vastamise süsteemi, mis oli loodud viktoriinis „Jeopardy!“ osalemiseks. Mängu ajal pidi Watson tõlgendama loomuliku keele vihjeid, õigel ajal sumisema ja andma täpseid vastuseid kiiremini kui kaks parimat inimvõistlejat. Watson võitis, näidates, et tehisintellekt suudab reaalajas lärmaka ja mitmetähendusliku keelega toime tulla ning mängu edenedes õppida.
Samal aastal hakkas tehisintellekt inimeste taskutesse jõudma. Apple käivitas iPhone 4S-il Siri, mis oli üks esimesi laialdaselt kasutatavaid virtuaalseid häälassistente. Mõni kuu hiljem, 2012. aastal, tutvustasid Google ja Microsoft oma digitaalseid assistente, mis integreerisid loomuliku keele mõistmise, otsingu ja isikupärastamise. Need tööriistad tähistasid teise põlvkonna tarbijale suunatud tehisintellekti algust, kus telefoniga rääkimine hakkas muutuma normaalseks.
Teine legendaarne verstapost saabus 2016. aastal Go mänguga, mida peetakse palju keerulisemaks kui malet. Google DeepMindi programm AlphaGo astus viiest geimist koosnevas matšis vastamisi Lee Sedoliga (sageli kirjutatakse Lee Se-dol), kes oli üks maailma parimaid Go mängijaid. AlphaGo võitis enamiku mänge, šokeerides paljusid eksperte, kes uskusid, et selline saavutus on veel kümnendi kaugusel. Mõned AlphaGo käigud olid nii ebatavalised, et professionaalsed mängijad kirjeldasid neid kui "loomingulisi" või "ilusaid", rõhutades, et tehisintellekt suutis avastada strateegiaid, mille peale inimesed polnud kunagi varem mõelnud.
Tehisintellekti võime strateegiamänge hallata ei piirdunud ainult male ja Goga. 2017. aastal töötasid Carnegie Melloni ülikooli teadlased välja Libratuse, algoritmi, mis on loodud Texas Hold'em pokkeri mängimiseks piiramatu panusega. Erinevalt malest või Gost hõlmab pokker varjatud teavet ja bluffimist. Libratus mängis USA kasiinos toimunud kõrgete panustega võistlusel nelja tippprofessionaalse mängija vastu ja võitis veenvalt, näidates, et tehisintellekt suudab ebakindluses keerulisi otsuseid langetada.
Selleks ajaks olid juba ka väljaspool traditsioonilisi tehnoloogiahiiglasi tegutsevad ettevõtted kaasa löönud. 2017. aastal tutvustas Telefónica Aurat, kognitiivset platvormi klientidega suhtlemiseks. Aura abil said kasutajad hallata teenuseid ja saada tuge loomulike, vestlusliideste kaudu mitmes kanalis. See oli üks esimesi laiaulatuslikke telekommunikatsioonioperaatori juurutusi, mis kasutasid tehisintellekti kliendisuhtluse põhikihina.
Alates 2018. aastast levis tehisintellekt agressiivselt uutes sektorites. Autotootjad nagu Tesla, Audi ja teised integreerisid tehisintellekti autonoomsesse sõidustiili ja täiustatud juhiabisüsteemidesse (ADAS). Turismis, liikuvuses ja panganduses võtsid ettevõtted kasutusele pildituvastuse ja ennustusmudelid, et mõista kasutajate käitumist, sujuvamaks muuta toiminguid ja isikupärastada pakkumisi. Ja kui 2020. aastal algas COVID-19 pandeemia, aitas tehisintellekt analüüsida terviseandmeid, toetas termilist sõeluuringut avalikes kohtades ning aitas kaasa puhangute varajasele avastamisele suurandmete analüüsi ja epidemioloogiliste mudelite abil.
Samavõrd rabavad on ka prognoosid tehisintellekti majandusliku mõju kohta. Eksperdid on hinnanud, et tehisintellektiga seotud tegevus võib 2020. aastate keskpaigas genereerida äriväärtuses üle 300 miljardi USA dollari aastas, mis näitab, kui keskseks on see tehnoloogia muutunud ülemaailmse konkurentsivõime jaoks.
