Sinu brauser on natuke ajast maha jäänud. Et kõik töötaks, nagu vaja, palun uuenda enda brauserit.
Küpsised aitavad meil teenuseid edastada. Meie teenuseid kasutades nõustute sellega, et kasutame küpsiseid. ROHKEM INFOT >
Postimees 160 Juubeli puhul loe seda lugu tasuta!

Tehisintellekti uurija: mida on ühist WC-potil ja küborgpõrnikal ning miks inimesed joonistada ja arvutid näha ei oska?

KOMMENTEERI PRINDI ARTIKKEL
Saada vihje
Andres Laan | FOTO: Tairo Lutter

Neuroteadlane Andres Laan kirjutab oma uues, tehisintellekti avavas raamatus «Tehisintellekt. Loomadest ja masinatest», et inimesed on loomade ja leiutistega palju sarnasemad, kui arvata võiks.

Hiljuti tegi arvuti inimesele juba teist korda pokkeris ära ning sellest kuulutasid kogu maailma ajalehtede pealkirjad. On see üldse oluline saavutus?

Nii ja naa. See on kindlasti muljetavaldav tehniline saavutus, aga samasuguseid leidub ka teiste mängude ajaloost. 1994. aastal oli esimene kord, kui tehislik närvivõrk võitis inimesest maailmameistrit triktraki lauamängus, ning pärast seda on arvuti sama suutnud males ja Go-mängus. Nüüd on meil juba algoritmid, mis suudavad inimesest paremini videomänge mängima õppida.

Teisalt eristab pokkerit ülejäänud mängudest see, et seal pole kogu info laual, ja nii on arvutil seda keeruline mängida. Pokker on üks neist näidetest, kus arvuti suudab simulatsioonimaailmas lõputult kogemusi genereerida ja nendest õppides osavaks saada.

Palju muljetavaldavam test, mille ees tehisintellekt praegu seisab, on aga murdmine mängude ja simulatsioonimaailmast praktilisse maailma, kus elavad robotid ja autod. Muljetavaldav olekski robot, mis suudaks tunni või kahega õppida füüsiliselt reketiga tennist mängima või nõusid pesema.

Miks oleks see muljetavaldavam?

Sest tehisintellekti algoritmid õpivad andmeid töödeldes ja simulatsioonimaailmas on alati võimalik andmeid juurde genereerida. Seevastu füüsilises maailmas on andmete genereerimine kallis: kui robotil läheb midagi nässu, peab inimene tulema ning roboti tema algseisundisse tagasi panema – see võtab aega ja raha. Simulatsioonimaailmas teeb aga arvuti ise ära.

Teie raamatu tagakaanel on küsimus, mida ühist on küborgpõrnikal ja WC-potil.

Nad mõlemad kasutavad oma töös negatiivset tagasisidet ning seda iseenda seisundi stabiliseerimiseks. WC-poti eesmärk on hoida veepaak alati täis ning küborgpõrnika ja kärbse eesmärk on hoida lennusiht stabiilsena. Nende lennusihti segavad igasugused lennuiilid ja kõrvaltegurid ja nii ongi neil WC-potiga sarnane negatiivse tagasiside süsteem, mis püüab nende lendu või siis veepaaki stabiilsena hoida.

Osa skeptikuid väidab, et need sarnasused on pärast juurde otsitud. Näiteks siis, kui inglise teadlased rääkisid, kuidas nad kasutasid isesõitvaid autosid programmeerides pingviinide koostöömustreid.

Mõneti on skeptikutel õigus ja mõneti ei ole. Isesõitvate autode toimemehhanismid ja loomade navigeerimisoskused erinevad praegu ikka veel päris palju, sarnased on vaid mõned komponendid.

Teisalt on isesõitvatel autodel ja loomadel sarnane see, kuidas nad suudavad visuaalses maailmas ümbritsevaid esemeid, liiklusmärke ja inimesi tuvastada. See, et tehnoloogia ja loomad lahendavad sarnaseid probleeme, ei tähenda, et nad teevad seda tingimata samamoodi – linnud ja lennukid ei lenda ühtemoodi.

Samas on mitu tänapäeva tehisintellektis kasutatavat algoritmi otseselt inspireeritud loomade aju uurimisest: tehislikud närvivõrgud, innustusõpe või siis stiimulõpe. Ja me teamegi, et need protsessid toimuvad ahvi ajus ning arvuti töös ühtemoodi. Ja need seosed pole üldse pealiskaudsed.

Selle peale võiks nartsissistlikud inimesed kohe küsida, miks ei võeta siis snitti inimeste käitumisest: meie aju on ju kõige võimsam.

Otsime mustreid ka inimeste käitumisest, ent loomaajude peal on eksperimente lihtsam teha.

Teie raamatus on veel üks huvitav küsimus: miks inimesed ei oska joonistada ja arvutid ei oska näha?

