Apie dirbtinį intelektą yra girdėję visi, o daugelis su juo susiduria tiesiogiai. Tikriausiai esate matę ar skaitę apie pačias vairuojančias mašinas ar traukinius. Turėdamos dirbtinį intelektą, šios susisiekimo priemonės ne tik atlieka pervežimo iš taško A į tašką B funkciją, bet ir geba atpažinti erdvę aplink transporto priemonę, pasirinkti tinkamiausią iš daugybės galimų vairavimo scenarijų. Kitas pavyzdys – visiems pažįstama GPS navigacija. Integravus dirbtinį intelektą, GPS programa gali ne tik pasiūlyti optimalų būdą tikslui pasiekti, bet ir rekomenduoti maršrutą, kuriame bus išvengta kelio užtvarų bei spūsčių. Jei reguliariai perkate internetu, tikriausiai pastebėjote, kad siūlomos prekės dažnai atitinka jūsų pomėgius ar interesus? Dirbtinis intelektas analizuoja žmogaus veiksmus internete ir pateikia rekomendacijas dėl dalykų, kuriuos, tikėtina, norėsite nusipirkti. Redaguojant tekstus dirbtinis intelektas ne tik nurodo rašybos klaidas, bet ir pasiūlo sprendimus, kaip tas klaidas ištaisyti. Dirbtinio intelekto naudojimo pavyzdžių aptinkame praktiškai visose žmogaus veiklos srityse. Daugelis yra susidūrę su tokiomis dirbtinio intelekto naudojimo sritimis:

• vaizdo atpažinimas, pavyzdžiui, automatinis Facebook nuotraukų žymėjimas atpažįstant veidus;
• vaizdo įrašų klasifikavimas, kaip antai, apsaugos kamera, aptinkanti įsilaužimą;
• kalbos pavertimas tekstu ir teksto įgarsinimas, kai diktuojant išmanusis telefonas kalbėjimą paverčia rašytiniu tekstu arba perskaito tekstą roboto balsu;
• natūralios kalbos apdorojimas, t. y. teksto analizė, pokalbių robotai;
• rekomendacijų sistemos, pavyzdžiui, suasmeninta reklama, produktų rekomendacijos interneto tinklalapiuose, kelionės ir jos maršruto suplanavimas;
• lentelių ir laiko eilučių duomenų apdorojimo programos, kurios atlieka finansinę analizę, filtruoja el. paštą, išmaniai nukreipia belaidį tinklą.

Pirmą kartą dirbtinio intelekto sąvoką paminėjo Jay McCarney 1955 metais, jį apibūdindamas kaip mašinų (kompiuterių) gebėjimą spręsti problemas, kurias žmonės sprendžia pagal savo intelektą. Per daugiau nei šešiasdešimt metų atlikta daugybė tyrimų, ieškant atsakymo į klausimus: kaip mašinos gali imituoti žmogišką mąstymą, kaip įgalinti mašinas spręsti problemas, kurias sprendžia žmonės. Plėtėsi dirbtinio intelekto galimybių ribos ir taikymo įvairiose srityse apimtys. Tačiau pagrindinis principas išliko – kompiuteris gali turėti tokią intelekto formą, kuri ne tik sprendžia problemas, bet ir gali save patobulinti tas problemas spręsdama. XXI amžiuje dirbtinis intelektas integruotas į daugelį kasdienio gyvenimo sričių, ir jo reikšmė artimiausiais metais tik didės.

Dirbtinio intelekto privalumai paprastai siejami su gebėjimu apdoroti didelį kiekį informacijos, savarankiškai mokytis iš duomenų bei atliekamų veiksmų ir laikui bėgant deleguotas užduotis atlikti vis tiksliau darant mažiau klaidų. Tradicinės kompiuterinės programos, kurios apsiriboja statistiniais skaičiavimais ir yra iš anksto užprogramuotos naudoti turimus duomenis ir priimti sprendimus, nėra priskiriamos dirbtiniam intelektui. Dirbtinio intelekto sistema generuoja hipotezes, teiginius ar sprendimus, pagrįstus skaičiavimo rezultatais. Pavyzdys galėtų būti 1997 metais IBM sukurtas šachmatų kompiuteris Deep Blue, kuris šešių partijų serijoje įveikė pasaulio čempioną Garį Kasparovą, per sekundę išanalizuodamas milijonus galimų ėjimų ir pasiūlydamas optimalų. Palyginkime, per tokį patį laiką (1 sekundę) Garis Kasparovas galėjo surasti tik du sprendimus. Ne mažiau iškalbingi ir faktai apie kompiuterių kuriamus muzikos kūrinius, eilėraščius, filmų scenarijus. Išmokusi teksto skyrybos ženklus, gramatiką ir stilių, mašina gali naudoti modelius, kad automatiškai sukurtų visiškai naują tekstą Šekspyro ar Dostojevskio, muzikos kūrinį Mocarto ar Bacho stiliumi.

