Danial Hooshyar: tehisintellekti tegelik potentsiaal peitub andmete tõlgendamises
Tallinna Ülikooli digitehnoloogiate instituudi tehisintellekt hariduses sihtrahastusega professor Danial Hooshyar on oma teadustöös keskendunud sellele, kuidas tehisintellekt ja masinõpe aitavad inimestel andmeid paremini mõista ja analüüsida.
Tema töö keskendub tehisintellektile hariduses, õpianalüütikale, haridusandmete analüüsile ning adaptiivsete õpisüsteemide arendamisele.
Kuidas jõudsid tehisintellekti kasutamiseni hariduses? Millised teadmised TI toimimisest tulevad Sinu hinnangul kasuks ka mujal valdkondades?
Üldiselt toimib tehisintellekt kahel viisil. Esiteks analüüsib see andmeid iseseisvalt ja leiab mustreid. Teisalt suunatakse süsteemi otsima konkreetseid mustreid vastavalt sellele, mida soovitakse teada saada.
Üks oluline tähelepanek on see, et tehisintellekt (TI) ei ole mõeldud ainult prognoosimiseks. Sama oluline on selle võime andmetest ise õppida ja nende põhjal uut teavet luua. Mudelit ei kasutata ainult tulemuste ennustamiseks, vaid ka selleks, et mõista, milliseid seoseid ja trende see andmetest leiab.
Selline lähenemine aitab organisatsioonidel teha teadlikumaid ja andmepõhisemaid otsuseid. Näiteks saavad ettevõtted, tervishoiu- ja haridusasutused kasutada tehisintellekti trendide, käitumismustrite ja seoste paremaks mõistmiseks.
Samas on oluline aru saada, et suured keelemudelid ei ole loodud organisatsiooni enda spetsiifiliste andmete süvitsi analüüsimiseks. Selleks on sageli vaja klassikalisi masinõppe meetodeid.
Kuidas selgitad tehisintellekti süsteemide põhiloogikat nii, et ka ilma tehniliste taustateadmisteta inimesed mõistaksid, kuidas need päriselt töötavad?
Kõige lihtsamal tasandil võimaldab TI masinatel täita ülesandeid, mis tavaliselt eeldavad inimlikku mõtlemist. Mõned tehisintellekti süsteemid toimivad eelnevalt määratud reeglite järgi, mille on loonud eksperdid. Teised kasutavad aga masinõpet, kus süsteem õpib mustreid andmete põhjal, mitte eeldefineeritud reeglite järgi.
Keerukamad süvaõppesüsteemid suudavad õppida piltide, tekstide ja muude keerulisemate andmete põhjal, kuid nende otsustusprotsesse on sageli raske tõlgendada.
Generatiivne TI on uusim suund, mis võimaldab luua tekste, pilte ja muud sisu, kuid sellega kaasnevad ka mitmed probleemid, eelkõige sellised, mis puudutavad andmete läbipaistvust.
Kellele on Sinu tehisintellekti teemalised koolitused kõige kasulikumad?
Need koolitused sobivad kõigile, kes soovivad andmeid paremini mõista ja analüüsida, sõltumata, kas inimesel on varasem kokkupuude statistika või arvutiteadusega.
Osalejad õpivad minu koolitustel kasutama tehisintellekti meetodeid visuaalse programmeerimise kaudu ning eelnevat programmeerimisoskust ei ole selleks vaja.
Koolitused on kasulikud eelkõige neile, kes töötavad küsitluste, kasutusandmete, või muud tüüpi andmetega ettevõtluses, hariduses või avalikus sektoris.
TI meetodid aitavad organisatsioonidel avastada mustreid, trende ja seoseid, mis võivad traditsiooniliste statistiliste lähenemiste puhul märkamata jääda.
Mis on see, millest inimesed Sinu kogemuse põhjal tehisintellekti puhul kõige sagedamini valesti aru saavad?
Minu meelest mõistavad paljud inimesed tehisintellekti valesti või liiga piiratult. Mõned seostavad seda ainult robotitega, teised ainult GPT-laadsete tööriistadega.
