Daniel Faria: see on elus! Mõistusega masinate sünd (3)

Daniel Faria
Copy
Juhime tähelepanu, et artikkel on rohkem kui viis aastat vana ning kuulub meie arhiivi. Ajakirjandusväljaanne ei uuenda arhiivide sisu, seega võib olla vajalik tutvuda ka uuemate allikatega.
Tehisintellekti konseptsioon.
Tehisintellekti konseptsioon. Foto: SCANPIX

Tehisintellekti kiivajooksmise ohtu pole mitte ainult raske taibata, vaid seda on keeruline isegi märgata, kirjutab küberekspert Daniel Faria.

Sealtpeale, kui paari sajandi eest avastati elektrit puudutavad seaduspärad, on inimesed aina edasi tormanud üha keerukamasse ja mobiilsemasse ning üha suuremaid võimalusi pakkuvasse maailma. Kõigepealt tulid valgustid, küttekehad ja mootorid, mis andsid hoogu tööstusele ja muutsid linnu. Siis tuli triood, mis tegi võimalikuks signaali võimendamise ning seeläbi raadio- ja telelevi, mis muutis informatsiooni viivitamatu levitamisega ühiskonda. Siis tuli transistor, mis oli veel võimekam võimendaja, aga võis toimida ka «loogikaelemendina» ning üheskoos teistega sooritada aritmeetilisi tehteid ja muid operatsioone, sealhulgas teha tõeväärtusega loogikavõrdlusi, mis pani aluse digitaalarvutitele. Edasine innovatsioonilaine on toonud kaasa nii suuri ja nii ulatuslikke muutusi, mida inimkond ei ole varem kogenud ja mille mõju me alles hakkame aduma. Ning kui me ei ole hoolsad, võime täielikult olukorra üle kontrolli kaotada.

Materjalide omaduste avastamine ja tööstuslike protsesside arendamine lubas muuta transistorid piisavalt pisikeseks, et nad mahuksid mikroprotsessorisse, mis võib täita tuhandeid masinakäske sekundis. Ajapikku transistoride arv kasvas, nagu ka täidetavate käskude arv, algul miljonid, siis juba miljardid sekundis. Koos mikroprotsessoritega muutusid pisemaks teisedki komponendid, mis andis meie käsutusse odavamad ja kiiremad vahendid üha suurema hulga andmete salvestamiseks ja käitlemiseks.

Kui me ei ole hoolsad, võime täielikult olukorra üle kontrolli kaotada.

Siis loodi võrgustikud, näiteks internet, ning materjalide areng aitas kaasa üha kiiremate ühenduste loomisele üha suurema arvu sõlmpunktide vahel. Tehisnärvivõrgud pole enam mõeldavad, vaid tegelikud, nagu ka nutistu. Inimaju on küll veel kümneid miljoneid kordi suurem kui internet, aga senise, vana interneti IP-aadresside versiooni 4 (mis võimaldas veidi üle kolme miljardi avaliku aadressi) asendamisel versiooniga 6 kasvab aadresside arv tõepoolest suuremaks - umbkaudu 7,9 ja veel 28 nulli otsa korda. See annab eksponentsiaalseks kasvuks samuti väga head võimalused.

Väikese viivitusega on ilmunud ka kõigi nende arvutite käitamiseks vajalik tarkvara. Juba üsna varakult saadi aru, et masinkoodi tarvitamine digitaalarvutitele programmide kirjutamisel on tõsiste piirangutega, mistõttu tekkis vajadus kergemini loetavate ja tarvitatavate ning paindlikumate programmeerimiskeelte järele. Esimene selline nägi ilmavalgust 1956. aastal – FORTRAN, mida nimetati abstraheerituse taseme poolest «kõrgkeeleks». Sellele järgnes veel hulk keeli ning aastaid hiljem asendus protseduuriline programmeerimine valdavalt objektorienteeritud programmeerimisega, mis võimaldas probleeme palju tõhusamalt jaotada konkreetsete omaduste ja ülesannetega üksusteks (objektideks).

FORTRANi kood perfokaardil.
FORTRANi kood perfokaardil. Foto: Arnold Reinhold / Wikimedia Commons

Selle paradigma raames sündisid ka esimesed õppealgoritmid. Mul on 1990. aastatest meeles mäng 20Q Ottawa Ülikooli serverites, mille eesmärk oli ära arvata, millisele objektile mängija parajasti mõtleb, «õppides» maailma tundma sisendi põhjal tehtud järeldustega, näiteks: kui enamik inimesi ütleb, et «maja on suurem kui õun» ja «õun on suurem kui sipelgas», siis «maja on suurem kui sipelgas». Aga isegi miljonite järeldustega ei osanud see suurt midagi peale hakata.

