Dirbtinis intelektas šiuo metu pasaulyje sulaukia bene daugiausia dėmesio ir visuomenei kelia nemažai klausimų. Didelį nerimą žmonėms kelia nežinomybė dėl ateities darbo vietų ir scenarijai, kol kas vis dar artimesni fantastiniams filmams nei realybei. Kokią iš tiesų vietą mūsų gyvenime šiuo metu užima dirbtinis intelektas ir kas mūsų laukia vėliau?
Asociatyvi „Pixabay“ nuotr.
Po poros metų robotai turės daugiau darbo valandų nei žmonės
Kauno technologijos universiteto (KTU) Dirbtinio intelekto centro vadovė Agnė Paulauskaitė-Tarasevičienė paskaitoje „Dirbtinis intelektas: mitai ir tikrovė“ kalbėjo, jog dirbtinis intelektas šiuo metu yra viena plačiausiai diskutuojamų sričių. Numatytos priemonės, kaip pasiruošti naujai dirbtinio intelekto erai ir kaip įvertinti jo galimybes, grėsmes ir iššūkius. Sukurtos pasaulinės strategijos, tarp jų ir Lietuvos, nurodančios pagrindinius principus ir tikslus, kurių reikėtų siekti, taip pat ir mechanizmus, kaip juos įgyvendinti.
Dirbtinis intelektas, pasak specialistės, yra įvairiapusė ir sparčiai besivystanti IT sritis. Lietuvoje dirbtinis intelektas apibrėžiamas kaip sistemos, demonstruojančios protingą ir sumanų elgesį, priimančios gana savarankiškus sprendimus tikslui pasiekti.
„Pats apibrėžimas nėra toks tikslus kaip dirbtinio intelekto technologijų galimybių įvardijimas, algoritmų ir pačių principų pateikimas. Įvairių sričių atstovai šiek tiek skirtingai supranta, kas yra dirbtinis intelektas, todėl ir akcentus sudeda skirtingose vietose. Labai svarbu, kokią vietą dirbtinis intelektas užima mūsų gyvenime, kasdienėje veikloje, kur mes jį naudojame ir kokių rezultatų tikimės“, – sakė A. Paulauskaitė-Tarasevičienė.
Šiuo metu dirbtinio intelekto sąvoka naudojama labai plačiai, todėl atsiranda tam tikrų spekuliacijų ir nepagrįstų baimių, įvardijo ji. Pavyzdžiui, viena didžiausių žmonijos baimių yra ta, kad dirbtinis intelektas ir robotai atims iš žmonių darbus ir žmonės nebebus reikalingi.
„Pasaulio ekonomikos forumo skaičiavimais, 2025-aisiais metais, jeigu vertintume darbo valandų skaičių, robotai ar automatizuotos technologijos jau turės daugiau darbo valandų negu žmonės. To nereikėtų baimintis, nes taip pat yra prognozuojama, kad naujų darbo vietų bus sukurta daugiau negu tų, kurios bus pakeistos dirbtinio intelekto technologijomis.
Didžiausias iššūkis yra darbuotojų perkvalifikavimas. Manoma, kad jau 2025 metais bus poreikis perkvalifikuoti net 50 proc. visų darbuotojų. Vertinant pačios visuomenės nuomonę apie dirbtinį intelektą, pastebėta, kad didesnių baimių turi vyresniosios kartos atstovai. Jaunimas žiūri šiek tiek pozityviau, o vyrai turi dar pozityvesnį požiūrį į visas technologijas nei moterys“, – dėstė A. Paulauskaitė-Tarasevičienė.
Vienos pozicijos išnyks, kitų atsiras
Anot jos, apklausos parodė, kad visuomenė mano, jog artimiausiu metu technologijomis bus pakeistos tokios darbo pozicijos kaip kasininkai, vairuotojai ir vertėjai. Tai greičiausiai yra natūralu, nes šiandien kasdienybėje matome daug savitarnos kasų, didėjantį automobilių autonomiškumą. Vertimo programos, tekstų analizės įrankiai taip pat yra kone kasdienybė.
