Esileht > arvutuslik ajuteadus, inimlikud postitused > Elagu algoritm, sayonara töötaja!

Elagu algoritm, sayonara töötaja!

Andres Laan ja mina kirjutasime septembris Postimehe veergudel sellest, et tehisintellekti suurim oht on see, et arengud sügavate närvivõrkude vallas suudavad peagi automatiseerida palju elukutseid, kuid meie riik ja majandus ei ole selleks piisavalt valmistunud . Lugu oli Postimees Plussis, avaldame ta nüüd täies mahus siin:

1990ndate lõpus, kui Amazon.com tegeles veel peamiselt raamatute müügiga, hoidis Amazoni juhtkond palgal paarkümmend toimetajat ja raamatukriitikut. Nende ülesandeks oli koostada ostusoovituste nimekirju ja kirjutada raamatuarvustusi, mis pidi e-poe kasutajatele teoste valimise lihtsamaks ja mugavamaks muutma. Veel 1998. aastal nimetati Amazoni raamatukriitikuid selle firma kroonijuveeliks, kelle töö tagas internetipoe kasutajale unikaalselt meeldiva ostukogemuse. Paar aastat hiljem otsustas Amazon oma raamatukriitikud ilma erilise kahetsuseta lahti lasta. Nende töö võttis täielikult üle algoritm, mis kandis nime kollektiivne selekteerimine.

See algoritm peab arvet amazon.com kasutajate ostuajaloo üle. Näiteks selleks, et leida sobivaid ostusoovitusi Anna Karenina vastu huvi näidanud kliendile, leiab algoritm Amazoni andmebaasist kõik kasutajad, kes on varem teose „Anna Karenina“ ostnud. Järgmiseks otsib algoritm nende kasutajate ostuajalugude nimekirjast üles seal kõige populaarsemaks osutunud romaanid (näiteks „Sõda ja rahu“, „Kuritöö ja karistus“). Ja need romaanid sisestatakse seejärel antud kliendi ostusoovituste nimekirja.

Eksperimenteerimisel selgus, et niimoodi koostatud ostusoovitused tõid raamatukriitikute soovitustega võrreldes palju rohkem uusi raamatutellimusi. Lisaks oli antud algoritmi serveris jooksutamine raamatukriitiku palkamisega võrreldes oluliselt vähem kulukas. Tehisintellekti algoritm oli inimesega võrreldes odavam ja osavam.

Üha rohkem paistab, et pole vahet, kui keeruline on inimese elukutse või kui vaevaline on olnud vastav professionaalne treening – pole elukutset, mille tulevikku masinad ohtu ei seaks. Uue sajandi esimesel aastakümnel tõi Royal Bank of Canada müügile aktsiaportfelli haldava arvutiprogrammi, mis kandis oma sisemuses läbi instruktsioone, mille täideviimiseks oli eelmisel sajandil vaja palgata viieaastase ülikooliharidusega majanduseksperte.

2011. aastal alistas IBM arvutiprogramm Watson mälumängu Kuldvillak valitsevad maailmameistrid, kes olid oma hämmastavate mäluoskuste ja teadmistepagasi kogumiseks aastakümneid süstemaatiliselt trenni teinud. Lisame masinate saavutuste nimekirja ka sünkroontõlke primitiivse vormi. Microsoft demonstreeris 2012. aastal takvara, mis tõlgib reaalajas sujuvalt ingliskeelset inimkõnet hiina keelde. Masintõlke kvaliteet on endiselt inimtõlgi oskustest viletsam ja tõlkeäpardusi tuleb masinal ette ligikaudu iga kümnenda sõna juures, kuid see vigade tase on piisavalt madal, et jutust siiski aru saada.

Microsofti konkurent Google on oma laborites valmis meisterdanud isesõitvad autod. Need masinad panevad järgmise kümne aasta jooksul küsimärgi alla taksojuhtide, bussijuhtide ja veoautojuhtide palkamise vajalikkuse. 3D printerid aga muudavad kardinaalselt ehitustööliste ameti tulevikku – endiselt on tarvis progammeerijaid ja insenere, kuid mitte enam inimesi, kes ehitusmaterjale õigel viisil õigesse kohta paigutavad.