See on metafoor, mis illustreerib, kuidas erinevad inimese mälu ja arvutimälu. Kui arvuti töötleb arvutipilti, siis ta salvestab visuaalsest informatsioonist mälusse täpse koopia. Inimene seevastu salvestab sellest kahandatud ja kokkusurutud esitluse, kus on küll täpne info, missugused olid need esemed, ent ta ei salvesta seda infot pikslihaaval.

Sellest tulebki vahe arvuti ja inimese vahel. Joonistamine, vähemalt koopia tasandi tegemisel, on pikslite reprodutseerimise ühest asukohast teise, kui jätame välja loomingulise aspekti – ja see ongi arvuti jaoks väga lihtne. Inimesele on see jälle keeruline, sest tema mälus seda koopiat pole ja peale selle peab ta lahendama probleemi, kuidas muuta mälu esitus käe liikumiseks. See ei ole ka lihtne.

Ent miks arvutid ei oska näha? See käib küll tegelikult kümne aasta taguste arvutite kohta, sest tänu tehislikele närvivõrkudele praegused arvutid juba oskavad. Põhjus seisnes aga selles, et inimesed oskavad arvutist paremini objekte klassifitseerida.

Hea näide on käekiri: ehkki iga inimene kirjutab k-tähte natukene erinevalt, saame alati aru, et tegu on k-tähega. Arvuti jaoks on need aga erinevad ning võimet ära tunda, mis neid k-tähti ühendab, on arvutisse väga raske kodeerida. Pikalt üritati seda arvutile selgeks teha matemaatika abil, ent viimasel ajal näidati talle k-tähte lihtsalt hästi palju ning ta suutis need seosed ise selgeks õppida.

Arvuti iseeneslik õppimisvõime on huvitav küsimus. Näiteks inimese aju puhul teame, mis ülesandeid see täidab, ent kuidas ta seda teeb, on ka kõige helgemate peade jaoks veel täielik müsteerium. Seevastu arvuti oleme täiesti ise loonud, ent kas oleme sealgi juba olukorras, kus arvuti saab teatud ülesannetega hakkama, aga inimesed ei tea, kuidas?

Jah. Tehislike neurovõrkudega ongi nii, et isegi kui arvuti suudab midagi selgeks õppida, siis ei ole tehislike närvivõrkude mustrid interpreteeritavad. Me teame, et nii inimaju kui ka tehisintellekt korjavad üles statistilisi regulaarsusi, mis on küll hägused seosed, ent töötavad hästi.

Näiteks banaani on võimalik bioloogiliselt väga selgelt defineerida, aga kui peab ta pildilt üles leidma, siis tuleb kasutada hoopis teisi, häguseid omadusi, nagu näiteks seda, et banaan on kollane, piklik ja musta otsaga – aga kõik banaanid ei ole sellised ja mõned asjad on sellised, aga pole jällegi banaanid. Sellest hoolimata suudame peaaegu alati banaani pildilt üles leida, ent kuidas inimene või arvuti seda täpselt teeb, pole teada.

Osa inimesi võib selline jutt hirmutada – oleme loonud midagi, millest me aru ei saa, ja varsti saab see meist targemaks...

Ma arvan, et see ongi natuke hirmutav, aga see ei ole tegelikult midagi uut. Võtame kasvõi esiajaloo, kus inimkond seisis silmitsi asjadega, millest ta aru ei saanud, ent millega elama õppis: polnud selge, kust tulevad lapsed, mis põhjustab ilma ning mis on haigused ja kuidas neist jagu saada.

Aga see, et me ei saa millestki aru, ei tähenda, et me seda tundma ei õpi. Ma arvan, et see, et saame tänapäeval nii paljust aru, on ajaloos pigem haruldane periood. Inimene ongi disainitud elama maailmas, kus ta kõigest aru ei saa.

Üks asi, mis teeb inimesest inimese, on tema sotsiaalsus, moraal ja headus. Kas arvutile saab õpetada moraali? See oleks ju üks asi, mis inimeste hirme ohjeldaks ja aitaks arvutit mitte meie vastu pöörata.

Tehisintellektile moraali õpetada on palju lihtsam kui ühiskonda moraalseks muuta. Inimese moraal on evolutsiooni kavandatud ning seetõttu on evolutsioonist jäänud ka puudujääke, mis takistavad vahel altruismi arengut. Keskkonnatingimused, mis soodustavad altruismi arengut, on üpriski haruldased. Seevastu arvutil ei ole seal piiranguid. Saame luua kõik tingimused moraali arenguks, see on täiesti sisseprogrammeeritav ja saame sellega hakkama.

Öeldakse, et kipume tehnoloogia lühiajalist mõju ülehindama ja pikaajalist mõju alahindama. Kas nõustute sellega?

Jah, see on õige mõte. Need ei ole minu sõnad, aga ma usun, et alahinnatakse ka n-ö teisejärgulist efekti (second-order effect), kus tehnoloogia loob omakorda tingimusi, mis toob kaasa uusi võimalusi.

Näiteks auto leiutamise suurim mõju ei olnud see, et inimesed said autoga tööle sõita – seda sai ennegi rongiga teha. Palju suurem mõju seisnes selles, et linna äärde ehitati suured ostukeskused, mis polnuks enne üldsegi võimalik, sest need poleks linna ära mahtunud. Aga ilma autodeta poleks keegi sinna läinud.