Kaip teigė A. Paulauskaitė-Tarasevičienė, žiūrint dar plačiau ir analizuojant kitą statistiką, kuri apima daugiau darbo pozicijų, pastebėta, kad pozicijos, kurias mažiausiai pavyks pakeisti, yra artistai, muzikantai, terapeutai, policijos pareigūnai, gydytojai, advokatai. Tarp pozicijų, kurias, kaip manoma, labiausiai paveiks skaitmenizacija, jau įvardytos tokios, kaip buhalteriai, valytojai, padavėjai ir kiti.
„Šiuo metu taip pat yra nustatytos darbų grupės, kurios, manoma, bus pačios reikalingiausios, taip pat įvardytos sritys, kuriose bus reikalingi nauji specialistai ir gebėjimai. Viena iš didžiausių tokių darbo grupės sričių yra duomenų mokslas, debesų kompiuterija ir dirbtinis intelektas. Specialistų, kurie įvardijami kaip patys reikalingiausi ateityje, jau ir dabar jaučiamas poreikis.
Labai reikalingi dirbtinio intelekto algoritmuotojai, inžinieriai, duomenų analitikai, debesų kompiuterijos inžinieriai, technologijų analitikai. Taip pat matoma, kad bus reikalingi tokie gebėjimai kaip konvoliucinių neuroninių tinklų išmanymas, modelių hiperparametrų supratimas ir reguliavimas, mašininio mokymosi algoritmų taikymas, duomenų analizė, kompiuterinės regos technologijos“, – per paskaitą kalbėjo specialistė.
Pastebima, kad ateityje bus didelis žaliosios rinkodaros specialistų poreikis. Darbo netrūks atliekų valdymo sistemų inžinieriams, vėjo jėgainių turbinų aptarnavimo, biokuro perdavimo ir saulės jėgainių specialistams, jų išskėstomis rankomis bus laukiama tokiose srityse kaip atsinaujinanti energetika, natūralieji ištekliai ir žiedinė ekonomika, urbanistika ir t. t. Taigi, atsiranda poreikis, kad visų specialybių darbuotojai suprastų duomenų analizės ir apdorojimo metodus, išmanytų etiką ir turėtų žinių apie tvarumą.
Palankiau vertinami namus tvarkantys robotai
A. Paulauskaitės-Tarasevičienės teigimu, analizė parodė, jog žmonės pozityvesnes emocijas jaučia tiems robotams, kurie šiek tiek primena animacinių filmų herojus ir atrodo mieli, linksmi, šaunūs, draugiški ir juokingi. Taip pat ir tiems, kurie turi šiek tiek žmogiškų savybių, tačiau tik iki tam tikro lygio.
„Pasiekus slenkstinę ribą, žmogus pradeda neigiamai vertinti tokius robotus. Paskui į jį žiūrima ne kaip į robotą, kuris yra panašus į žmogų, o tiesiog mąstoma, kad tai yra žmogus su tam tikrais trūkumais, todėl tai kelia neigiamas emocijas, tokias kaip bauginantis, atgrasus, trikdantis, šaltas, erzinantis ir pan. Be to, pastebėta, kad vis dėlto vyrai pozityviau žiūri į robotų integraciją kasdienėje veikloje, pvz., jeigu išmaniosios technologijos ar robotai mokytų vaikus mokykloje, atliktų tam tikras chirurgines operacijas.
Tačiau tiek vyrai, tiek moterys labai palankiai žiūri į robotus, kurie tvarko ar valo namus. Tas požiūris vėlgi yra natūralus, nes šiandien mes tikrai turime nemažai robotų, kurie valo namus, plauna grindis, langus, pjauna žolę. Todėl ir yra tas toks pozityvesnis požiūris. Manoma, kad ateityje tie skaičiai taip pat keisis. Vis daugiau tokių robotų bus integruota į mūsų gyvenimą, kasdienę veiklą“, – aiškino ekspertė.
Taigi, ar robotai atims iš mūsų darbą? Mokslininkė siūlo mąstyti taip, kad automatizuotos darbo vietos paprasčiausiai bus keičiamos naujomis. Trumpalaikėje perspektyvoje darbdaviai paprastai į dirbtinio intelekto technologiją žiūri kaip į metodą, leidžiantį padidinti žmonių darbo jėgą ir suteikti jiems galimybę dirbti pasitelkiant naujesnius išmaniuosius metodus.
