Įvadas
Dirbtinis intelektas (DI) yra viena sparčiausiai besivystančių ir didžiausią poveikį darančių technologijų. Jis naudojamas įvairiose srityse – nuo medicinos ir švietimo iki transporto, finansų bei pramonės. Nors daugeliui žmonių tai asocijuojasi su pokalbių robotais ar vaizdų generavimo sistemomis, iš tikrųjų ši technologija turi daug ilgesnę istoriją ir sudėtingesnę raidą
Jo tikslas – sukurti sistemas, galinčias atlikti užduotis, kurioms įprastai reikalingas žmogaus intelektas. Tokios užduotys apima mokymąsi, problemų sprendimą, kalbos supratimą, planavimą, vaizdų atpažinimą ir sprendimų priėmimą
Tai tampa neatsiejama gyvenimo dalimi, todėl svarbu suprasti jo kilmę, veikimo principus, naudą ir galimus pavojus
Dirbtinio intelekto atsiradimo istorija
Nors terminas „dirbtinis intelektas“ atsirado tik XX amžiuje, idėja apie dirbtinai sukurtą protą egzistavo jau senovėje. Įvairiose kultūrose buvo kuriamos legendos apie mechaninius žmones ar išmanias mašinas
Mokslinis pagrindas dirbtiniam intelektui pradėjo formuotis XX amžiaus pradžioje vystantis matematikai, logikai ir skaičiavimo teorijai
Svarbus lūžis įvyko 1950 metais, kai britų matematikas ir kompiuterių mokslininkas Alan Turing paskelbė darbą „Computing Machinery and Intelligence“. Šiame straipsnyje jis pirmasis rimtai nagrinėjo klausimą, ar mašinos gali mąstyti
1956 metais JAV vykusioje Dartmouth Summer Research Project on Artificial Intelligence konferencijoje pirmą kartą oficialiai panaudotas terminas „Artificial Intelligence“. Būtent ši konferencija laikoma oficialia dirbtinio intelekto mokslo pradžia
Pirmieji DI kūrėjai ir jų indėlis
Alanas Tiuringas
Alanas Tiuringas laikomas vienu svarbiausių šiuolaikinės informatikos ir dirbtinio intelekto pradininkų. Jis sukūrė Tiuringo testą, kuris iki šiol naudojamas vertinant, ar mašina geba imituoti žmogaus intelektą
John McCarthy
John McCarthy laikomas dirbtinio intelekto termino autoriumi. Jis organizavo Dartmouth konferenciją ir prisidėjo prie daugelio ankstyvųjų DI tyrimų
Marvin Minsky
Marvin Minsky buvo vienas aktyviausių jo tyrėjų. Jis tikėjo, kad ateityje mašinos galės pasiekti žmogaus intelekto lygį
Herbert Simon ir Allen Newell
Šie mokslininkai sukūrė „Logic Theorist“ – vieną pirmųjų programų, gebėjusių atlikti loginius samprotavimus
Raidos etapai
Ankstyvasis optimizmas (1950–1970)
Šiuo laikotarpiu mokslininkai tikėjo, kad žmogaus lygio intelektą pavyks sukurti per kelis dešimtmečius. Buvo kuriamos sistemos, galinčios:
• spręsti matematines užduotis;
• žaisti šachmatais;
• atlikti logines operacijas.
DI žiema (1970–1990)
Dėl ribotų technologinių galimybių rezultatai neatitiko lūkesčių. Finansavimas sumažėjo, o daugelis projektų buvo nutraukti. Šis laikotarpis vadinamas „dirbtinio intelekto žiema“.
Mašininio mokymosi era (1990–2010)
Interneto plėtra suteikė prieigą prie didžiulių duomenų kiekių. Pradėtos kurti sistemos, galinčios:
• atpažinti kalbą;
• analizuoti duomenis;
• prognozuoti rezultatus
Generatyvinio intelekto era (2010–dabar)
Šiuolaikinės sistemos geba:
• generuoti tekstą;
• kurti paveikslus;
• programuoti;
• versti kalbas;
• analizuoti mokslinius duomenis.
Pagrindinės dirbtinio intelekto rūšys
Siaurasis intelektas. Tai dažniausiai naudojama forma. Jis skirtas konkrečioms užduotims:
• veidų atpažinimui;
• navigacijai;
• vertimui;
• rekomendacijoms.
Pavyzdžiai:
• Google Maps
• ChatGPT
• Waze
Bendrasis intelektas (AGI)
Tai teorinė sistema, galinti atlikti visas intelektines užduotis panašiai kaip žmogus. Tokios sistemos šiuo metu dar nėra
Superintelektas
Hipotetinė technologija, kurios intelektiniai gebėjimai būtų didesni nei žmogaus. Kol kas tai yra mokslinių diskusijų objektas
Kaip veikia dirbtinis intelektas?
Jisai veikia naudodamas algoritmus ir duomenis. Pagrindiniai veikimo etapai:
Duomenų rinkimas
Sistemai pateikiama daug informacijos:
• tekstų;
• vaizdų;
• garso įrašų;
• statistinių duomenų
Mokymas
Sistema analizuoja duomenis ir ieško dėsningumų
Modelio kūrimas
Remdamasis rastais ryšiais, modelis mokosi atlikti užduotis
Prognozavimas
Sistema priima sprendimus remdamasi ankstesne patirtimi – pvz.: išanalizavusi tūkstančius kačių nuotraukų, sistema gali atpažinti katę naujoje nuotraukoje
Populiariausios DI programos ir sistemos
Šiuolaikiniame pasaulyje naudojama daugybė sistemų. Populiariausios:
• OpenAI
• Google Gemini
• Microsoft Copilot
• Claude AI
• Perplexity AI
• Midjourney
Šios sistemos naudojamos tekstų generavimui, duomenų analizei, programavimui, vaizdų kūrimui ir informacijos paieškai
Dirbtinio intelekto pritaikymas įvairiose srityse
Medicinoje padeda:
• diagnozuoti ligas;
• analizuoti rentgeno nuotraukas;
• kurti naujus vaistus;
• prognozuoti pacientų būklę
Mokymo įstaigos naudoja:
• individualioms mokymosi programoms;
• automatiniam vertinimui;
• mokymo medžiagos kūrimui
Finansų sektoriuje naudojamas:
• sukčiavimo aptikimui;
• investicijų analizei;
• kreditingumo vertinimui.
