Sellel veebilehel kasutatakse küpsiseid. Kasutamist jätkates nõustute küpsiste ja veebilehe üldtingimustega

Nõustun

Tehisintellekt

Tehisintellekt on arvutisüsteemi võime jäljendada loomulikku intellekti ja täita funktsioone, mida seostatakse inimmõistusega, näiteks võimega arutleda ja õppida.

Intellektist ja intelligentsusest rääkides peetakse silmas mõtlemisvõimet ning valmisolekut reageerida asjakohaselt erinevates olukordades, kasutades olemasolevaid teadmisi probleemide lahendamisel ja ümbritseva maailma mõistmisel. Mõiste “tehisintellekt” (inglise keeles artificial intelligence) on kasutusel juba alates 1950. aastatest ning selle tehnoloogia puhul on tegemist loomuliku intellekti jäljendamisega, s.t arvutisüsteemi võimega täita funktsioone, mida üldiselt seostatakse inimmõistusega, nt võimega arutleda ja õppida.

Miks meil tehisintellekti vaja on? Esiteks aitab see toetada ja võimendada inimese loomingulist tegevust (nt teoreemide tõestamine, peamurdmise ülesannete lahendamine, mängude mängimine – male, diagnostika – ekspertsüsteemid). Teiseks annab tehisintellekt võimaluse asendada inimesi rasketes või eluohtlikes tingimustes (intellektuaalsete robotite loomine).

Tehisintellekti rakendused jagunevad kolmeks suuremaks valdkonnaks: masinõpe, süvaõpe ning loomuliku keele töötlemine. Kõik need tuginevad matemaatilistele algoritmidele.

  • Masinõpe kirjeldab algoritme, mis on võimelised õppima.
  • Süvaõppimine leiab aset siis, kui algoritm suudab töödelda suuremaid andmekogusid ja lahendada keerukamaid küsimusi. Pärast iga uue informatsiooni kättesaadavaks tegemist lisab algoritm uue andmekihi, mille abil saab programm targemaks ning on võimeline oma vigadest õppima.
  • Loomuliku keele automaattöötlus tähendab, et rakendus on võimeline teksti mõistma, tuvastama seisukohti ja mõistma küsimuste keerukust. Näitena võib tuua hääljuhtimissüsteemid Apple’i Siri ja Amazoni Alexa või Echo. Esimeses etapis peab teenus mõistma, mida kasutaja küsib ning on seejärel võimeline küsimusele veebist vastuse leidma ning tekstiks tõlkima. Viimaks otsustab teenus, millise tempo ja hääldusega ta kasutajale vastuse artikuleeritud kõne vormis tagasi saadab. Näiteid sellistest lahendustest eesti keeles ka juba olemas – neurotõlge ning eestikeelne kõnesüntees, kuigi nende lahenduste loomine on väljakutse, sest eesti keele morfoloogia ning grammatika on keerulised.

Kuidas töötavad kõnesüntees ja kõnesüntesaatorid? Lõik Eesti Teadusagentuuri saatest “Uudishimu tippkeskus”

Eelmises peatükis käsitletud suurandmed ja nende pealt algoritmide treenimine loovad eelduse, et luua tehisintellektil põhinevaid tehnoloogiaid. Tehisintellekt on üles ehitatud sellele, et ta pääseb ligi erinevatele info- ja andmehulkadele, analüüsides nendevahelisi seoseid ja mustreid. Oluline aspekt on masinõppe juures “õppimisel”, mis tähendab, et taustal toimiv tehnoloogia õpib varasematest andmetest, et parandada teavet, teenuseid, kasutuskogemusi jm erinevates valdkondades (nt finants, meditsiin, haridus). Õppimise all peame silmas, et kui andmed süsteemis uuenevad, lisandub täiendav teave vms, siis süsteem parandab oma algoritme vastavalt uuele informatsioonile. Näiteks meditsiinilised teenused, mis ennustavad tervisega seotud riske – varasemad mustrid võimaldavad varem märgata ja teatud määral ka ennetada raskete haiguste teket.

Laialt on levinud ka masinõppe tehnoloogial põhinevad isesõitvad autod, pakirobotid ning programmid, mis on võimelised mängudes, nagu näiteks male, maailmameistrit võitma. Viimasel puhul õpib arvuti vastase mängukogemusest ja -mustritest ning on seetõttu võimeline vastast mängus võitma.