Mašininis mokymasis nėra tas pats, kas ir dirbtinis intelektas
Antrasis mitas, pasak A. Paulauskaitės-Tarasevičienės, teigia, kad dirbtinis intelektas yra tas pats, kas ir mašininis mokymasis. Pastaruoju metu dirbtinio intelekto pažanga yra grįsta mašininio mokymosi algoritmais, pavyzdžiui, robotika, duomenų analizė, ekspertinės sistemos yra dirbtinio intelekto polaukis.
„Dažnai visuomenėje šios dvi sąvokos – dirbtinis intelektas ir mašininis mokymasis – yra painiojamos, tačiau jos nėra tapačios. Dirbtinis intelektas yra tokia gana plati hierarchinė struktūra, kuri apima sprendimo metodus, įtraukdama ekspertines sistemas, optimizavimo algoritmus, robotiką, duomenų mokslą, mašininio mokymosi algoritmus.
Štai čia atsiranda mašininio mokymosi algoritmai, kurie yra visos dirbtinio intelekto hierarchinės struktūros viduje. Galiausiai yra gilusis mokymasis. Norėdami geriau suprasti, kas yra tas mašininis mokymasis ir kuo jis skiriasi nuo kitų dirbtinio intelekto algoritmų ir metodų, paimkime vieną pavyzdį, kuris nėra mašininio mokymosi algoritmas, fazilogikas arba, lietuviškai sakant, neraiškiosios logikos pavyzdys. Ši logika yra artima žmogaus mąstymo logikai, sprendimai paprastai yra priimami remiantis taisyklėmis.
Tarkime, mes norime apskaičiuoti automobilio nuomos kainą vienai parai, žinome automobilio vertę ir vairuotojo stažą. Be abejo, gyvenime tokių kriterijų yra žymiai daugiau, jeigu mes norime apskaičiuoti automobilio nuomos paros kainą. Tai greičiausiai bus laikotarpis, kuriam mes nuomojamės, pačios įmonės prestižas, draudimo paketas ir kiti kriterijai. Bet kad būtų paprasčiau, paimkime tik šiuos du kriterijus. Fazilogikoje teiginių reikšmės remiasi praktinėmis, ekspertinėmis tikrumo funkcijomis. Tai nėra griežtoji logika, todėl nėra gerai arba blogai, juoda arba balta, automobilis pigus arba brangus. Čia yra tarpinių reikšmių. Taip, nes mes taip pat suvokiame, kad jis gali būti pigus, vidutinis, brangus, galbūt labai brangus, reiškia, tokių verbalinių reikšmių čia atsiranda daugiau.
Tarkime, ekspertas nusprendė, kad šitam uždaviniui pakanka turėti tris tokias aibes. Automobilis gali būti vertinamas kaip pigus, vidutinis ir brangus. Šios aibės persidengia taip, kaip ir mūsų nuomonės, kas yra pigus, vidutinis ir brangus automobilis. Tarkime, vidutinės vertės automobilis. Ieva mano, kad tai yra nuo 8 iki 19 tūkst., Tomas mano, kad nuo 25 iki 35 tūkst., Simona mano, kad tai yra nuo 5 iki 15, verslininkas Benas mano, kad nuo 30 iki 40 tūkst. Paimamos kraštutinės reikšmės ir tokiu būdu suformuojama aibė, kuri apibūdina, kas yra vidutinis automobilis. Analogiškai yra atliekami veiksmai siekiant nustatyti, kas yra brangus automobilis“, – paskaitoje kalbėjo A. Paulauskaitė-Tarasevičienė.
Populiariausi – dirbtiniai neuroniniai tinklai
Kaip ji aiškino, mašininiam mokymuisi yra būdingas ne tiesioginis problemos sprendimas, o mokymasis, kaip pritaikyti daugelio panašių problemų sprendimus. Mašininio mokymosi klasėje išskiriamos 4 grupės: prižiūrimasis mokymasis, neprižiūrimasis mokymasis, pusiau prižiūrimasis mokymasis ir skatinamasis mokymasis.
Pats populiariausias yra prižiūrimasis mokymasis, dar vadinamas mokymusi su mokytoju. Tuomet duodamos ir įvesties, ir išvesties reikšmės. Tai reiškia, kad kai algoritmas mokosi ir apskaičiuoja išvesties reikšmes, gali palyginti su tikrosiomis išvesties reikšmėmis ir pasižiūrėti, kokia yra paklaida, suvokti, kaip gerai išmoko.
