D. Hulme yra Didžiosios Britanijos dirbtinio intelekto sprendimų ir duomenų mokslo kompanijos „Satalia", vienijančios daugiau kaip 100 programuotojų, duomenų mokslininkų ir kitų specialistų, generalinis direktorius, Londono UCL universiteto mokslų daktaras. Tarp „Satalia" klientų yra tokios įmonės kaip „Tesco" ar „PwC". Įmonės darbuotojai inovatyvius sprendimus kuria Londone, Kaune, Vienoje, Atėnuose ir Liuksemburge. Dirbtinio intelekto bei technologijų ekspertas interviu Delfi pabrėžė, kad puikiais DI tyrėjais ir produktais gali pasidžiaugti ir Lietuva: „Nors gana siauruose sluoksniuose, tačiau visame pasaulyje yra labai gerai vertinami lietuvių tyrimai ir produktai DI srityje, skirti gynybos, saugumo, transporto ir sveikatos apsaugos sektoriams“.

- Esate aktyvus dirbtinio intelekto vizionierius ir propaguotojas. Su organizacijomis ir jų vadovais diskutuojate ne tik apie technologijas ar dirbtinį intelektą, bet ir jo etiką, inovacijas, decentralizavimą. Taip pat esate nemažai prisidėjęs prie dirbtinį intelektą ir ateities darbo principus nagrinėjančių knygų, straipsnių bei įvairių laidų. Kodėl skatinate šias diskusijas?

- Nedrįsčiau savęs vadinti dirbtinio intelekto (DI) vizionieriumi, tačiau sutinku, kad DI viešinimui, bei verslo ir organizacijų švietimui DI klausimais skiriu nemažai laiko. Per metus aš asmeniškai arba mano kolegos perskaitome daugiau kaip 100 pranešimų verslui, viešajam sektoriui, akademinei bendruomenei ar kitiems DI entuziastams keliose dešimtyse valstybių. Esame apie DI kalbėję tokių organizacijų kaip „Barclays“, „Coca Cola“, „Google“, „TATA“, „Burberry“, „Accenture“ atstovams ar net Didžiosios Britanijos parlamentarams.

Biuras
Foto: Unsplash


Pagrindinė priežastis, kodėl norime skatinti diskusijas apie DI, yra tai, kad šios technologijos yra dar gana ankstyvoje stadijoje, tačiau jos jau kelia daugybę pagrįstų ir nepagrįstų interpretacijų, lūkesčių, stereotipų ar kitokio šurmulio. Ir būtent nuo to, kaip mes visi suprasime, vertinsime ir toliau tobulinsime dirbtinio intelekto sprendimus, priklausys tolesnė DI raida, kuri gali tapti tiek neįtikėtinai prasminga ir naudinga, tiek ir rizikinga ar bent nuvilianti.

Iliustruosiu paprastu pavyzdžiu. Faktas, kad per pastaruosius keletą metų labai stipriai išaugo verslo susidomėjimas DI, juk šį terminą kone kasdien girdime per žinias ar socialiniuose tinkluose. Tačiau kuo šiandien labiausiai domisi apie DI neseniai išgirdę ir savo žinias gilinti norintys įmonių vadovai? Atsakymas labai paprastas: galimybe su DI profiliuoti bei segmentuoti savo klientus siekiant jiems daugiau parduoti ir pokalbių botais (angl. chatbots). Sutinku, kad abu minėti įrankiai turi potencialo padėti padidinti pardavimus ar sutaupyti apmokamų darbo valandų, o tai neišvengiamai domina verslą, tačiau abu jie neturi nieko bendro su DI. „Chatbotai” tėra tam tikrus duomenis ir iš anksto apibrėžtus veiksmų scenarijus gavę nesudėtingi programinės įrangos vienetai, o klientų profiliavimas ir analizė yra ne kas kita kaip atidesnis ir kruopštesnis žvilgsnis į savo duomenų bazę.

- Yra įvairių nuomonių, kas iš tiesų yra dirbtinis intelektas ir ko galime pasiekti jo pagalba. Koks Jūsų matymas?

