Tehisintellekt ehk AI (artificial intelligence – inglise k) on viimasel ajal suuresti küll meelelahutuslikus võtmes saanud meie igapäevaelu pärisosaks, aga üha enam jõuab see ka tootmisettevõtete tööd juhtivatesse programmidesse.
Tegelikult on siinkohal paslik mainida, et tehisintellekt pole siiski midagi analoogset inimmõistusega ega tähenda, et masinad suudaksid nüüd justkui iseseisvalt arutleda ja mõtestatud teemasid arendada, vaid tegemist on puhtal kujul masinale kunstlikult loodud intellektiga. See võimaldab neil sooritada toiminguid vastavalt sellele, kuidas näiteks masinnägemine aitab neil tajuda ümbritsevat olukorda ning vastavalt sellele matemaatilist loogikat rakendades tegutseda, sh n-ö õppida ja etteantud ülesandeid lahendada.
Seega – rääkiv inimesesarnane humanoidrobot ei tähenda veel tingimata, et tegemist oleks tehisaru kasutamisega. See võib olla lihtsalt inimeste lõbustamiseks loodud mänguasi, mis on võimeline teatud etteantud tegevusi sooritama, aga mitte infot analüüsima. Ent just see viimane on omane tehisintellektile.
Tõeline tehisintellekt peitub ikkagi arvutiprogrammides ja ei pruugi visuaalselt kuidagi vaadeldav olla.
Tallinna Tehnikaülikooli infotehnoloogia teaduskonna tarkvarateaduste instituuti loodi rakendusliku tehisintellekti töörühm mitte kuigi ammu ning alates aastast 2019 keskendutakse seal peamiselt masinõppe jt tehismõistuse meetodite juurutamisele tööstuse ja avaliku sektori rakendustes. Praegu on käsil näiteks tehismõistuse ruumianalüüsil rakendamise võimaluste uurimine ning masinõppe ja AI teenuste arendamise projektid.
TalTechi tarkvarateaduste instituudi professor Tanel Tammet ütleb, et arvutiteaduses on tehisintellekti mõiste juba ammu kasutusel – sellega hakati tegelema ajal, mil ehitati esimesed arvutid ja hakati nende jaoks koostama esimesi programme. „Tehisaru kui mõiste on kasutusel juba oma 70 aastat,” märgib ta.
Küsimustele vastab Tanel Tammet
Kas üldse on võimalik piiri tõmmata, kus lõppeb automaatika ja algab tehismõistus?
Saab tõmmata udusevõitu joone. See udune joon seisneb asjaolus, et kui me täpselt ei mõista, mida mingi meie käsutuses olev tarkvara teeb, siis kipub see tarkvara olema tehismõistuse moodi. Kui aga suudame selgelt prognoosida, mida programm või tarkvara teeb, siis me seda tehismõistuseks pigem ei pea. Samas – programmid, mis teevad n-ö prognoositavaid asju, võivad olla vägagi keerulised. Näiteks veebibrauserid või Microsoft Word, mis on iseenesest suured ja keerulised programmid, aga üldiselt käituvad ennustatavalt. Ent näiteks maleprogramm võib olla väga väike, aga keegi ei oska ette ennustada, millise käigu ta järgmiseks teeb. Masinõppeprogrammidega on olukord sarnane – me ei oska hästi ennustada, kui edukalt masin mingi objekti ära tunneb, kuidas ta selle ära tunneb või millise sõna meile teksti produtseerides järgmiseks ütleb.
Mida me siis saame tehisintellektiks pidada?
Kaldume tehisintellektiks pidama sellist tarkvara, mis teeb üldiselt mõistlikku asja – mitte midagi juhuslikku – aga me ei suuda neid tegevusi ette näha. Seepärast on tehisintellekti määratlus aja jooksul pidevalt muutunud. Üldiselt valitseb põhimõte, et tegevused, mida inimesel on väga keeruline teha, võiksid olla tehisintellekti ülesanneteks. Ja teisipidi, et kui meil endil mingi asi tuleb hästi välja, siis seda me AI hooleks ei jäta. Selline tunnetuslik vahetegemine.
Kas see tähendab seda, et me väga ei julge anda otsuste langetamist tehismõistuse kätte?