Masinõpe on tehisintellekti üks valdkondi. Kuidas masinõpe õpetab arvutile piltide eristamist? Mis meile sellest kasu on? Lõik Eesti Teadusagentuuri saatest “Uudishimu tippkeskus”

Tehisintellekti põhitõed saab soovi korral selgeks ka Helsingi Ülikooli ja tehnoloogiaettevõtte Reaktor välja töötatud veebikursuse “Elements of AI” (ka eesti keeles) abil.

Tehisintellekt ja haridus

Tehisintellekt aitab tõsta tootlikkust, toetab inimesi tööl ja igapäevaelus. Hariduses toetab see õpetamist ja õppimist veebipõhiste tehnoloogiatega. Haridusasutuste kogutavate andmete hulk kasvab ning vaja on lihtsaid ja käepäraseid vahendeid andmete mõtestamiseks, analüüsimiseks ja nende põhjal otsuste tegemiseks. Euroopa Komisjoni prognoosib (Tuomi jt, 2018), et tehisintellekt mõjutab lähiaastatel õppimist, õpetamist, poliitika kujundamist ning haridust tugevalt.

Eksperdid näevad tehisintellektis võimalust õppeprotsessi optimeerimiseks. Kui meil on sadu tuhandeid õpilasi, siis tehisintellekt annab meile võimaluse mõõta, kui hästi nad teatud ülesandeid lahendavaid, millised õppemeetodid toimivad hästi ja millised valmistavad probleeme.

Tehisintellekti kasutamist hariduses saab käsitada kui haridustehnoloogilist vahendit või valdkonna õppesisu. Noorte ettevalmistamisel tuleviku töökohtade jaoks tuleb pöörata tähelepanu eri aspektidele. Ekspertide hinnangul on tehisintellektist kui õppesisust rääkides oluline, et õppijad mõistaksid tehisintellektile tuginevaid tehnoloogiaid, oskaksid neid kriitiliselt hinnata ning luua uusi tehnoloogiaid, mis kasutavad tehisintellektiga seotud komponente. Näiteks on Austraalias välja töötatud lastele mõeldud koolitusprogramm, mille käigus kasutatakse Lego Mindstorms EV3 lahendusi tehisintellekti mõiste selgitamiseks.

Programmeerimise ja robootika õpetamine on kaasajal elementaarne. Samuti tuleks pöörata tähelepanu STEM-ainete õpetamisele, ehkki seda ei peaks üle tähtsustama. Praegune koolisüsteem peaks rohkem panustama andmekirjaoskusele – graafikute lugemine, seoste märkamine ning seoste põhjal lugude jutustamine.

Innar Liiv, TalTech, andmeteaduse dotsent

Tehisintellekt võimaldab personaliseeritud õppimist

Tehisintellekt kui vahend annab võimaluse automatiseerida teatud protsesse: hindamine, õppesisu kohandamine, osapoolte tagasisidestamine, õppeprotsessi analüüsimine. Õpetajad teavad, et diferentseeritud õppimine, tagasiside ja õppeprotsess on õppija arengu jaoks olulised. Samas on õpetajal keeruline leida aega, et panna igale õppijale kokku just talle sobiv õpitegevuste komplekt.

Tehisintellektil põhinevad tehnoloogiad võimaldavad meil parendada automaatse hindamise protsesse ning mõista õppijate hetkearengut. Sealt edasi järgmine samm on pakkuda õppijale personaliseeritud õpet, mis vastab tema arengule, huvidele ja õppimisvõimalustele.

Innar Liiv TalTech, andmeteaduse dotsent

Personaliseeritud õppimine on üks adaptiivse õppimise vormidest, mis tugineb õppija eelnevaid teadmisi ja vajadusi analüüsivale tehnoloogiale. Näitena on eksperdid tõmmanud paralleeli Facebookiga, mis soovitab kasutajale sisu selle põhjal, mida kasutaja keskkonnas teeb, et teda kauem keskkonnas hoida.

