PEEP MIIDLA ⟩ Tehisintellekt ei õpeta õppima. Aga seda kasutama tuleb õppida

Pildil matemaatik Peep Miidla. Foto: Sille Annuk

• Aastakümneid kestnud tehisintellekti arendamine annab tulemusi.
• Peame aga mõistma, milleks seda kasutada saab.

Tehisintellekti ümbritsev õhin võib tekitada liigseid lootusi ja põhjendamatuid arusaamu, kirjutab tööstusmatemaatik Peep Miidla.

Maailmas lööb laineid inimkonna järjekordne saavutus – tehisintellekt (TI, Artificial Intelligence, kogu kirjutises allikaks Wikipedia). Eesti president kuulutas äsja välja uue haridusprogrammi: TI-Hüpe. Oodatult on esile kerkinud suur hulk õhinapõhiseid teadjaid ja koolitajaid, kes täidavad usinalt oma missiooni, võivad aga uustulnukate seas liigseid lootusi ja põhjendamatuid arusaamu tekitada. Katsun ka õnne ja püüan tehisintellekti pisut lahata.

Intellekt tähendab inimese võimet teadmisi ja oskusi omandada ja rakendada, aga ka võimet informatsiooni tajuda, koguda, töödelda, sellest järeldusi teha ja säilitada teadmistena, mida saab rakendada. Tehisintellekt (TI) viitab arvutisüsteemide võimele täita inimese intelligentsusele väärilisi ülesandeid, nagu õppimine, arutlus, probleemide lahendamine ja otsuste tegemine.

Viimase kümnendi vältel on kasutusküpseks saanud arvutiteadlaste üks tippsaavutusi – suured keelemudelid (SKM, Large Language Models). Töö SKM kallal kestab juba oma pool sajandit, kaasates palju inimesi ja raha.

Aukartustäratav tulemus

Tulemus on aukartustäratav: valdav osa inimkeelte komponente on suudetud kodeerida ja paigutada väga suure dimensiooniga abstraktsesse ruumi, milles saab rakendada efektiivset algoritmi ruumielementide vaheliste kauguste ja konfiguratsioonide analüüsimiseks. Ruumi suur dimensioon tähendab seda, et keeleelemendid on varustatud väga pikkade indeksitega.

Meie igapäevane ruum on kolmedimensiooniline, st ruumipunkti määravad kolm indeksit: P(x1, x2, x3). SKM-ruumi dimensioonid ulatuvad sadadesse miljarditesse: P(x1, x2, …, x100 000 000 000, …). Selle ruumi haldamiseks on vaja väga suuri arvutusvõimsusi ja need on ka loodud. Suur- ja superarvutite vägevus on tagatud suure hulga kõrvuti asetsevate protsessorite paralleelse tööga ja nendevaheliste võimalikult lühikeste kaabliühendustega. Kõike seda on vaja hoida stabiilsel temperatuuril, kokku kulub arvutiklastri jahutamiseks väga palju energiat ning on kokkuvõttes kallis.

Peatulemuseks aga on SKM võime genereerida uusi keeleelemente vastavalt sisestatud päringule. Suured keelemudelid on TI oluliseks kandepinnaks ja andmekorpusteks. Kasutaja esitab küsimuse või päringu TI sisendkeskkonnas ja mõne hetke pärast on vastus käes. TI suhtleb kasutajaga tavakeeles, visuaalses keeles, helikeeles.

Pole esimesed sammud

Rakendused keelemudelites pole TI esimesed sammud, ka Eestis. Tehisintellekt kui akadeemiline distsipliin ja arvutiteaduse uurimisvaldkond kutsuti ellu aastakümneid tagasi. See arendab ja uurib meetodeid ja tarkvara, arvutiprogramme, mis võimaldavad tehnilistel seadmetel tajuda keskkonda, milles need asuvad ja reguleerida kogutud andmete alusel tegevusi nendele delegeeritud eesmärkide saavutamiseks.

Valminud on robotid, isejuhtivad autod, nutikad majad, sõjavarustus, asjade internet jne. TI aitab muuta digitaalsed arvutid töötavateks füüsilisteks seadmeteks, mis konstrueeritakse nii, et need suudaksid täita mistahes ülesandeid ja teha otsuseid etteantud sisendite põhjal. TI rakendused muudavad tegevuste olemust paljudes inimtegevuse sektorites nagu tervishoid, rahandus, navigeerimine, logistika, sõjandus, personalitöö, raamatupidamine, pildi- ja objektituvastus, tõlkimine jne. Tublisti saavad tööd juurde juristid ja advokaadid, et lahendada autorluse ja eheduse probleeme.

Tehisintellekti metoodilises keskmes on õppimine, täpsemalt masinõpe, selle rehkenduslikeks meetoditeks närvivõrgud, täpsemalt tehisnärvivõrgud. Viimane on bioloogilise aju eeskujul ehitatud arvutuslik arhitektuur, mille parameetrite väärtustamiseks toimubki masinõpe.

Märgime, et loodusvaatluste alusel on konstrueeritud mitmeid optimeerimismeetodeid, nn heuristilisi meetodeid, mis võimaldavad lahendusi saada kiiremini kui klassikaliste meetoditega, loobudes rangetest täpsuse nõuetest. Sama kehtib ka närvivõrkude puhul. Tehisnärvivõrkude meetodid erinevad üksteisest selle komponentide konfiguratsioonide poolest. Komponentideks võib lugeda tehisneuroneid ehk sõlmi, nende arvu, nende paiknemist nn kihtidel, kihtide arvu, neuronitevahelisi ühendusi, sisendeid, väljundeid, aktivatsioonifunktsioone jm.