Tehnoloogia kiire areng toob varandusliku ebavõrdsuse ja tööpuuduse

Ja mis siis sellest? Tehnoloogia on igal aastal teatud osa inimülesandeid üle võtnud vähemalt kolmsada aastat järjest. Miks on meil tarvis järsku tehnoloogiliste uuenduste pärast muret tunda? Põhjuseks on eelkõige inimtööjõu asendamise kiirus.

Tüüpiline tehnoloogiline leiutis toob endaga lühemas perspektiivis kaasa produktiivsuse kasvu ja vähenenud vajaduse tööjõu järele. Kuna pikemas perspektiivis leiavad töö kaotanud inimesed endale ühiskonnas uue kasuliku rakenduse, viib tehnoloogiline progress kõigi inimeste elukvaliteedi paranemiseni.

Pahandused algavad siis, kui töökohtade kadumise kiirus ületab võime vabanenud töökätele järgmisi ülesandeid leida. Sellisel juhul leiab aset majandusliku ebavõrdsuse dramaatline kasv. Väga lihtsustatult rääkides koguvad innovatiivse majanduse juhtfiguurid enda kätesse tohutuid rikkusi, kuid ülejäänud jäävad ilma nii rahast kui tööst. Sellise protsessi käis tööstusrevolutsiooni algusaastatel (1770-1830) läbi Inglismaa ühiskond, kus keskmise töölise reaalpalk tervelt 60 aastat järjest paigal seisis, samas kui majanduse tootlikus kahekordistus.

Majandusstatistika viitab, et tööstusrevolutsiooniga analoogne protsess on läänemaailmas taas aset leidmas. Ameerika Ühendriikides on reaalne mediaanpalk 1980ndate algusest alates samal tasemel püsinud ja seda hoolimata sisemajanduse koguprodukti 150%sest kasvust. Keskmise töölise palgataseme seisak koos majanduse tootlikuse kasvuga viitab sellele, et praktiliselt kogu lisandunud rikkus on liikunud ühiskonna koorekihi taskusse.

Majanduslike protsesside tõukejõude ei ole tihti võimalik täpselt määratleda. Üks populaarne hüpotees väidab, et ebavõrdsus on kasvanud informatsiooni- ja kommunikatsioonitehnoloogiate kasutusvaldkonna lainemise käigus. Tehnoloogiagigandid Microsoft, Google, Amazon, Apple ja Facebook domineerivad maailma rikkaimate firmade nimistus samamoodi nagu 19. sajandi lõpus valitsesid turge hiigeltrustid Standard Oil, US Steel ja American Tobacco Company.

Infotehnoloogia asendab töökohti

Infotehnoloogiaid haldavad superettevõtted ei asunud vohama tühjale kohale, vaid muutsid ebavajalikuks terve hulga pika ajalooga tööstusi ja töökohti. Esimese põlvkonna internetitehnoloogiad panid surve alla valgekraelised elukutsed, mis tegelesid informatsiooni mehaanilise analüüsiga. Klassikalisteks näideteks on siinkohal reisiagendid ja keelekorrektuuriga tegelejad, kelle ülesanded võis üle võtta vastav programm. USA tööjõustatistika büroo andmetel on informatsioonitöötlusega tegelevas sektoris viimase kümnene aasta jooksul kadunud 10% töökohtadest.

Uuema põlvkonna intelligentsed leiutised ei ole piirdunud digi-maailmas tegutsemisega. Järjest võimsamate sensorite ja protsessoritega varustatud tehnoloogilised vidinad tungivad andmete maailmast füüsilisse sfääri. Lisaks artikli alguses mainitud isesõitvatele autodele ja sünkroontõlkidele on juba valmis meisterdatud robottolmuimejad, ladudes pakke kandvad automaattõstukid, iseseisvalt postipakke kohale toimetavad droonid, autonoomsed prügisorteerijad ja humanoidi välimusega robotid, kes mõistavad puu- ja juurviljadest salateid valmistada.

Automatiseerimisohus elukutsete nimistu koostamine on keeruline ülesanne, kuid isegi konservatiivsed eksperdid ennustavad, et nende elukutsete arv on pigem kõrge kui madal. Oxfordi ülikooli teadlaste hinnagul on järgmiste kümnendi jooksul kadumisohus ligikaudu 50% töökohtadest.