Kui läheneda samamoodi haridusprobleemidele, saab sarnase optimeerija panna peale muud tulemit optimeerima – tulem võib olla näiteks see, et inimene õpiks võimalikult palju erinevaid asju või vaid neid asju, mis teda huvitavad. Näiteks võime seadistada algoritmi, et mind huvitavad Eesti rändlinnud ja siis hakkab süsteem söötma vastavaid artikleid, raamatute peatükke, inimesi, kellega rääkida – annab meile võimaluse kujutada ette personaalset õpetajat.

Joosep Pata, California Institute of Technology, järeldoktor

Intelligentsed virtuaalsed tuutorid

Üks näide tehisintellekti võimalikust rakendamisest hariduses on tuutorsüsteem. Intelligentsed tehisintellektil põhinevad kognitiivsed tuutorid jäljendavad õpetaja rolli õppeprotsessis ja juhendavad õppimist, pakkudes õpilastele vihjeid, kui nad probleemi takerduvad.

Näiteks on põhjaliku tagasiside andmine kirjalikele töödele juhendaja jaoks suur ja ajakulukas protsess. Virtuaalsed tuutorsüsteemid saavad üle võtta pinnataseme vigade, teemade ja faktide-argumentide ülesleidmise. Virtuaalses klassiruumis, kus õpilased vaatavad näiteks videoloenguid, saavad intelligentsed virtuaalsed tuutorid sekkuda, küsides küsimusi otse õppijatelt ning vastates neile videolõikude uuesti esitamisega, kui on näha, et õppijal on raskusi teemast arusaamisega.

Selline kõikjale ulatuv tugi ja juhendamine on eriti kasulik suurte sissejuhatavate kursuste puhul, kus juhendajatel on raske osutada personaalset tähelepanu. Iseõppivaid rakendusi adaptiivsete õppevahenditena on loodud juba mitmeid, enim on kasutust leidnud keeleõpperakendused, mis kohandavad õppesisu kasutaja käitumise ja soorituse järgi: DuoLingo, Lingvist jms. Viimane kasutab keeleõppe tõhustamiseks keeleanalüüsimeetodeid, mis võimaldavad teenusel suurandmete töötluse ja tehisintellekti abil kiiresti kohandada õppematerjali õpitava teemavaldkonnaga. DuoLingo on töötanud välja õppija mudelid, kombineerides masinõpet, andmeteadust, kognitiivset psühholoogiat (mälu) ja psühholingvistilisi teooriaid (unustamiskõver), et ennustada täpsemalt õppija sõnade meenutamise määra ning mõista, milliseid vigu õppija keele omandamisel teeb.

Tehisintellekt hariduslike erivajadustega laste toetamisel

See kõik avab võimalusi selleks, et rakendada tehisintellektil tuginevaid tehnoloogiaid hariduslike erivajadustega laste toetamisel. Näiteks on teadlased töötanud välja robotid, mis toetavad autistliku diagnoosiga laste sotsiaalsete oskuste kujunemist, mida illustreerib hästi lisatud video. Robotite sekkumine tekitab autistlikes lastes huvi ja seob emotsionaalselt tegevustega. Sellise tehnoloogia kasutamine loob reaalseid võimalusi lahendada ka Eesti haridussüsteemi probleeme.

Teadlased on töötanud välja robotid, mis toetavad autistliku diagnoosiga laste sotsiaalsete oskuste kujunemist. Video: University of Twente

Jane on 4. klassi tüdruk, kel on kergemal kujul arvutamisraskused. Jane valdab teatud määral korrutustabelit, aga uute teemade omandamisel läheb korrutustabel meelest, samuti valmistab raskusi tehete järjekorra meelespidamine. Õpetaja kasutab õpilaste teadmiste kontrollimiseks rakendust, mis kasutab tehisintellektil põhinevaid algoritme õpilaste vigade analüüsiks.

Jane sooritabki arvutamisülesande, mis eeldab korrutustabeli teadmist, peast arvutamist ning lisaks on vaja jälgida tehete järjekorda: 3 x 9 + 364 + 72 : 9. Jane määrab ära tehete järjekorra ning arvutab vahetulemused välja. Süsteem näeb, et esimeseks tehteks määras Jane 3x9 ning sai vastuseks 24. Seejärel liitis Jane 364 + 27. Kolmandaks liitis saadud summale veel 27. Seejärel proovis Jane saadud summat jagada üheksaga, aga ei osanud.

