Tehisintellekti Algkursus 2019/20 kevad

Tehisintellekti programmid suudavad õppida tegema otsuseid, lugema ja kirjutama. Nad suudavad ka kopeerida inimeste sensoorseid funktsioone ning oskavad 'näha' ja 'kuulda'. Tehisintellekt oskab lahendada suurt hulka probleemitüüpe paljudes valdkondades. Selle kursuse raames ei saa me kahjuks, kõikidest maailmas välja arendatud tehisintellektirakendusest ning mudelitest rääkida. Siiski anname teile ideid ning kirjeldame tehnoloogiad ja nende rakendusi igapäevaelus.

Iga päev töödeldakse palju andmeid, mis võivad olla näiteks tekstipostitused, videod, pildid sotsiaalmeedias ning andmed, mida genereerivad elektroonilised seadmed, andurid jms. Neid andmeid kogutakse ning säilitatakse suurtes andmebaasides serveriparkides. Tänu suurtele andmetekogustele ning kiirele arvutusvõimsuse kasvule saabki tänapäeval tehisintellekti algoritme rakendada erinevates valdkondades. Võrdluseks: alles 10 aastat tagasi oli digitaalsel viisil talletatud sadu või tuhandeid kordi vähem infot ja arvutusvõimsus oli kümneid kordi väiksem.

Sotsiaalvõrgustikud

Kõige suurem andmete allikas maailmas on hetkel pildid, postitused ning videod sotsiaalmeediast, näiteks Facebookist, Instagramist, Twitterist ja Youtube’ist. Aga mida saab teha tehisintellektiga sotsiaalmeedias? Peamiselt aitab tehisintellekt kasutajatel leida sõpru ning hoida sidet sõpradega ja äripartneritega, filtreerides ja prioritiseerides nähtud postitusi, ning automaatselt märkides piltidel inimesi. Samuti abistavad need tehnoloogiad vajaliku informatsiooni leidmisel. Kuna fotod on olnud sotsiaalvõrgustike (nt Facebook ja Instagram) kasvu ja edu peamine osa, on nendega seotud ka olulised väljakutsed nagu automaatne näotuvastus (st fotodel inimeste märkimiseks) ning piltide klassifitseerimine ja keelatud piltide tuvastamine (nt alastus). Pilditöötlus on üks tehisintellekti tugisambaid. Teadlaste ja inseneride eesmärk on laiendada masinnägemise piire ja luua rakendusi, mis oleksid inimestele kasulikud - näiteks, luua fotodele automaatselt helipealkirju nägemispuudega kasutajatele.

Suurte tekstandmetega, nagu näiteks Facebooki või Twitteri postitused, tegeleb loomuliku keele töötlus (ingl natural language processing). See on tehisintellekti valdkond, mis püüab anda arvutitele võime lugeda ning aru saada inimkeelest. Analüüsides postituste sisu ja kasutaja käitumist, õpivad sotsiaalvõrgustike soovitussüsteemid inimeste eelistusi. Nad näitavad meile asjakohasemaid linke, meediasisu, postitusi, pakuvad huvitavate inimeste profiile jälgida, jne.

Twitter ning Instagram kasutavad keeletehnoloogia põhiseid algoritme ka rassistlike, küberkiuslike ja terrorismile õhutavate kommentaaride tuvastamiseks ning eemaldamiseks. Lisaks pakuvad tehisintellektipõhised soovitussüsteemid Facebookis ja Instagramis kasutajatele sobivaimate toodete ning teenuste reklaami. Samuti võib keeletehnoloogiat kasutada, et hinnata postituste sisu kas positiivseks või negatiivseks. See võimaldab e-poel automaatselt tuvastada, kui palju negatiivseid kommentaare saavad tooted või tuvastada isikuid, kes pahatahtlikult suvalistele toodetele alati negatiivseid kommentaare postitavad.

