Kuidas tavainimene masinõpet kasutavates toodetes orienteeruma peaks? Tarbijal ei ole ju mingit võimalust hinnata, kelle algoritm on parem.

Tavatarbijal on tõesti keeruline. Ent riik võiks vabalt teha testandmete kogu, mida kellelegi kunagi ei näidata, aga kuhu saaks panna näiteks isejuhtiva auto algoritmid sisse ja vaadata, kas see saab seal hakkama. Tootjad ei saaks optimeerida end sellist testi lahendama, see jääb nende jaoks alati uueks olukorraks. Samamoodi toimuvad maailmas võistlused näiteks piltide tuvastamisel, kõige vanema ja prestiižsema võistluse pilte pole keegi näinud. Ainult niimoodi saab hinnata, kas süsteem saab hakkama olukorras, mille jaoks ta ei ole treeninud.

Saab ka tagantjärele statistikat vaadata, aga alati see ei sobi. Kui tehisintellekt on leiutanud mingi vaktsiini, siis me ei saa jääda ootama, kas 20 aasta pärast seda kasutanud inimestel on kõrvalnähte.

Millistes valdkondades masinõpe praegu kõige kiiremini areneb?

Masintõlge areneb väga kiiresti. Just hiljuti said sügavad neurovõrgud kahe inimkeele tõlkimises parimateks algoritmideks, tõstes masintõlke kvaliteeti märgatavalt. See ei pruugi tunduda tähtis, sest tõlketöö jaoks me neid veel ei kasuta, kuna tahame veelgi paremat kvaliteeti. Aga taustal kasutavad selliseid algoritme kõik otsingusüsteemid – masinate jaoks kõlbab ka see vähem kvaliteetne tekst, et saada natuke sisust aru. Google’i otsingutulemused oleks tunduvalt halvemad, kui seal ei oleks masinõpet sees.

Üks valdkond, millega palju tegeletakse, on vestlusrobotid – assistendid, klienditeenindajad, teadustajad. Tänapäeval on juba igas moodsas telefonis assistent, kellelt saab küsida, kus on mulle lähim nelja tärni restoran. Kui vaadata teaduskirjandust ja seda, kuhu investorid raha panevad, siis võiks ennustada, et sellised süsteemid muutuvad väga kiiresti väga palju paremaks.

Ka isejuhtivate autode teema on palju laiem. Sama tarkvara tähendab ka isejuhtivaid laevu, lennukeid, droone, pakiroboteid, muruniidukeid, tolmuimejaid jne. Pärismaailmast mõistlikult ja hästi aru saamine on tegelikult palju laiem kui isejuhtiv auto. Ja selle järelmõju kõigele muule on ka kindlasti palju tugevam kui praegu arvata oskame. Kinnisvara hinnad, see kuidas planeerime oma tööl- ja kooliskäimisi, kuhu kavandame lasteaedu ja poode ja parke – kõik see saab uue tähenduse, kui kaob kõige kallim kulu ehk transpordile raisatav inimaeg.

Autonoomsed tolmuimejad ja muruniidukid meil juba on, aga millal ühiskonnas mingi suurem läbimurre selles osas tuleb?

Tehnoloogia kasv ei ole lineaarne vaid eksponentsiaalne. Kui ühel aastal on maailmas kümme või sada isejuhtivat autot, siis aasta pärast on võibolla tuhat ja veel aasta pärast 10 000. Eestis ei pruugi selleks ajaks olla veel ühtegi sellist masinat ja siis kõik vaatavadki, et see on mõttetu haip. Aga läheb veel viis aastat mööda ja kõik kohad on selliseid autosid täis. Algul ülehindad uut tehnoloogiat ja lõpus alahindad, sest eksponentsiaalselt kasvades läheb areng lõpus kõikidest ootustest mööda. Seetõttu on seda ka raske prognoosida, sest meie mõistus on üsna kehv eksponentsiaalsest kasvust aru saamisel.

Meie ettevõtte pakirobotid sõidavad hetkel autonoomselt viies riigis ja veavad pakke klientidele kohale. Samamoodi sõidavad ka Uberi autod mõnes riigis ise. Nii et see on juba reaalsus. Tootmine ja müümine ei ole probleem, küsimus on veel vaid selles, et saaks korda turvalisuse, hinnad ja seadused. Tuhandest autost miljoni või saja miljonini minna on lihtne.

Nii et küsimus ei ole enam kas, vaid millal?

Jah, seda kindlasti. Samas täpsema ajahinnangu andmisel on minu meelest kõige suurem probleem see, et meil ei ole veel avalikus ruumis roboteid ja me ei tea, kui keeruline on struktureerimata pärismaailm. Seal on ülipalju nüansse, mille kohta ei ole kogemust. Meil on robotid tehastes, korterites, laborites, aga avalikus ruumis tavaliste inimeste keskel… seal on nii palju lisaprobleeme: ilmastik, teetööd, vandaalid. Me ei pruugi tähelegi panna, kui keeruline on pärismaailm võrreldes struktureeritud tehiskeskkonnaga. Liiga palju on veel tundmatuid muutujaid, et ennustust väga täpselt teha saaks.

