Valdonė Rudenkienė
Dirbtinis intelektas (DI), kuris jau tapo kasdieniu mūsų palydovu, net ir tiesiogiai patiems nenaudojant šios technologijos, šiandien kuria tekstus, atpažįsta vaizdus ir padeda spręsti sudėtingas problemas. Tačiau ši technologija nėra vieno žmogaus išradimas: ji formavosi per daugelį dešimtmečių, keičiantis matematikos, informatikos ir inžinerijos idėjoms. Todėl grįžkime šiek tiek į praeitį, susipažinkime su mokslininkais, padėjusiais pagrindus šiai technologijai, o šiandien įspėjančiais ir apie jos keliamas grėsmes.
Nuo Turingo iki naujos mokslo srities
1950 metais britų matematikas Alanas Turingas paskelbė mokslinį straipsnį „Computing Machinery and Intelligence“, kuriame iškėlė tuo metu neįprastą klausimą: „Ar mašinos gali mąstyti?“ Užuot bandęs tiesiogiai apibrėžti, kas yra mąstymas, jis pasiūlė praktinį būdą įvertinti mašinos gebėjimą imituoti žmogaus bendravimą. Ši idėja vėliau buvo pavadinta Turingo testu. Testo esmė gana paprasta: žmogus tekstu bendrauja su dviem nematomais pašnekovais – kitu žmogumi ir kompiuteriu. Jis gali užduoti įvairius klausimus ir pagal atsakymus turi nustatyti, kuris pašnekovas yra mašina. Jeigu kompiuteris sugeba atsakinėti taip įtikinamai, kad vertintojas negali jo patikimai atskirti nuo žmogaus, laikoma, kad jis sėkmingai imituoja žmogaus intelektualų elgesį. Turingo idėja buvo revoliucinė, nes tuo metu kompiuteriai daugiausia buvo naudojami matematiniams skaičiavimams, o galimybė su jais bendrauti natūralia kalba atrodė tolima ateitis. Vis dėlto mokslininkas numatė, kad kompiuteriai ilgainiui galės atlikti gerokai sudėtingesnes užduotis. Svarbu pabrėžti, kad Turingo testas neįrodo, jog mašina iš tikrųjų mąsto, supranta informaciją ar turi sąmonę. Jis tik vertina, ar jos atsakymai gali būti panašūs į žmogaus. Šis skirtumas ypač aktualus šiandien, kai tokios sistemos kaipdidieji kalbos modeliai (LLM) geba sklandžiai bendrauti, tačiau jų gebėjimas generuoti įtikinamus atsakymus savaime neįrodo žmogiško supratimo. Taigi Turingo pasiūlytas testas tapo vienu svarbiausių dirbtinio intelekto istorijos atspirties taškų ir paskatino iki šiol vykstančias diskusijas apie žmogaus ir mašinos intelekto skirtumus.
1956 metais JAV Dartmuto koledže mokslininkas Johnas McCarthy kartu su kolegomis surengė susitikimą, kuris laikomas oficialia dirbtinio intelekto, kaip mokslo srities, pradžia. Būtent tada pradėtas vartoti terminas „dirbtinis intelektas“. Mokslininkai siekė sukurti kompiuterius, kurie galėtų mokytis, spręsti problemas ir atlikti žmogaus mąstymui būdingas užduotis. 1966 metais Josephas Weizenbaumas sukūrė vieną pirmųjų pokalbių programų – ELIZA. Ji galėjo bendrauti su žmogumi raštu, atsakydama į jo klausimus pagal iš anksto nustatytas taisykles. Nors programa iš tikrųjų nesuprato pokalbio, žmonėms kartais atrodė, kad jie bendrauja su protinga mašina. Vėliau atsirado vadinamosios ekspertinės sistemos – kompiuterinės programos, kurios naudodamos specialistų sukauptas žinias padėdavo spręsti, pavyzdžiui, medicinos ar technikos problemas. Tačiau DI pažanga buvo lėtesnė, nei tikėtasi. Kompiuteriai dar nebuvo pakankamai galingi, trūko duomenų, o mokslininkų pažadai dažnai pranokdavo realias galimybes. Dėl to sumažėdavo susidomėjimas DI ir jo tyrimų finansavimas. Tokie laikotarpiai buvo pavadinti „dirbtinio intelekto žiemomis“.