Juturobotid

Üks oluline loomuliku keele töötluse põhine tehisintellekti rakendus on juturobot, ehk arvutiprogramm, mis jäljendab vestlust ühe või mitme inimesega. Juturobotid (ingl chatbot) on virtuaalsed abilised, mis automatiseerivad suhtlemist nt klientide või patsientidega. Paljudes lennufirmades, veebipoodides ja telekommunikatsioonifirmades on juturobotid esimesed klienditeenindajad, mis vastavad kõige sagedasematele küsimustele. Tervishoiuorganisatsioonides võivad patsiendid kasutada juturoboteid arstivisiidi planeerimiseks, kliinikute leidmiseks või ravimitega seotud küsimuste lahendamiseks. Tänapäeval saab juturobotitega suhelda virtuaalsete abiliste (nt Google Assistant ja Amazon Alexa) või vestlusrakenduste (nt Facebook Messenger) abil.

Virtuaalsed assistendid

Virtuaalsed assistendid nagu Amazoni Alexa, Google Assistant, Microsofti Cortana, Apple’i Siri või Samsungi Bixby on tehisintellekti rakendused, mis suudavad kuulata ning mõista inimkasutaja kõnet. Virtuaalsed assistendid aitavad kasutajatel täita mitmesuguseid ülesandeid, nt teha veebiotsinguid, saata käske teistesse rakendustesse, midagi tõlkida jne. Tehisintellekt on nende rakenduste oluline osa, mis aitab paremini kujundada otsinguid ning anda vastuseid vastavalt kasutaja harjumustele.

Tervishoiuvaldkonnas on projekte, milles analüüsitakse, kuidas Siri, Google Assistant ja Cortana reageerivad, kui inimene uurib vaimse tervise, inimestevahelise vägivalla ja füüsilise tervise kohta. Projektide eesmärk on võimaldada patsientidele varem abi osutada. Näiteks Molly on virtuaalne meditsiiniõde, mida arendatakse selleks, et aidata patsientidel täpsemini ja hoolsamalt järgida neile välja kirjutatud järel- ja taastusravi. Sellise assistendi kasutamine annab arstidele võimaluse keskenduda kiireloomulistele juhtumitele.

Isejuhtivad ning iseparkivad autod

Isejuhtivad (ingl self-driving) ja iseparkivad autod ei ole enam ulmekirjandus. Sellised sõidukid kasutavad tehisintellekti meetodeid, et näha, mõelda, õppida ning navigeerida peaaegu lõpmatu hulga võimalike sõidustsenaariumite puhul. Isejuhtivatel autodel on palju mitmesuguseid andureid (sh radarid, lidarid, sonarid, GPS moodulid jne), mida autod kasutavad ümbruse tajumiseks. Tehisintellektil põhinevad juhtimissüsteemid tõlgendavad sensorite kaudu sissetulevaid andmeid, et valida sobiv trajektoor ning tuvastada takistusi ja liiklusmärke. Suured autofirmad (nt Tesla, Toyota, Mercedes-Benz, Audi ja Volvo) on juba lisanud tehisintellektil tuginevaid juhtimissüsteeme uutele sõidukimudelitele. Kursuse raames tutvustame teile objektituvastust ning muid tehisintellekti ülesandeid, mida lahendavad isejuhtivad autod või robotid.

Veebiotsingud

Kui hakkate otsinguaknasse trükkima sõna või lause algust, pakub Google teile soovitusi, mis võiks olla sõna lõpp või lause koos selle sõnaga (Joonis 7).

Ennustatud tulemused põhinevad osaliselt andmetel, mida Google on kogunud paljude kasutajate kohta (st mida tavaliselt otsitakse), ja osalt andmetel, mida Google on kogunud just teie kohta, nagu asukoht, vanus ja muu (nt mida teie ja teiega sarnased inimesed tavaliselt otsivad). Tehisintellekti abil proovib otsingualgoritm arvata, mida just teie proovite leida ja pakub soovitusi. Google’i otsingualgoritmid arenesid aja jooksul tänu keeletehnoloogia arengule. Nende tehisintellekti mudelid õpivad otsingusisenditest ning otsingutulemustest ja kohanevad aja jooksul, et paremini vastata kasutajate vajadustele.