Automaatselt küll, sest niipea, kui ütleme, et tehisintellekt on asi, mida ei oska hästi prognoosida ja nii mõndagi ei pruugi hästi välja tulla, siis ei ole tark mõte anda otsustamist sellise süsteemi kätte. See on jälle põhimõtte küsimus: me lihtsalt ei taha otsustamist ebakindlale süsteemile üle anda.
Tööstus tahaks AI-d kasutada efektiivsuse parandamiseks. Aga kui inimene peab tehismõistuse järeldused üle kontrollima, kus efektiivsus siis peitub?
Eks see ole valus küsimus, millele on mitu nigelat vastust. Üks on see, et kui vigade protsent pole väga kõrge ja need vead ei ole väga kriitilised, siis võime vahel nende vigadega leppida. Teiseks võib selguda, et vahel on inimesepoolne ülevaatamine siiski kergem töö võrreldes sellega, kui kõik tuleks nullist ise teha. Ent ilmselt kõige ausam vastus on see, et kõige kriitilisemates kohtades ettevõtted praegu üldiselt ei kasutagi tehisintellekti. Just nendelsamadel põhjustel. Näiteks tööstusrobotites on vähe AI-d – sellised robotid on üsna jäigalt programmeeritud, et oleks täpselt teada, mida nad teevad.
Kuidas üldse tehisintellekt ja sellest arusaamine on arvutiteaduses aja jooksul muutunud?
Tehisintellekti kui valdkonna populaarsus on kulgenud lainetena, kusjuures on kasutusel mõiste „tehisintellekti talv”. Ajaloos on olnud kolm suurt tehisaru tõusuperioodi, mille käigus edasiminekud olid suured ning tekkinud on ülevoolav entusiasm, et kohe-kohe on tulemas kaugeleulatuv progress. Esimese kahe tõusulaine ajal seda ei tulnud ja maad võttis üleüldine pessimism, finantseerimine tõmmati koomale ning kogu valdkonna populaarsus langes. Selliseid tagasiminekuid nimetatakse tehisintellekti talvedeks. Siiani on neid olnud kaks. Praegu oleme kolmandas tõusulaines ja keegi ei oska ennustada, kas sellele järgneb taas talv või oleme juba väga suure edasimineku lävel.
Millest praegu käimasolev tõusulaine alguse sai?
Suured edasiminekud masinõppes hakkasid pihta umbes 15 aastat tagasi. Iseenesest on masinõppe baasalgoritmid ammu tuntud, kuid eelmisel sajandil suurt edasiminekut ja praktilist rakendamist ei tekkinud. Põhjus, miks masinõpe hakkas sellel sajandil kiiresti arenema, oli asjaolu, et arvutite jaoks hakati massiliselt tootma graafikakaarte – alguses eeskätt mängude jaoks – ja ilmnes, et needsamad graafikakaardid sobisid väga hästi masinõppe algoritmide jaoks. Graafikakaartide abil sai neid jooksutada sadu ja tuhandeid kordi varasemast kiiremini. See võimaldas kiiremat eksperimenteerimist, sest masinõppe väljatöötamine on eeskätt eksperimentaalne teadus, kus on on vaja paljude meetoditega katsetada, et jõuda uue intuitsioonini.
Kui me tahame luua näiteks isetoimivat tehast, siis seda saab teha programmeerides, algoritme kasutades ja koodi kirjutades, mitte andes seda tehismõistuse ülesandeks?
Praeguse tehnoloogia juures on see täpselt nii. Praegust sorti tehismõistused midagi niivõrd keerulist teha ei suuda. Mistõttu suured tehaseautomaatika süsteemid on põhiosas suurte pingutustega n-ö käsitsi kokku programmeeritud. Mis samas ei tähenda, et mitmed osad selles süsteemis ei võiks kasutada tehisintellekti. Näiteks asi, mis suhteliselt hästi töötab, on pildituvastus – mõnes valdkonnas on seal vigade hulk väike ja tänu sellele saab seda tööstuses juba täiesti praktiliselt kasutada. Ma arvan, et AI kõige suurem praktiline edulugu praeguses tööstuses ongi pildituvastusprogrammid, ning seejärel sensoritest saadud andmete aegridade pealt tehtavad ennustused: näiteks, et mingi seade hakkab üles ütlema või on vaja tellida uut toorainet vms.