Geoffrey Hintonas ir giluminio mokymosi kelias
Geoffrey Hintonas – vienas svarbiausių šiuolaikinio dirbtinio intelekto tyrėjų, dažnai vadinamas „DI krikštatėviu“. Nors dirbtinio intelekto tyrimai prasidėjo gerokai anksčiau, Hintonas reikšmingai prisidėjo prie neuroninių tinklų ir giluminio mokymosi plėtros. 1986 metais kartu su Davidu Rumelhartu ir Ronaldu Williamsu jis paskelbė svarbų mokslinį darbą apie metodą, leidžiantį neuroniniams tinklams mokytis iš klaidų. Šis metodas tapo vienu iš šiuolaikinio DI technologinių pagrindų. Už reikšmingus atradimus mašininio mokymosi srityje 2024 metais Hintonas kartu su Johnu Hopfieldu buvo apdovanotas Nobelio fizikos premija. Tačiau pastaraisiais metais mokslininkas vis garsiau įspėja apie DI keliamus pavojus. 2023 metais jis pasitraukė iš „Google“, kad galėtų laisviau kalbėti apie galimas grėsmes. Hintonas nerimauja, kad ateityje DI gali pranokti žmogaus intelektinius gebėjimus, tapti sunkiai kontroliuojamas ir pakeisti daugelį darbo vietų. Jis taip pat atkreipia dėmesį į dezinformacijos ir piktnaudžiavimo technologijomis pavojus. Nors Hintonas pripažįsta didžiulę DI naudą medicinai, mokslui ir visuomenei, jis pabrėžia būtinybę daugiau dėmesio skirti šių sistemų saugumui. Taigi vienas iš mokslininkų, padėjusių sukurti šiuolaikinį DI, šiandien yra ir vienas žinomiausių jo keliamų rizikų kritikų.
Svarbiausių įvykių laiko juosta
Nuo šachmatų iki kalbos modelių
Šachmatai ir šaškės užėmė svarbią vietą dirbtinio intelekto istorijoje, nes šie strateginiai žaidimai tapo viena pirmųjų sričių, kuriose mokslininkai bandė atkartoti žmogaus gebėjimą analizuoti situacijas, planuoti veiksmus ir priimti sprendimus. Dar 1951 metais britų mokslininkas Dietrichas Prinzas, naudodamas Mančesterio universiteto kompiuterį „Ferranti Mark 1“, sukūrė vieną pirmųjų šachmatų programų, galėjusių spręsti konkrečias šachmatų užduotis, nors ji dar nesugebėjo sužaisti visos partijos. Tuo pačiu laikotarpiu Christopheris Strachey kūrė šaškių programą, o amerikiečių mokslininkas Arthuras Samuelis vėliau išplėtojo sistemą, kuri galėjo tobulinti savo žaidimą remdamasi patirtimi. 1959 metais Samuelis paskelbė reikšmingą mokslinį darbą apie mašininį mokymąsi, tapusį vienu ankstyvųjų šios srities tyrimų. Po kelių dešimtmečių, 1997 metų gegužės 11 dieną, įvyko istorinis proveržis: IBM sukurtas superkompiuteris „Deep Blue“ šešių partijų mače rezultatu 3,5:2,5 nugalėjo tuometinį pasaulio šachmatų čempioną Garį Kasparovą. Tai buvo pirmas kartas, kai kompiuteris laimėjo visą standartinėmis turnyro sąlygomis vykusį mačą prieš valdantį pasaulio čempioną. Nors „Deep Blue“ nesimokė taip, kaip šiuolaikiniai gilieji neuroniniai tinklai, jo pergalė parodė, kad specializuotos kompiuterinės sistemos gali pranokti žmogų atliekant sudėtingas intelektines užduotis. Šis įvykis tapo vienu ryškiausių dirbtinio intelekto raidos simbolių ir svarbiu etapu siekiant suprasti kompiuterių galimybes bei žmogaus intelekto ribas.