Muusika, toote ja teenuste soovitused e-platvormides

Muusikakuulamise äpid ja platvormid kasutavad tehisintellekti muusikavalikute ja kuulamisharjumuste jälgimiseks. Selle informatsiooni põhjal soovitavad rakendused teisi lugusid, mis võiksid samuti kasutajale meeldida. Näiteks Spotify soovitab kuulamisharjumuste põhjal uusi artiste ning vanu lemmiklugusid. Sarnaselt muusikasoovitustele kasutavad Amazon ja teised e-poed tehisintellekti algoritme, et ennustada ostuharjumuste ja otsingute põhjal ostjate eelistusi. Seejärel isikupärastavad nad ostukogemuse ja soovitavad uusi tooteid vastavalt ostja harjumustele (Joonis 8).

Juhiste hankimine ja marsruutide kuvamine

Rakendused nagu Google Maps arvutavad otsingualgoritme kasutades parimaid marsruute lähtepunkti ja sihtpunkti vahel. Allolevas näites pakub Google Maps juhiseid autoga Tallinna lennujaamast sadamasse sõitmiseks (Joonis 9). Marsruudi oranžid lõigud näitavad aeglasema liiklusega kohti. Lisaks on rakendustele lisatud soovitussüsteemid, mis annavad teavet hotellide, kohvikute ja bensiinijaamade kohta. Need soovitussüsteemid võivad olla personaliseeritud.

Google Maps kasutab tehisintellekti meetodeid ka selleks, et teha oma kaart veelgi paremaks ja täpsemaks. Näiteks tänu masinõppele lisas 2019. aastal Google oma kaardile sama palju hooneid kui teisi meetodeid kasutades eelmise kümme aasta jooksul kokku. Esmalt kogusid nad andmeid teadaolevate hoonete piirjoontest ning seejärel treenisid tehisintellekti (masinnägemise) mudeleid, mis suudaksid ära tunda ehitiste servi ja kujusid. Seejärel rakendati seda mudelit satelliidipiltidele ja tuvastati täpselt, kus hooned asuvad. Samuti on nad kasutanud masinnägemist tänavanimede ja majanumbrite automaatseks lugemiseks ning kaardile lisamiseks fotodelt.

Finants- ja äriteenused

Tehisintellekt muudab seda, kuidas finantsasutused andmeid loovad ja kasutavad. Uued meetodid aitavad luua uusi ärimudeleid, ümber kujundada konkurentsikeskkonda, ehitada riskihindamise mudeleid ning segmenteerida kliente. Laias laastus suudab tehisintellekt ärivaldkonnas lahendada olulisi ülesandeid, nagu näiteks automatiseerida äriprotsesse, saada teadmisi suurandmete analüüsi abil, optimeerida suhtlust klientide ja töötajatega. Näiteks kasutatakse masinõppe rakendusi selleks, et ennustada ja tuvastada krediidi- ning kindlustusnõuete pettuseid, analüüsida garantiiandmeid, automatiseerida digireklaamide personaliseeritud sihtimist. Üks huvitavamaid valdkondi, kus tehisintellekti aktiivselt rakendatakse, on aktsiatega kauplemine. Erinevate faktorite koosmõju tõttu käituvad finantsturud kaootiliselt ja raskesti ennustatavalt. Tänu tehisintellektil põhinevale aktsiate kauplemise tarkvarale tuuakse kauplemist täiesti uuele tasemele, kus ka algajad saavad professionaalsemaid ja edukamaid strateegiaid rakendada.