Süsteem õppis sellest, et Janel on peastarvutamine selge, aga kolmega korrutamine ei ole peas ning samuti läks valesti tehete järjekord, seega järgnevad ülesanded keskenduvad esialgu lühematele tehetele ning lihtsamate arvude korrutamisele, et aidata Janel põhimõte selgeks saada. Samuti toetab süsteem mõnda aega Janet, andes kohe märku, kui esimene tehe valesti on valitud. Sama info on kättesaadav ka õpetajale, kes saab selle põhjal Janele sobivaid tunnitegevusi plaanida.

Tehisintellekt saab veel õppija kasutusmustrite põhjal selgitada välja, kuidas toetada last, kellel esineb düsgraafia, düskalkuulia või muu spetsiifiline haridusega seotud õpiraskus. Vigadest mustrite märkamine loob võimalusi õppija toetamiseks, tugevuste arendamiseks ning nõrkustega tegelemiseks. Tehisintellekti põhjal esitatud soovituste tõlgendamise ja tegevuste valimise protsess võib olla sama oluline kui õppetöö ise, toetades õpilaste eneseregulatsiooni ja metakognitiivsete oskuste kujundamist. Seetõttu on virtuaalsed mentorid, kiire tagasiside, õppematerjalide valimise protsess, erinevate andmete analüüsimine ja interpreteerimine õpilase võimalus mõtestada oma õppeprotsessi, võtta vastutus oma õppimise eest ning leida sobivad strateegiad paremate tulemuste saavutamiseks.

Kuna tehisintellektile tuginevad tehnoloogiad võimaldavad õpilase käitumist ja õppeprotsessi jälgida üsna suurel määral, siis on sellistest süsteemidest saanud oluline andmeallikas haridusteaduses.

Tehisintellekt Eesti koolides

Kaks kolmandikku HITSA küsitlusele vastanutest teavad, mida tehisintellekt endast kujutab, aga neil puudub arusaam, kuidas seda õppetöös rakendada. Mõningatel juhtudel teadsid vastanud küll, kuidas seda õppetöös kasutada, aga pole seda eri põhjustel seni teinud. Kolmveerand uuringus osalenuist väitis, et nende koolis tehisintellektil põhinevaid tehnoloogiaid ei kasutata või puudub neil teave nende kasutamisest. Vaid kahel juhul selgus, et tehisintellektil põhinevad tehnoloogiad on kasutusel – robootikalahendused ning nutikad praeahjud, mis vastajate sõnul tuginevad just sellele tehnoloogiale. Pooled uuringus osalenutest usuvad, et nende koolis hakatakse tehisintellektil tuginevaid tehnoloogiad kasutama lähiaastatel.

Mida tähele panna?

Tehisintellektil tuginevaid intelligentseid tuutorsüsteeme on palju kritiseeritud. On toodud välja, et süsteeme on arendatud juba aastakümneid ja kasutegur hariduses pole olnud nii plahvatuslik nagu oodatud – senised teenused on leidnud laiemat kasutust üsna vähestes valdkondades, nagu näiteks matemaatika või füüsika.

Veelgi enam, on kritiseeritud, et intelligentsete tuutorsüsteemide arendamine ei lähtu niivõrd pedagoogilistest vajadustest ja lähtekohtadest, kuivõrd tehnilistest võimalustest ja andmete kättesaadavusest. See aga tähendab, et õppimise mõistmine või õppija toetamine ei pruugi olla nii efektiivne, kui oodatud. Samas püüavad kaasaegsed intelligentsed õpikeskkonnad ja teenused mitte üksnes juhtida tähelepanu õppija vigadele, vaid aidata ka mõista, miks õppija mõnes ülesandes vea teeb, diagnoosida õpilaste väärarvamusi ja hinnata õppija arusaamasid teema omandamisel.

Olgugi et tuutorsüsteemide arendamise ajalugu on olnud pikk ja selle edukus on jätnud soovida, on selge, et tänu kiirele tagasisidele on tehisintellekt loonud võimaluse toetada õppijaid õppeprotsessis. Kas ja kuidas õppijad seda tagasisidet õppimise optimeerimisel kasutavad ning kuidas neid tulemusi paremini olemasolevate õppimisteooriatega siduda, jääb loodetavasti lähituleviku uurimisteemaks.