Lietuvos indėlis į dirbtinio intelekto istoriją: nuo neuroninių tinklų iki medicininės diagnostikos
Lietuvos mokslininkai ir technologijų įmonės DI vystymo prisideda jau daugiau kaip 30 metų. Mūsų šalyje kuriamos technologijos, padedančios atpažinti žmonių veidus, pirštų atspaudus, suprasti lietuvių kalbą ir analizuoti medicininius tyrimus. Vienas pirmųjų Lietuvos pasiekimų šioje srityje siekia 1990 metus, kai Vilniuje buvo įkurta bendrovė „Neurotechnologija“, šiandien žinoma kaip „Neurotechnology“. Ji pradėjo kurti sistemas, galinčias atpažinti žmones pagal jų biologinius požymius. Jau 1991 metais įmonė sukūrė pirštų atspaudų atpažinimo sistemą, o vėliau pradėjo kurti veido ir akies rainelės atpažinimo technologijas. Šie sprendimai naudojami įvairiose pasaulio šalyse tapatybei nustatyti ir saugumui užtikrinti. Svarbus Lietuvos pasiekimas – lietuvių kalbą suprantančių technologijų kūrimas. Vilniaus universiteto mokslininkai kartu su partneriais vykdė projektus LIEPA ir LIEPA-2. Jų metu buvo kuriamos programos, galinčios atpažinti lietuviškai sakomus žodžius, paversti kalbą tekstu ir garsiai perskaityti parašytą tekstą. Taip pat buvo sukurti lietuviškai kalbantys robotai Ąžuolas ir Liepa. 2026 metais įgyvendinant projektą LIEPA-3 buvo sukaupta net 10 000 valandų lietuvių kalbos įrašų. Šie duomenys padeda mokyti DI sistemas geriau suprasti lietuvių kalbą. Lietuva taip pat prisideda prie dirbtinio intelekto naudojimo medicinoje. 2017 metais Vilniuje įkurta bendrovė „Oxipit“ pradėjo kurti DI sistemas, kurios analizuoja rentgeno nuotraukas. 2022 metais jos sukurta sistema „ChestLink“ gavo Europos medicinos priemonės sertifikatą. Ji gali automatiškai įvertinti tam tikras krūtinės ląstos rentgeno nuotraukas, kuriose nenustatoma ligos požymių. Tokios technologijos padeda gydytojams greičiau atlikti tyrimų vertinimą ir daugiau dėmesio skirti sudėtingiems atvejams. Dirbtinio intelekto tyrimai vykdomi ir Lietuvos universitetuose. Pavyzdžiui, Kauno technologijos universiteto mokslininkai kuria išmaniuosius robotus, tiria medicininių vaizdų analizės technologijas ir DI pritaikymą pramonėje.
Šie pavyzdžiai rodo, kad Lietuva ne tik naudojasi kitose šalyse sukurtu dirbtiniu intelektu, bet ir pati kuria pažangias technologijas. Lietuvos mokslininkų ir įmonių darbai prisideda prie DI pažangos medicinoje, saugumo srityje ir lietuvių kalbos išsaugojimo skaitmeniniame pasaulyje.
Kas laukia ateityje?
Sparti dirbtinio intelekto plėtra kelia vis daugiau klausimų dėl jo patikimumo, saugumo ir poveikio visuomenei. Viena pagrindinių problemų – vadinamosios DI haliucinacijos, kai sistemos pateikia įtikinamai skambančią, tačiau klaidingą informaciją. DI taip pat gali atkartoti duomenyse esančius stereotipus, kelti ginčų dėl autorių teisių ir keisti darbo rinką, automatizuodamas dalį žmonių atliekamų užduočių.
Siekdama sumažinti šias rizikas, Europos Sąjunga 2024 metais priėmė Dirbtinio intelekto aktą, nustatantį DI sistemų naudojimo taisykles pagal jų keliamą riziką. Tuo pat metu mokslininkai diskutuoja apie bendrojo dirbtinio intelekto (AGI), galinčio atlikti įvairias intelektines užduotis žmogaus lygiu ar geriau, sukūrimą. Geoffrey Hintonas įspėja apie galimus itin pažangių sistemų kontrolės praradimo pavojus, tačiau mokslininkai nesutaria, kada ir ar apskritai tokios sistemos atsiras. Kaip galime matyti, DI istorija rodo, kad technologinė pažanga yra daugelio kartų mokslininkų darbo rezultatas. Nuo Alano Turingo teorinių idėjų iki šiuolaikinių neuroninių tinklų svarbiausias klausimas pamažu keičiasi: ne tik ar mašinos gali mąstyti, bet ir kaip užtikrinti, kad dirbtinis intelektas būtų patikimas, saugus ir naudingas žmogui.
