Vai jūs vēlētos, lai jūsu mājokli iekārtotu pasaules radošākie dizaineri, jūsu ēdienu gatavotu talantīgākie pavāri un jūsu veselības stāvokli diagnosticētu pieredzējušākie ārsti? Lietuvas mākslīgā intelekta risinājumu uzņēmuma "Three Thirds" vadītājs Jons Kubiļus apgalvo, ka tā vairs nav zinātniskā fantastika. Mākslīgais intelekts spēj nemitīgi mācīties, izmantojot daudzus informācijas avotus, un tādējādi kļūt par labāko ekspertu noteiktā jomā. Savukārt tā domāšanas jeb datu analīzes un interpretācijas rezultāti var būt viena pogas klikšķa attālumā.
Vispārīgi ņemot, mākslīgais intelekts ir programmatūras spēja apstrādāt vides informāciju un pieņemt lēmumus, kas palīdz datoram veikt noteiktu uzdevumu. Apstrādājamie dati var būt ļoti dažādi, sākot no attēla un teksta, beidzot ar signāliem no visu veidu sensoriem.
Salīdzinot ar specializētām programmām, kas radītas konkrētiem uzdevumiem, mākslīgā intelekta algoritmu priekšrocība ir spēja attīstīt patstāvīgu uzdevumu izpildi, pamatojoties uz noteiktiem sākotnējiem datiem un reģistrētiem pareiziem lēmumiem. Turklāt tam visam nav nepieciešama programmētāja iejaukšanās.
Šādas sistēmas ir īpaši noderīgas jomās, kur vajadzīga ātra pielāgošanās mainīgai videi. Teiksim, moderno automašīnu tehnoloģijās un ceļu satiksmes drošībā, – tās dinamiski analizē vidi, atpazīst šķēršļus, un, kad nepieciešams, nosūta attiecīgus signālus mašīnas drošības sistēmām. Piemēram, "Citroën" modeļos iestrādātā avārijas bremzēšanas sistēma fiksē pietuvojošos objektus, turklāt ir apmācīta atšķirt ne tikai citus auto, bet arī gājējus un velosipēdistus.
Datu nekad nebūs par daudz
Jons Kubiļus stāsta, ka šādas sistēmas var lietot ļoti plaši, un pats algoritma princips parasti ir relatīvi vienkāršs. Datu apstrādes programma atrod strukturālos dublikātus un mācās no tiem, savukārt, kad tiek saņemta jauna informācija, sistēma jau pati spēj sniegt pareizo atbildi vai veikt nepieciešamo darbību.
"Dati tagad tiek vākti praktiski visās nozarēs, un mākoņtehnoloģijas palīdz veidot un apmācīt algoritmus, savukārt jaudīgas mobilās platformas nodrošina lētu to ieviešanu praksē. Tāpēc arī šādas sistēmas tiek lietotas aizvien biežāk," komentē Jons, kurš mākslīgā intelekta produktus izstrādā jau vairāk nekā desmit gadus.
Viņš vēlreiz uzsver datu apjoma nozīmi, taču piebilst, ka ceļš uz automatizētu gudro datu apstrādi var būt dažāds. "Mūsu un arī citu uzņēmumu klienti bieži vien neievāc pietiekami daudz datu, jo šis process ir dārgs. Tad rodas jautājums – kā ar šādu mazu apjomu nodrošināt algoritma attīstību. Viens variants ir algoritmu apmācīt, izmantojot līdzīgus publiskos datus, un tad veikt tā uzdevumam atbilstošas korekcijas," atklāj Jons.
Lietojums kļūst arvien plašāks
Jons Kubiļus skaidro, ka automašīnās iestrādātās sistēmas prot izmantot gan kameru pārraidīto attēlu, gan lāzerradaru (lidaru) signālus. No šiem datiem iespējams noteikt attālumu līdz šķērslim, tā izmērus, kustības ātrumu un trajektoriju.
Pēc Jona domām, kameru un lidaru izmantošanai ir plašas perspektīvas ne tikai automobiļu un satiksmes drošībā, bet vēl daudzās citās jomās, kurās notiek strauja automatizācija, – noliktavu loģistikā, sūtījumu piegādē, visu veidu ražošanā, vides monitorēšanā un citās. Apmācīti attēlu apstrādes algoritmi noliktavās atpazīst kravu, un lidari precīzi nosaka to atrašanās vietu, lai vēlāk šīs kravas varētu transportēt ar autonomu liftu. Jomās, kur drošībai ir īpaša nozīme, tiek izstrādātas papildu sistēmas. To darbību testē simulatorā, kur mēra stabilitāti un uzticamību.
