tehisintellekt

The field of artificial intelligence has developed rapidly in recent years, bringing many new and exciting directions. One notable achievement in this field is ChatGPT, created by OpenAI, which is a powerful language model that can use completely everyday questions and phrases with a computer program. In this article, we will explore what exactly ChatGPT is and how it can be used practically.

Not using ChatGPT? ChatGPT is a tool developed in early 2023 by OpenAI, one of the leading artificial intelligence research centers in the world. It is based on the Generative Pre-trained Transformer (GPT) architecture, which is a deep learning model pre-trained on large amounts of textual data. ChatGPT is firmly built for interactive conversation with people, allowing them to use inputs to get discussions and appropriate responses from the computer.

How to use ChatGPT?

Using ChatGPT is simple and intuitive. To get started, you’ll need to connect to an OpenAI interface or platform that provides ChatGPT access. The use case you choose may vary, but the general process is as follows:

1. Register for an OpenAI account or log in with an existing account.
2. Once logged in, find ChatGPT and open it.
3. You can enter text in the provided field to start a chat with ChatGPT.
4. press “send” or enter to send your input.
5. ChatGPT generates responses based on your input and displays it on your screen.
6. You can continue the conversation by sending new inputs and receiving replies.

ChatGPT can be used for various purposes, such as:

• Searching for information: You can ask ChatGPT questions on various topics such as history, science, sports news, etc. This can be useful if you want to know about certain information quickly, if you want to be able to get an overview.
• Creativity and idea generation: When you need inspiration for writing, design or creative work, you can ask for ideas or co-create a new concept with ChatGPT. Just enter your thoughts or questions and see what interesting answers ChatGPT has to offer. It can help you expand your thinking and discover new approaches to different projects.
• Language learning: If you want to learn a foreign language or improve your language skills, use ChatGPT as your conversation partner. Enter sentences or questions in the language and receive answers and proofreading of your texts. This can be a great way to practice the language and develop confidence in the language.
• Technical Support: If you have any questions or problems related to your computer or software, ChatGPT can be of assistance with technical assistance. Describe your questions and ChatGPT may offer guidance or suggestions on how to address the issue or fix the concern. This can be useful if you don’t have access to live technical support.

 

Trust but check

It is important to note that while ChatGPT is powerful and useful, it is still a machine learning tool and may have limitations and shortcomings.

At times, ChatGPT may provide inaccurate or inappropriate responses and may have a tendency to repeat certain expressions or response effects. Also, ChatGPT can be sensitive to inputs and can easily find the tone or direction of inputs.

It is important to use the ChatGPT forum and critically evaluate the responses received. This is especially so if it is sensitive

by getting topics or reliable information. If you have specific needs or questions, it may be better to discuss with experts or relevant sources to ensure more accurate and reliable answers.

All in all, ChatGPT is a powerful tool that enables interactive communication with a machine learning model using natural language. Using it can be useful in many different ways, whether it is searching for information, generating ideas, learning a language or providing technical support. However, it is important to understand the limitations of ChatGPT and use it responsibly and critically evaluate the responses you receive.

 

Constantly in development

Technological advancements like ChatGPT provide us with great effects, but they are also not accompanied by ethical issues. One of the main concerns is the spread of false information or inaccurate answers. Because ChatGPT is based on pre-trained essentials, existing misunderstandings, biases or misinformation can be seen. Therefore, it is important to be aware that ChatGPT may provide inaccurate or erroneous responses.

OpenAI and other technology companies are constantly working to improve the accountability of ChatGPT and other similar systems. This includes further training of models, development of ethical guidelines and integration of user feedback. But we all have a responsibility to be aware and critical when we use these technologies.

In addition to ethical considerations, privacy and data protection are also important issues. If you use ChatGPT through the online platform, your chat may contain sensitive personal information. Therefore, you need to choose a reliable and secure platform and make sure that your data is processed in accordance with the applicable legal regulations.

 

Don’t get too excited

Finally, it is important to understand that ChatGPT is a tool and not a substitute for human interaction. While it can provide relevant responses and generate creative ideas, it cannot fully replace human interaction, empathy, or human critical thinking. Use ChatGPT as a supportive tool and don’t be afraid to seek additional information or advice from experts if needed.