Mokymosi be mokytojo arba neprižiūrimojo mokymosi atveju nėra išvesties ryšio, turimos tik įvesties reikšmės. Tuomet nėra su kuo palyginti, ar algoritmas išmoko gerai, ar ne. Tai yra metodai, kurie lygina patį mokymosi procesą ir žiūri, kaip korektiškai buvo suklasterizuoti tam tikri duomenys.
„Populiariausias prižiūrimojo mokymosi algoritmo metodas yra dirbtiniai neuroniniai tinklai. Neuronas yra nervinė ląstelė, kurios funkcija perduoti signalus. Kompiuterijoje dirbtinis neuronas yra biologinio neurono abstrakcija. Tarpusavyje sujungti dirbtiniai neuronai vadinami dirbtiniu neuroniniu tinklu. Nesigilinant į neuromokslą ir biologiją, dirbtiniai neuroniniai tinklai gali būti apibūdinami kaip matematinė funkcija, kuri atvaizduoja duotąjį įėjimą į pageidaujamą išėjimą“, – teigė mokslininkė.
Svarbu ne tik duomenų dydis, bet ir jų kokybė
Ar tiesa, kad kuo daugiau duomenų, tuo geriau veikia dirbtinis intelektas? Anot A. Paulauskaitės-Tarasevičienės, tai yra dar vienas visuomenėje sklandantis mitas. Nuolat augančios informacijos gausos amžiuje duomenų paruošimas, apdorojimas ir saugojimas tampa išties nemažu iššūkiu, verčiančiu ieškoti tam tikrų novatoriškų sprendimų.
„Kalbant apie duomenų svarbą, reikėtų suprasti, kad svarbiausia yra duomenų kokybė. Didesni duomenų kiekiai nebūtinai padės atrasti vertingesnių ir gilesnių žinių. Reikia sutelkti dėmesį į duomenų kokybę, tinkamumą, įvairovę, o ne tik į dydį. Dydis yra taip pat svarbus, bet duomenų įvairovė yra svarbesnė, čia atsiranda toks terminas kaip „Deep Data“, juo apibūdinami didelės apimties svarbūs duomenys, tinkami naudoti. Pašalinama perteklinė, nekokybiška informacija ir paliekami tik patys svarbiausi duomenys“, – sakė specialistė.
Kol kas dar neturime dirbtinio superintelekto
Ketvirtasis mitas – kad dirbtinis intelektas protingesnis už žmogų. Dirbtinio intelekto technologijos, pasak A. Paulauskaitės-Tarasevičienės, kategorizuojamos pagal jų galimybes imituoti žmogaus charakteristikas, tam naudojamas technologijas, realaus pasaulio taikymo pavyzdžius ir suvokimo koncepciją.
„Šiuo metu egzistuoja trys dirbtinio intelekto tipai: siaurasis, arba silpnasis, dirbtinis intelektas, stiprus, arba bendrasis, ir dirbtinis superintelektas. Siaurasis dirbtinis intelektas yra vienintelis dirbtinio intelekto tipas, kuris yra sėkmingai įgyvendintas iki šios dienos. Jis turi tam tikrą siaurą galimybių rinkinį, tikrai žymiai mažesnį negu žmogus, ir yra skirtas labai konkrečiai užduočiai atlikti. Atpažinti žmogaus veidą, suklasifikuoti kokius nors duomenis, atskirti brokuotus produktus nuo nebrokuotų. Labai konkrečios užduotys, iš anksto viskas užprogramuota, jis tikrai nėra protingesnis už žmogų.
Jeigu mes kalbėtume apie bendrąjį dirbtinį intelektą, šis jau turi tokį galimybių rinkinį, kuris yra analogiškas žmogaus galimybėms. Jis geba priimti savarankiškus sprendimus, savarankiškai mokytis. Tačiau mokslininkams iki šios dienos dar nepavyko sužinoti, kaip tai būtų galima padaryti, todėl mes dar nepasiekėme bendro dirbtinio intelekto tipo.