Nozīmīgi soļi tiek sperti arī medicīnā. Tā "Philips" rentgena aparāti analizē pacientu veselību un sniedz rekomendācijas, kā rīkoties turpmāk. Lietuvas uzņēmuma izstrādātais aortas aneirismas uzraudzības algoritms palīdz ķirurgiem precīzāk novērtēt pacienta stāvokli un ietaupa laiku. Mākslīgā intelekta izstrādātie medikamenti jau tiek pārbaudīti klīniskajos pētījumos; šie algoritmi paātrina jaunu zāļu izveidi, vienlaikus samazinot izmaksas.
Sistēmas izveide – tikai puse darba
Jons Kubiļus piebilst, ka daudzos gadījumos galvenais izaicinājums ir nevis programmatūra ar attīstītām pašmācības spējām, bet izpratne par risināmās problēmas būtību un uzdevuma definēšana, kā arī jaunā risinājuma integrēšana esošajā infrastruktūrā. Pirms izmantošanas jaunā tehnoloģija ir jāpārbauda dažādās situācijās un jāpārliecinās, vai, veicot produktu modernizāciju vai ieviešot jaunus pakalpojumus, to varēs uzlabot.
"Ir daudz tehnisku jautājumu, kas nav tieši saistīti ar mākslīgo intelektu. Bieži vien cilvēki neiedomājas, ka ir nepieciešama pieredzējusi komanda, kas spēj analizēt problēmu, kvalitatīvi to novērst, integrēt to esošajā infrastruktūrā, testēt un rūpēties par uzturēšanu. Lai vai kā, paātrinoties digitalizācijai un nostabilizējoties labas prakses principiem, tuvākajos gados cilvēkus sasniegs arvien vairāk viedo produktu, kas uzlabos viņu dzīvi," prognozē eksperts.
Lielu mākslīgā intelekta potenciālu Jons saskata arī citā jomā – robotikā. Viņš gan piebilst, ka pašlaik mākslīgais intelekts tajā tikai sāk ienākt un ka robotu izstrāde prasa ievērojamas investīcijas un daudz cilvēkresursu. Īpaši pievilcīgs produkts ir pašmācības roboti – ar tiem inženieriem vairs nevajadzēs programmēt katru mašīnas darbību.
"Nesen mēs apmācījām robotu noturēt stieni līdzsvarā vertikāli. Tas nav viegli pat cilvēkiem. Kā mums tas izdevās? Sākumā apmācījām robotu simulatorā, jo vēlējāmies, lai viss notiktu ātri un droši. Jo stāvāk robots spēja stieni noturēt, jo vairāk iedrošinājām nākamajā mēģinājumā to pašu izdarīt vēlreiz. Līdzīgi kā bērns, mācoties no savām kļūdām, robots beidzot spēja dažas sekundes noturēt stieni vertikāli," lepojas Jons.
Kontrolēs automobiļus
Speciālists gan smejas, ka robots-stieņa turētājs nav tas, ko cilvēcei vajag visvairāk, taču viņu robots esot labs piemērs tam, ko varam gaidīt nākotnē. Pēc Jona domām, sistēmas, kuras programmētājiem nebūs jākodē no sākuma līdz beigām, izrādīsies daudz precīzākas, vienkāršākas un lētākas.
"Zinātniekiem, protams, būs nepieciešams laiks, lai izprastu visas nianses. Galvenais ir izdomāt, kā apmācīt robotus strādāt reālā vidē, kur var rasties neparedzēti šķēršļi un kļūmes. Mākslīgais intelekts lieliski veic uzdevumus, kas neprasa domāšanu, bet, kad nepieciešams tas, ko mēs saucam par saprātu, kļūst skaidrs, ka tiem vēl ir jāaug," norāda eksperts.
Pašlaik mākslīgā intelekta lielākais ieguldījums atklājas atkārtotu uzdevumu automatizācijā, kā arī enerģijas un izejvielu izmaksu samazināšanā dažādās nozarēs. Kā iedvesmojošu piemēru Jons min plastmasas pudeļu sienas biezuma mērīšanas un pudeļu izgatavošanas parametru kontroles tehnoloģiju, kas palīdz samazināt brāķa īpatsvaru un nodrošina augstāku kvalitāti.
Bez mākslīgā intelekta nav iedomājama arī automobiļu pāreja uz ceturto un piekto autonomās braukšanas līmeni. "Citroën" prognozē, ka jaunajos modeļos daudz plašāk tiks izmantotas modernas apmācītās sistēmas, kas kontrolēs multimedijus, saderīgas tālruņu lietotnes, kā arī pašas regulēs temperatūru un salona apgaismojumu.
"Stellantis" grupa, kam pieder franču zīmols "Citroën", nesen paziņoja par sadarbību ar ASV uzņēmumu "Amazon". Tā programmatūra drīzumā tiks iestrādāta šīs kompānijas jaunajos modeļos un nodrošinās dziļāku tiešsaistes pakalpojumu un mākslīgā intelekta algoritmu integrāciju.
Seko "Delfi" arī Instagram vai YouTube profilā – pievienojies, lai uzzinātu svarīgāko un interesantāko pirmais!