Dirbtinis intelektas ir su juo susijusios sąvokos

Dirbtinis intelektas yra siejamas su mašinų (pvz., kompiuterių, robotų ir pan.), kurios yra suprogramuotos imituoti žmogaus mąstymo eigą ir veiksmus, galimybe atlikti intelektualius veiksmus. Terminas taip pat gali būti taikomas ir kalbant apie mašinas, kurios atkartoja žmogaus intelektinės veiklos procesus, pavyzdžiui, tokius kaip mokymasis ar problemų sprendimas.

Vienas iš dirbtinio intelekto pogrupių yra mašininis mokymasis, kuris siejamas su koncepcija, kad kompiuterinės programos gali automatiškai mokytis iš duomenų ir žmonių nepadedamos prisitaikyti prie naujai gaunamų duomenų. Giliojo mokymosi metodai įgalina šį automatinį mokymąsi, kurio metu apdorojami didžiuliai kiekiai duomenų, tokių kaip tekstas, paveikslėliai ar vaizdo įrašai. Taikant mašininio mokymosi technikas, mašina (kompiuteris, programa, robotas), analizuodama žinomų pavyzdžių rinkinį, pati išmoksta šias taisykles. Mašininis mokymasis yra paplitęs kuriant dirbtinį intelektą, o gilusis mokymasis yra specifinis mašininio mokymosi pogrupis. Ryšys tarp dirbtinio intelekto, mašininio mokymosi ir giliojo mokymosi parodytas paveiksle.

Dirbtinio intelekto, mašininio mokymosi ir giliojo mokymosi subordinacija
Prieiga internetu: nuoroda

Visuomenėje stebima tendencija mašininiam mokymuisi ir apskritai dirbtiniam intelektui suteikti stebuklingų galių. Bet čia nėra jokios magijos. Žinant, kiek daug skirtingų komponentų sudedama draugėn sudarant modelį, turėtume aiškiau suvokti šališkumo ir klaidų galimybę modelių rezultatuose ir tai, kad tos klaidos turi būti nuodugniai ištirtos ir nustatytos jų priežastys, kad galėtume drąsiai kliautis tokių modelių rezultatais. Manymas, kad dirbtiniai neuroniniai tinklai yra „visažiniai“ ir „neklystantys“, gali nulemti mūsų nepagrįstai didelį pasikliovimą tokių modelių rezultatais.

Dirbtinio intelekto komponentai

Dirbtinio intelekto tyrimai skirti šiems intelekto komponentams: mokymuisi, samprotavimui, problemų sprendimui, suvokimui ir kalbos vartojimui.

Paprasčiausias mokymasis vyksta bandymų ir klaidų būdu. Pavyzdžiui, paprasta kompiuterinė šachmatų programa gali bandyti įvairius atsitiktinius ėjimus tol, kol bus rastas tinkamas. Kitą kartą, kai kompiuteris susidurs su ta pačia šachmatų padėtimi, jis priims analogišką sprendimą. Tuo tarpu mokymasis yra susijęs su ankstesnių patirčių taikymu esant naujoms situacijoms. Pavyzdžiui, nesudėtinga programa, kuri mokosi būtojo laiko veiksmažodžių, negalės iš bendraties dainuoti sukurti būtojo laiko dainavo. O programa, kuri gali apibendrinti ir mokytis, remdamasi panašių veiksmažodžių (dainavo analogai: lingavo, niūniavo, keliavo ir kt.) patirtimi, gali pateikti bet kurio veiksmažodžio būtojo laiko formą, sudarytą iš to veiksmažodžio bendraties.

Samprotavimas – viena sunkiausių dirbtinio intelekto sričių yra susijusi su svarbių išvadų, sprendžiant konkrečią užduotį ar situaciją, darymu. Samprotavimo procesai naudoja algoritmus, tačiau čia esančios dirbtinio intelekto sistemos yra išmokytos atsižvelgti į norimą rezultatą ir pasirinkti tinkamą algoritmą. Problemų sprendimas – tai dirbtinio intelekto „įdarbinimas“, kai turint x ir y duomenis reikia surasti z sprendimą. Suvokimas – mašinų gebėjimas analizuoti aplinką ir surasti ryšius tarp objektų, o kalbos vartojimas susijęs su gebėjimu suprasti kalbą, jos gramatikos ir sintaksės savybes.

Kaip ir daugelis kitų technologinių laimėjimų, kurie anksčiau buvo laikomi mokslinės fantastikos sfera, dirbtinis intelektas yra viena iš labiausiai besivystančių sričių. Dirbtinio intelekto naudojimas švietimo sistemoje atveria daugybę galimybių tobulinti mokymą ir mokymąsi.

Plačiau apie dirbtinį intelektą: https://youtu.be/7K3btEzlXpU

Rūta Girdzijauskienė, Dalia Baziukė

2021-12-31