Technologijų pasaulyje dirbtinis intelektas (DI) šiandien yra karščiausia ir daugiausiai aptarinėjama sritis. DI ne tik nuolat girdimas kaip mokslininkų įrankis naujiems vaistams kurti ar laivams naviguoti, bet ir pasiekia mūsų kasdienybę – karantino laikotarpiu jums maisto prekes pristatančių kurjerių maršrutai greičiausiai buvo optimizuoti DI pagalba.
Akivaizdu, kad DI terminas patiria tikrą bumą, tačiau kokia tikrovė ir galimybės už jo slypi? Mano akimis, DI realybė yra paprastesnė, tačiau galinti atnešti didesnės naudos, nei daugumai gali atrodyti.
Dirbtinis intelektas kaip įvairias technologijas apibendrinantis skėtinis terminas atsirado dar šeštame praėjusio amžiaus dešimtmetyje, matematikams, fizikams ir kitiems mokslininkams sukūrus ir pradėjus tyrinėti pirmuosius dirbtinius neuroninius tinklus. Tais laikais buvo pasiūlytas ir žymusis Turingo testas, padedantis nuspręsti, ar programų pateikiami atsakymai skiriasi nuo žmogaus. Vis dėlto atsižvelgiant į ribotas to meto technologijų turėtas skaičiavimo galias ir mažus (kokybiškų) duomenų kiekius, didesnio proveržio šioje srityje pasiekta nebuvo.
Dabartinis DI bumas prasidėjo apie 2013-2014 m., kuomet tarptautinėse technologijų ar startuolių konferencijose tarp tuomet dominavusių „big data“ ar „blockchain“ raktažodžių vis dažniau pasigirsdavo ir DI terminas. O kadangi per pastaruosius dešimtmečius sukūrėme neįtikėtinus kompiuterinius pajėgumus ir duomenų kiekius – dvi svarbiausias DI plėtrai reikalingas dedamąsias – minėtoms madoms prieš porą metų atslūgus, atėjo eilė ir DI „šlovei“.
Tačiau ką mes apskritai vadiname DI? Net ir mūsų bendrovėje, save vadinančioje DI sprendimų kūrėjais, su kolegomis diskutuojame, ar tai, ką darome, yra DI, ar mūsų kuriamas „intelektas“ tikrai „dirbtinis“ ir ar jis apskritai „intelektas“. Ir jei daugelis veikiausiai sutiks, kad tokie žmonėms dabar reklamuojami dalykai kaip „vaizdo registratorius su DI technologija“ tėra tam tikrus skaitmenis, spalvas ir formas kelio ženkluose atpažinti apmokytas ir, ko gero, savaime netobulėjantis algoritmų rinkinukas, kaip turėtume vertinti sudėtingesnius, verslui ar tam tikroms jo nišoms skirtus sprendimus?
Vadovaujuosi koncepcija, kad jeigu žmogaus intelektu paprastai vadinama adaptyvi ir tikslų siekianti elgsena, tai tokius pačius kriterijus turėtume taikyti ir dirbtiniam intelektui. Taigi tikrosios DI sistemos turėtų adaptuoti savo veiksmus realiu laiku, realioje aplinkoje ir be papildomo kūrėjų įsikišimo. Kitaip tariant, tikruoju dirbtiniu intelektu vertėtų vadinti sistemą, ne tik atpažįstančią ir reaguojančią į įvairią informaciją (pvz., orus ar žmonių nuotaikas socialiniuose tinkluose), bet ir gebančią išmokti apdoroti ir vertinti naujo tipo informaciją realiu laiku. Žinoma, kol kas dirbtinis intelektas neaprėps visų operacijų, tačiau, pvz., savarankiškai optimaliausias kainas padedanti nustatyti sistema, realiu laiku atsižvelgianti tiek į istorinius, tiek ir į naujus ir, svarbiausia, naujo tipo duomenis, verslui būtų aukso vertės.
Kitaip tariant, tikruoju dirbtiniu intelektu vertėtų vadinti sistemą, ne tik atpažįstančią ir reaguojančią į įvairią informaciją (pvz., orus ar žmonių nuotaikas socialiniuose tinkluose), bet ir gebančią išmokti apdoroti ir vertinti naujo tipo informaciją realiu laiku.
Būtent ši DI savybė organizacijoms turėtų suteikti trokštamą efektyvumą: savaime tobulėjančios ir teisingus sprendimus priimančios sistemos ne tik suteikia greičio pranašumą apdorodamos milžiniškus duomenų kiekius, bet ir taupo programuotojų bei kitų specialistų darbo valandas nereikalaudamos jų įsikišimo.