Õppiv keskkond

TI kasutaja ei saa midagi teada sellest, kuidas tema sisendpäringust genereeritakse väljund. Masinõpetamine seisneb selles, et igale kahe neuroni vahelisele ühendusele omistatakse iteratiivselt individuaalne kaal, arv, mida kasutatakse koguväljundi kompileerimisel. Õpetamisprotsessi igal sammul ehk iteratsioonil muudetakse või ei muudeta kõiki kaalusid vastavalt etteantud kriteeriumitele, põhiliselt etteantud matemaatilistele tingimustele. SKM puhul jäävad kõik need asjad muidugi firmade saladusteks.

Võib-olla assotsieerisid arusaamad tehisintellektist kui õppivast keskkonnast Eesti uut TI-Hüpet. Selle eesmärgiks seati Eesti hariduse kvaliteeti tipptasemel hoidmine, andes õpilastele ja õpetajatele tänapäevased tehisintellekti õpitööriistad, mis muudavad nad targemaks õppijaks.

Loota tehisintellektile kui õppima õpetajatele ei ole siiski alust. TI treenimine, masinõpe on mehhaaniline, iteratiivne ja inimesele hästi ei sobi. Kaasajal peaks iga Eesti kodaniku oskuste hulka kuuluma arvuti kasutamise ja programmeerimisoskus, kaasa arvatud oskused suhelda TI keskkondadega, seega tuleks need teemad juurutada põhihariduses. Infotehnoloogia arengu tagajärjel on veebis kättesaadaval hulgaliselt tarkvaravahendeid, rakendusprogramme, mille kasutamine on jõukohane tüdrukutele ja poistele põhikoolis. TI kasutamist tuleks koolides kindlasti õpetada ja juhendada, noored juba kasutavad tehisintellekti huvi ja nalja pärast.

Innovatsioon tähendab, et täna tehakse paremaid otsuseid kui eile. Matemaatiliste meetodite kogumit otsuste hindamiseks ja võrdlemiseks nimetatakse operatsioonianalüüsiks (Operations Research). Olulised meetodid on veebitarkvarades realiseeritud, õpilastele valmistaks kindlasti huvi efektiivistamist vajava koha leidmine mõne tuttava või sugulase ettevõttest ja selle «ettesöötmine» arvutile. Tuleks purustada müüt, et arvuti kasutamine on vaid spetsialistide pärusmaa. Digitaalsete kaksikute loomine oleks kooskõlas rahvusvahelise programmiga INDUSTRY 4.0.

Pole suudetud majanduses rakendada

On veel asjaolusid. Vaatamata TI näilisele edule pole kogu maailmas suudetud seda rakendada majanduses ja tööstuses. TI on andmepõhine ja kui firma ei taha oma andmeid avaldada, mis on vägagi loomulik, siis jääb TI hätta. See juhtub sageli finantsfirmadega ja pankadega. Sellest kitsaskohast on saadud üle nii, et levitatakse tasulist autonoomselt firma sees kasutatavat TI versiooni.

Palju tõsisem on TI rakendamiseks vajalike andmete puudus tööstusülesannete kohta. Kui on soov mingit konkreetset tööstuses esile kerkinud ülesannet lahendada, siis klassikalisel juhul koostatakse esmalt vaadeldava protsessi matemaatiline mudel digitaliseerimiseks sobival kujul. See viiakse arvutisse ja siis järgnevad arvutus- ja simulatsioonieksperimendid, mis võimaldavad algandmeid muuta ja erinevaid otsustusvariante võrrelda. Tegemist on rätsepatööga, mille tulem teistele ettevõtetele ei pruugi sobida.

Suured TI firmad püüavad luua autoformaliseerimise vahendeid. Autoformaliseerimine tähendab loomulikus keeles esitatud matemaatikaülesande automaatset tõlkimist formaalsesse matemaatikakeelde, matemaatilise mudeli püstitamist, mida saaks järgnevalt TI vahenditega lahendada. Eduka autoformaliseerimise tööriista mõju on tohutu nii praktilises kui filosoofilises mõttes. See vähendaks praegusi suuri formaliseerimise jõupingutusi ja kulusid ja pikemas perspektiivis võib ühendada erinevaid uurimisvaldkondi. Lisaks oleks autoformaliseerimine tõeliseks tunnistuseks masinmõistmisest, ühendades loomuliku keele hägususe ja formaalse keele täpsuse.

Seni, kuni autoformaliseerimine on tulevikuperspektiiviks, tuleb oskajail ettevõtteid ise aidata. Matemaatilise modelleerimise spetsialistide rohkuse üle me Eestis kiidelda ei saa. Pigem tuleks hakata mõtlema nende ettevalmistamise peale. Vähe on lootust, et noortel areneks välja matemaatiline mõtlemine selle klassikalises tähenduses, aga modelleerimise praktilised oskused, kaasa arvatud nüüdisaegse modelleerimistarkvara tundmine võiks põhikooli vanemas astmes ja gümnaasiumis õppijaile olla jõukohased ja atraktiivsed.