Pēdējo pāris gadu laikā novērojama strauja mākslīgā intelekta attīstība. Neskaitāmi uzņēmumi radījuši apbrīnojamus mākslīgā intelekta risinājumus, piemēram, uzņēmums “OpenAI” izstrādājis “ChatGPT” čatbotu un tā jaunākās versijas, uzņēmums “Tesla Inc.” mākslīgā intelekta vadīto autopilota režīmu – “Tesla” automašīnas “Autopilot”. Kāda būt turpmākā mākslīgā intelekta attīstība?

Ieskats vēsturē

Mākslīgā intelekta pirmsākumi meklējami pagājušā gadsimta 50.gados, kad tādi zinātnieki kā Džons Makārtijs (mākslīgā intelekta jēdziena izgudrotājs) un Alans Tjūrings (Tjūringa testa autors) likuši pamatus datorzinātnei, kā arī mākslīgā intelekta izpētes disciplīnai.

Attīstoties programmēšanas nozarei, kā arī tiekot izgudrotiem pirmajiem datoriem, mēģinājumi izstrādāt mākslīgā intelekta ierīces un programmas bijuši jau kopš pagājušā gadsimta vidus. Piemēram, 1951.gadā Mančestras Universitātē uz viena no pirmajiem datoriem “Ferranti Mark 1” tika izstrādātas pirmās (tiesa gan, visai ierobežoti funkcionējošas) mākslīgā intelekta programmas dambretes un šaha spēlēšanai. To autori bija britu datorzinātnieks, viens no denotatīvās semantikas pamatlicējiem, programmēšanas valodu izstrādes pionieris Kristofers Streičijs un vācu matemātiķis, datorzinātnieks Dītrihs Ginters Princs.

Tajā pašā gadā amerikāņu datorzinātnieks un kognitīvo zinātņu zinātnieks, Masačūsetsas Tehnoloģiju institūta līdzdibinātājs Mārvins Lī Minskis un Prinstonas Universitātes fiziķis Dīns Edmonds  izstrādāja stohastisko neironu analogo pastiprinājuma kalkulatoru, kas bija pirmais mākslīgais neironu tīkls, kurā tika izmantotas 3000 vakuuma lampas, lai simulētu 40 neironu tīklu. Savukārt terminu “mašīnmācīšanās” 1959.gadā izstrādājis datorzinātnieks, “International Business Machines Corporation” darbinieks Arturs Samuels.

1966.gadā Masačūsetsas Tehnoloģiju institūta datorzinātnieks Jozefs Vaicenbaums izstrādāja pirmo čatbotu – “ELIZA” –, kas rakstveidā sarunājās ar tā lietotājiem, reflektīvā veidā apstrādājot sarunas biedra jautājumu un uzturot sarunu. Vēlāk sekoja tā dēvētā “mākslīgā intelekta ziema”, kad, lai arī daļa pētījumu turpinājās, daudzi projekti tā laika praktiskās nepiemērojamības dēļ tika atcelti vai apturēti. Tā turpinājās līdz 80.gadiem, kad, pateicoties Džona Džozefa Hopfīlda publikācijai “Hopfīlda tīkli”, mākslīgā intelekta joma atkal piedzīvoja ievērojamu attīstību.

__________________________________________________________________________

Realitātē mākslīgā intelekta sniegtie risinājumi paaugstinās to pakalpojumu vērtību, kur nepieciešama cilvēka emocionālā inteliģence un radošais potenciāls
__________________________________________________________________________

Neskatoties uz daudzajām mākslīgā intelekta sniegtajām priekšrocībām, pastāv arī dažāda veida riski. Piemēram, dziedātāja Šēra nesen pauda aicinājumu mūzikas industrijā aizliegt mākslīgā intelekta izmantošanu, ņemot vērā tehnoloģiju iespējas atveidot mūziķu balsi, vizuālo tēlu un performances, tādējādi ne tikai radot darbus, ko paši mūziķi personisko uzskatu un stilistikas dēļ neradītu, bet arī pilnībā aizstājot mūziķu sniegtos pakalpojumus.