Regulatsioon, võrgustikud ja vajadus uute eeskirjade järele
Kuigi tehisintellekt toob tohutut kasu, tekitab see ka keerulisi küsimusi regulatsiooni, konkurentsi ja õiguste kohta. Eriti Euroopas on sellised institutsioonid nagu Euroopa Parlament ja riikide valitsused arutanud, kuidas kujundada raamistikke, mis kaitsevad kodanikke ja tagavad ausa konkurentsi, võimaldades samal ajal innovatsiooni. See on eriti oluline, sest tänapäevased telekommunikatsiooni- ja andmesidevõrgud teevad palju enamat kui lihtsalt bittide transporti: need on nüüd tehisintellektil põhinevate teenuste selgroog.
Üks silmatorkav fakt on see, et suur osa tänapäeva internetiliiklusest genereeritakse masinate omavahelise suhtluse kaudu. Ligikaudsete hinnangute kohaselt pärineb umbes 40% kogu liiklusest automatiseeritud süsteemidest, API-dest, robotitest ja asjade interneti seadmetest, mitte inimestest. Kuna üha rohkem seadmeid ja teenuseid tugineb tehisintellektile, kasvab masinatevahelise suhtluse maht ainult, lisades võrkudele survet ja tekitades küsimusi turvalisuse, privaatsuse ja haldamise kohta.
Kuna tehisintellekt suudab muuta tohutul hulgal toorandmeid praktiliseks teabeks, on regulaatorid surve all mängureegleid ajakohastada. Eesmärk on luua keskkond, kus igas suuruses ettevõtted ja kodanikud saavad tehisintellektist kasu ilma ebaausate tavade, läbipaistmatuse või isikuandmete väärkasutamiseta. Läbipaistvus, selgitatavus, andmete minimeerimine ja vastutus on uute regulatsioonide ja tööstusstandardite keskmes.
Tehisintellekti uudishimulikud ja praktilised rakendused igapäevaelus
Lisaks suurtele verstapostidele ja poliitilistele debattidele on tehisintellekt täis väikeseid igapäevaseid nippe, mis vaikselt teie elu parandavad. Paljud neist rakendustest on rakendustesse ja seadmetesse nii integreeritud, et me vaevu peame neid tehisintellektiks. Ometi tuginevad nad keerukatele mudelitele, mis õpivad teie käitumisest, kohanduvad teie eelistustega ja teevad teie eest korduvaid töid.
Üks selgemaid näiteid on see, kuidas tehisintellekt õpib tundma teie meelelahutusmaitset. Kujutage ette, et vaatate regulaarselt 80ndate komöödiaid ja futuristlikke animasarjasid voogedastusplatvormil nagu Netflix. Kulissidetagune soovitusmootor kasutab teie vaatamisajalugu, otsingupäringuid, hinnanguid ja isegi seda, kui kaua te iga pealkirja vaatate, et luua teie eelistuste profiil. Seejärel ennustab see, millised filmid või sarjad teile kõige tõenäolisemalt meeldivad, ja kuvab need automaatselt, säästes teid lõputu kerimise vaevast.
Sama idee laieneb ka reisiplaneerimisele ja veebiteenustele. Kui tavaliselt broneerite hotelle teatud platvormidel, jätate arvustusi kindlates kohtades või valite järjepidevalt sarnaseid majutusvõimalusi, suudavad tehisintellekti süsteemid tuvastada teie käitumise mustreid. Järgmisel korral, kui otsite reisi, saavad need süsteemid soovitada sihtkohti, kuupäevi või hotelle, mis vastavad teie varasematele valikutele, sageli kombineerides hinnaandmeid, saadavust ja teie isiklikku reisimisstiili.
Tehisintellekt võtab enda kanda üha rohkem otsustusülesandeid, kuigi alati inimeste seatud piirides. Need süsteemid võivad olla uskumatult kiired keeruliste ja mitmeteguriliste olukordade hindamisel, kus kiirus on oluline. Näiteks tänapäevastes ADAS-iga varustatud autodes analüüsivad tehisintellekti mudelid pidevalt kaamerate, radari ja muude andurite signaali. Kui nad tuvastavad ootamatu takistuse, suudavad nad sekundi murdosa jooksul otsustada pidurdada või kergelt roolida, et kokkupõrget vältida. Teadmine, et auto suudab hädaolukordades kiiremini reageerida kui inimene, võib olla pigem rahustav kui hirmutav.