- Tikruoju intelektu - tiek „žmogaus”, tiek ir dirbtiniu - aš pirmiausia vadinu tikslo siekiančią adaptyvią elgseną. Ir čia norėčiau paaiškinti kiekvieną šio apibrėžimo elementą. „Tikslo siekimas" yra noras padaryti kažką konkretaus, vertingo ir prasmingo: efektyviau ir taikliau planuoti įmonės darbuotojų pajamas, geriau išnaudoti rinkodaros biudžetą ar tiesiog parduoti daugiau ledų. „Elgsena" apibrėžia tai, kaip greitai ar lengvai žmogus ar kompiuteris gali skirstyti ir keisti tikslui pasiekti reikalingus išteklius. Kitaip tariant, jeigu noriu parduoti kuo daugiau ledų, kokia mano elgsena ar veiksmai lemia šio tikslo siekimą ir įgyvendinimą. Visgi svarbiausias šio apibrėžimo elementas yra „adaptyvi". Ši detalė nesunkiai suvokiama kalbant apie žmones: stebėdami pasaulį ar savo ir kitų veiksmus, kažko išmokstame, į visa tai reaguojame ir tobulėjome. Tačiau to kompiuteriai nedaro. Ir jeigu sistema, atlikdama veiksmą ar priimdama sprendimą iš jo nepasimoko ir pagal sprendimo atneštus rezultatus nepakoreguoja savo pasaulio suvokimo modelio, tokios sistemos aš nevadinčiau tikruoju DI. Nors mašininio mokymosi komponentus kai kurios įmonės vadina DI, aš tikruoju DI laikyčiau tik sistemas, kurios keičia, mokosi ir keičia savo elgseną be žmogaus įsikišimo. Juk būtent adaptyvumas yra (žmogaus) intelekto sinonimas.

Biuras
Foto: Unsplash


- Kalbėdamas apie dirbtinį intelektą, atkreipiate dėmesį, kad daugelis organizacijų neturi problemų, kurias jis padėtų išspręsti.

- Organizacijos paprastai turi optimizavimo problemų, t.y. gebėjimo efektyviai priskirti (ribotus) išteklius vieniems ar kitiems tikslams pasiekti. Pavyzdžiui, optimizavimo problema laikyčiau transporto parko valdymą ir maršrutų planavimą, t.y. kaip sumažinti kelionės laiką ir trukmę siekiant geriausio klientų pasitenkinimo ir mažiausių sąnaudų. Manau, kad šias problemas pirmiausia sprendžia optimizavimo algoritmai, duomenys bei jų analizė, ir yra tik vienetai žmonių visame pasaulyje, kurie šių problemų sprendimui galėtų prasmingai pasitelkti DI. Daugybei problemų spręsti organizacijoms gali padėti duomenų mokslas, statistikos analizė ir kitos sritys, gebančios padėti duomenyse įžvelgti dėsningumų, pagal kuriuos sprendimų priėmėjai - žmonės - gali daryti sprendimus, mokytis ir tobulėti. Tai įmanoma apmokyti ir kompiuterius, tą jau galėtume vadinti „tikruoju DI”, tačiau tai - visiškai kitų žinių bei modelių reikalaujanti sritis.

Dėl šių priežasčių organizacijoms pradedant nagrinėti DI galimybes, aš pirmiausia siūlau objektyviai įvertinti savo padėtį, procesus, problemas, „skaudančias vietas". Galbūt jų sprendimui reikalingos visai kitokios kompetencijos, technologijos ir principai nei dirbtinis intelektas. Ir tik tuomet, kai turėsime objektyvų padėties ir problemų vertinimą, galbūt galėtume rasti ir sričių bei procesų, kuriems tobulinti būtų galima investuoti į „tikruoju DI" grįstą įrankį.

Manau, kad šis požiūris ir būtų vienas iš veiksnių, išskiriančių mane iš apie DI kalbančios minios. Aš teigiu, kad tikrojo DI pasaulyje dar yra labai mažai.

- Kaip pavyksta pritaikyti savo teorines-akademines žinias, įgytas Londono universitete, praktiškai vadovaujant kompanijai, kuri specializuojasi dirbtiniu intelektu grįstų optimizavimo sprendimų kūrime?

- Apskritai didelė dalis technologijų, tyrimų, matematinių ir statistinių modelių verslą pasiekia iš akademinio pasaulio. Jūs net nustebtumėte, kiek daug minėtus sektorius tyrinėjančių profesorių ir mokslininkų darbuojasi ir technologijų versle. Faktas, kad mes neišvengiamai naudojamės akademinio pasaulio žiniomis ir tyrimais.

Pati „Satalia” įmonė savo veiklą pradėjo kaip UCL „spin-off’as”. Manau, kad mūsų įmonė yra išskirtinė tuo, kad gebame apjungti dvi akademiniame pasaulyje ir versle tiriamas sritis: mašininį mokymąsi, tai yra, gebėjimą duomenyse atrasti dėsningumus ar tendencijas ir optimizavimą bei sprendimų priėmimą.

