Dovydas Čeilutka: „Ne tiek svarbu suprasti, kas yra dirbtinis intelektas, kiek svarbu žinoti, kaip jį panaudoti“

Dirbtinis intelektas atrodo lyg tolima ir nepraktiška tema? Tai tik dar vienas stereotipas. Iš tiesų – dirbtinio intelekto technologijos mus liečia kas dieną. Kai „Youtube“, „Netflix“, „Spotify“ ar „Apple Music“ pateikia mums pasiūlymų, kokius filmus žiūrėti ar kokios muzikos, tinklalaidės klausytis.

Kai, pradėjus rašyti trumpąją žinutę, telefonas atspėja ir pasiūlo už mus parašyti visą mūsų turėtą mintyje žodį. Kai naršome tarp nekilnojamojo turto skelbimų ir ieškome, pavyzdžiui, buto nuomai ar pačios norime nuomoti ir kt.

„Dirbtinis intelektas yra naujoji elektra, – amerikiečių mokslininką Andrew Ng cituoja Lietuvos dirbtinio intelekto asociacijos prezidentas Dovydas Čeilutka. – Netrukus neįsivaizduosime gyvenimo be dirbtinio intelekto. Lygiai taip, kaip šiandien daiktai veikia naudodami elektrą ir mes to net nepastebime, ateityje tikėsimės, kad visi daiktai bus protingi.“

Meno ir mokslo pažintinio kurso „Aukso pjūvis“ paskaitoje „Kaip pradėti naudoti dirbtinio intelekto technologijas savo veikloje“ D. Čeilutka kalbėjo apie tai, kas yra dirbtinis intelektas ir kokias problemas gali išspręsti? Kaip mokosi mašinos? Kuomet dirbtinį intelektą naudoti tikslinga ir kuomet – ne. Kaip žingsnis po žingsnio sukurti efektyvų mašininio mokymosi projektą versle: kaip suprasti, kuomet jis iš tiesų reikalingas, o kuomet finansus ir energiją verčiau investuoti kitur.

Taigi, kuomet dirbtinį intelektą naudoti prasmingiausia:

  1. Kai problemos yra per sudėtingos įprastam programavimui. Pavyzdžiui, reikia atskirti, kas pavaizduota paveikslėliuose (tarkime, šuo ar katė?). Tokiai, iš pirmo žvilgsnio paprastai užduočiai atlikti, anksčiau reikėjo kurti algoritmą metus laiko. Negana to, kompiuteris užduotį atlikdavo 80 proc. tikslumu. Dabar, ištobulinus dirbtinį intelektą, tą galima padaryti neįgudusiam žmogui maždaug per 15 min. ir atsakymas bus 99 proc. teisingas.
  2. Kai problemos nuolat keičiasi. Pavyzdžiui, kai elektroninio pašto dėžutėje naudojame „spam“ (liet. brukalų) detektorių. Net, jei keičiasi nepageidaujamų laiškų turinys, pateikimo forma, programa supranta, kad tai brukalas.
  3. Kai problemos reikalauja pojūčių. Paveikslėliai, garso failai, natūraliosios kalbos tekstas – tai, kaip mes rašome, pavyzdžiui, trumpąsias žinutes.
  4. Kai problema yra neištirtas fenomenas. Žinodamas mūsų duomenis, mašininis mokymasis, gali suprasti, kokio mums konkrečiai reikia gydymo.
  5. Kai problema turi aiškų tikslą. Pavyzdžiui, reikia kuo tiksliau atspėti optimaliausią kainą, ar pasakyti, koks konkrečiai objektas tinka konkrečiai situacijai. Pavyzdžiui, atskirti, kuriame paveikslėlyje yra pavaizduotas šuo, o kuriame katė.

Svarbu suprasti, kad dirbtinio intelekto sistemos nepadės, kai sprendimui priimti reikia interpretacijos. Pavyzdžiui, ar galima šiam konkrečiam žmogui suteikti paskolą? Kai klaidos kainuoja katastrofiškai daug. Kai sunku gauti duomenis, nes be duomenų dirbtinis intelektas negali niekuo padėti. Ir, kai pasiektas rezultatas mažai kuo skiriasi nuo to, kurį galima pasiekti pasitelkus įprastą programavimą.

Norite prisiliesti prie dirbtinio intelekto – puslapyje https://thispersondoesnotexist.com/ kurkite žmones, kurių iš tikrųjų nėra!