PAMETNE NAPRAVE PRIHAJAJO MED NAS

umetna intelegenca

Avtor prispevka: dr. Bojan Ploj

Kje smo, kam gremo?

Živimo v digitalni dobi, kjer smo priča pravcati poplavi podatkov. Sodobne naprave omogočajo beleženje številnih obsežnih podatkovnih zbirk: trgovci, bankirji, zdravniki in številni drugi si beležijo podatke o nas, kmetje vodijo evidenco o svojih živalih in posevkih, podjetniki beležijo poslovne podatke… Preučevanje teh podatkov pogosto še vedno opravljamo ročno, zato se podatki ustvarjajo hitreje, kot smo sposobni iz njih izluščiti bistvo – znanje. Tako prihaja do paradoksa, da razumemo vedno manjši delež podatkov, čeprav razpolagamo z vedno modernejšo tehnologijo. Ta naraščajoči prepad med podatki in znanjem poskušamo zmanjšati z uporabo pametnih naprav. Te naprave s preučevanjem podatkov najdejo splošno veljavna pravila, ki nam omogočajo sprejemanje pravilnih odločitev tudi v novih, drugačnih okoliščinah.

Nekaj znanih primerov pametnih naprav:

  • Med prvimi uporabniki pametnih naprav so bili trgovci in bankirji. Z njimi preučujejo navade svojih strank, da jim lahko ponudijo še dodatne ugodnosti (kartice, popuste, točke) in jih tako še bolj navežejo nase.
  • Eno od primernih področij je tudi zdravstvo. Zdravniki s pametnimi napravami zgodaj in zanesljivo odkrivajo bolezni in tako povečujejo učinkovitost zdravljenja. Rentgenske, ultrazvočne, magnetnoresonančne in druge posnetke lahko pametne naprave analizirajo bolje od »živih« ekspertov.
  • Tudi doma nas obkroža vedno več pametnih naprav, na primer govorni nadzor gospodinjskih aparatov in naprav (telefon, TV, regulacija temperature…). Kmalu nas bodo menda avtomobili samodejno prevažali ali pa vsaj preprečevali napake voznikov.

Kaj je umetna inteligenca?

Slovar slovenskega knjižnega jezika (SSKJ) pravi, da je inteligenca nadarjenost za umske dejavnosti, bistroumnost, ki se pripisuje živim bitjem. Umetna inteligenca (angl. artificial intelligence, AI) je mlada znanstvena veda, ki preučuje pametne naprave, sposobne samostojnega odločanja, in temelji na izkušnjah iz preteklosti – na učnih primerih. Največkrat nam kot pametna naprava služi povsem običajen računalnik z nameščeno ustrezno programsko opremo. Manj razširjene, a ne manj pomembne so namenske naprave oziroma strojna oprema, že v osnovi izdelana za področje umetne inteligence.

Primerjava umetne inteligence s klasičnim pristopom

Najtežji del reševanja nekega problema je iskanje pravil, ki med seboj povezujejo vzroke in posledice. Pri klasičnem pristopu smo ljudje tisti, ki poiščemo pravila, programerji pa jih nato vnesejo v računalnik. Umetna inteligenca pa breme iskanja pravil prevzema nase. Naša skrb je le, da pametni napravi priskrbimo podatke, v katerih bo lahko našla omenjena pravila. Pridobivanje teh podatkov je mnogo preprostejše opravilo od iskanja znanja, vendar ga je vseeno treba opraviti skrbno, saj je le v dobrih podatkih mogoče najti ustrezna pravila. Podatkov mora biti dovolj, biti morajo raznoliki, ne smejo vsebovati napak in podobno. Zato je običaj, da pri zbiranju podatkov sodelujejo eksperti. Možni zapleti pri zbiranju so številni, saj so podatki lahko redki, dragi, zaupni, nepreverjeni in nereprezentativni.

Učenje pametnih naprav

Postopek, v katerem naprava v podatkih išče pravila, imenujemo strojno učenje, skupek vseh najdenih pravil pa znanje. Kakovostni podatki so potreben, ne pa tudi zadosten pogoj za dobro znanje, saj med učenjem lahko pride do zapletov. Če učenje traja premalo časa ali če se zatakne, govorimo o slabi naučenosti. Pred začetkom uporabe je zato treba pametno napravo preveriti oziroma ugotoviti kakovost njenega znanja. Rezultati strojnega učenja so lahko zelo različni. V najboljšem primeru lahko naprava preseže tudi znanje celotnega človeštva. To je leta 2018 med drugim uspelo znanstvenikom podjetja Google s pametno napravo z imenom AlphaGO. Tej napravi se je uspelo tako dobro naučiti igrati miselno igro go, da je deklasirala aktualnega svetovnega prvaka z rezultatom 3 : 0. Omenjena igra je nekoliko podobna šahu in omogoča izredno veliko število kombinacij odigranih potez – celo več, kot je atomov v znanem delu vesolja. Pomnjenje potez zato v tem primeru nikakor ni prišlo v poštev, ampak je bilo med učenjem nujno treba iskati znanje na višjem, abstraktnem nivoju. Leta 2019 so učenje iste naprave ponovili malo drugače – tokrat ji niso vnesli nobenih podatkov o tem, kako to igro igrajo ljudje. Nova naprava je premagala predhodnico z rezultatom 100 : 0. Danes se ljudje učijo igrati od te naprave.

