Dirbtinio intelekto sprendimų tobulinimą jau daugelį metų motyvuoja poreikis jį taikyti įvairiausiose srityse. Pasak Vilniaus Gedimino technikos universiteto (VGTU) Elektronikos fakulteto Elektroninių sistemų katedros profesoriaus dr. Artūro Serackio, sunku konkrečiai įvardyti, kurioje srityje jį taikydami pasiekėme didžiausią proveržį.
„Galima būtų paminėti tas sritis, kurios džiugina labiausiai: medicinos diagnostika, pavyzdžiui, pagalba medikui aptinkant ir identifikuojant ligų sukeltus pokyčius medicininiuose vaizduose; pagalba vairuotojui iš dalies savivaldžiuose automobiliuose; pokalbių robotai, atsakantys į pasikartojančius klausimus ir leidžiantys pagalbos specialistams susitelkti ties rimtesnėmis problemomis; automatinis grojaraščio pritaikymas klausantis muzikos. Na ir reikia nepamiršti to fakto, kad dabar balsu valdomi įrenginiai pagaliau supranta, ką mes jiems sakome, ir dar neatsikėlę iš lovos ryte galime pasiklausti, kokia šios dienos orų prognozė ir kiek užtruksiu spūstyse vykdamas į darbą. Tiesa, kol kas anglų kalba, tačiau anksčiau ar vėliau įveiksime ir kalbos barjerą“, – sako jis.
Su profesoriumi kalbamės apie tai, kaip dirbtinis intelektas palengvino visų būtį ir buitį, kylančius privatumo bei duomenų apsaugos klausimus ir lietuvių pasiekimus dirbtinio intelekto srityje.
Kaip, Jūsų nuomone, dirbtinis intelektas palengvino mūsų visų būtį ir buitį? Kokias svarbiausias problemas jis išsprendė ir vis dar bando išspręsti? Kurias, kaip manote, išspręs ateityje?
Pavyzdžiai su orų ir laiko spūstyse prognozėmis – tik keli dalykai, kuriuos galiu sužinoti vos pramerkęs akis ir balsu paklausęs „Alexa“. Ženkime toliau: automobilyje nebereikia išsirinkti, kuri radijo stotis mums patinka, juk galime klausytis asmeniškai pritaikyto dainų rinkinio iš „Spotify“. Nebereikia išmaniajame telefone kaskart suvedinėti slaptažodžio – telefonas gali mus atpažinti iš piršto antspaudo ar tiesiog iš akių. Važiuodami automobiliu didmiestyje neturime galvoti, kuriuo keliu 17 val. greičiau nuvyksime į baseiną – maršrutą automatiškai parinks navigacinė sistema, atsižvelgdama ir į esamą spūsčių situaciją mieste. Dirbdami su dokumentais jau daug metų naudojamės automatiniais rašybos tikrinimo įrankiais. Ir ne tik todėl, kad nemokame rašyti, tačiau ir todėl, kad rašant netyčia galime praleisti raidę ar pan. O jeigu norime parašyti laišką taisyklinga anglų kalba, juk mūsų klaidas mums padės ištaisyti taip pat dirbtiniu intelektu grįsti įrankiai – ne tik įterps trūkstamą raidę, tačiau pridės artikelį, įspės apie tikėtinai netinkamą sakinio struktūrą ar pasiūlys sinonimą parašytam žodžiui.
Kalbant apie svarbių problemų išsprendimą, atsakymas priklauso nuo kiekvieno iš mūsų požiūrio ir prioritetų. Dirbtinio intelekto taikymai medicinoje, manau, yra labai svarbūs. Tačiau jie skverbiasi į realų taikymą per lėtai, bent jau kaip rekomendaciniai įrankiai. Nors prognozavimo sprendimų efektyvumas stipriai padidėjo, pvz., aptinkant širdies aritmiją, prognozuojant sepsį iš duomenų, kuriuos galime rinkti intensyviosios terapijos skyriuje, jų taikymas praktiškai dar laukia savo eilės.
Ar svarbus tas faktas, kad prekybos centre turime individualizuotas, asmeniškai mums pritaikytas akcijas, kad turime finansų rinkose prekiaujančius robotus? Atsakymas priklauso nuo mūsų požiūrio. Manau, tokio pobūdžio sprendimai suteikia juos naudojantiesiems pranašumo, tačiau nesprendžia tikrai svarbiomis visuotinai laikomų problemų.
Kalbant apie dirbtinį intelektą, dažnai iškeliamas ir privatumo, duomenų apsaugos klausimas. Tokios dirbtinio intelekto technologijos, kaip veidų atpažinimo sistemos, yra laikomos labiausiai į privatumą besibraunančia šių technologijų atmaina. Kokia Jūsų nuomonė apie šią situaciją? Kaip ir ar iš viso galima rasti balansą tarp technologijų plėtros ir duomenų apsaugos?
Šią situaciją turėtume vertinti lanksčiai ir nemanau, kad vienareikšmiškai privalome apsispręsti, ar tai yra gerai, ar blogai. Viskas priklauso nuo to, kaip šiuos įrankius taikysime. Jeigu mums reikia surasti, pavyzdžiui, pasimetusį vaiką, tuomet būtinai šios technologijos turi būti naudojamos. Jei ieškome nusikaltėlių arba naudojame sistemas nusikaltimų prevencijai – tikrai turime taikyti dirbtinį intelektą. Manau, galime aukoti dalį privatumo dėl didesnio tikslo – mūsų visų saugumo.