Dirbtinis superintelektas seniai tapęs fantastinių filmų apie supergalias objektu. Tai ir vilioja, ir kartu skamba bauginančiai, nes mes iš tikrųjų nelabai žinome pasekmių, jeigu pasiektume tokį superintelektą, kuris yra pranašesnis už žmogų ir turi didesnių galių negu žmogus“, – aiškino mokslininkė.
Jos teigimu, mokslininkai prognozuoja, kad perėjimas nuo bendrojo dirbtinio intelekto į superintelektą bus gana greitas. Tačiau bet kuriuo atveju siaurasis dirbtinis intelektas taip pat turi tam tikrų pranašumų. Tai yra efektyvumas, atsparumas ir tikslumas, nes apmokytas dirbtinio intelekto užduotis gali atlikti efektyviau negu žmogus, nes nepavargsta, jam nereikalingas poilsis, palaikomas pastovus efektyvumas, taip išvengiama žmogiškosios klaidos faktoriaus.
Robotai nešališki tiek pat, kiek ir jų kūrėjai
A. Paulauskaitė-Tarasevičienė įvardijo ir penktąjį mitą – tai manymas, jog dirbtinis intelektas gali būti visiškai tikslus ir nešališkas. Iš tiesų taip nėra. Dirbtinis intelektas bus tiek pat tikslus ir šališkas, kiek ir jo kūrėjas. Technologijos šališkumą galima vertinti pagal tris kriterijus: etiką, moralę ir teises.
„Etika yra moraliniai principai, kurie nusako tinkamą asmens elgesį ar veiklas, dirbtinis intelektas gali skirti tinkamą, etišką elgesį nuo neetiško tik remdamasis turimais duomenimis. Čia atsiranda toks terminas kaip moralė. Žmonės turi tą tokį moralinį kompasą, tai yra toks agentas, sėdintis mūsų smegenyse ir iš esmės pasakantis, kas yra gerai, kas negerai. Moralės principai priklauso nuo mūsų aplinkos ir auklėjimo. Dirbtinis intelektas neturi tokio kompaso, vienintelis jo moralinis kompasas yra jo kūrėjas.
Kitas svarbus momentas yra teisės. Jas taip pat reikia paminėti, nes galbūt jos apibrėš apskritai, kaip gali elgtis pats robotas. Dėl robotų teisių yra labai daug visokių siūlymų ir rekomendacijų. Turbūt žinomiausios yra trys, pasiūlytos jau seniai: robotas negali sužeisti žmogaus arba leisti jam susižeisti, privalo vykdyti žmonių nurodymus, nebent tai prieštarauja pirmai taisyklei, ir robotas privalo apsaugoti savo egzistavimą tol, kol tai neprieštarauja pirmai ir antrai taisyklėms. Tų pasiūlymų yra ir daugiau. Pavyzdžiui, robotas turi turėti išjungimo mygtuką, negali apsimesti žmogumi. Robotas privalo pats sau paaiškinti savo veiksmus arba robotas negali sužeisti kito žmogaus arba leisti jam susižeisti, nebent jį valdo kitas žmogus. Atsiranda net ir tam tikrų prieštaravimų. Bet kuriuo atveju tos taisyklės kol kas yra rekomendacinio pobūdžio, nes kol neprasidėjo tikroji robotų era ir jų integracija į mūsų kasdienes veiklas, tai jos ir lieka tik rekomendacijomis“, – įžvalgomis KTU paskaitoje dalijosi mokslininkė.
Pasak jos, žalioji energetika, sveika gyvensena ir žiedinė ekonomika yra daug dėmesio šiuo metu sulaukiančios sritys, jose taip pat turėtų būti taikomos dirbtinio intelekto technologijos. Jos turėtų būti kuriamos siekiant atliepti visuomenės poreikius.
„Dirbtinio intelekto ekosistemos kūrimo tikslas yra skatinti šios tematikos mokslinius tyrimus, sujungiant skirtingų sričių mokslininkų novatoriškas idėjas, kurių rezultatų pagrindu būtų kuriami inovatyvūs, tvarūs produktai, turintys ir realų pritaikymą. Taip pat siekiama užtikrinti sinergiją tarp verslo ir akademinio pasaulio atstovų kartu vystant ir taikant dirbtinio intelekto technologijas“, – pabrėžė A. Paulauskaitė-Tarasevičienė.
Visą mokslininkės paskaitą galite žiūrėti čia: