Inimese tasemel tehisintellekt: millised teaduslikud läbimurded toimuvad? 

Yann LeCun, üks tehisintellekti (AI) pioneere ja Meta juhtiv tehisintellekti teadlane, rääkides inimese tasemel tehisintellektist, ütles, et „sellisel tasemel tehisintellekt pole veel ukse ees. See võtab veel kaua aega ja nõuab uusi teaduslikke läbimurdeid, millest me veel midagi ei tea.“ Läbimurretest aga puudust ei ole – need lihtsalt toimuvad vaikselt. Avalikult saavad tähelepanu muljetavaldavad AI tulemused, kuid nende taga olevatest teaduslikest avastustest räägitakse üsna harva. Mis on siis tänapäeval tehisintellekti teaduses uut ja kas me läheneme inimese tasemel tehisintellekti loomisele? 

Tehisintellekt õpib arutlema 

Üks viimaseid läbimurdeid on nn mõtteahela (inglise keeles chain of thought) mehhanism. Selle olemus ei seisne vastuse koheses „väljatulistamises“, nagu seda tegigi varem tehisintellekt, vaid järjestikuses ülesande lahendamises. Kuidas see näeb välja praktikas? 

Kujutage ette: inimene kaalub X kilogrammi ja tahab teada, millist ravimiannust ta peaks võtma. Annotatsioon näitab, et üks kilogramm kehakaalu vajab Y milligrammi ravimit ja arvutatud päevane annus tuleks jagada kolmeks võrdseks osaks ning võtta hommikul, lõunal ja õhtul. Mida teeks inimene? Esmalt arvutaks ta välja kogu päevase annuse, seejärel jagaks selle kolmega. Sama asja teeb praegu ka tehisintellekt – ta ei anna eelnevalt ära õpitud vastust, vaid lahendab ülesande samm-sammult. See on juba arutluskäik. 

Seda põhimõtet arendatakse edasi – tekkis nn „mõttepuu“ (inglise keeles tree of thought), kus ühest mõttest saab areneda mitu alternatiivi ja tehisintellekt hindab, milline neist viib loogiliselt eesmärgini. Teisisõnu, tehisintellekt õpib mitte ainult vastust andma, vaid ka arutlema – sarnaselt matemaatikatundidega koolis, kus on oluline mitte ainult tulemus, vaid ka õige lahenduse käik. 

Arendatav keeleneutraalne tehisintellekt – lootus väikestele keeltele 

Väikekeeled ei suuda veel täielikult ära kasutada tehisintellekti potentsiaali, kuid selles suunas tehakse tööd väga aktiivselt – eesmärk on mudelid muuta keeleneutraalseks.  

Läbi on viidud uuring, mille käigus kasutati suurt keelemudelit, mida treeniti vaid inglise keelega. Kui mudelile esitati taanikeelsed tekstid, suutis ta edukalt kohaneda. Analüüsides mudeli struktuuri selgus, et enim muutusid sisendi ja väljundiga – ehk keele töötlemisega – seotud parameetrid. See tähendab, et mudelis olevad teadmised ei ole ei inglise ega taani keeles – need on keeleneutraalsed. See meenutab inimese võimet mõelda keelest sõltumatult: kuigi ma omandan infot inglise keeles, saan seda hiljem tõlgendada ja edastada leedu keeles. Tänapäeval ei ole teadus veel täielikult aru saanud, kuidas luua universaalset keelest sõltumatut mudelit, kuid on ilmne, et me jõuame sellele lähemale.  

Mida see tähendab meie – väikekeelte esindajate – jaoks? Kui seda ideed edasi arendada, siis pole vaja koguda tohutuid tekstiraamatukogusid, treenida mudeleid ja pidevalt taga ajada suuri keeli. Tehisintellekti mudelitel on juba palju keeleneutraalset teadmist. Jääb üle vaid täiendada neid spetsialiseeritud leedukeelse sisuga – sellisega, mida teistes keeltes lihtsalt ei eksisteeri, ja meil on tehisintellekt, mis töötab leedu keelega sama tõhusalt kui inglise keelega.  

