Alustuseks \u00fctlen \u00e4ra, et siin artiklis ei ole tehisintellekt kui eneseteadlikuks saanud ehitusmasin kes inimkonda kukutada \u00fcritab, vaid j\u00e4rjest targemaks ja kavalamaks saanud ennustusv\u00f5imelised arvutid ja tarkvara, mida juba t\u00e4nasel p\u00e4eval j\u00e4rjest rohkem igasugu protsessidesse kaasatakse.<\/p>\n
Et aru saada kuidas tehisintellekt meid \u00fcldse tulevikus m\u00f5jutama hakkab, tuleb aru saada kus ja kuidas pakub tehisintellekt enim v\u00e4\u00e4rtust ja kasu.<\/p>\n
Suuremad tehnoloogiaettev\u00f5tted nagu Apple, Google ja Amazon on viimasel ajal aktiivselt kokku ostnud v\u00e4iksemaid tehisintellekti arendamisega tegelevaid ettev\u00f5tteid. Suurettev\u00f5tete huvi tehisintellekti vastu on tekitanud tarbijates igasugu emotsioone – alustades \u00e4revast huvist selle vastu mida tehisintellekt \u00fchel p\u00e4eval teha suudaks kuni hirmuni enda t\u00f6\u00f6 kaotamise ees. K\u00f5ige parem tehisintellekti v\u00f5iduk\u00e4iku suures plaanis vaadata on \u00fche k\u00fcsimusega: Kuidas tehnoloogia, eriti tehisintellekt suudab v\u00e4hendada kulusid. Alles siis saab hakata t\u00e4pselt hindama tulevasi muutusi.<\/p>\n
Tehisintellekt t\u00e4idab p\u00f5hiliselt \u00fchte otstarvet v\u00f5ttes midagi mis oli varem ajakulukas ja suhteliselt kallis ning tehes selle kiireks ja odavaks. See asi on ennustamine. Ehk siis teisis\u00f5nu v\u00f5ime v\u00f5tta kogutud informatsioon ja luua selle abil uut informatsiooni mida sul varem ei olnud. Toome v\u00e4lja olukordi kus tehisintellekt on teinud suuri edusamme just ennustamise valdkonnas. Vaatame kuidas tehisintellekt aitab meil lahendada probleeme mida varem ei oleks ennustamisega seotudki, kuidas m\u00f5ned inimoskused muutuvad t\u00e4htsusetuks samas kui teised muutuvad v\u00e4\u00e4rtuslikumaks. Need spekulatsioonid p\u00f5hinevad tehnoloogia senistel muutustel ja justnimelt tehnoloogia arenguga seotud kulude v\u00e4henemisel.<\/p>\n
<\/p>\n
Enamus tehisintellekti viimaseid saavutusi langeb kategooriasse “masin\u00f5ppimine”, mis t\u00e4hendab arvuteid mis suudavad \u00f5ppida neile etteantud andmetest v\u00f5i eelnevatest kogemustest. Kujuta n\u00e4iteks ette, mida n\u00f5uab ostukorvis olevate esemete tuvastamine. Kui me suudaks kirjeldada kuidas \u00f5un v\u00e4lja n\u00e4eb siis me suudaks ka arvuti panna \u00e4ra tundma \u00f5unu, tuginedes nende v\u00e4rvile ja kujule. Siiski on ka teisi objekte mis n\u00e4evad v\u00e4lja nagu \u00f5unad, nii kujult kui ka v\u00e4rvilt. Me v\u00f5iksime l\u00f5putult parandada enda kirjeldust \u00f5unast aga l\u00f5puks muutuks kogu see \u00fcritus m\u00f5ttetuks just tohutu ajakulu t\u00f5ttu.<\/p>\n
Keerulised ja segased keskkonnad on just need kus masin\u00f5ppimine tuleb k\u00f5ige enam kasuks. N\u00e4iteks \u00fchte t\u00fc\u00fcpi harjutuses n\u00e4idatakse masinale seeriat pilte mille all on nimi. Siis n\u00e4idatakse talle miljoneid pilte ja need k\u00f5ik sisaldavad nimega objekte, millest ainult m\u00f5ned on \u00f5unad. Tulemusena hakkab masin ise n\u00e4gema reeglip\u00e4rasusi – n\u00e4iteks, et \u00f5unad on tihti punased. Selliseid reeglip\u00e4rasusi kasutades – v\u00e4rv, kuju, tekstuur ja k\u00f5ige t\u00e4htsamana kontekst, annavad masinale kogu vajaliku info, et edaspidi iseseisvalt aru saada mis on \u00f5un ja mis mitte.<\/p>\n