Vienlaikus jādomā, ka realitātē mākslīgā intelekta sniegtie risinājumi paaugstinās to pakalpojumu vērtību, kur nepieciešama cilvēka emocionālā inteliģence un radošais potenciāls, aizstājot tikai tos, kur cilvēka sniegtajam darbam un tā pienesumam ir salīdzinoši zema vērtība un kur automatizācija ir iespējama.

Kādās nozarēs izmanto?

Mākslīgais intelekts satura ziņā aptver gan šauro mākslīgo intelektu, kas izmantojams tikai atsevišķu darbību īstenošanā, gan vispārīgo mākslīgo intelektu, kas pielietojams dažādu funkciju īstenošanā, nodrošinot autonomu darbību.

Galvenās mākslīgā intelekta pētījumu apakšnozares aptver datu analīzi un lēmumu pieņemšanu mašīnmācīšanās ceļā, datorredzi jeb vizuālo datu apstrādi un atpazīšanu, valodas apstrādi (tostarp tulkošanu, semantiku, interpunkciju), robotiku un kustību koordināciju (reālajā dzīvē vai virtuāli).

Šobrīd mākslīgais intelekts ietver šādas nosacīti šaurā mākslīgā intelekta disciplīnas -mašīnmācīšanu (tostarp dziļo mācīšanu), mašīnu argumentāciju un robotiku. Šīs disciplīnas var izmantot personāla apmācībā, biznesa procesu modelēšanā un prognozēšanā, statistikā, darbību automatizācijā, ražošanas procesu paātrināšanā, kā arī daudzos citos procesos.

Savukārt šobrīd plašais, pilnībā autonomais mākslīgais intelekts, kas varētu pilnībā izturēt Tjūringa testu un būtu pielīdzināms cilvēka inteliģencei, saskaņā ar tiesību un datorzinātņu speciālistu vidē valdošo uzskatu vēl nepastāv, jo pilnībā autonoma mākslīgā intelekta sistēmas vēl nav izstrādātas – tā kā šaurais mākslīgais intelekts pastāv tikai kā optimizētas datu apstrādes sistēmas.

Nav arī viennozīmīgas mākslīgā intelekta sistēmas robežšķirtnes, kas mašīnmācīšanos nodalītu no cilvēku ieprogrammētām sistēmām, mašīnmācīšanai izpaužoties kā datu apstrādes un sistēmas autonomi (vai lietotāju sniegto datu ievades ceļā) īstenotam jaunu algoritmu izstrādes procesam, kas lēmumus pieņem, pamatojoties uz iepriekšējo lēmumu pieņemšanas gaitā gūtajiem datiem par vēlamo iznākumu. Nosacīti var izdalīt asistējošās mākslīgā intelekta sistēmas, kas veic tikai palīgfunkcijas, no tādām, kas darbojas neatkarīgi un autonomi un kur cilvēka pārraudzība paredzēta tikai drošības apsvērumu dēļ un ierobežotā apjomā.

Mākslīgā intelekta sistēmas praksē tiek izmantotas kopā ar citiem modernajiem informācijas tehnoloģiju (IT) risinājumiem tā dēvētās ceturtās industriālās revolūcijas ietvaros (“Industry 4.0”) – mākoņskaitļošanu, lietu internetu, blokķēžu sistēmām, kā arī kvantu algoritmiem. Mākoņskaitļošana aptver tiešsaistes datorpakalpojumu – mākoņglabāšanas, datubāzu, tīklošanās, analītikas un citu pakalpojumu – sniegšanu internetā.

Lietu internets definē dažādu tiešsaistē savienotu elektronikas viedo ierīču kopējo tīklu – līdztekus datoriem un viedajiem mobilajiem tālruņiem vienotā tīklā var būt savienoti arī viedie pulksteņi un citas personiskās lietošanas (uz ķermeņa nēsājamas) elektroniskās ierīces, mājas automatizācijas sistēmas (videonovērošanas un apsardzes sistēmas, mājas apsildes un kondicionēšanas un tamlīdzīgas sistēmas).