Hajutatud mõtlemisest koostööd tegevate süsteemideni 

Veel üks oluline tehisintellekti arengusuund on mudeliarhitektuur. Ühe hiiglasliku, kõiketeadva mudeli asemel kasutatakse üha enam DeepSeeki väljatöötatud „ekspertide segu“ (inglise keeles mixture of experts) põhimõtet. Tänapäeval kasutatakse seda ka täiustatud keelemudelite, näiteks uusimates Groki või Llama versioonides. Idee on lihtne, kuid tõhus: mudeli sees tegutsevad eraldiseisvad „eksperdid“, kellest igaüks on spetsialiseerunud oma valdkonnale. Kui kasutaja esitab küsimuse, valib algoritm välja sobivaimad eksperdid ja aktiveerib nad konkreetse ülesande jaoks. See mitte ainult ei säästa arvutusressursse – sellel toimimispõhimõttel on ilmseid sarnasusi inimmõistuse toimimisega. Meie aju erinevad piirkonnad vastutavad erinevate funktsioonide eest: üks tõlgendab keelt, teine ​​töötleb matemaatilist ja kolmas – emotsionaalset või loomingulist sisu. Tehisintellekti areng tuletab meile veel kord meelde, et intellekt ei ole kõike juhtiv jõud, vaid tal on palju erinevaid võimeid, mis omandavad tähenduse ainult siis, kui töötavad koos. 

Sarnast detsentraliseerimise loogikat kasutatakse ka teises tehisintellekti arendamise suunas – agentsüsteemides. Siin ei looda ühte kõiketeadvat mudelit, vaid võrgustikku, mis koosneb spetsialiseerunud agentidest, kes on võimelised iseseisvalt tegutsema, analüüsima, planeerima, saavutama eesmärki, hindama oma otsuseid ja tegema vajadusel koostööd. Kujutagem ette inimekspertide meeskonda: igaüks neist tunneb oma valdkonda, töötab individuaalselt või koordineerib tegevusi teistega ühise eesmärgi saavutamiseks. Selle põhimõtte võtab omaks ka agent-tehisintellekt – hajutatud, autonoomne intellekt, mis on võimeline mitte ainult tegutsema, vaid ka langetama otsuseid meie eest. Ja meie, inimesed, kas me oleme selleks valmis?  

Mitte sprint, vaid peegel: mida tähendab tegelikult inimtasemel tehisintellekt? 

Küsimus „millal ületab tehisintellekt inimese?“ on teada aastast 1950, mil Alan Turing tõstatas esimest korda avalikult küsimuse masinate mõtlemisvõime kohta. Sellest ajast alates on tehnoloogilist progressi sageli kujutatud võidujooksuna: millal saabub päev, mil tehisintellekt ületab inimese? Kuid reaalsus on tunduvalt keerulisem. See ei ole sprint, vaid pidev katse jõuda järele oma ootustele, mis muutuvad kiiremini kui tehnoloogiad. Eile olime rahul sellega, et tehisintellekt koostas vastuse e-kirjale. Täna juba ootame, et see planeeriks projekti, täidaks ülesandeid, hindaks oma otsuseid. Homme võime soovida, et see mõistaks mitte ainult meie keelt, vaid ka meie emotsioone. Ja ühel päeval loeks ka meie mõtteid, tunnetaks intuitiivselt isegi seda, mida me ise pole veel täielikult teadvustanud.   

Seega ei pruugi inimtaseme tehisintellekt, millest Yann LeCun räägib, olla „kohe ukse ees“, vaid läbimurded, „millest me veel ei tea“, on toimumas. Ja igaüks neist on enamat kui lihtsalt samm tehnoloogilise progressi suunas. See on järjekordne meeldetuletus, et läheneme ebakindlale tulevikule, kus inimesed ise alles otsivad vastuseid: mida me tegelikult tehnoloogialt ja iseendalt tahame?  

Kommentaari koostas Jurgita Kapočiūtė-Dzikienė, keeletehnoloogia ettevõtte Tilde keeletehnoloogia vanemteadur ja Vytautas Suure Ülikooli professor.