Jeigu šios sistemos būtų taikomos, pavyzdžiui, tam, kad asmenys būtų stebimi siekiant juos priskirti vienai ar kitai grupei laikantis stereotipų, pavyzdžiui, nepatikimas klientas, skolininkas ar potencialus nusikaltėlis, tuomet galime lengvai tapti nepakankamai informaciją įvertinančios sistemos įkaitais. Prisiminkime, kaip prieš 20–30 metų buvo žiūrima į ilgaplaukius vaikinus, dėvinčius odines striukes. Juk vien dėl plaukų ilgio juos kai kurie vyresni žmonės priskirdavo potencialiems nusikaltėliams, stebėdavosi, kaip tokie gali eiti į bažnyčią ar panašiai. Greičiausiai viskas tik dėl to, kad jie paprasčiausiai buvo sutikę per mažai vaikinų, nešiojusių ilgus plaukus. Dirbtinio intelekto sistemos veikia labai panašiu principu – jei per mažai pavyzdžių pateiksime jas mokydami, galime tikėtis visiškai netinkamo rezultato.
Į kurią VR ir dirbtinio intelekto technologijų pusę pakreipti tyrimai, inovacijos Jums pačiam įdomiausi? Kodėl?
Yra trys kryptys, kurios mane žavi labiausiai. Pirmoji – judančio žmogaus trimačio modelio atkūrimas iš filmuojamo vaizdo. Įsivaizduokime šokėjų grupę, kurią filmuodami keliomis vaizdo kameromis galime iš repeticijų salės perkelti ant bet kurios scenos virtualioje realybėje. O jei repeticiją būtų galima stebėti iškart pasitikrinant, kaip tai atrodytų didžiojoje scenoje?..
Antroji kryptis – termovizorinių vaizdų analizė. Jau yra automobilių, kurie turi specializuotas kameras, leidžiančias naktį rūke iš anksto pamatyti pėsčiąjį ar žvėrelį. Tačiau kaip priversti dirbtinio intelekto sistemą juos atpažinti, kai jie matomi kaip vos keliolika taškų? Iššūkis labai įdomus ir, manau, labai svarbus žengiant saugesnio eismo link. Šioje srityje didžiulį darbą atliko mano doktorantas Paulius Tumas, per tris mėnesius stažuotėje surinkęs didelį ir unikalų duomenų rinkinį. Jo pasiūlytas sprendimas suteikia galimybę kur kas tiksliau aptikti pėsčiuosius, dviratininkus, žvėrelius, nei tai padaryti leidžia kai kurie iki šiol naudoti konkuruojantys dirbinio intelekto sprendimai.
Trečioji kryptis, kuri mane žavi jau seniai, yra susijusi su garso analize. Gal todėl ji taip žavi, kad daug metų pats muzikavau, dainavau chore „Gabija“, net grojau klavišiniais ir bosine gitara. Du iš mano doktorantų, atliekančių tyrimus garso analizės ir sintezės srityse, taip pat yra muzikantai. Mes kartu sprendžiame įdomius praktinius uždavinius, kur specializuotais dirbtinio intelekto sprendimais galime aptikti ir sekti garso šaltinį, išskirti kalbos signalą triukšme – juk tai itin svarbu siekiant atpažinti kalbą. Tikiu, kad lietuviškos kalbos atpažinimas pagaliau persikels ir į mūsų kasdienius įrenginius ir nebereikės bendrauti su telefonu, automobiliu ar garso grotuvu užsienio kalba.
Kaip vertinate lietuvių pasiekimus dirbtinio intelekto srityse? Kur esame stiprūs?
Dirbtinio intelekto tyrėjų ir inovatorių bendruomenė mūsų šalyje auga itin sparčiai. Lietuvos dirbtinio intelekto asociacijos organizuojamuose susitikimuose norintieji pasiklausyti pranešėjų iš Lietuvos ir užsienio jau nebetelpa salėse, o ateityje, panašu, kad galėsime rengti dirbtinio intelekto tematikos konferencijas, kurios galės konkuruoti ir su „LOGIN“.
Kalbant apie sritis, kuriose esame stiprūs, galima paminėti vaizdų analizę (tai pat ir medicininių vaizdų), tikrai esame stiprūs atpažįstant kalbą, taip pat ir lietuvišką. Tačiau nereikia apsiriboti viena ar kita taikymo sritimi, nes tuos pačius ar kiek modifikuotus įrankius galime taikyti labai įvairiai. Mano manymu, tyrėjui labai svarbu daug dėmesio skirti skirtingų metodų pažinimui ir labai detaliam supratimui, nes tuomet atsiveria plačios galimybės rasti inovatyvius sprendimus įvairioms mūsų verslo sritims, kurioms dirbtiniu intelektu pagrįsti įrankiai aktualūs dabar ir bus svarbūs ateityje.
Tekstas publikuotas žurnale „Sapere aude“
Galerija