In conclusion, ChatGPT is an impressive technological achievement that enables interactive communication with a machine learning model. It has a lot of potential for a variety of use cases, including information retrieval, idea generation, language learning, and technical support. However, it must be used responsibly, critically evaluating the response received and keeping ethical issues in mind. It is important to remember that ChatGPT is not perfect and may provide inaccurate or misleading answers. That is why it is important to be critical and check the information you receive with other reliable sources.

When using ChatGPT for language learning, it is important to remember that it cannot replace human interaction and language practice in real-world situations. Although ChatGPT can be a useful tool to improve your language level, it is recommended to supplement it with interaction with people, language courses and other methods of language learning.

Data protection and privacy are also important aspects when using ChatGPT via the online platform. Make sure that the chosen platform protects your personal data and processes it in accordance with applicable privacy regulations. Be aware of what data is collected and how it is used.

 

ChatGPT does not replace a human, yet…

It is also important to remember that ChatGPT is a technological tool and cannot replace human experience, empathy or intuitive judgment. If you need emotional support or a solution to a more complex problem, it is recommended to turn to people such as friends, family members or professionals who can provide a human and individual approach.

In summary, ChatGPT is a powerful tool that provides the ability to interact with a machine learning model through natural language. It has many uses, from information retrieval to language learning. However, it should be used with caution, being aware of its limitations, ethical issues, and privacy aspects. Critical thinking, additional information verification, and interpersonal communication remain important skills that should be developed and maintained, even in an age of technological advancement.

Need meie hulgast, kes jälgivad huviga tehnikamaailma, on kindlasti tähele pannud, et just viimase paari aasta jooksul on ilmunud palju “Masinõppimise” ja “neurovõrkude” põhjal ehitatud tehisintellektide või teisisõnu tehismõistuse süsteeme. Kõik tehisintellektide süsteemid, mis meie maailmas hetkel kasutusel on, nimetatakse “kitsasteks” tehisintellektideks. Kuna nad on väga osavad, aga oskavad tegutseda vaid ainult ühel väga konkreetsel alal, nagu näiteks Male või tõlkimine, nägude tundmine, autode juhtimine, tekstide ja piltide ära tundmine. Järjest rohkem ja rohkem intellektuaalseid töid, mida eelnevalt oskas teha ainult inimene, oskab nüüd teha kitsas tehismõistus.

Miks tehismõistus nüüd aktuaalne on?

Suurem osa kitsaid tehisintellekte töötavad neurovõrkude idee põhjal, see tööpõhimõte on võetud inimajust, kus meie ajud töötavad tänu ajurakkude (neuronite) võrgustikule, mis töötlevad informatsiooni. Väga laias laastus töötavad sarnaselt ka tehislikud neurovõrgustikud, omades mitmeid erinevaid punkte ja astmeid, mis kõik koos töötavad samm sammu haaval mingi eesmärgi nimel. Näiteks piltide äratundmisprogrammide võrgustikus, esimene tasand tehisneuroneid tunneb ära väga lihtsaid detaile nagu sirged jooned või kumerad jooned, teine tasand võib tunda ära värvi või tekstuuri ja nii edasi, kuni viimane tasand tunneb ära kogu pildi, eelneva informatsiooni kokku panemisel, see on koer või kass või inimnägu.

Tundub nagu suur hiljutine läbimurre? See sama tehnoloogia mida me kirjeldasime mõeldi esimesena välja üle 70 aasta tagasi Warren McCulloch ja Walter Pittsi poolt aastal 1943.
Tol ajal arvati, et see tehnoloogia on huvitav mänguasi aga ei vii kuhugi. Ainult väga hiljuti oleme me suutnud selliseid neurovõrke kasutada praktiliste aplikatsioonidena. Suuremad põhjused selleks on, et neurovõrgud vajavad väga võimsaid ja kiireid arvuteid ja samuti ka väga palju eelnevat infot mida neile sisse laadida, kaks asja mida aastal 1943 väga lihtne saavutada või leida ei olnud.

Alates nendest neljakümnendatest aastatest on arvutite võimsus kahekordistunud iga aasta või paari järel mis on alles hiljuti võimaldanud meil kasutada täielikus potensiaalis neurovõrgustikke.
Ja see tehisintellekti revolutsioon mida me hetkel näeme on suurelt osalt selle sama tehnoloogia kasutamine ja arendamine erinevates valdkondades kuna nüüd on meil õiged tööriistad, et nendega kasulikke asju maailmas teha.