Transporte pritaikymo sritys:
• autonominiai automobiliai;
• logistikos planavimas;
• eismo analizė
Pramonė ir gamyboje naudojamas:
• robotų valdymui;
• kokybės kontrolei;
• gedimų prognozavimui.
Žemės ūkyje padeda:
• stebėti pasėlius;
• prognozuoti derlių;
• optimizuoti išteklių naudojimą.
Kibernetinis saugumas:
• grėsmių aptikimui;
• tinklų stebėjimui;
• automatinei apsaugai nuo kibernetinių atakų.
Dirbtinio intelekto nauda
Greitis: užduotys atliekamos daug greičiau nei žmogaus
Tikslumas: sumažinama žmogiškų klaidų tikimybė
Produktyvumas: didinamas darbo našumas
Automatizavimas: kartojamos užduotys atliekamos automatiškai
Analizė: apdorojami didžiuliai duomenų kiekiai
Moksliniai atradimai: pagreitėja tyrimai ir inovacijos
Keliamos grėsmės ir trūkumai
Darbo rinkos pokyčiai – kai kurios profesijos gali būti automatizuotos:
• operatoriai;
• duomenų suvedimo specialistai;
• klientų aptarnavimo darbuotojai.
Privatumo problemos
Didelis duomenų kiekis gali kelti grėsmę asmens privatumui
Dezinformacija – dirbtinis intelektas gali generuoti:
• melagingas naujienas;
• netikrus vaizdo įrašus;
• suklastotas nuotraukas.
Šališkumas
Jeigu mokymo duomenys yra netikslūs, sistema gali priimti neteisingus sprendimus
Priklausomybė nuo technologijų
Per didelis pasitikėjimas juo gali mažinti žmogaus kritinį mąstymą ir savarankiškumą
Teisinis reguliavimas
Pirmaisiais dešimtmečiais specialių teisės aktų nebuvo. Tačiau dirbtinio intelekto plėtra paskatino valstybes kurti naują reguliavimą
Svarbiausios reguliuojamos sritys:
• duomenų apsauga;
• žmogaus teisės;
• autorių teisės;
• atsakomybė už DI sprendimus;
• algoritmų skaidrumas.
Europos Sąjunga priėmė EU Artificial Intelligence Act, kuris tapo pirmuoju išsamiu dirbtinio intelekto reguliavimo dokumentu pasaulyje. Jame sistemos skirstomos pagal rizikos lygį:
1. Nepriimtina rizika
2. Aukšta rizika
3. Ribota rizika
4. Minimali rizika
Kuo didesnė rizika visuomenei, tuo griežtesni reikalavimai taikomi sistemų kūrėjams
Dirbtinis intelektas Lietuvoje
Lietuva aktyviai įsitraukia į dirbtinio intelekto technologijų plėtrą
Pagrindinės sritys:
• finansinės technologijos (FinTech);
• viešasis sektorius;
• švietimas;
• sveikatos apsauga;
• verslo procesų automatizavimas.
Lietuvos universitetai vykdo tyrimus mašininio mokymosi, duomenų analizės ir robotikos srityse. Taip pat daug Lietuvos įmonių kuria sprendimus klientų aptarnavimui, dokumentų analizei ir verslo procesų optimizavimui
Ateities perspektyvos
Ekspertai prognozuoja, kad ateityje dirbtinis intelektas:
• taps dar labiau integruotas į kasdienį gyvenimą;
• padės spręsti sudėtingas medicinos problemas;
• prisidės prie klimato kaitos tyrimų;
• pagerins švietimo kokybę;
• automatizuos vis daugiau procesų.
Tačiau kartu reikės spręsti etinius ir teisinius klausimus, susijusius su atsakomybe, privatumu ir saugumu
Išvados
Dirbtinis intelektas yra viena svarbiausių XXI amžiaus technologijų. Nors jo idėjos atsirado dar XX amžiaus pradžioje, tik pastaraisiais dešimtmečiais technologinė pažanga leido pasiekti reikšmingų rezultatų. Šiandien jisai naudojamas sveikatos priežiūroje, švietime, finansuose, transporte, pramonėje ir daugelyje kitų sričių
Tai suteikia didžiulę naudą – didina efektyvumą, padeda analizuoti duomenis, mažina klaidų skaičių ir spartina mokslinius atradimus. Tačiau kartu jis kelia naujų iššūkių, susijusių su privatumu, darbo rinkos pokyčiais, dezinformacija ir etika
Todėl ateityje svarbu ne tik toliau tobulinti technologijas, bet ir užtikrinti jų atsakingą bei saugų naudojimą visuomenės labui
Literatūros sąrašas
Turing, A. M. (1950). Computing Machinery and Intelligence
Russell, S., Norvig, P. (2021). Artificial Intelligence: A Modern Approach
McCarthy, J. (1956). Dartmouth Conference Proposal
European Commission. Artificial Intelligence Act
Nilsson, N. J. (2010). The Quest for Artificial Intelligence
UNESCO (2023). Guidance for Generative AI in Education and Research
OECD (2024). Artificial Intelligence Policy Observatory