Mes stengiamės suprasti, ar į optimizavimo bei, svarbiausia, sprendimų priėmimo modulius patenka teisingi ir aktualūs duomenys. Tai mums leidžia siekti pagrindinio tikslo: kurti sistemas, pasižyminčias adaptyvia elgsena veikimo metu. Sistemas, kurios geba ne tik daryti sprendimus, bet ir prisitaikyti prie naujų duomenų ir aplinkybių bei į tai atsižvelgus kaskart padaryti geresnius sprendimus be žmonių įsikišimo.

Daniel Hulme
Foto: Asmeninins albumas


- Kuriuos Jūsų vadovaujamos kompanijos sukurtus technologijos sprendimus įvardintumėte kaip pačius geriausius?

- Galiu drąsiai pasidžiaugti mūsų kompanijos sukurtais ir toliau tobulinamais sprendimais: vienos didžiausių Didžiosios Britanijos prekybos bendrovių kurjerių maršrutų planavimo ir optimizavimo įrankiu, kitos didelės britų konsultacijų bendrovės pamainų sudarymo įrankiu ar dinaminės kainodaros įrankiu dideliam tarptautiniam viešbučių tinklui. Visi šie sprendimai padeda kompanijoms optimaliai išnaudoti esamus išteklius (pvz., aptarnaujant daugiau klientų ar mažinant nuvažiuotų kilometrų skaičių), per sekundės dalis atlieka neįtikėtino dydžio ir sudėtingumo matematinius skaičiavimus ir turi gebėjimų į naują informaciją ar kintamuosius atsižvelgti realiu laiku.

Tačiau aš žiūriu dar toliau. Vien dirbdami su minėtais projektais mes pastebėjome, kad lygiai tokie patys principai kaip versle gali būti pritaikyti ir viešajame sektoriuje, sprendžiant visuomenei aktualias problemas, pvz., planuojant ir optimizuojant visų miestų transporto maršrutus ir srautus ar optimaliai organizuojant milžiniškų ligoninių darbotvarkes ir pamainas.

- Su kokiais didžiausiais iššūkiais ir rizikomis šiandien susiduria dirbtinis intelektas?

- Nors skambėsiu paradoksaliai, bet didžiausias dirbtinio intelekto iššūkis ir grėsmė yra dabartinis su DI susijęs triukšmas viešojoje erdvėje. DI yra labiausiai aptarinėjama technologija, man matyta per pastaruosius kelis dešimtmečius. Tam tikra prasme esame DI burbule, dėl kurio gali būti tiek nepasiteisinančių investicijų, tiek lūkesčių. Jau dabar daug verslų investuoja į tai, ką laiko DI, nors, mano vertinimu, jie nelabai supranta, ką ir kodėl daro. Paradoksalu ir tai, kad DI šiuo metu yra tiek per daug aptariama, tiek ir per mažai nagrinėjama sritis. Būtent visa tai laikyčiau pagrindine DI rizika.

Bet apibendrinus, manau, kad šiandien didelė dalis verslo kol kas gali per daug sau nesukti galvos dėl galimybės turėti adaptyvias sistemas. Tai masinę rinką pasieks kiek vėliau. Tačiau tam tikri DI elementai ir komponentai gali jau šiandien padėti organizacijoms optimizuoti ir suefektyvinti tam tikras pasikartojančias veiklas.

- Ar verslas pagrįstai baiminasi, kad tam tikrus įrankius turintys konkurentai galės priiminėti greitesnius ir geresnius sprendimus?

- Manau, kad taip. Gyvename DI kaip termino bumo laikais, ir daugelis vadovų trokšta įšokti į DI traukinį. Akivaizdu, kad didžiosios kompanijos turi plačias galimybes samdyti ir vilioti talentus. Bėda atsiranda tuomet, kai verslas nesupranta, kas yra DI, ką jis gali ir ko negali, kokių specialistų kokiems tikslams reikia. DI susižavėjęs verslas gali gana greitai nusisamdyti puikiausių duomenų mokslininkų komandą, jie galės suprasti statistiką, mašininį mokymąsi, gebės duomenyse įžvelgti dėsningumų, bet tai savaime negarantuos, kad ši komanda pajėgs sukurti realiu metu sprendimus priimančias ir adaptyvias sistemas.

Didžiosios kompanijos turi daug duomenų, daug išteklių, bet kartu ir nemažai problemų, kurias DI galėtų išspręsti. Aš joms siūlau minutėlei stabtelti, mažiau vaikytis madų ir į DI bei savo verslo situaciją pažiūrėti objektyviai ir blaiviai. Tuomet kartu galėtume ieškoti sprendimų. Ir labai tikėtina, kad dalis jų apsieis be sprendimų, kuriuos aš laikyčiau „tikruoju DI”. Tačiau kita
dalis galbūt padės atrasti ir sukurti nuostabių, man šiandien dar net nežinomų DI taikymo atvejų.