Üle mäe saamine!

Tundub nagu filmi “Terminaator” sugune tulevik on ainult paari aasta kaugusel? Pole päris tõsi, nagu ennem mainitud siis kõik hetkel olemas olevad tehisintellektide süsteemid on kitsad, ehk väga head ainult ühel kindlal alal. Et saavutada tõelist tehisintellekti kui üldist või inimtasemel tehismõistus, on meil vaja vähemalt käputäis olulisi läbimurdeid. On vaja valmis mõelda kuidas kõiki neid kitsaid oskusi ühendada, on vaja süsteemi mis oskab õppida sarnaselt ja paremini kui inimesed (hetkelistel süsteemidel on vaja tuhandeid kui mitte rohkem näiteid, kuid inimestel on vaja vaid ühte või paari näidet, et õppida uut ülesannet) on vaja luua funktsionaalne mälu ja süsteem mis oskab plaane teha ja enda mälu kasutada. Ja samuti on vaja välja nuputada kuidas luua selline süsteem ilma, et sellega kaasneks negatiivseid tagajärgi, et tehisintellekt jälgiks ja mõistaks täpselt mis meie soovid on.

Suuremate plaanidega on see hetkel keeruline, kuna me isegi ei tea täpselt mida me tahaksime. Kõige selle kallal tehakse aga väga tõsist tööd. Viimaste aastate jooksul on investeerimine tehisintellekti ja inimeste arv kes töötavad tehisintellekti alal tõusnud eksponentsiaalselt. Keegi ei oska öelda täieliku kindlusega kuna me saavutame tõelise inimtasemel tehisintellekti, aga kindel on see, et kui midagi ei juhtu mis meie edusamme peataks siis on see ainult aja küsimus.

Alustuseks ütlen ära, et siin artiklis ei ole tehisintellekt kui eneseteadlikuks saanud ehitusmasin kes inimkonda kukutada üritab, vaid järjest targemaks ja kavalamaks saanud ennustusvõimelised arvutid ja tarkvara, mida juba tänasel päeval järjest rohkem igasugu protsessidesse kaasatakse.

Et aru saada kuidas tehisintellekt meid üldse tulevikus mõjutama hakkab, tuleb aru saada kus ja kuidas pakub tehisintellekt enim väärtust ja kasu.

Suuremad tehnoloogiaettevõtted nagu Apple, Google ja Amazon on viimasel ajal aktiivselt kokku ostnud väiksemaid tehisintellekti arendamisega tegelevaid ettevõtteid. Suurettevõtete huvi tehisintellekti vastu on tekitanud tarbijates igasugu emotsioone – alustades ärevast huvist selle vastu mida tehisintellekt ühel päeval teha suudaks kuni hirmuni enda töö kaotamise ees. Kõige parem tehisintellekti võidukäiku suures plaanis vaadata on ühe küsimusega: Kuidas tehnoloogia, eriti tehisintellekt suudab vähendada kulusid. Alles siis saab hakata täpselt hindama tulevasi muutusi.

Tehisintellekt täidab põhiliselt ühte otstarvet võttes midagi mis oli varem ajakulukas ja suhteliselt kallis ning tehes selle kiireks ja odavaks. See asi on ennustamine. Ehk siis teisisõnu võime võtta kogutud informatsioon ja luua selle abil uut informatsiooni mida sul varem ei olnud. Toome välja olukordi kus tehisintellekt on teinud suuri edusamme just ennustamise valdkonnas. Vaatame kuidas tehisintellekt aitab meil lahendada probleeme mida varem ei oleks ennustamisega seotudki, kuidas mõned inimoskused muutuvad tähtsusetuks samas kui teised muutuvad väärtuslikumaks. Need spekulatsioonid põhinevad tehnoloogia senistel muutustel ja justnimelt tehnoloogia arenguga seotud kulude vähenemisel.

