Materjalid koostas ja kursuse viib läbi
Tartu Ülikooli arvutiteaduse instituudi informaatika didaktika töörühm
| < eelmine | 6. OSA sisukord | järgmine > |
6.2 Silmaring. Tehisintellekt
Tehisintellekt on on üldnimetus tehnoloogiatele, mis võimaldavad arvutitel täita ülesandeid, mida tavaliselt seostatakse inimese intelligentsusega, näiteks õppida andmetest, tuvastada objekte ja mustreid, mõista või genereerida teksti ning teha ennustusi ja otsuseid. Tehisintellekt kasutab erinevaid algoritme ja meetodeid, sageli ka suurtest andmehulkadest õppimist, et analüüsida infot ja lahendada ülesandeid.
Tehisintellektiga puutume kokku iga päev. Seda kasutatakse näiteks automaattõlkes, otsingumootorites, soovitussüsteemides, näo- ja kõnetuvastuses, navigatsioonis ning nutiseadmetes. Viimastel aastatel on kiiresti arenenud ka generatiivne tehisintellekt, mis suudab kasutaja juhiste põhjal luua uut sisu, näiteks teksti, pilte, heli, videot ja programmeerimiskoodi.
Kuigi tehisintellekti kirjeldamiseks kasutatakse meedias ja üldotstarbelises kirjanduses vaid terminit AI (ingl Artificial Intelligence), on sellel erinevaid tüüpe. Need on järgmised:
- Kitsas tehisintellekt (ingl Artificial Narrow Intelligence või ANI) on loodud konkreetsete ülesannete või teatud tüüpi probleemide lahendamiseks. Näiteks võib süsteem osata tuvastada piltidelt objekte, soovitada filme või mängida väga hästi malet. Tänapäeval kasutatavad tehisintellekti süsteemid kuuluvad üldiselt sellesse kategooriasse, kuigi uuemad süsteemid võivad täita juba väga erinevaid ülesandeid.
- Üldine tehisintellekt (ingl Artificial General Intelligence või AGI) on tehnoloogia, mis oleks inimmõistuse tasemel. Sellest tulenevalt kulub tõenäoliselt veidi aega, enne kui me AGI-st tõeliselt aru saame, sest me ei tea ikka veel kõike, mida on inimese aju enda kohta teada. Kuid vähemalt kontseptsioonaalselt suudaks AGI mõelda inimesega samal tasemel ja mõelda välja fundamentaalselt uusi lahendusi.
- Superintellekt (ingl Artificial Super Intelligence või ASI) on tehnoloogia, mis ületab inimmõistuse. ASI peaks olema igal võimalikul viisil vaimselt võimekam kui inimene. Sellised tehisintellekti seadmed mitte ainult ei täida ülesandeid, vaid suudavad isegi emotsioone kuvada ja suhteid luua. Sellist tehisintellekti praegu ei eksisteeri.
Tehisintellekti kiire areng tekitab küsimusi selle kohta, kui võimekaks AI tulevikus muutub ning kas kunagi võiks tekkida inimese üldise intellektuaalse võimekusega võrreldav AGI või isegi superintellekt. Samuti arutletakse selle üle, kas tehisintellektil võiks kunagi olla teadvus. Need on aga erinevad küsimused: väga võimekas tehisintellekt ei pea tingimata olema teadvusega. Praegused tehisintellekti süsteemid suudavad lahendada väga erinevaid ja keerukaid ülesandeid, kuid neil on ka olulisi piiranguid. Näiteks võivad nad anda veenvalt sõnastatud, kuid valesid vastuseid. Seetõttu tuleb tehisintellekti loodud tulemusi kriitiliselt hinnata ja vajaduse korral kontrollida.
GENERATIIVNE TEHISINTELLEKT
Generatiivne tehisintellekt on tehisintellekti liik, mille abil saab olemasolevate andmete põhjal õpitud mustreid kasutades genereerida uut sisu. Sellised süsteemid võivad luua näiteks teksti, pilte, muusikat, kõnet, videot ja programmeerimiskoodi.