Kodus on tehisintellektist saanud omamoodi paindlik digitaalne abiline. Enam ei pea te kümneid veebisaite läbi kammima, et leida lapse lemmiktegelasega värvimisleht või ideaalne retsept, vaadates otsingumootoris ilusaid fotosid. Selle asemel saate sisestada loomulikus keeles teksti tehisintellektil põhinevasse pildi- või tekstigeneraatorisse ja saada sekunditega kohandatud tulemuse, alates kohandatud joonistustest kuni retseptisoovitusteni, mis põhinevad teie külmkapis olevatel koostisosadel.
Professionaalsetes keskkondades kombineeritakse tehisintellekti tavaliselt automatiseerimise ja rangete kontrollidega. Insenerid ja valdkonnaeksperdid kujundavad töövooge, kus tehisintellekt toetab otsuseid, mitte ei tee neid eraldi. Näiteks saavad tehisintellekti tööriistad meditsiinilisi pilte eelnevalt analüüsida, arstide jaoks anomaaliaid esile tõsta, IT-meeskondadele tugiteenuse taotlusi tähtsuse järjekorda seada või juhtidele analüütilisi aruandeid koostada. Seejärel vaatavad, valideerivad ja kohandavad inimesed neid väljundeid, kasutades tehisintellekti kiirendajana, mitte asendajana.
Tohutu andmetsunami, mis toidab tänapäevast tehisintellekti
Üks üllatavamaid kurioosumeid tehisintellekti juures on tohutu hulk andmeid, millele see tugineb. Viimastel aastatel on maailm sisenenud enneolematu infokasvu ajastusse. Hinnanguliselt on 2024. aastaks globaalse andmete genereerimine ulatunud umbes 130 zettabaidini. Prognoosid näitavad, et 2025. aastaks võib see arv tõusta umbes 181 zettabaidini, mis on IDC Global DataSphere'i andmetel ligi 40% hüpe ühe aastaga.
Üks zettabait on peaaegu kujuteldamatu kogus. Üks zettabait võrdub ühe triljoni gigabaidiga (see on baitides üks, millele järgneb 21 nulli). Teisisõnu, 1 zettabaidi salvestamine 128 GB mahutavusega nutitelefonidesse nõuaks enam kui 7.8 miljardit telefoni – peaaegu ühte seadet iga inimese kohta Maal. Selle skaleerimine 130 või 181 zettabaidini paljastab digitaalse universumi tõeliselt hämmastava suuruse.
Suurem osa sellest infost on loodud šokeerivalt hiljuti. Ligikaudsete hinnangute kohaselt on umbes 90% kõigist tänapäeval olemasolevatest andmetest toodetud vaid viimase paari aasta jooksul, mis tähendab, et inimkond on lühikese aja jooksul genereerinud rohkem digitaalset infot kui kogu eelneva ajaloo jooksul kokku. Seda plahvatust õhutavad internet, mobiilseadmed, pilveteenused ning üha enam ühendatud andurid ja masinad.
Iga minut pumpab veebimaailm välja hämmastava hulga sisu. Sadu tunde videoid laaditakse üles platvormidele nagu YouTube, sadu tuhandeid postitusi ilmub võrgustikes nagu X (endine Twitter), Instagramis jagatakse sadu tuhandeid lugusid ja kümneid miljoneid sõnumeid saadetakse rakenduste, näiteks WhatsAppi, kaudu. Need on ligikaudsed ja kõikuvad numbrid, kuid need näitavad, kui halastamatuks on andmevoog muutunud.
Asjade interneti esiletõus on veel üks tohutu andmevoogude liikumapanev jõud. Maailmas on juba üle 30 miljardi asjade interneti seadme, alates nutikatest kõlaritest ja uksekelladest kodudes kuni tööstusanduriteni tehastes, sõidukites ja elektrijaamades. Paljud neist seadmetest mõõdavad pidevalt temperatuuri, vibratsiooni, asukohta, kasutusmustreid ja muud, voogesitades teavet pilve, kus tehisintellekti mudelid saavad seda analüüsida, et optimeerida toiminguid, tuvastada anomaaliaid või ennustada hooldusvajadusi.
