Tehisintellektist ja masinõppest räägitakse juba isegi köögiahjude ja pesumasinate juures, seega tahes-tahtmata tekib tunne: kui seda ei kasuta, oled rongist lootusetult maha jäänud. Mõnikord võibki see nii olla, teinekord aga võib nende moesõnade taga olevate võimsate lahenduste kasutamine olla kui kahuriga varblase tulistamine. Singleton seletab lahti, mis puhul on moodsa masinõppe ja AI ehk tehisintellekti kasutamine üldiselt mõistlik, millal aga mõttetu.

Tehisintellekti kasutusalasid leiab juba päris ootamatutest kohtadest. Kui vaadata tähelepanelikult selle loo avapilti, siis miski on selles nagu teistmoodi, kui tavalisel pildil. Tõesti – seda kohta nimelt pole olemas, kuigi meenutab nii mõndagi tuttavat. Tegemist on tehisintellektile Dall-E ette antud tekstiga, mis palub kirjeldada üht tarkvaraarenduse firma kontorit. Selline ongi siis masina ettekujutus sellest, kus arendajad töötavad. Selle pildi loomiseks on kasutatud põhimõtteliselt kogu maailma teadmisi, sest masinõppega treenitud AI sai ettekujutuse, millistes kohtades programmeerijad tavaliselt töötavad ning koostas selle põhjal oma äranägemise järgi täiesti uue pildi.

Muidugi saab igaüks ka oma arendustes selliseid suuri andmebaase ja masinõppe tarkust ära kasutada.

Mis on üldse tehisintellekt ja mis masinõpe?

Veel enne, kui hakata AI kasutamise üle otsustama, peab teadma, mis see üldse on? 

Tehisintellekti kasutatakse nii laialt, et ka mõned lihtsamad algoritmid, mida on programmeerimises alati kasutatud, on saanud endale kõlava nime AI (Artificial Intelligence).

See ongi tegelikult üsna üldine ja väga lai mõiste, mis kasutab inimese ajutegevusele sarnaseid intelligentseid süsteeme, tarvitab matemaatika, psühholoogia, füüsika, bioloogia, neuroteaduste ja arvutiteaduse saavutusi, et teha otsuseid. AI proovibki inimesele sarnaselt langetada andmete põhjal kõige mõistlikumaid otsuseid, kuid erinevalt inimesest suudab see töödelda tohutult palju rohkem infot. Seega võiks AI olla kasutusel seal, kus tõesti on väga palju andmeid ja hoomamatu infohulk vajab sorteerimist, üldistamist ning erinevate trendide-seaduspärasuste väljaselgitamist.

Tehisintellekti treenitakse masinõppega, millele antakse andmeid töödeldes ette reeglid tulemuste saavutamiseks. Masinõppe puhul treenitakse tehisintellekti niikaua erinevate andmetega, kuni otsused muutuvad piisavalt täpseks, et saab vajalikul määral masina otsuseid usaldada. Näiteks võib masinõppega õpetada tehisintellekti piltidelt ära tundma autosid, maju ja inimesi, kuni see teeb äratundmist juba 99,9% täpsusega, kui selline tulemus on piisavalt hea. 

“Päris” pilt Singletoni kontorist. Mingisugune sarnasus tehisintellekti ettekujutusega nagu oleks, võrreldes avapildiga?

Peamine erinevus AI ja traditsioonilise programmeerimise vahel on see, et kindlate reeglite koodi sisse kirjutamise asemel õpivad mudelid andmetest koolituse kaudu ja leiavad uusi seaduspärasusi. Mudelil on oma parameetrid ja kaalud, mida kohandatakse õppimise käigus erinevate algoritmide abil. Siis aga kasutatakse mudeli täpsuse või toimivuse kontrollimiseks ka testandmeid ning kui kõik vastab ootustele, hakatakse tehisintellekti juba oma tööülesannetes kasutama.

Mis on tehisintellekti sees?