Zgodovinske zanimivosti:

  • Najzgodnejši zabeleženi zametki pametnih naprav segajo vsaj v antiko. Antična mitologija pripoveduje o Talosu, kovinskem bitju na Kreti.
  • V devetnajstem stoletju je v Angliji izšel Frankenstein, klasični roman pisateljice Mary Shelley, kjer v glavni vlogi nastopa bitje, ki ga kirurg sestavi iz kosov več trupel.
  • Leta 1921 so uprizorili premiero gledališke igre R.U.R. izpod peresa Karla Čapka, kjer je bila prvič uporabljena beseda »robot«. To je kovinsko, človeku podobno bitje v vlogi univerzalnega, ubogljivega in marljivega delavca.
  • V mestu Dartmouth (ZDA) so se leta 1956 sestali znanstveniki in razpravljali, ali je mogoče izdelati stroj, ki posnema človeško modrost. Razprava je potekala na filozofski ravni, kot je to običajno za komaj rojeno znanost. John McCarthy je skoval izraz »umetna inteligenca«.

Razmišljanja omenjenih literarnih junakov so prežeta z upanjem, strahom in etičnimi pomisleki, kar je še vedno aktualna tema.

Smiselnost strojnega učenja

Zastavlja se vprašanje, kdaj je smiselno uporabiti strojno učenje. Predvsem je to smiselno v dveh primerih:

  • kadar pravil v podatkih ne znamo poiskati ljudje sami;
  • kadar želimo, da se naprava med delovanjem samodejno prilagaja novim okoliščinam.

Kot zanimivost povejmo še to, da so pri strojnem učenju razmere ponovljive in da lahko spreminjamo posamezne učne parametre ter tako ugotavljamo njihov vpliv na rezultat, kar pri biološkem učenju (skoraj) ni mogoče.

Pametna naprava je naučena, ko pravilno reši (skoraj) vse učne primere. To pa še ne pomeni nujno tudi znanja. O znanju namreč govorimo šele, kadar naprava pravilno odgovori tudi na nova vprašanja (generalizacija učenja). Pri biološkem oziroma človekovem učenju to imenujemo učenje z razumevanjem.

USTVARITE NOVO ZNANJE – SPOZNAJTE NAJBOLJ MODRE WEBINARJE

Aktualne izobraževalne teme v obliki krajših spletnih izobraževanj so že na voljo! Pridobite kompetence prihodnosti, znanja in veščine, ki pedagoškim in strokovnim delavcem omogočajo strokovno in osebno rast.

Dve vrsti strojnega učenja

Ločimo dve vrsti učenja – razvrščanje in napovedovanje:

  • Pri razvrščanju se naprava odloča med naborom možnih odgovorov. Primer: na osnovi mase razvrščamo muhe in slone. Stehtamo dve muhi in dva slona ter določimo mejo (učenje). Zdaj lahko s slike ugotovimo, da je neznana žival muha (uporaba).
  • Pri napovedovanju je rezultat številski oziroma ni omejen z naborom možnih odgovorov. Primer: na osnovi mase ugotavljamo višino osebe. Narišemo črto povezovalko za osebi A in B (učenje). S slike lahko napovemo, da je oseba z maso 80 kg visoka 1,8 m (modra črta) (uporaba).

Omenjena primera sta skrajno preprosta, saj na rezultat vpliva le en parameter (masa). V praksi je lahko parametrov tudi več tisoč in še več. Grafično reševanje v tem primeru žal ni več mogoče, pač pa so potrebni zmogljivi računalniki.

Umetna pamet v učilnici

Malce šaljiv rek, ki pravi, da »pameti ni nikoli preveč«, pride prav tudi v učilnici. Umetna pamet tam lahko koristi vsem udeležencem izobraževanja, tako učencem kot tudi učiteljem. Tako lahko vsak učenec med poukom dobi povsem svojega mentorja, ki ga vodi med čermi izobraževanja. Učitelju sta olajšana nadzor učencev in spremljanje njihovega dela, pomaga mu lahko tudi pri preverjanju in ocenjevanju znanja ter pri prilagajanju učnega načrta. Edini možni zadržek glede takšne pomoči je pretiran poseg v zasebnost udeležencev. Medijsko odmeven primer pametnih naprav v izobraževanju je naprava The Watson Tutor podjetja IBM, ki je verjetno najboljši približek splošne umetne inteligence v tem trenutku. Med drugim je povezana v splet, kjer se sproti seznanja z novimi dognanji in v skladu s tem svetuje udeležencem izobraževanja.

Najpomembnejše ključne besede na področju umetne inteligence v izobraževanju se v tem trenutku delijo v naslednje tri skupine:

  • adaptivno učenje, personalizacija učenja in učni stili,
  • ekspertni sistemi in inteligentni tutorski sistemi,
  • AI kot sestavina izobraževalnih procesov prihodnosti.

Kaj nas čaka?

Prihodnost pametnih naprav je tema, ki buri domišljijo mnogih. Pisatelji in režiserji pri tem niso nobena izjema, pa tudi običajni ljudje vedno več razmišljajo o vplivu pametnih naprav na nas. Vsi se strinjamo, da te naprave prinašajo tako koristi kot tudi potencialne nevarnosti. Evolucija nas je opremila s previdnostjo do novosti in neznank, verjetno ne brez razloga. Analitska podjetja napovedujejo za bližnjo prihodnost hiter in silovit prodor pametnih naprav, primerljiv s pojavom osebnega računalnika in interneta v bližnji preteklosti. Eden najznamenitejših futurologov Ray Kurzweil napoveduje, da bo v naslednjih petindvajsetih letih prišlo do singularnosti – trenutka, ko bo umetna inteligenca dohitela naravno. Od takrat bo umetna inteligenca sposobna razvijati sama sebe. Druga drzna napoved govori o prenosu vseh podatkov iz bioloških možganov v umetne, kar pomeni življenje zunaj telesa oziroma nesmrtnost. Avtor tega sestavka verjame, da bo prihodnost dinamična in da bomo zmogli dovolj previdnosti.