Paljudel on kindlasti meeles IBMi ehitatud superarvuti Deep Blue, mis lõi 1997. aastal malematšis Garri Kasparovit tulemusega 3,5:2,5. Mõned arvasid, et see kuulutab uue ajastu algust. milles masinaid ja inimesi ootab vältimatult ees võitlus, mille meie kaotame. Kui mõned aastad edasi hüpata, kohtume juba Google'i hõlma all sündinud projektiga, milles tehisintellekt õppis mängima Atari 2600 klassikalisi mänge ja omandas selles ületamatult hiilgava taseme. Aga ikkagi, masinate põhilisim põhimõte on see, et nad täiendavad kõike seda, mida teeb inimene. Ka maailma parim jooksja ei jookse autost kiiremini ning maailma parim tõstja ei anna silmi ette kahveltõstukile.

Maleentusiastid vaatavad malemeistri Garri Kasparovi malematši IBMi ehitatud superarvuti Deep Blue vastu 11. mail 1997. aastal.
Maleentusiastid vaatavad malemeistri Garri Kasparovi malematši IBMi ehitatud superarvuti Deep Blue vastu 11. mail 1997. aastal. Foto: Scanpix

Et andmemahud aina kasvavad ning masinad muutuvad üha kiiremaks ja võimekamaks, on lausa paratamatu, et hakkavad jõudsalt arenema suurandmete analüüs ja masinõpe. Andmeteadlased eelistavad niisuguseid programmeerimiskeeli nagu Python ja Ruby, mis tagavad paindlikkuse ja abstraktsiooni, on aga siiski hõlpsad tarvitada. Lakkamatult testitakse ja avaldatakse uusi keerukaid algoritme, mis peavad andma masinatele võime «õppida». Isesõitvate autode tehisintellekti programmeerimine on praegu eriti «kuum» teema, kaugele ei jää maha prognoosiv analüüs ja andmekaeve (kusjuures rakendamisvõimalused ulatuvad süvakosmose uurimisest molekulaarbioloogia ja turunduseni).

Probleem peitub siin selles, et tehisintellekti kiivajooksmise ohtu pole mitte ainult raske taibata, vaid seda on keeruline isegi märgata. Meie arusaamine mittelineaarsest kasvust on äärmiselt piiratud. Kas me teame, mida võtta ette, kui masinad hakkavad omal käel õppima, kaasa arvatud seda, kuidas valmistada paremaid masinaid – ning kõike seda inimese kontrolli alt väljas, isegi ilma inimese vähimagi sisendita? Kas siis on juba hilja midagi ette võtta?

Jah, Arthur C. Clarke tõi meie silme ette mõjuvad kujundid, Philip K. Dick esitas mõtlema panevaid küsimusi, Isaac Asimov pööras tähelepanu eetika olulisusele. Sama kainestav on ühe hiljutise Duisburgi Ülikooli uuringu tulemus, millest ilmneb, et robotid suudavad inimesi emotsionaalselt manipuleerida. Niisiis võib vastus suurel määral seisneda selles, et meil tuleb säilitada valvsus. Kui me ka ei suuda vältida tehisintellekti evolutsiooni, võime vähemalt üritada seda õiges suunas nügida.

Hiina on tugev konkurent ja juba suutnud välja võidelda domineeriva positsiooni kommertsdroonide turul. Kannul liigub teisigi mõjuvõimsaid jõude.

Aasta algupoolel kirjutas poolsada tehisintellekti eksperti ajakirjas Artificial Intelligence avaliku kirja Korea Tulevikuteaduse ja -Tehnika Instituudile, milles kritiseeriti nende otsust teha koostööd kaitsetööstuse ettevõttega Hanwha Systems relvastatud droonide loomiseks, mida juhib tehisintellekt. Varem oli ülikool teada andnud, et programm keskendub «tehisintellektipõhisele juhtimis- ja otsustamissüsteemile, suurte mehitamata allveesõidukite komplekssetele navigeerimisalgoritmidele, tehisintellektipõhistele nutikatele lennuõppesüsteemidele ning tehisintellektipõhisele nutikale objektide jälgimise ja tuvastamisele tehnoloogiale». Nad ei ole selles võidujooksus üksi. Hiina on tugev konkurent ja juba suutnud välja võidelda domineeriva positsiooni kommertsdroonide turul. Kannul liigub teisigi mõjuvõimsaid jõude: nii on näiteks Venemaa relvatootja Kalašnikov asunud samuti tapjarobotite arendamisele.

Meie tulevik võib tugevasti sõltuda meie enda tahtejõust ja seadustest, mille taga aimub korralik tulevikunägemus. See nõuab aga rahvusvahelise üldsuse täiemahulist kaasalöömist.

Inglise keelest eesti keelde ümber pannud Marek Laane

Kommentaarid (3)
Copy
Tagasi üles