Üks tuntumaid generatiivse tehisintellekti rakendusi on OpenAI loodud ChatGPT. Kasutaja saab sellele esitada küsimusi ja ülesandeid tavakeeles ning süsteem genereerib nende põhjal vastuse. Sarnaseid generatiivse AI lahendusi kasutatakse näiteks teksti kokkuvõtmiseks ja tõlkimiseks, programmeerimisel, piltide ja videote loomisel ning õppimise toetamisel.
Generatiivse tehisintellekti loodud tulemus ei pruugi aga alati olla õige. Keelemudel võib näiteks genereerida faktina esitatud infot, mis tegelikult ei vasta tõele. Seetõttu on oluline osata AI väljundit kontrollida ning hinnata kasutatud info usaldusväärsust.
MASINÕPE
Masinõpe (ingl machine learning) on tehisintellekti valdkond, mis tegeleb statistiliste algoritmide väljatöötamise ja uurimisega. Masinõppe algoritmid õpivad treeningandmetest mustreid ja seoseid ning kasutavad õpitut uute, varem nägemata andmete analüüsimiseks või ennustuste tegemiseks.
Lihtsamas keeles öeldes on masinõpe viis, kuidas arvutid saavad õppida asju andmetest ilma otsese programmeerimiseta. Selle asemel, et öelda arvutile täpselt, mida teha, anname me talle andmeid ja laseme tal ise seda informatsiooni seedida ning mustreid avastada. Näiteks kui tahame arvutit õpetada pilte ära tundma, siis me näitame talle palju pilte ja ütleme, mis on pildil. Arvuti õpib seeläbi, millised tunnused iseloomustavad erinevaid objekte ning kuidas niiviisi neid objekte teineteisest eristada. Pärast piisavat õppimist oskab arvuti iseseisvalt uusi pilte ära tunda.
Masinõpet kasutatakse väga erinevate ülesannete lahendamiseks, näiteks rämpsposti tuvastamiseks, toodete ja filmide soovitamiseks, piltidelt objektide tuvastamiseks, ilma või nõudluse prognoosimiseks ning meditsiiniliste andmete analüüsimiseks.
Lisaülesanne: Veelgi lähemalt saate masinõppega tutvuda Code.org'i temaatilise mängu abil. Mängus on antud õppevideod tasemetel 1, 5 ja 7 ning nendele videotele vastavad ülesanded tasemetel 2–4, 6 ja 8.
Üks näide masinõppe algoritmidest on otsustuspuu (ingl Decision Tree), teeb ennustuse, liikudes samm-sammult läbi otsustusreeglite. Otsustuspuu põhineb eeldusel, et andmed on jagatud järjestikuste otsuste abil alamhulkadeks. Algoritmi treenimisel analüüsib see andmeid ja otsustab, milline tunnus või omadus oleks parim jaotuspunkt, et lahutada andmeid võimalikult puhtalt. See protsess jätkub, jagades andmeid järjest väiksemateks ja puhtamateks alamhulkadeks, kuni jõutakse lõpuni.
ISEJUHTIV AUTO
Isejuhtiv auto (autonoomne auto või isejuhtiv sõiduk) on sõiduk, mis suudab iseseisvalt navigeerida teedel ja täita erinevaid sõiduki juhtimisega seotud ülesandeid ilma inimese sekkumiseta. Isejuhtivad autod kasutavad erinevaid andureid, kaameraid, radareid, lidareid ja muid sensoreid, et tuvastada teisi sõidukeid, jalakäijaid, liiklusmärke ja teekatte tingimusi.
Isejuhtiva auto süsteemid kasutavad tehisintellekti erinevaid tehnikaid, et analüüsida ja tõlgendada kogutud andmeid ning teha otsuseid sõiduki käitumise kohta. Näiteks võivad sügavad neurovõrgud töödelda kaamerapilte, et tuvastada teiste sõidukite ja objektide asukohti ning ennustada nende liikumistrajektoore. Masinõppel põhinevad mudelid võivad kasutada treeningandmetest õpitud mustreid, et kohandada sõiduki käitumist vastavalt selle ümbrusele.