Kuidas ühiskonnas selleks muutuseks valmisolekut edendada või tuleb seegi iseenesest? Kogemus ütleb, et sageli on mingi avaliku ruumi nutilahendus kas katki või nii keeruline, et lihtsam on inimesega suhelda.

See on maitseasi ka. Tulin just Tallinnast ja ostsin bussipileti masinast, mitte inimesega rääkides. Kui tahan Londonisse lennata, siis valin pileti ise tarkvara kasutades, mitte ei helista reisiagentuuri. Kui on vaja pesu või nõusid pesta, siis lasen seda teha masinal, ma ei palu selleks inimest ega tee seda ise.

On hea ütlus: me kutsume roboteid seni robotiteks, kuni nad ei tööta, pärast seda kutsume neid pesumasinateks ja tolmuimejateks. Me ei pane tähelegi, kui palju meie ümber on automatiseeritud tehnoloogiaid, mis töötavad. Märkame ainult neid, mis veel nii hästi ei tööta.

Tehnoloogiad ei ole oma loomult head ega halvad, neid ei peaks ei takistama ega soodustama. Küll aga saame oma käitumiste ja seaduste kaudu mõjutada seda, milline on nende asjade mõju ühiskonnale. Võiksime ju tahta, et see mõju oleks pigem positiivne kui negatiivne.

Tuleks vähem tegeleda ennustamisega, millal isejuhtivad autod tulevad, ning pigem analüüsida selle positiivset ja negatiivset mõju, seaduste nõrku ja tugevaid külgi. Tuleviku Tehnoloogiate sihtaustus, mis just nii mõtleb ja mille nõukogusse ma kuulun, asub näiteks juhtima isejuhtivate autode seadusloome töögruppi.

Millised on nende tehnoloogiate ohud – peale selle, et taksojuhte ähvardab tööpuudus?

See muudab nii palju asju. Üldjuhul, kui me midagi automatiseerime, siis see on meile inimkonnana pigem hästi mõjunud. Tuleviku inimesed saaksid selle võrra elada näiteks töökohast kaugemal väikse järvekese ääres ja juba tööle sõites tööd teha. See on muidugi pikaajaline vaade, kindlasti lühiajaliselt on ajutised tööpuudused tekitanud ka mässe ja revolutsioone.

Keskselt juhitud ja hästi ühendatud maailm tekitab kindlasti ka lisaküsimusi. Inimesed kaotavad üksikindiviididena kontrolli – mis üldjuhul on hea, kuna keskselt saab paremaid otsuseid teha. Aga kindlasti on ka riskid, et mis saab, kui keskselt soovitakse halba, olgu tahtmatult või tahtlikult.

Tehnoloogia võimustab üksikinimest. Piisab ühest inimesest, kes vajutab nuppu ja tapab miljoneid. 300 aastat tagasi sellist võimalust ei olnud... kuigi ka kuningas võis miljon inimest surma saata.

Kas masinaid luues ei saaks selliseid ohte vältida?

Seda kindlasti proovitakse, näiteks Starshipi pakirobotite algoritmis on kümneid selliseid asju, mis kaitsevad rumalate vigade eest. Kui inimene käsib robotil üle tee minna, aga tegelikult tuleb kõrvalt auto, siis robot ei lähe üle tee, ta hakkab inimese käsule vastu ja inimesel ei ole võimalik seda käsku välja keerata. 

Kuivõrd on tänapäeval masinõppes oluline andmete kvaliteet? Või võib sisse visata mida iganes ja arvuti ise oskab vajaliku välja valida?

Tõesti on suund sinna, et andmete kvaliteet ei ole enam nii oluline. Nii see peabki olema, sest kui tahame algoritme, mis sobiks pärismaailmale, siis seal ongi asjad veidrad, halvad ja ebatäiuslikud, näiteks võib kaamera objektiiv olla tolmune. Kui masin peab lõpus halbade andmetega hakkama saama, siis ta võiks nendega hakkama saada juba ka treenimise käigus. Tänapäeva masinõppe algoritmide treenimiseks kasutatakse tihti täitsa tavalisi fotosid ja tekste ning järjest vähem tehakse igasugu andmete teisendamisi.

Kui vanasti koosnes kõnetuvastus mitmest algoritmist, millest üks üritas aru saada tähtedest või häälikutest, teine sõnadest, kolmas lausetest ja kõiki neid õpetasid eri meeskonnad, siis praegu on parim algoritm selline, mida treenitakse puhaste helivõngete pealt, sisse lähevad täiesti töötlemata andmed ja algoritm ise õpib kõik need etapid ära.

On meil lootust, et ka eesti keeles samale tasemele jõutakse?

Kindlasti. Tehnoloogiad lähevad eksponentsiaalselt paremaks ja odavamaks ning ühel hetkel saab ka maailmas tähtsuselt sajas keel sinna sisse. Lisaks on algoritmid järjest vähem keelespetsiifilised ehk on järjest rohkem kasutatavad suvalise keele jaoks.