Tegelikult on TI olnud kasutusel aastakümneid ning see on osa igapäevastest süsteemidest, näiteks otsingumootorites või tööstusprotsessides. TI ei tähenda ainult automatiseerimist või personaliseerimist, vaid eelkõige andmetes mustrite või trendide leidmist, otsuste optimeerimist ja sügavamate teadmiste loomist.
Kuidas mõjutab arusaam tehisintellekti toimimisest seda, kuidas neid tööriistu oma töös päriselt kasutatakse?
Kui inimesed mõistavad, kuidas TI päriselt töötab, kasutavad nad seda tihti palju teadlikumalt ja tõhusamalt.
Selle asemel, et tugineda ainult valmis tööriistadele, saab tehisintellekti meetodeid kasutada oma andmete analüüsimiseks, keerukate mustrite avastamiseks ja isegi prognooside tegemiseks.
Näiteks saab kasutada nutikella andmeid oma käitumise paremaks mõistmiseks ja teadlikumate ning ka tervislikumate otsuste tegemiseks. Samuti on võimalik hinnata, millised TI tööriistad sobivad paremini mõne konkreetse ülesande jaoks ja milliseid tuleks hoopis vältida.
Millist tehnoloogiatrendi pead ülehinnatuks ja millist alahinnatuks?
Suurtel keelemudelitel põhinevaid tööriistu hinnatakse hariduses sageli üle. Kuigi neid kasutatakse laialdaselt nii juhendamiseks kui ka tagasiside andmiseks, näitavad uuringud, et need ei suuda õppijate teadmiste arengut ajas usaldusväärselt modelleerida, isegi mitte täiendava treenimise korral.
Suurte keelemudelite edasiarendamine ei lahenda neid piiranguid, sest nad ei olegi loodud pedagoogika põhimõtetest lähtudes.
Samas alahinnatakse sageli tehisintellekti meetodeid andmeanalüüsis ja andmekaeves. TI tegelik väärtus peitub masinõppemudelite loomises päris andmete põhjal, et avastada mustreid ning trende ja toetada tõenduspõhiste otsuste tegemist.
Kuidas näed oma valdkonna spetsialisti rolli muutumas järgmise 5–10 aasta jooksul?
Järgmise 5–10 aasta jooksul liigub TI ja andmetega seotud spetsialistide roll tööriistade lihtsalt kasutamiselt üle nende sügavama mõistmise ja teadliku suunamise suunas.
Spetsialistid peavad pidevalt õppima ja kohanema uute meetodite ja tehnoloogiatega ning samal ajal kriitiliselt hindama nende piiranguid.
Rutiinsed ülesanded muutuvad järjest automatiseeritumaks, mistõttu hakkavad üha rohkem väärtust looma kriitiline mõtlemine, loovus, eetiline otsustusvõime ja oskus tehisaru tööriistu teadlikult suunata.
Selliste spetsialistide roll hõlmab ka usaldusväärsete ja andmepõhiste lahenduste kujundamist ning organisatsioonide toetamist teadlike otsuste tegemisel.
Milline mõtteviis aitab inimestel tehnoloogiliste muutustega paremini kohaneda?
Inimesed peaksid olema TI kasutamisele avatud, kuid samal ajal kasutama seda kriitiliselt ja vastutustundlikult. Tehisintellekt on muutunud hariduse ja igapäevase töö püsivaks osaks, kuid oluline on mõista selle piiranguid, eriti õppimise ja otsustamisega seotud valdkondades.
Kasutajad peaksid küsima ja endale selgeks tegema, kuidas tehisaru süsteemid on üles ehitatud, millistele andmetele need tuginevad ja kas nende tulemused on usaldusväärsed, läbipaistvad ja õiglased.
Kriitiline mõtlemine ja vastutustundlik kasutamine on äärmiselt vajalikud selleks, et tehisntellekt saaks toetada inimesi tõhusalt ja turvaliselt.