„Mano pačios pirma pažintis su DI nutiko vaikystėje, ir žinoma, tai buvo filmas „Terminatorius“. Jame dirbtinis intelektas vaizduojamas itin negatyvia perspektyva, bet didesnė problema yra tai, kad DI šio įvaizdžio neatsikrato dar ir iki šiol“, – teigia moteris, pati dirbanti su DI kūrimu ir vystymu.
Pasak jos, pradėti reikėtų nuo DI demistifikavimo. „Dirbtinis intelektas – tai mokslas, kuris mašinas paverčia protingomis. Jos apdoroja daug daug duomenų, aptinka dėsningumus ir koreliacijas ir pateikia prognozes“, – DI apibrėžia specialistė. Pasak jos, vienintelis trūkumas – DI dar tikrai neprotauja. „Todėl turime tikrai didelį pažangaus AI progresą, bet iki mąstančių mašinų mums dar toli“ – mano I. Martinkėnaitė.
O kuo DI skiriasi nuo paprastų programų? Pasak ekspertės, DI yra ne užprogramuota sistema, bet besimokanti. Ir mokosi ji iš duomenų, kurias sukuriame ir pateikiame mes, vartotojai. I. Martinkėnaitės teigimu, geras to pavyzdys yra „Google translate“: tai sistema, kuri mokosi, ir kuo daugiau yra tos kalbos vartotojų, tuo vertimai galiausiai gaunasi sėkmingesni (iš čia kyla ir lietuviškos vertimo problemos – mūsų tiesiog yra labai mažai).
Praktinis pritaikymas
„Telenor Group“ dirba Norvegijoje, ir ten, pasitelkdami DI, dabar jau sprendžia lokalias problemas. „Norvegija garsėja dviem dalykais: žuvimi ir nafta. Ir mes dirbame abiejose srityse“ – pasakoja I. Martinkėnaitė. Ir pateikti pavyzdžiai atrodo išties įspūdingai.
Užsiimant naftos gavyba didesniu mastu, susidaro didžiulis objektų tinklas, tarp kurių nuolat vyksta judėjimas: nuo vienos platformos į kitą ar tarp bazių skraido sraigtasparniai, plaukioja laivai. Tai neišvengiama, nes sistemos patiria gedimus, ir būtina nuolatinė priežiūra. Pasak „Telenor Group“ atstovės, tai kainuoja milijonus kronų.
Bet kompanija „sumaitino“ gedimų duomenis jų kuriamam dirbtiniam intelektui ir šis ėmė pateikinėti prognozes, kur artimiausiu metu gali nutikti gedimai. Užuot patruliavusios, priežiūros komandos perėjo prie prevencinių darbų numatytose gedimų vietose, ir tai leido sutaupyti nemažai kaštų.
Panašiai DI padėjo ir žuvų fermoms: auginant žuvis, didelė dalis jų pašaro buvo išnaudojama veltui. Pasitelkus filmuotą medžiagą ir DI atliktą duomenų apdirbimą, visa tai leido optimizuoti sąnaudas. Be to, DI išmoko ir atpažinti žuvis, turinčias parazitų.
Egzistuoja ir daugiau DI taikymo priežasčių – pavyzdžiui, išanalizavęs milijonus vėžinių susirgimų vaizdinę medžiagų, DI jau sugeba sėkmingai jas rūšiuoti. Čia verta prisiminti ir lietuvius, kurie kuria DI šioje srityje.
DI gali padėti ir versle: „Telenor Group“ Norvegijos ryšio operatoriui sukurtas DI išmoko nuspėti, kokiu klausimu į klientų centrą skambina klientas – ir iš anksto nukreipti skambutį konkrečios srities vadybininkui ar operatoriui.
Kas bus toliau
Anot I. Martinkėnaitės, dabartinį DI augimą lemia trys svarbiausi dalykai: 1) mes, vartotojai sukuriame vis daugiau ir daugiau duomenų, kuriais naudodamasis DI gali apsimokyti. 2) Mažėja technologijos kainos. Pavyzdžiui, DI skaičiavimams tinkama vaizdo plokštė su 2800 procesorių dabar kainuoja vos tris šimtus eurų. 3) giluminis mokymasis (angl. deep learning) sparčiai tobulėja.
„Telenor Group“ viceprezidentės teigimu, DI bus taikomas vis plačiau ir plačiau. „Pavyzdžiui, dar grįžtant prie telekomunikacijų verslo pavyzdžių. Gerai, kad čia vyks konferencija „Login“, buvo žinoma iš anksto, todėl ryšio teikėjai greičiausiai čia pastatė papildomos ryšio įrangos. Bet tarkime, mes stebime interneto sunaudojimo duomenis ir kitur Lietuvoje – ir Alytuje, ir Molėtuose – ir DI, turėdamas daugiau duomenų, galėtų teikti prognozes ir rekomendacijas, kada ryšį reikėtų sustiprinti ir ten. O dabar įsivaizduokite, kad kompanija veikia tarptautiniu lygmeniu, keliose šalyse. Tai leistų tiek sutaupyti, tiek laiku teikti paklausą atitinkančias paslaugas“, – pasakoja I. Martinkėnaitė.
Ekspertė pateikė rekomendaciją ir norintiems prisijungti prie DI kūrimo. „Supraskite, DI negali būti lokalus, kuriamas vienai rinkai. Dirbtinis intelektas privalo būti globalus. Tarptautinis. Kitaip projektas nebus sėkmingas. O svarbiausi žingsniai, kurių reikia DI projektui – tai šios srities talentų medžioklė ir pakankamas kiekis duomenų, iš kurių DI galėtų mokytis.