Tesla Autopilot
Tänapäeva üks tuntumaid juhiabisüsteeme on Tesla Autopilot, mida leidub ka Eesti teedel. Tesla on järk-järgult välja andnud Autopiloti uuendusi ja täiustusi. Autopilot suudab muu hulgas aidata hoida kiirust ja sõidurada, kuid see ei tee autost täielikult isejuhtivat sõidukit. Tesla pakub lisaks funktsioonipaketti nimega "Full Self-Driving Capability" (FSD). Selle võimalused sõltuvad riigist ja kohalikest nõuetest ning praegu kasutatavad funktsioonid nõuavad juhi aktiivset järelevalvet ega muuda autot autonoomseks.
Vanem Tesla Autopiloti süsteem kasutas kaheksat kaamerat, mis pakkusid 360-kraadist vaadet auto ümber olevale keskkonnale, lisaks ettepoole suunatud radar, mis aitas näha läbi vihma, udu ja lume. Samuti kasutas Tesla Autopiloti süsteem kaugmaa ultraheliandureid (nt parkimisandurid).
Allikas: https://www.autopilotreview.com/tesla-autopilot-features-review/
Uuemad Euroopa turu Model 3 ja Model Y autod kasutavad Tesla Visioni süsteemi, mis põhineb kaameratel ja närvivõrkudel ning ei kasuta Autopiloti jaoks radarit. Tesla Autopiloti funktsioonide näiteid saab vaadata Tesla ametlikult veebilehelt: https://www.tesla.com/en_gb/support/autopilot
On oluline märkida, et Autopilot on juhiabisüsteem ning juht peab kogu aeg teed jälgima ja olema valmis vajadusel sekkuma. Autopiloodi süsteem pole täiuslik ja võib mõnikord vajada inimese sekkumist ebaharilikus olukorras või keeruliste liiklusolude korral. Lisaks on regulaarne tarkvarauuenduste paigaldamine oluline, et säilitada süsteemi tõhusus ja turvalisus.
Siin on välja toodud näide hilisemast Tesla Model 3 Autopiloti kasutamise ajal toimunud õnnetusest:
TRADITSIOONILINE VAADE VÕI TEHISINTELLEKT
Traditsiooniliselt toimub äriprotsesside käigus sisendite töötlemine vastavalt etteantud ärireeglitele, misjärel saadakse väljund. See kirjeldab protsessi, kus alguses on teatud sisendid (nt parameetrid, andmed, materjalid, tellimused) ning nende sisenditega tehakse kindlad toimingud vastavalt etteantud reeglitele või protseduuridele, mis on seatud vastavalt ettevõtte vajadustele või standarditele. Lõpuks saadakse protsessi tulemusena väljund, mis võib olla näiteks kood, toode, teenus või muu väärtus.
Masinõppel põhineva tehisintellekti puhul ei pea kõiki reegleid eelnevalt selgesõnaliselt määrama. Selle asemel võib süsteem õppida treeningandmetest sisendite ja väljundite vahelisi seoseid. Õpitud mudel kasutab neid seoseid uute andmete põhjal ennustuste või otsuste tegemiseks, ilma et iga reegel oleks eraldi programmeeritud.
Seega võib järeldada, et tehisintellekt võib tuvastada peidetud mustreid, mida inimene mõnikord ei suuda tuvastada.
ALLIKAD
- https://en.wikipedia.org/wiki/Machine_learning
- https://www.ediweekly.com/the-three-different-types-of-artificial-intelligence-ani-agi-and-asi/
- https://www.autopilotreview.com/tesla-autopilot-features-review/
- https://www.tesla.com/en_gb/support/autopilot
Materjali koostas Karolina Samasev. Kohendatud kursuse korraldajate poolt.
| < eelmine | 6. OSA sisukord | järgmine > |