Įsivaizduokite mažą vaiką, kuriam rodote tūkstančius kačiukų ir šuniukų nuotraukų, pasakydami, kurioje nuotraukoje koks gyvūnas yra. Ilgainiui ir nematytose nuotraukose vaikas pradeda atpažinti šuniuką ar kačiuką, bet pamatęs karvę negali jos identifikuoti. O pamatęs liūtą gali nutarti, kad tai kačiukas, ir eina paglostyti. Panašiai veikia bei klysta ir daugelis sistemų, kurias nepelnytai vadiname DI. Vienas garsiau nuskambėjusių pavyzdžių – išmanusis telefonas, kurio atrakinti veido atpažinimo sistema negalėjo tamsiaodės moterys – programinės įrangos kūrėjai konstruodami šią sistemą tiesiog nepasirūpino pakankamai įvairių duomenų rinkiniu „apmokydami“ algoritmus. JAV gynybos projektų agentūra DARPA vadina tokias sistemas „statistiškai įspūdingomis, tačiau individualiai nepatikimomis“. O mano asmeniniu vertinimu, dauguma sprendimų, šiandien rinkodaristų vadinamų DI, yra tiesiog automatizavimas ir intelektu nepasižymi. Daugelis sistemų neturi gebėjimo taip gerai mokytis savaime, kad galėtų veikti prireikus apdoroti nepažįstamus duomenų rinkinius ar panaudoti turimus gebėjimus kitokio tipo problemoms spręsti.
Be to, DI nėra vieninga ir visur pritaikoma technologija ar koncepcija. Dirbtinis intelektas turi daugybę skirtingų rūšių ir interpretacijų, bet vienas DI terminas viešojoje erdvėje šiuo metu apima visiškai skirtingiems tikslams, skirtingais būdais sukurtas ir skirtingus gebėjimus turinčias technologijas. Iš tikrųjų dirbitinis intelektas išsišakoja į tokias koncepcijas kaip Applied arba Narrow DI – t.y . įrankis, gebantis spręsti vieną konkrečią užduotį, kuriai sistema yra paruošta ar apmokyta, pvz. žaisti GO, valdyti automobilį, atpažinti veidus ar planuoti užsakymų poreikį pietų Londone. Kitas terminas – Artificial General Intelligence – yra gebėjimas įvykdyti kognityvines užduotis taip pat gerai, kaip tą sugeba žmonės. O Superintelligence vieną dieną galbūt smarkiai pralenks žmogiškuosius intelektinius gebėjimus. Tad tikiuosi, kad plačiojoje komunikacijoje greitu laiku atsiras tikslesnių terminų naudojimas.
Kodėl apskritai gimsta ginčai dėl DI? Kartu su kolegomis – DI komponentus kuriančiais ir tobulinančiais programuotojais, duomenų mokslininkais ir kitais specialistais – manome, kad DI terminas šiandien yra pernelyg mistifikuotas ir romantizuotas. Plačiajai visuomenei ir daliai žiniasklaidos DI terminą įsivaizduoti yra kiek paprasčiau nei kitas pastarojo meto technologines madas, tokias kaip „debesija“, „big data“ ar „blockchain“. Bėda ta, kad DI neretai piešiamas kaip mus visus pranoksiantys ir užvaldysiantys robotai, kas, savaime suprantama, nėra tiesa. Kita „blogybė“ - DI etiketę lipdyti prie bet ko, kas turi informacijos atpažinimo, analizės ir automatizavimo požymių: tai gali lemti neteisingus lūkesčius. Savo požiūrius apie DI turi ir akademinė bendruomenė, o technologijų vadovai gali ilgai ginčytis, ar DI grįstas sprendimas privalo mokėti dirbti tik su nauja informacija, ar ir su naujo pobūdžio informacija.
Bėda ta, kad DI neretai piešiamas kaip mus visus pranoksiantys ir užvaldysiantys robotai, kas, savaime suprantama, nėra tiesa.
Nenoriu būti suprastas klaidingai. Manau, kad DI grįstos technologijos bus kertinis programinės įrangos komponentės ateityje, tačiau jos jau šiandien turi ir realų pritaikomumą. Visame pasaulyje jau bene tris dešimtmečius saugumo ir gynybos sektoriuje viena stipriausių bendrovių yra lietuviai „Neurotechnology“, kurianti DI-grįstus pirštų atspaudų atpažinimo sprendimus, o startuolio „OXIPIT“ DI grįstas sprendimas padeda nustatyti plaučių ligas ir šitaip sprendžia gydytojų trūkumo, eilių ligoninėse ir kitas aktualias problemas. „Satalia“ taip pat yra sukūrusi DI komponentais paremtus maršrutų planavimo ir optimizavimo, bei žmogiškųjų išteklių valdymo sprendimus, ne tik padedančius išspręsti sudėtingas matematines ir verslo problemas, bet ir turinčius potencialo būti panaudotiems sprendžiant ir optimizuojant visuomenei bei viešajam sektoriui aktualių sričių iššūkius.
Šiandien girdime daug triukšmo, bet neabejoju, kad pats „tikrojo DI“ principas – naujo tipo informacijos apdorojimas ir tobulėjimas be programuotojų įsikišimo – ilgainiui taps kertine visos programinės įrangos dedamaja. Prognozuojama, kad per artimiausius 5 metus DI rinka pasieks per 190 mlrd. JAV dolerių, todėl bus įdomu stebėti, kas taps tikraisiais laimėtojais: pirmieji pradėjusieji taikyti DI technologijas ir išsiveržę į priekį, ar sekėjai, perimantys kitų verslų investicijų dėka atsiradusias pratikas ir įrankius. 2008-ųjų krizės metu ir po jos, įmonės, suskubusios investuoti į automatizaciją ir procesų optimizavimą, per dešimtmetį išaugo gerokai sparčiau nei jų konkurentai, pasirinkę neinvestuoti, todėl tikėtina, kad taip pat pasiseks ir kompanijoms, kurios COVID krizės akivaizdoje investuos į DI.