Kooselu robotitega

Teadus ja tehnoloogia on mõjutanud peaaegu kõiki tänapäeva inimelu aspekte. Nende edusammude hulgas on robotid, mis muutuvad tõenäoliselt peagi loomulikuks osaks inimese elust. Robotite kasutamine tehastes on juba ammu levinud, kuid tänapäeval kasutatakse kõige tehnoloogiliselt arenenumates ühiskondades neid ka sellistes valdkondades nagu kadunud inimeste otsimine ja päästmine, lahingutegevus, miinide ja pommide avastamine, teadusuuringud, õiguskaitse, meelelahutus ja tervishoid. On oluline luua ja arendada intuitiivseid suhtlusmeetodeid, mis lihtsustaksid suhtlusviisi robotitega, näiteks kõne, žestide ja näoilmete kaudu. Tehisintellekti rakendused aitavad luua uusi suhtlusviise, mida saab kasutada muutuvas keskkonnas - nt sõidukite kaugjuhtimiseks ja sotsiaalrobotitega suhtlemiseks. Sotsiaalrobotid on robotseadmed, mis pakuvad meelelahutust, õpetamist ja abi lastele ja eakatele ja puuetega inimestele.

Personaliseeritud meditsiin ja biotehnoloogiad

Tänu arvutusvõimsuse arengule ja tervishoiusüsteemides kogunenud andmete hulgale, muutuvad paljud kliinilised probleemid tehisintellektiga lahendatavaks. Hetkel on meditsiinivaldkonnas kolm suunda, kus tehisintellekti rakendusi aktiivselt arendatakse - diagnostika, ravimite arendamine ja ravistrateegiate personaliseerimine.

Enamik tehisintellekti rakendusi meditsiinis kasutab sisendina teatud tüüpi andmeid, st numbrilisi (nt pulss või vererõhk) või pildipõhiseid (näiteks röntgeni või biopsia koeproovide pildid; Joonis 10). Algoritmid õpivad nendest andmetest ja väljastavad kas tõenäosuse või klassifikatsiooni tulemusi. Näiteks võib tulemuseks olla pulsi ja vererõhu põhjal arvutatud arteriaalse trombi tõenäosus või koeproovi märgistamine paha- või healoomuliseks.

Suured arenduskulud ning pikad teadusuuringud takistavad uute ravimite turuletoomist. Iga ravimi kliinilised uuringud maksavad rohkem kui 1 miljard dollarit ja ainult 10% neist ravimitest läbivad edukalt uuringud. Biofarmaatsiaettevõtted võtavad kiiresti kasutusele tehisintellekti tehnoloogiaid, et muuta ravimite väljatöötamist kiiremaks ja täpsemaks, et suurendada seda 10%, mis läbivad katsed. Lisaks aitavad tehisintellekti algoritmid leida uusi rakendusi olemasolevatele ravimitele ning hinnata ravimite potentsiaalseid kõrvalnähtusid.

Erinevad patsiendid reageerivad ravimitele ja ravistrateegiatele erinevalt. Personaliseeritud meditsiini lähenemine võib aidata õige ravi ja ravimiannuse määramisel ning seega vähendada ka võimalikke kõrvaltoimeid. Väga raske on kindlalt aru saada, millised faktorid peaksid ravi valikut mõjutama. Tehisintellekti meetodid võivad automatiseerida seda keerulist tööd ja aidata avastada tunnuseid, mis näitavad, kas patsiendile sobib valitud ravimeetod või ei sobi. Algoritm saab ka ennustada tõenäosust, et patsient reageerib konkreetsele ravile positiivselt. Tehisintellekti mudel õpib sarnaste patsientide andmetest, võrreldes nende ravi ja tulemusi. Sellest tulenevad ennustused aitavad arste ning lihtsustavad õige raviplaani koostamist.

Järgmises loengu osas räägime tehisintellekti arenguga seotud piirangutest ning väljakutsetest.

Materjalide kasutamise kohta konsulteerige palun Korduma kippuvad küsimused sektsioonis.