Tuutorsüsteem versus õpetaja

Kuigi mõningaid edusamme tehisintellekti toomiseks haridusruumi on tehtud, kahvatuvad need siiski rakenduste kõrval, mis on loodud väljaspool haridussüsteemi (panganduses, meditsiinis). Lisaks on oluline märkida, et kõrghariduse võimalused kasutada virtuaalseid tuutoreid ja teisi keerukamaid adaptiivseid õppimisvahendeid põrkuvad pidevalt murega, et tehnoloogia, sõltumata sellest kui inimlähedane see ka ei oleks, ei tohiks asendada õpetajat.

Peetakse debatte selle üle, kas ja millal me kaotame oma töö robotitele. Kardetakse, et valdkond areneb kiiremini kui inimeste arusaam sellest, kuna tehisintellekti funktsioonid on komplekssed ja läbipaistmatud. Meie igapäevastes toimingutes on juba praegu palju tehisintellekti, kuigi me ei pruugi sellest teadlikud olla. Facebook soovitab meile uusi sõpru, Amazon meeldivaid tooteid ja Spotify teab, missugune muusika meile meeldib. Tehisintellekt on juba mitmes valdkonnas muutnud meie elu mugavamaks, tehes meie eest igapäevaseid otsuseid ning mõjutades meie otsuseid ja käitumist. Tuleb meeles pidada, et selle mugavuse kõrval peab inimesel säilima kriitiline meel, terviku tajumise võime ning arusaam, et masin on siiski vaid masin.

Üks tehisintellektiga seotud ohte on see, et masinad paljundavad väärandmeid, korrates andmetest õpitavaid vigu (stereotüüpe), muutes neid reegliks. Samuti ei toimi tehisintellekt ja masinõpe, kui andmed ei ole kättesaadavad, need pole kvaliteetsed või võimaldavad algoritmid tulemusi vääralt tõlgendada. Privaatsuse ja eetikaga seotud küsimuste üle arutleme eraldi peatükis.

Inimene koos arvuti võimekusega saab olema efektiivsem kui inimene ilma selleta. Millistes rakendustes saab tehisintellekti võimekus lähima kümne aasta jooksul kõige nähtavamaks? Lõik Eesti Teadusagentuuri saatest “Uudishimu tippkeskus”

Kokkuvõte

Tehisintellekt loob võimalusi õppimise personaliseerimiseks. Tehnoloogia rakendamine võimaldab mõista erinevaid arenguid haridussüsteemis andmeanalüütikale ning tehisintellektile tuginevate tehnoloogiate kaudu. Olulised võimalused on järgmised:

  • õppeprotsessi diferentseerimine ja personaliseeritud õpiteede soovitamine;
  • eneseregulatsiooni ja ennastjuhtiva õppimise toetamine;
  • õppijale personaliseeritud tagasiside pakkumine;
  • õppeprotsessi analüüsimine õpetaja, haridusjuhi või poliitikakujundaja seisukohalt.

Tänaseid õppijaid ei ole võimalik täielikult ette valmistada tuleviku jaoks, kus tehisintellektil põhinevad tehnoloogiad laiemat rakendust leiavad. Oluline on luua platvorm elukestvaks õppeks ja üldpädevuse arendamiseks, pöörates sealjuures tähelepanu:

  • STEM õppeainete raames omandavatele oskustele;
  • andmekirjaoskusele – näiteks graafikute lugemine, tõlgendamine, otsuste tegemine andmete põhjal.

Riistvaralised tehnoloogiad, andmed ja analüütika annavad meile võimaluse kardinaalselt muuta hindamist, tagasisidestamist, õpetamist – sobivad tehnoloogiad selleks on olemas, neid tuleb lihtsalt kasutama hakata ning otsustusprotsessidesse integreerida. Muutunud õpikäsituse puhul annab see võimaluse asendada tasemetööd jooksva õppeprotsessi monitoorimisega ning lisaks mõista õppetööd klassi, kooli ja kohaliku omavalitsuse tasandil.

Lisainfo