AI peitub programmides ja kiipides?
Absoluutselt. Tehisintellekt on puhtal kujul arvutiprogramm ja sellel on vähemalt praegu robotitega vähe pistmist.
Kuidas võiks AI Eesti tööstusettevõtetele kasulik olla?
Üks suur reaalset kasu andev valdkond on optimeerimisülesanded, mida AI-le usaldada, alates logistika korraldamisest ja lõpetades tootmisprotsesside optimeerimisega. Taolisi ülesandeid on palju, ning optimeerimiseks on enamasti vaja teha palju otsinguid ning samas kasutada statistilist materjali, ehk juba olemasolevaid andmeid. Masinõpe tuleb siin appi, tehes ühest küljest ülesande püstitamise lihtsamaks, teisalt aidates otsingut suunata. Teine suur valdkond on objektide äratundmine, defektide tuvastamine jms masinnägemise abil. Kolmas on aegridade pealt ennustamine (mis edasi võiks juhtuda): tingimusel, et näiteid varasemast on väga palju. Neis valdkondades töötab masinõpe küllaltki hästi, tingimusel, et on kasutada piisavalt õppematerjali.
Milline on üldse tehisaru loomine ja kuidas ta siis edasi käitub?
Tehisarusid on olemas tõepoolest mitut tüüpi. Laias laastus on neid kahte sorti: otsialgoritmid ja masinõppe algoritmid. Enamasti on nii, et võttes vaid ühe neist, jääb selle võimekus puudulikuks. Seega suurem perspektiiv on programmidel, mis püüavad neid kahte kokku panna. Tuleb tunnistada, et ega nende kokkusobitamine lihtne ei ole, nõuab palju loomingulist tegevust ja sestap on see arvutiteaduse jaoks päris suur väljakutse.
Millised peaksid olema eeldused, et ettevõttes võiks olla tarvilik kasutada tehisintellekti?
Esimene eeldus on see, et ettevõttes võiksid olla selgelt näha probleemid, mille lahendamine on majanduslikult oluline ja kus optimeerimine aitaks. Näiteks kui automatiseerimisest jääb midagi puudu, seda aga aitaks parandada sensoritest või kaamerapiltidest parem arusaamine. Ülesanne peaks olema võimalikult konkreetne ja tajutava keerukusega. Ettevõtte tarkvaraline baas on siinjuures vähem tähtis selge ülesande olemasolust, kus on näha, et optimeerimine parandaks olukorda, ehk annaks majanduslikku kasu.
Millest AI ohud tulenevad?
Võrk on ohtlik sellepärast, et kõik küberrünnakud tulevad võrgu kaudu: suunatud tegevused, millega tahetakse ettevõtte tegevust kahjustada. Tehisintellekt ise ei taha kedagi kahjustada, seega sealtpoolt lähtuv oht on oluliselt väiksem. AI-st lähtuv oht on tavaliselt see, et ehitatakse süsteem, mis korralikult ei tööta. Nii võib juhtuda, kui erinevaid stsenaariume pole põhjalikult testitud ja katsetatud. Vigane süsteem võib palju kahju tekitada, eriti, kui veale õigel ajal jälile ei saada.
Aga tehisaru kasutaja vastu mässu ei tõsta?
Seda küll mitte. AI-l pole ikkagi päriselt n-ö aru peas, et ta ise võiks ohtlikuks muutuda. Juba kasvõi tema võimsus pole nii suur, et meelega halba teha.
Kas tehisaru on praegu staadiumis, kus teadlastel on kindlad sihid selle arendamiseks?
Vastupidi: meil ei ole praeguses staadiumis kindlaid sihte tehisintellekti arendamiseks. Pigem käib palju eksperimenteerimist erinevates suundades. Kusjuures selle kõige juures on väga vähe intuitsiooni, et millised suunad võiksid olla perspektiivikamad. Viimase kümne aasta jooksul on teadlased jõudnud arusaamisele, et me ei oska kuigi täpselt prognoosida, kuivõrd edukaks mingi spetsiifiline algoritm või süsteem võib osutuda.