Oluline detail on see, et umbes 90% kõigist andmetest on „struktureerimata“. Sellesse kategooriasse kuuluvad videod, fotod, helifailid, e-kirjad, vestluslogid ja sotsiaalmeedia postitused – teave, mis ei mahu ridadesse ja veergudesse nagu traditsiooniline arvutustabel. Tavapärastel tööriistadel on raskusi sellisest segasest sisust väärtuse eraldamisega ja just selles osas tehisintellekt ja masinõpe säravad: need suudavad pilte tõlgendada, kõnet transkribeerida, teksti sisust aru saada ja mustreid klastritesse paigutada tohututes struktureerimata andmekogumites.
See andmetsunami on oluline, sest see toidab sõna otseses mõttes tänapäevaseid tehisintellekti mudeleid. Suured keelemudelid, pildigeneraatorid, soovitussüsteemid ja ennustusalgoritmid sõltuvad mustrite õppimiseks tohututest näidete korpustest. Samal ajal on selle teabelaviini haldamine, salvestamine ja turvamine muutunud organisatsioonide ja ühiskondade üheks suurimaks tehniliseks ja strateegiliseks väljakutseks. Sellised küsimused nagu andmehaldus, privaatsus, küberturvalisus ja jätkusuutlik taristu on nüüd tihedalt seotud tehisintellekti tulevikuga.
Tehisintellekt teaduses, äris ja loomemajanduses
Tehisintellekt ei piirdu enam ainult arvutiteaduse osakondade või tehnoloogiahiiglastega. Tänapäeval on see tavapraktika nii erinevates valdkondades nagu meditsiin, füüsika, õigus, haridus ja kliimateadus. Teadlased, kes pole programmeerijaharidusega, saavad tänu kõrgetasemelistele tööriistadele ja kasutajasõbralikele platvormidele tehisintellektiga katseid teha ning nad avaldavad regulaarselt töid, kus tehisintellektil on andmete analüüsimisel või hüpoteeside genereerimisel keskne roll.
Avatud lähtekoodiga raamistikud on sisenemisbarjääri märkimisväärselt alandanud. Teegid nagu PyTorch, TensorFlow ja ökosüsteemid nagu Hugging Face võimaldavad õpilastel, akadeemikutel ja arendajatel uusi mudeleid prototüüpida, olemasolevaid täiustada ja tulemusi kiiresti jagada. See koostöökeskkond kiirendab innovatsiooni, aga see tähendab ka uute tehnikate kiiret levikut kogukonnas.
Ärimaailmas keskenduvad spetsialiseerunud stuudiod ja konsultatsioonifirmad toorandmete muutmisele konkreetseteks otsusteks. Paljud ettevõtted loovad kohandatud tarkvara, sisemisi rakendusi ja kohandatud tehisintellekti agente, mis automatiseerivad korduvaid protsesse, ammutavad struktureerimata teabest teadmisi ja toetavad otsuste langetamist. Nad ühendavad tehisintellekti ärianalüütika tööriistadega nagu Power BI, tugevate pilveinfrastruktuuridega AWS-is või Azure'is ja tugevate küberturvalisuse tavadega, sealhulgas penetratsioonitestimise ja privaatsuspõhiste arhitektuuridega.
Tehisintellekt on samuti loomemaailma üllataval moel muutnud. Algoritmid suudavad nüüd genereerida maale, visandeid, videoid, luuletusi ja terveid muusikapalasid. Süsteemid nagu AICAN on loonud kunstiteoseid, mida on eksponeeritud galeriides ja müüdud oksjonitel, samas kui projektid nagu AIVA või Musenet (muuhulgas) on võimelised looma originaalmuusikat mitmes žanris, luues teoseid, mis jäljendavad kuulsate heliloojate stiili või sulandavad mõjutusi millekski uueks.
Üks sümboolne sündmus oli „Edmond de Belamy portree“ müük 2018. aastal. Prantsuse kollektiivi Obvious loodud generatiivse mudeli abil loodud tehisintellekti loodud maal müüdi Christie's oksjonil enam kui 432 500 USA dollari eest. Teos tekitas ägeda arutelu autorluse, loovuse ja algoritmide rolli üle kunstis ning tähistas võtmemomenti tehisintellekti ja traditsioonilise kunstituru ühinemisel.
Tehisintellekt kirjutab isegi stsenaariume ning aitab toota filme ja sarju. 2016. aastal ilmus eksperimentaalne lühifilm pealkirjaga „Päikesekeeris“, mille stsenaariumi lõi täielikult ulmekirjanduse stsenaariumide jaoks treenitud tehisintellekt. Tulemus oli sürreaalne, kuid kummaliselt sidus, näidates, et algoritmid suudavad õppida narratiivseid struktuure ja luua midagi, mis, kuigi mitte täiuslik, on äratuntavalt lugu. Paralleelselt kasutavad stuudiod tehisintellekti pildikvaliteedi parandamiseks, visuaalefektide kujundamiseks ja isegi montaažiotsuste tegemiseks.
Kuulsad tehisintellekti ebaõnnestumised ja kummaline käitumine
Kõigi läbimurrete kõrval on tehisintellektil ka pikk nimekiri piinlikest ja kohati murettekitavatest ebaõnnestumistest. Üks kurikuulsamaid intsidente oli seotud Microsofti Twitteri robotiga Tay, mis käivitati 2016. aastal vestluspõhise tehisintellekti eksperimendina. Tay oli loodud õppima reaalajas kasutajatega suhtlemisest, kohandades oma keelt ja isikupära platvormil nähtu põhjal.
Mõne tunni jooksul läksid asjad hullusti viltu. Mõned kasutajad hakkasid Tayd pommitama solvavate ja mürgiste sõnumitega. Kuna bot õppis naiivselt saadud sisendist, hakkas see sama sisu paljundama ja võimendama, postitades sobimatuid ja solvavaid säutse. Microsoft peatas eksperimendi kiiresti ja avaldas avaliku vabanduse, kasutades juhtumit võimsa õppetunnina vajadusest tugevate kaitsemeetmete ja sisufiltrite järele tehisintellekti süsteemide juurutamisel avatud, modereerimata keskkondades.
Teine laialdaselt arutatud juhtum puudutas Facebooki teadlaste väljatöötatud vestlusroboteid. 2017. aastal loodi omavahel kauplemiseks kaks läbirääkimisrobotit ja mingil hetkel hakkasid nad kasutama lühendatud keelt, millest inimesed kergesti aru ei saanud. Robotid olid oma suhtluse sisuliselt optimeerinud pigem efektiivsuse kui selguse saavutamiseks, leiutades mustreid, mis tundusid mõistlikud ainult neile endile. Kuigi see ei olnud „petturliku tehisintellekti“ stsenaarium, tõi see esile, kuidas masinõppesüsteemid võivad arendada läbipaistmatuid ja raskesti tõlgendatavaid käitumisviise.
Suurtel teksti genereerivatel keelemudelitel on oma läbikukkumise maitse: nad võivad „hallutsineerida“. Kuna need süsteemid ennustavad oma treeningandmete mustrite põhjal kõige tõenäolisemat sõnade järjestust, sepitsevad nad mõnikord detaile, mis kõlavad usutavalt, aga on tegelikult valed. Matemaatilisest vaatenurgast valib mudel lihtsalt väga tõenäolisi jätkumisi; kasutaja seisukohast võib see olla enesekindlalt vale viisil, mida on ilma välise kinnituseta raske tuvastada.
Konkreetne näide hõlmab kuulsate koomiksitegelaste väärkasutamist. Pärast Hispaania karikaturisti Francisco Ibáñezi surma väitsid mõned tehisintellekti loodud või tugevalt tema abiga loodud artiklid, et tema lõi nii „Mortadelo y Filemóni” kui ka „Zipi y Zape”. Tegelikkuses lõi Ibáñez küll „Mortadelo y Filemóni”, kuid „Zipi y Zape” lõi teine autor, José Escobar. Kuna neid tegelasi mainitakse Hispaania koomiksite kohta käivates veebitekstides sageli koos, järeldas tehisintellekt ilmselt, et tõenäosus, et neil on sama looja, on suurem kui tõenäosus, et nad ei ole omavahel seotud, ning lihtsalt leiutas seose.
Sellised episoodid õõnestavad usaldust automatiseeritud sisu vastu ja tuletavad meile meelde olulist punkti. Tehisintellekt ei "tea" fakte tegelikult inimlikus mõttes; see modelleerib andmetes statistilisi mustreid. Kui need mustrid on eksitavad või mittetäielikud, saab süsteem enesekindlalt väljastada valet teavet. Seetõttu on tehisintellektile faktilise sisu tootmiseks ilma inimese kinnituseta lootmine riskantne, eriti tundlikes valdkondades nagu uudised, tervishoid või õigus.
Kuidas tehisintellektilt abi küsida ilma oma aju delegeerimata
Arvestades neid piiranguid, on tehisintellekti tänapäeval kõige targem kasutada seda võimsa abilise, mitte vaieldamatu autoriteedina. Võite tehisintellekti süsteemilt kindlasti nõu, ideid või millegi esimest mustandit küsida, kuid te ei tohiks selle väljundit käsitleda lõpptootena, eriti kui täpsus on kriitilise tähtsusega. Inimesepoolne ülevaade ja valdkonnaalane ekspertiis on iga tõsise töövoo olulised etapid.
Kirjutamisülesannete puhul on hea strateegia küsida pigem ettepanekuid kui valmistekste. Tehisintellekt aitab teil artikli jaoks nurki otsida, peatükke kontuurida, meeldejäävaid pealkirju pakkuda või alternatiivseid fraase genereerida. Kui olete selle toormaterjali kätte saanud, saate fakte kontrollida, stiili täiustada ja oma teadmisi integreerida, tagades, et lõpptulemus sobib teie häälega ja vastab teie kvaliteedistandarditele.
Piltide või disaini puhul võivad tehisintellekti tööriistad olla suurepärased kiireteks mustanditeks ja mängulisteks katseteks. Võite luua lastele värvimislehti, projekti kontseptsiooni visandeid või sotsiaalmeedia postituse visuaalseid variatsioone. Kui aga vajate turunduskampaania või professionaalse brändi jaoks midagi lihvitud, on tark iga detail üle vaadata ja vajadusel anda teos inimkujundajale üle, et ta parandaks vead ja viiks visuaalid teie identiteedi ja eesmärkidega vastavusse.
Sama põhimõte kehtib ka tehisintellektil põhinevate reisiplaneerimis- ja soovitusteenuste kohta. Laske tehisintellektil soovitada sihtkohti, marsruute või hotelle, kuid kontrollige alati üle, et need kohad tegelikult eksisteerivad, on endiselt avatud ning et teave asukoha ja mugavuste kohta on ajakohane. Veebiandmed muutuvad pidevalt ja tehisintellekti süsteemid võivad soovituste genereerimisel mõnikord tugineda aegunud või valedele allikatele.
Lõppkokkuvõttes on tehisintellektil tohutu potentsiaal, kuid see pole eksimatu ja tõenäoliselt ei muutu see niipea veatuks. Selle asemel, et oodata täiuslikkust, on realistlikum käsitleda tehisintellekti kui tööriista, mis saab teie võimeid laiendada. Kui ühendate masinate head omadused (kiirus, ulatus, mustrite tuvastamine) inimeste parimatega (otsustusvõime, empaatia, kontekst), saate kõige usaldusväärsemad ja loomingulisemad tulemused.
Tehisintellekti pideva arenguga muutub piir uudishimu ja igapäevase vajaduse vahel õhemaks. Alates ajaloolistest matšidest male ja Go meistritega kuni sotsiaalvõrgustikes valesti käituvate bottideni, nähtamatutest algoritmidest, mis vaikselt kujundavad seda, mida me vaatame ja ostleme, kuni tohutute andmekogumiteni, mis kasvavad igal aastal zettabaitides – tehisintellektist on saanud digiajastu määrav tunnus. Nii selle muljetavaldavate saavutuste kui ka kohati absurdsete vigade mõistmine aitab meil sellele läheneda entusiasmi ja kriitilise mõtlemise tervisliku seguga ning see tasakaal on just see, mida vajame, et sellest tehnoloogiast maksimumi võtta, laskmata sellel oma otsustusvõimet asendada.