Ega me enam päris täpselt ei teagi, kuidas tehisintellekt oma tulemusteni jõuab, sest muutuvad mudelid kohandavadki end ise vastavalt masinõppele ja meie jaoks saab sellest must kast, millele antakse ette sisend. Kuidagi tekitatakse sellest väljund, mis on piisavalt õige, et usaldada. Samas ei maksa karta, et see on nüüd tehismõistus – tegemist on ikkagi inimese etteantud ülesannetega, mille lahendamiseks AI tööle rakendatakse. Kui tulemus vastab ootustele, milleks siis masina kõhtu vaadata? Kui aga arenduse tellija tahab täpselt teada, kuidas lahenduseni jõutakse, siis võib tehisintellekt olla vale valik. Samas võib aga tellijal olla nii palju andmeid, et selle põhjal mingite kindlate algoritmide väljatöötamine käib inimesele üle jõu. Siis aitabki tehisintellekt ja masinõpe selle töö lihtsamini ära teha.

Millal on mõtet tehisintellekti kasutada?

AI-d võiks seega kasutada, kui on tõesti nii palju andmeid, et nende töötlemisel kipub inimvõimetele piir ette tulema, masin aga saab hakkama. Seega kui on väga palju andmeid ja nende seast tuleb leida seaduspärasusi ning mustreid, mida inimene kohe ei haara, võib aidata masinõppe ja tehisintellekti kasutamine.

Kuid on veel valdkondi, kus tehisintellekt on kasulik. Näiteks kui ettevõttel endal pole tohutuid andmehulkasid, kuid masina tarkuse jaoks on vaja selliseid suuri andmebaase, siis võib juhtuda, et need on juba kuskil kokku kogutud. Siis saab hakata kasutama vastavaid tehisintellekti pilveteenuseid ja lahendusi.

Näiteks pole ju mõtet ise hakata leiutama kõne-tekstiks süsteeme või piltidelt erinevate asjade äratundmist näiteks masinnägemisega – sellega on juba aastaid tegelenud suured tehnoloogiafirmad ja treeninud algoritme väga täpseid tulemusi andma. Sel puhul võib oma rakenduse juures kasutusele võtta mõne tehisintellekti teenuse. Microsoftil on näiteks põhjalikud tõlkeprogrammid, Amazon pakub tekst-kõneks teenuseid ja Google´il on piltidelt objektide tuvastamise lahendused. Kuid need on vaid mõned üksikud näited. Süvitsi uurides võib ka oma ärivaldkonnast leida juba valmis lahendusi, kus masinõppega on tehisintellekt millegi jaoks osavaks treenitud.

Millal pole tehisintellekti mõtet kasutada?

AI-d pole põhjust kasutada, kui arenduse saab tehtud traditsiooniliste programmeerimisvõtete ja algoritmidega. 

Samuti pole mõtet AI-d kasutusele võtta siis, kui andmeid on vähe võid need pole täielikud. Kui sa ei kogu ega salvesta ajaloolisi andmeid, siis pole mõtet oma majas eraldi tehisintellekti kasutusele võtta.

Mõni hea näide AI kasutamisest

Tehisintellekti kasutatakse edukalt näiteks sellistes valdkondades:

Ostunõudluse ennustamine. Mida rohkem on ettevõttel andmeid ostuinfoga, seda täpsemalt suudab tehisintellekt müüki ennustada. Seosed võivad olla üsna ootamatud: kui näiteks uurida kasvõi ilma-andmeid või liiklusummikuid, võib tehisintellekt leida nende ja müügi vahel üllatavaid seaduspärasusi. Mida enam infot ning erinevaid andmeid ennustusse kaasata, seda täpsemaks võib tarkvara töö muutuda.

Vestlusrobotid. Neid saab treenida korduma kippuvate küsimustega klientidele vastuseid andma ning lisaks on enamusel juturobotitel juba olemas algoritmid küsimustele vastusena loogiliste lausete kokkupanemisel. Uuringud näitavad, et vestlusrobot, mis kliendi küsimusele kohe vastab, võib müüki suurendada kuni 67%.

Pildituvastusega robotid võivad aga näiteks tööstuses tootmisliinil prügi sorteerida, kindlaid detaile mõne seadme külge panna või navigeerida siseruumides takistuste vahel. Enamus tarkusest on suurte robootikafirmade poolt juba masinale selgeks õpetatud, aga eks igal tööstusettevõttel on ka oma spetsiifilisi ülesandeid, mida vaja veidi juurde õpetada.