Līdztekus lietu interneta un mākoņpakalpojumu vietņu sniegtajām priekšrocībām aktuālas ir dalīšanās pakalpojumu platformu piedāvātās iespējas. Šādā veidā ar vienotas digitālās platformas palīdzību tehnoloģijas pakalpojumu sniedzēji un to saņēmēji (tostarp, patērētāji) tiek savienoti, piemēram, pakalpojumu sniedzēju transportlīdzekļi, tiešsaistes tirdzniecības vietnes vai aplikācijas un pakalpojumu saņēmēju personiskie datori, telefoni, personiskās lietošanas un mājas viedās elektroniskās ierīces.

Blokķēde ir koplietojama, nemainīga datubāze (kodu virknējums), kas atvieglo darījumu reģistrēšanas un aktīvu izsekošanas procesu vienotā tīklā, kodus (ierakstus) uzglabājot dalībnieku sistēmā. Jaunu ierakstu reģistrācijas procesā pieaug ierakstu (bloku) saraksti, kas vienotā reģistrācijas sistēmā savienoti, izmantojot kriptogrāfijas jaucējus.

Blokķēdes var lietot tā dēvēto viedo līgumu noslēgšanā. Viedā jeb gudrā darījuma jēdzienu 1997.gadā izstrādāja viedo līgumu un digitālo valūtu pētnieks, kriptogrāfs un datorzinātnieks Niks Zabo, ar blokķēžu kriptogrāfijas palīdzību izmantojot dažādas programmēšanas valodas, nodrošinoties pret potenciālu krāpšanos darījumu ķēdē, īstenojot kriptovalūtu pāreju nākamajam to ieguvējam un noslēgto darījumu izpildi un citus procesus. Piemēram, kriptovalūtas “Ethereum” darījumu ķēdēs tiek izmantota viena no populārākajām viedo jeb gudro līgumu programmēšanas valodām “Solidity,” kas darījumu valodas definīciju veidā ļauj izstrādāt viedā līguma darījuma noteikumus.

Mazāk izmantotais jēdziens “kvantu algoritmi” kā disciplīna radās 70.gados. Divi kvantu mehānikas principi, kas ir būtiski to darbībai, ir superpozīcija un savijums.

Superpozīcija ir kvantu objekta, piemēram, elektrona, spēja vienlaikus eksistēt vairākos stāvokļos. Elektronam viens no šiem stāvokļiem var būt zemākais enerģijas līmenis atomā, bet cits – pirmais paaugstinātais līmenis. Ja elektrons ir sagatavots šo divu stāvokļu superpozīcijā, tam ir zināma varbūtība atrasties zemākajā stāvoklī un zināma varbūtība atrasties augstākajā. Mērījums šo superpozīciju izjauc, un tikai tad var teikt, ka elektrons atrodas zemākajā vai augstākajā stāvoklī. Iesaiste ir parādība, kurā kvantu vienības tiek radītas un/vai manipulētas tā, ka nevienu no tām nevar aprakstīt, neatsaucoties uz pārējām. Šādi tiek zaudēta individuālā identitāte, turklāt savijums var saglabāties arī lielos attālumos. Savukārt mērījums, kas veikts vienam no saistītā pāra dalībniekiem, nekavējoties nosaka mērījumus tā partnerim, radot iespaidu, ka informācija pārvietojas ātrāk par gaismas ātrumu.

__________________________________________________________________________

Dziedātāja Šēra nesen pauda aicinājumu mūzikas industrijā aizliegt mākslīgā intelekta izmantošanu, ņemot vērā tehnoloģiju iespējas atveidot mūziķu balsi, vizuālo tēlu un performances
__________________________________________________________________________

Šobrīd vispārpieņemtie un tiesiskā regulējuma ceļā pieņemtie privātuma un kiberdrošības režīmi balstās uz “saprātīgas drošības” principu, tas ir, uzņēmēji īsteno atbilstošus tehniskos un organizatoriskos pasākumus, lai aizsargātu savas sistēmas no uzbrukumiem un dažāda veida kiberdraudiem, sagaidot normālo aizsardzības pakāpi. Tomēr, ņemot vērā potenciālos kvantu datoru izmantošanas riskus kibernoziegumu īstenošanā, kas ar laiku var kļūt aizvien nozīmīgāki, ieteicams atjaunināt konfidencialitātes un kiberdrošības politikas, lai nodrošinātos pret šāda veida riskiem.