On kindlasti neid, kes peavad majandusstatistikat ebausaldusväärseks. Neid lugejaid võiks mõtlikuks teha järgmise põlvkonna tehnoloogilise innovatsiooni dramaatiliselt erinev karakter. 20. sajandi tehisintellekt oli oma võimetelt üsna piiratud ja suunatud eelkõige spetsiifiliste rakenduste lahendamiseks, kuid 21. sajandi tehisintellekt on hoopis teine tera.

Hiljutised teadusavastused on parktiliseks muutnud algoritmid, mille kasutusvaldkond on eelneva tehnoloogiaga võrreldes tunduvalt laiem. Ühe prominentse näitena toome siinkohal välja niinimetatud sügavad närvivõrgud. Sügavate närvivõrkude töö on sarnane inimese ajukoore tööga. Justnimelt see piirkond vastutab meie ajus kõige keerulisemate mõtteprotsesside täideviimise eest. Niisiis võib juhtuda, et masinad jõuavad inimvõimete piirile väga lähedale, mistõttu asenduselukutsete leidmine muutub järjest keerulisemaks.

Ajule sarnane tehisintellekt suudab lahendada ajule sarnaseid ülesandeid

Selleks, et aru saada sügavate närvivõrkude võimetest ja puudustest, on kõige parem uurida, missuguste probleemide lahendamiseks neid kasutatakse. Eelmise põlvkonna arvutirakendused haldasid probleeme, millel oli selge matemaatiline definitsioon. Tekstist „kasside“ leidmiseks pole vaja teha muud, kui otsida tähtede k, a, s ja s vastavat kombinatsiooni. Kuid kui üritada sama metoodikat rakendada digipildilt kasside otsimiseks, siis seisame silmitsi probleemiga, et me ei oska kassi kujutisele matemaatiliselt ranget definitsiooni anda. Pildil istuv kass võib olla pruuni või hoopis halli karvaga, ta võib istuda mõnusalt keras või tippida graatsiliselt tagajalgadel, tal võib olla suletud suu ja avatud silmad või vastupidi. Need pisikesed variatsioonid, mida on sisuliselt lõpmata palju, muudavad digipildilt kasside leidmise keeruliseks.

Sügavad närvivõrgud saavad sellest probleemist mööda, defineerides mõiste „kass“ mitte matemaatiliselt, vaid näidete abil. Selleks, et sügavat närvivõrku kassi tuvastama õpetada, on vaja talle sisse sööta paarkümmend miljonit näidispilti, mille hulgas paarsada näidispilti on defineeritud kui kassid. Selles mõttes on sügav närvivõrk inimese ajuga sarnane. Ka meie aju õpib pigem näidete kui definitsioonide kaudu. Kuna tehislik närvivõrk on bioloogilise närvivõrguga sarnane, siis kujuneb tal sellise treeningu järel välja inimeselegi omane võime üldistada. Üksikult üldisele üleminek lubab treenitud närvivõrgul kasse tuvastada ka piltidelt, mida ta kunagi varem kohanud ei ole.

Sügavaid närvivõrke saab tööle rakendada tüütute ja rutiinsete ülesannete lahendamiseks. Kui ettevõtjal on olemas suur andmebaas, mis dokumenteerib pisidetailideni välja seda, kuidas inimtööline mõnda ülesannet lahendab, siis on küllaltki suur tõenäosus, et inimeksperdi tööprotseduur on võimalik näidetepõhise treeningu kaudu sügavasse närvivõrku üle kanda. Kord treenitud närvivõrku on seejärel võimalik ühegi lisakuluta lõpmatult paljundada. Sügavaid närvivõrke ongi juba tööle rakendatud digitaalsete pildiarhiivide analüüsiks, sõiduautode juhtimiseks, lühikeste uudislugude kirjutamiseks ja inimkõne sünkroontõlkeks.

Kuidas valmistuda tehnoloogiliseks tööpuuduseks?

Eelpool kirjeldatud arengutega silmitsi seistes peame endalt küsima, kuivõrd oleme ühiskonnana valmis kiirenenud tehnoloogilise progressi tagajärgedeks. Kas meil on olemas plaan, mida teha nende inimestega, kelle töökohad kaovad? Võimalike lahenduste nimekiri on pikk, aga samas ka ebakindel. Keegi ei oska hetkel ette ennustada tehnoloogilise progressi kiirust ja seda, kui akuutselt tööjõu probleem ennast majanduses tunda annab.