 

Masinõppimine

Enamus tehisintellekti viimaseid saavutusi langeb kategooriasse “masinõppimine”, mis tähendab arvuteid mis suudavad õppida neile etteantud andmetest või eelnevatest kogemustest. Kujuta näiteks ette, mida nõuab ostukorvis olevate esemete tuvastamine. Kui me suudaks kirjeldada kuidas õun välja näeb siis me suudaks ka arvuti panna ära tundma õunu, tuginedes nende värvile ja kujule. Siiski on ka teisi objekte mis näevad välja nagu õunad, nii kujult kui ka värvilt. Me võiksime lõputult parandada enda kirjeldust õunast aga lõpuks muutuks kogu see üritus mõttetuks just tohutu ajakulu tõttu.

Keerulised ja segased keskkonnad on just need kus masinõppimine tuleb kõige enam kasuks. Näiteks ühte tüüpi harjutuses näidatakse masinale seeriat pilte mille all on nimi. Siis näidatakse talle miljoneid pilte ja need kõik sisaldavad nimega objekte, millest ainult mõned on õunad. Tulemusena hakkab masin ise nägema reeglipärasusi – näiteks, et õunad on tihti punased. Selliseid reeglipärasusi kasutades – värv, kuju, tekstuur ja kõige tähtsamana kontekst, annavad masinale kogu vajaliku info, et edaspidi iseseisvalt aru saada mis on õun ja mis mitte.

Üldiselt ennustamisest rääkides mõtleme me seda, mis hakkab tulevikus juhtuma. Näiteks, masinõppimist saab kasutada, et ennustada millal pangalaenu taotleja ei suuda enam laenu tagasi maksta jne. Samuti saab masinõppimist kasutada meditsiinis, kasutades kõiki patsiendi sümptomeid saame panna diagnoosi, ennustada haigust. Sellisel kujul andmete kasutamine ei ole midagi uut. Matemaatilised põhimõtted masinõppimise taga ei ole samuti midagi uut. Mis on siis muutunud?

Hiljutised edusammud arvutite kiiruses, andmesäilitusmahtudes, andmetöötluse kiirustes, sensorites ja algoritmides kombineeritult on märkimisväärselt vähendanud masinõppimise kulusid. Tulemusi võib näha näotuvastuses, automaatsetes tõlgetes mis on muutunud juba peaaegu ideaali-lähedaseks.

 

Ennustamise väärtus

Kuidas siis masinõppimise edusammud mõjutavad tavainimest ja tema töökohta? Kuidas mõjutab see töölise võimet mõne ülesandega hakkama saada, mis võib olla näiteks auto juhtimine või tootele hinna määramine? Peale mingite tegevuste tegemist tekivad tagajärjed. Iga tegevuse tegemisel on ka hunnik tingimusi. Näiteks, autojuhi otsus keerata kas paremale või vasakule sõltub suuresti ennustusest mida teised autojuhid antud ajahetkel võiksid tegema hakata.

Nii vaadates tuleb eristada selgelt jälgida ennustamise väärtust ja hinda. Nagu me nägime, siis on tehisintellekti areng kõvasti vähendanud ennustamise hinda. Ennustamine muutub väärtuslikumaks kui andmed muutuvad laiemalt kättesaadavaks ja ligipääsetavaks. Tehnika areng on suurendanud nii erinevate andmete hulka kui ka mitmekesisust. Mida aeg edasi, seda rohkem võimalikuks muutub ennustamine ka erinevates valdkondades.

Isesõirtvad autod on väga hea näide. Tehnoloogia mis aitab autol kiirendada, pöörata ja pidurdada ilma juhita on juba põlvkondi vana. Tol ajal põhinesid need süsteemid tervel hunnikul “mis siis kui” reeglitel. Ehk siis algoritm oli kaunis lihtne “Kui tee peal on suur kivi, siis pidurda.” Aga selline protsess oli aeglane ja erinevaid muutujaid on lihtsalt liiga palju mida sellisel viisil sisse programmeerida. 2000 aastate alguses tekkis kellelgi asjalik idee: auto võiks sõida iseseisvalt, ennustades mida inimjuht teeks teatud tingimustes, antud juhul tuleks tingimused kaamerasilmadest ja lasermõõtmiste tulemustest. Selline äratundmine auto poolt kombineerituna masinaõppimisega muutis esimesed täielikult isesõitvad autod reaalsuseks palju varem kui osati arvata.

 

Kes langetab otsused?