Mākslīgā intelekta regulējuma iniciatīvas

2018.gada 19.septembrī Eiropas Savienības (ES) Ekonomikas un sociālo lietu komiteja apstiprināja atzinumu “Mākslīgais intelekts: prognozēt tā ietekmi uz nodarbinātību, lai nodrošinātu taisnīgu pieeju”. Savukārt Eiropas Komisijas (EK) Apvienotais pētījumu centrs ir publicējis dokumentu “Mākslīgais intelekts. Eiropas perspektīva”, Eiropas Padome apstiprinājusi secinājumus par koordinēto Eiropā radītā mākslīgā intelekta izstrādes un izmantošanas plānu un EK eksperti sagatavojuši mākslīgā intelekta ētikas vadlīnijas, ieskicējot mākslīgā intelekta izmantošanas ētikas apsvērumus un norādot trīs galvenos principus, kas jāievēro mākslīgā intelekta sistēmu izstrādē un lietošanā:

  • likumīgums – mākslīgā intelekta lietojumam jāatbilst spēkā esošajiem likumiem un citam tiesiskajam regulējumam;
  • ētiskums – mākslīgā intelekta lietošana, ievērojot ētikas principus un vērtības;
  • robustums – mākslīgā intelekta izmantošana gan no tehniskās, gan drošības perspektīvas, nodrošinot sistēmas un tajā uzglabāto datu drošumu un neievainojamību.

2020.gadā radītas arī EK mākslīgā intelekta vadlīnijas, kas daļēji kalpojušas Mākslīgā intelekta akta izstrādē, tostarp norādot uz mākslīgā intelekta lomu gan personīgajā dzīvē, gan uzņēmumu un valsts pārvaldes darbībās un uzsverot mākslīgā intelekta izpētes centru un organizāciju ievērojamo lomu mākslīgā intelekta attīstībā.

Latvijā Vides aizsardzības un reģionālās attīstības ministrija 2020.gadā izstrādājusi “Digitālās transformācijas pamatnostādnes 2021.–2027.gadam”. Pamatnostādnēs nākotnes vīzija iezīmēta kā labvēlīga un moderna dzīves telpa, kas ir balstīta mūsdienu tehnoloģiju izmantošanā un attīstītās sabiedrības spējās savu labklājību un tautsaimniecības izaugsmi veidot efektīvi, pielietojot digitālo tehnoloģiju iespējas, kā arī attīstot radošo potenciālu.

Papildus pamatnostādnēs noteikts virsmērķis – sabiedrība, tautsaimniecība un valsts pārvalde, kas mērķtiecīgi izmanto esošās un veido jaunas digitālo tehnoloģiju iespējas, kā arī to radīto vidi, uzlabojot dzīves kvalitāti ikvienam indivīdam un sabiedrībai kopumā, ceļot valsts un tautsaimniecības konkurētspēju.

Privātā sektora attīstībā paredzēta darbību automatizēšana un atklātā pirmkoda mākslīgā intelekta risinājumu izmantošana ražošanā un pakalpojumu sniegšanā, ikdienas darba procesu pārveidē atbilstoši digitālas ekonomikas iespējām, uzņēmējdarbībā, izmantojot mākslīgā intelekta, lielo datu un mākoņdatošanas risinājumus, digitālo mārketingu un sociālos medijus, kā arī veicinot iespējas organizēt darbu attālināti.Tādējādi no valsts un ES puses aktuālas kļūst speciālistu apmācību iespējas mākslīgā intelekta, kiberdrošības jomā gan privātajā, gan valsts sektorā.

Savukārt mākslīgā intelekta izmantošanai publiskajā sektorā nozīmīga ir arī atvērto datu principa, privātpersonu tiesību un procesuālās ekonomijas principu ievērošana, valsts iestāžu starpā apmainoties ar to rīcībā esošajiem datiem un izstrādātajiem dokumentiem un nodrošinot to atkalizmantošanu bez maksas vai par resursu reproducēšanas pašizmaksu, kas jāņem vērā arī mākslīgā intelekta sistēmas izstrādē.