Esimene võimalus lahenduste leidmiseks inspiratsiooni leida on ajalukku tagasi vaadata. Tööstusrevolutsiooni esimesele staadiumile järgnes terve seeria muutusi ühiskonnakorralduses. 1850ndatest 1950ndate suunas liikudes näeme järkjärgult tasuta põhi- ja keskhariduse esiletõusu, tööaja langemist 60 tunnilt nädalas 35ni ja riigisektori rolli kasvamist majanduselus. Äkki veedab tulevikus üle poole inimestest oma 15-tunnise tööpäeva riigisektoris töötades.

Teine võimalik lahendus puudutab majandusmõtlemise muutumist. Kuidas me saaksime samaaegselt saavutada innovatsiooni ilma töökohtade kadumiseta? Globaliseerumise ajastul tähendas äri-innovatsioon tihti seda, et leiti viise, kuidas toota sama kvaliteediga toodet odavamalt. Kuid tehnoloogilisi protsesse võib kasutada ka selleks, et pakkuda sama raha ja tööjõukulude juures kõrgema kvaliteediga lõpp-produkti. Eriti teenuste- ja riigisektoris tasuks kaaluda võimalust inimeste vallandamise asemel neile sarnases rollis uusi rakendusi leida.

Me kõik teame elukutseid, mille praktiseerijad on valdkonna alarahastuse tõttu krooniliselt üle töötanud. Olgu tegemist arstidega, kellel pole visiite täis pikitud töögraafiku tõttu piisavalt aega süveneda üksikute patsientide muredesse, või hoopis õpetajatega, kellel puuduvad ressursid probleemsete või andekate õpilaste vajadustega tegelemiseks – tehnoloogia võib neile anda tagasi aega selleks, et oma elukutse eesmärki täiuslikumalt täita.

Igapäevaste ülesannete muutunud vajadus inimliku vahelesegamise järele toob tõenäoliselt kaasa paratamatuid muutuseid haridussüsteemis. Kolmanda pääseteena tehnoloogia vohamisest tingitud probleemidele on paljud vaatlejad välja pakkunud tööjõu haridustaseme tõstmise. Elanikkonna ümberharimine on soovitus, mis on ühest küljest ilmselge, kuid teisest küljest ebamugavalt segane.

Kuna ligikaudu 80% elanikkonnast on keskharidus, siis peaks haridustaseme kasv ilmselt tulema kõrghariduse, kutsehariduse ja elukestva õppe arvelt. Teatud osa kõrghariduse kasvust peab pärinema infotehnoloogia hariduse mahu kasvust, kuid on ebaselge, kui suur peaks see kasv täpselt olema ja missugused peaksid olema infotehnoloogia ekspertide oskustele rakenduse leidmist toetavad elukutsed.

Teisest küljest valmistab ebamugavust paljude kunagi kõrgharidust vajanud elukutsete haprus tehisintellekti tehnoloogiate ees. Aktsiakauplejate, raamatupidjate, laboritehnikute ja tõlkide jätkuv tarkvara ja riistvaraga asendamine annab tunnistust kõigi erialade potentsiaalsest haavatavusest. Need faktid viitavad sellele, et kui lahendus peitub hariduses, siis peab seda haridust olema mitte lihtsalt rohkem, vaid ta peab olema senisest teistsugune. Keegi ei tea täpselt, missugune.

Majandus on keerukas süsteem ja väikesed variatsioonid sündmuste käigus võivad kogu protsessi järsku ühelt rajalt teisele kallutada. Seepärast on kõige tähtsam tehnoloogilise tööpuuduse probleemi pidevalt ühises teadvuses hoida, kuid samaaegselt vältida liiga varajast pühendumist ühele lahendusele. Me täpselt ei tea, mida tulevik toob, kuid loodetavasti on seal sobiv (töö)koht nii meile kui ka tarkadele masinatele.

 

  1. Kommentaare veel pole.
  1. No trackbacks yet.

Lisa kommentaar

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Muuda )

Twitter picture

You are commenting using your Twitter account. Log Out / Muuda )

Facebook photo

You are commenting using your Facebook account. Log Out / Muuda )

Google+ photo

You are commenting using your Google+ account. Log Out / Muuda )

Connecting to %s