Otsustusvõime on oskus langetada kaalutletud otsuseid – erinevate otsuste ja nende tagajärgete mõistmine ja ennustamine. Ülesandeid kus tagajärgi on lihtne kirjeldada ja inimese otsustamist on vähe vaja, saab üldjuhul automatiseerida. Teiste ülesannete jaoks, kus tagajärgede kirjeldamine on keerulisem, eriti kui tagajärg eksiteerib inimese peas ning seda on suhteliselt võimatu kerge vaevaga masinale arusaadavaks teha.

See ei tähenda, et meie arusaamine inimese otsustusvõimest ei paraneks tulevikus või et see ei võiks kunagi saada automatiseeritud. Masinõppimise uuemad versioonid leiavad ühe paremini seoseid tegude ja tagajärgede vahel ning kasutavad seda infot, et parandada enda ennustusi.

Üks New Yorgis asuv tehisintellektiga tegelev ettevõtte pakub personaalseid assistente kes panevad kirja kohtumisi ja haldavad kalendreid. Et virtuaalset assistenti treenida pandi ta lugema tuhandeid kirjavahetusi inimeste vahel, õppimaks kuidas ja milliseid valikuid inimesed teevad. Nii õppides, suudab assistent peagi ennustada ka probleeme mis võivad tekkida ja pakkuda parimaid lahendusi.

Ülesannete pisikesteks etappideks jaotamine aitab meil näha kuidas tehisintellekt võiks töökeskkonnas veelgi rohkem kasuks tulla. Kuigi arutelud tehisintellekti üle taanduvad tavaliselt inimene vs. masin tüüpi vaidlusteks, võiks teemat pigem käsitleda vastavalt sellele, kui palju läheb vaja otsustusvõimet mingite tegevuste sooritamiseks. Juhtudel kus terve otsuse saab defineerida algusest lõpuni algoritmiga (näiteks pildituvastus või isejuhtivad autod), on loogiline oletada, et peagi asendavad masinad inimese. Juhtudel kus otsuseid on keerulisem lahti seletada ja kirjeldada, võtab see muidugi kauem aega.

 

Ennustusmasinate tööle rakendamine

Ennustustehnoloogiate areng viib järjest lähemale tervete kompleksete ülesannete automatiseerimisele. See nõuab masinatelt usaldusväärsete ennustamiste loomist ja nendele tuginedes otsustamist mida teha järgmiseks. Näiteks paljudes ärivaldkonna tõlkeülesannetes muutub otsustamine inimfaktorina järjest väiksemaks kuna ennustusepõhine tõlketehnoloogia paraneb jõudsalt. Vahel on siiski veel vaja sekkuda, kui tõlget vajab keeruline läbirääkimine vms. Googlei meilipostkast suudab juba mingil määral aru saada e-mailide sisust ja luua neile automaatselt lühivastused, siiski küsitakse enne vastuse saatmist inimeselt üle – milline parim variant. Vastusevariandi valimine on siiski kiirem kui ise trükkimine ja kokkuvõttes saab inimene rohkematele e-mailidele vastata lühema ajaga.

Meditsiin on kindlasti valdkond kus tehisintellekt mängib üha suuremat rolli. Tehisintellekt suudab küll parandada ja täpsustada diagnoose mis omakorda tagavad efektiivsema ja parema ravi kuid lõppsõna jääb kindlasti veel pikaks ajaks arstidele. Erinevatel patsientidel on erinevad vajadused ja inimesed on veel nende mõistmises enamasti paremad. On ka palju situatsioone kus masinate kasutamise plussid ei pruugi iial üle kaaluda inimeste omasid, eriti enamiku tavainimeste silmis.

 

Vaadates tulevikku

21 sajandi hakul olid enamlevinud ennustusprobleemid lihtsad statistilised küsimused nagu näiteks laohaldus ja nõudluse ennustamine. Viimase kümne aastaga oleme aga selgeks saanud pildituvastuse, autojuhtimise ja kasutatavad automaattõlked. Praegusel hetkel võib arvata, et siia peagi lisanduvate valdkondade hulk on meeletu.

Võtmeülesanded enamikes ettevõtetes saavad olema:

1. Töötajate väljakoolitamisel fookuse viimine ennustuse-põhiselt otsustus-põhilisele.
2. Tehisintellekti kasutamise suuna ja kiiruse valimine.
3. Efektiivsete meeskondade loomine kus on kaasatud hea otsustusvõimega inimesed ja hea ennustusvõimega tehisintellekt.