\u00dcldiselt ennustamisest r\u00e4\u00e4kides m\u00f5tleme me seda, mis hakkab tulevikus juhtuma. N\u00e4iteks, masin\u00f5ppimist saab kasutada, et ennustada millal pangalaenu taotleja ei suuda enam laenu tagasi maksta jne. Samuti saab masin\u00f5ppimist kasutada meditsiinis, kasutades k\u00f5iki patsiendi s\u00fcmptomeid saame panna diagnoosi, ennustada haigust. Sellisel kujul andmete kasutamine ei ole midagi uut. Matemaatilised p\u00f5him\u00f5tted masin\u00f5ppimise taga ei ole samuti midagi uut. Mis on siis muutunud?<\/p>\n
Hiljutised edusammud arvutite kiiruses, andmes\u00e4ilitusmahtudes, andmet\u00f6\u00f6tluse kiirustes, sensorites ja algoritmides kombineeritult on m\u00e4rkimisv\u00e4\u00e4rselt v\u00e4hendanud masin\u00f5ppimise kulusid. Tulemusi v\u00f5ib n\u00e4ha n\u00e4otuvastuses, automaatsetes t\u00f5lgetes mis on muutunud juba peaaegu ideaali-l\u00e4hedaseks.<\/p>\n
<\/p>\n
Kuidas siis masin\u00f5ppimise edusammud m\u00f5jutavad tavainimest ja tema t\u00f6\u00f6kohta? Kuidas m\u00f5jutab see t\u00f6\u00f6lise v\u00f5imet m\u00f5ne \u00fclesandega hakkama saada, mis v\u00f5ib olla n\u00e4iteks auto juhtimine v\u00f5i tootele hinna m\u00e4\u00e4ramine? Peale mingite tegevuste tegemist tekivad tagaj\u00e4rjed. Iga tegevuse tegemisel on ka hunnik tingimusi. N\u00e4iteks, autojuhi otsus keerata kas paremale v\u00f5i vasakule s\u00f5ltub suuresti ennustusest mida teised autojuhid antud ajahetkel v\u00f5iksid tegema hakata.<\/p>\n
Nii vaadates tuleb eristada selgelt j\u00e4lgida ennustamise v\u00e4\u00e4rtust ja hinda. Nagu me n\u00e4gime, siis on tehisintellekti areng k\u00f5vasti v\u00e4hendanud ennustamise hinda. Ennustamine muutub v\u00e4\u00e4rtuslikumaks kui andmed muutuvad laiemalt k\u00e4ttesaadavaks ja ligip\u00e4\u00e4setavaks. Tehnika areng on suurendanud nii erinevate andmete hulka kui ka mitmekesisust. Mida aeg edasi, seda rohkem v\u00f5imalikuks muutub ennustamine ka erinevates valdkondades.<\/p>\n
Ises\u00f5irtvad autod on v\u00e4ga hea n\u00e4ide. Tehnoloogia mis aitab autol kiirendada, p\u00f6\u00f6rata ja pidurdada ilma juhita on juba p\u00f5lvkondi vana. Tol ajal p\u00f5hinesid need s\u00fcsteemid 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 v\u00f5iks s\u00f5ida iseseisvalt, ennustades mida inimjuht teeks teatud tingimustes, antud juhul tuleks tingimused kaamerasilmadest ja laserm\u00f5\u00f5tmiste tulemustest. Selline \u00e4ratundmine auto poolt kombineerituna masina\u00f5ppimisega muutis esimesed t\u00e4ielikult ises\u00f5itvad autod reaalsuseks palju varem kui osati arvata.<\/p>\n
<\/p>\n
Otsustusv\u00f5ime on oskus langetada kaalutletud otsuseid – erinevate otsuste ja nende tagaj\u00e4rgete m\u00f5istmine ja ennustamine. \u00dclesandeid kus tagaj\u00e4rgi on lihtne kirjeldada ja inimese otsustamist on v\u00e4he vaja, saab \u00fcldjuhul automatiseerida. Teiste \u00fclesannete jaoks, kus tagaj\u00e4rgede kirjeldamine on keerulisem, eriti kui tagaj\u00e4rg eksiteerib inimese peas ning seda on suhteliselt v\u00f5imatu kerge vaevaga masinale arusaadavaks teha.<\/p>\n
See ei t\u00e4henda, et meie arusaamine inimese otsustusv\u00f5imest ei paraneks tulevikus v\u00f5i et see ei v\u00f5iks kunagi saada automatiseeritud. Masin\u00f5ppimise uuemad versioonid leiavad \u00fche paremini seoseid tegude ja tagaj\u00e4rgede vahel ning kasutavad seda infot, et parandada enda ennustusi.<\/p>\n
\u00dcks New Yorgis asuv tehisintellektiga tegelev ettev\u00f5tte pakub personaalseid assistente kes panevad kirja kohtumisi ja haldavad kalendreid. Et virtuaalset assistenti treenida pandi ta lugema tuhandeid kirjavahetusi inimeste vahel, \u00f5ppimaks kuidas ja milliseid valikuid inimesed teevad. Nii \u00f5ppides, suudab assistent peagi ennustada ka probleeme mis v\u00f5ivad tekkida ja pakkuda parimaid lahendusi.<\/p>\n