Kas tehisintellekti juures on mõni tähelepanuväärne areng, mida tavainimesed ei adu ja millest avalikkuses palju ei räägita?

Esiteks ei taju avalikkus, kui kiiresti tehakse innustusõppe abil robotitega edusamme ja kui drastiliselt laienevad robotite võimed. Teise asjana mainiksin, et palju keskendutakse töökohtadele, mis võivad kaduda, ent ei keskenduta töökohtadele, mida enam ei looda. See tähendab, et kui kavandame uut innovaatilist tehast, siis sinna ei plaanitagi ühtegi töölise ametikohta. Need ei ole otseselt töökohad, mis kaovad, ent neid lihtsalt ei teki juurde.

Aga kui palju loob tehnoloogia areng uusi töökohti?

Seda on raske öelda: tehnoloogia areng võib luua töökohti palju või siis üldse mitte. Kõikides eelnevates tehnoloogilistes revolutsioonides on töökohtade kadumisele järgnenud uute töökohtade loomine.

Tehisintellekti revolutsioon erineb aga selle poolest, et seal on kõik inimese komponendid taasloodud, kui välja jätta sotsiaalsed võimed. Aga tehisintellekti loojad juba tegelevad ka viimastega ja küsimus ongi selles, kas inimesel jätkub kujutlusvõimet, et luua nii palju töökohti, kui palju inimestel on võimekust. Lootus on, et see nii võiks minna, aga see pole üldsegi kindel.

Aga mis saab, kui neid ei looda, ja kas neid uusi töökohti on üldse vaja?

See on huvitav küsimus. Võib-olla ongi tehisintellekti loomisest tulenev ühiskondliku rikkuse kasv nii suur, et meil pole enam vaja nii palju tööl käia? Nii ei pruugi väljakutse olla üldsegi selles, kuidas luua uusi töökohti, vaid selles, kuidas jagada tekkinud ühiskondlikku rikkust.

Kas on ka midagi sellist, mida pidasite tehisintellekti juures pikalt õigeks, ent mille suhtes olete pidanud oma meelt muutma?

Tehislike närvirakkude revolutsioon on asi, mis pani mind, paljusid teisi ja kogu maailma meelt muutma. Arvasime, et see on küll huvitav teoreetiline idee, ent see ei saa praktiliseks. Ühel hetkel kasvas aga arvutite arvutusvõimekus nii suureks, et teooria sai üle kanda praktikasse. Mina ja paljud teised olime skeptilised, sest seda oli nii kaua üritatud ning see polnud õnnestunud. Ja see tuli üllatusena, et see nii hästi tööle läks.

Mis on kõige põnevam areng, mis lähiajal tehisintellekti ees ootab?

Seal on peamiselt kaks valdkonda. Üks on mudelipõhine innustusõpe, mis tähendab, et selle asemel, et võtta kogemusi reaalsest maailmast, ehitavad robotid endale esialgsete kogemuste põhjal tehismaailma ning simuleerivad seal oma tegude võimalikke tagajärgi, et pikas plaanis leida parim võimalik viis. Eesmärk on jõuda selleni, et anda robotitele midagi kujutlusvõime taolist.

Teine valdkond on n-ö juhendajata õppimine: kuidas võiksid robotid ise andmetest leida uusi mustreid, eelnevalt lähteülesannet saamata. See on huvitav, sest nii võiksime robotite abil saada uusi mustreid ja ideid, mille peale inimesed ei suudaks kunagi tulla.

Mis takistab tehisintellekti arengut kõige rohkem?

Hetkel lihtsalt inimeste aeg. On väga palju potentsiaalseid häid ideid, aga nende järeleproovimine võtab palju aega, sest neid on nii palju.

Räägite oma raamatus palju sellest, mida saavad arvutiteadlased õppida loomade ja inimeste ajust. Ent mida neuroteadlased arvutilt õpivad?

Väga palju. Juba Go- ja triktrakimängus tutvusid inimesed paljude strateegiatega, mida  olid pikka aega pidanud ebaedukaks. Arvuti näitas aga, et kui neid strateegiaid õigesti kasutada, on neist palju kasu.

Tehisintellekti uuringud on olulised ka loodusuurijatele, sest kui sul on idee, kuidas mingi loom töötab, siis üks viis seda ideed proovile panna on üritada luua tehislik süsteem, mis selle idee põhjal töötaks.

Mis on tehislikud närvivõrgud?

Arvutiosakeste kihid, mis imiteerivad seda, mismoodi neuronid ajus omavahel ühenduvad ja infot edasi annavad.

Andres Laan

Õppis Cambridge’i ülikoolis neurobioloogiat ja töötas seejärel kolm aastat teadurina Max Plancki aju-uuringute instituudis. Praegu uurib ta LChampalimaudi instituudis kollektiivset intelligentsust tehislikes ja bioloogilistes süsteemides.

Tagasi üles