\u00dclesannete pisikesteks etappideks jaotamine aitab meil n\u00e4ha kuidas tehisintellekt v\u00f5iks t\u00f6\u00f6keskkonnas veelgi rohkem kasuks tulla. Kuigi arutelud tehisintellekti \u00fcle taanduvad tavaliselt inimene vs. masin t\u00fc\u00fcpi vaidlusteks, v\u00f5iks teemat pigem k\u00e4sitleda vastavalt sellele, kui palju l\u00e4heb vaja otsustusv\u00f5imet mingite tegevuste sooritamiseks. Juhtudel kus terve otsuse saab defineerida algusest l\u00f5puni algoritmiga (n\u00e4iteks pildituvastus v\u00f5i isejuhtivad autod), on loogiline oletada, et peagi asendavad masinad inimese. Juhtudel kus otsuseid on keerulisem lahti seletada ja kirjeldada, v\u00f5tab see muidugi kauem aega.<\/p>\n
<\/p>\n
Ennustustehnoloogiate areng viib j\u00e4rjest l\u00e4hemale tervete kompleksete \u00fclesannete automatiseerimisele. See n\u00f5uab masinatelt usaldusv\u00e4\u00e4rsete ennustamiste loomist ja nendele tuginedes otsustamist mida teha j\u00e4rgmiseks. N\u00e4iteks paljudes \u00e4rivaldkonna t\u00f5lke\u00fclesannetes muutub otsustamine inimfaktorina j\u00e4rjest v\u00e4iksemaks kuna ennustusep\u00f5hine t\u00f5lketehnoloogia paraneb j\u00f5udsalt. Vahel on siiski veel vaja sekkuda, kui t\u00f5lget vajab keeruline l\u00e4bir\u00e4\u00e4kimine vms. Googlei meilipostkast suudab juba mingil m\u00e4\u00e4ral aru saada e-mailide sisust ja luua neile automaatselt l\u00fchivastused, siiski k\u00fcsitakse enne vastuse saatmist inimeselt \u00fcle – milline parim variant. Vastusevariandi valimine on siiski kiirem kui ise tr\u00fckkimine ja kokkuv\u00f5ttes saab inimene rohkematele e-mailidele vastata l\u00fchema ajaga.<\/p>\n
Meditsiin on kindlasti valdkond kus tehisintellekt m\u00e4ngib \u00fcha suuremat rolli. Tehisintellekt suudab k\u00fcll parandada ja t\u00e4psustada diagnoose mis omakorda tagavad efektiivsema ja parema ravi kuid l\u00f5pps\u00f5na j\u00e4\u00e4b kindlasti veel pikaks ajaks arstidele. Erinevatel patsientidel on erinevad vajadused ja inimesed on veel nende m\u00f5istmises enamasti paremad. On ka palju situatsioone kus masinate kasutamise plussid ei pruugi iial \u00fcle kaaluda inimeste omasid, eriti enamiku tavainimeste silmis.<\/p>\n
<\/p>\n
21 sajandi hakul olid enamlevinud ennustusprobleemid lihtsad statistilised k\u00fcsimused nagu n\u00e4iteks laohaldus ja n\u00f5udluse ennustamine. Viimase k\u00fcmne aastaga oleme aga selgeks saanud pildituvastuse, autojuhtimise ja kasutatavad automaatt\u00f5lked. Praegusel hetkel v\u00f5ib arvata, et siia peagi lisanduvate valdkondade hulk on meeletu.<\/p>\n
V\u00f5tme\u00fclesanded enamikes ettev\u00f5tetes saavad olema:<\/p>\n
Alustuseks \u00fctlen \u00e4ra, et siin artiklis ei ole tehisintellekt kui eneseteadlikuks saanud ehitusmasin kes inimkonda kukutada \u00fcritab, vaid j\u00e4rjest targemaks ja kavalamaks saanud ennustusv\u00f5imelised arvutid ja tarkvara, mida juba t\u00e4nasel p\u00e4eval j\u00e4rjest rohkem igasugu protsessidesse kaasatakse. Et aru saada kuidas tehisintellekt meid \u00fcldse tulevikus m\u00f5jutama hakkab, tuleb aru saada kus ja kuidas pakub tehisintellekt enim […]<\/p>\n","protected":false},"author":1,"featured_media":811,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[121],"tags":[171,172,173,174],"class_list":["post-810","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tehnoloogia","tag-areng","tag-tehisintellekt","tag-tehnoloogia","tag-tulevik"],"acf":[],"yoast_head":"\n