Naeruväärsetest visioonidest reaalsuseni: miks tehisintellekt ja teenindusrobotid oma kriitikutest ette jõudsid

Eufooria ja põlguse vahel – tehnoloogiline teekond läbi aja

Tehnoloogiliste uuenduste ajalugu järgib sageli etteaimatavat mustrit: liialdatud eufooria faasile järgneb paratamatult pettumuse ja põlguse periood, enne kui tehnoloogia lõpuks vaikselt igapäevaelu vallutab. Seda nähtust võib eriti silmatorkavalt täheldada kahes tehnoloogiavaldkonnas, mida nüüd peetakse 21. sajandi võtmetehnoloogiateks: tehisintellekt ja teenindusrobotid.

1980. aastate lõpus sattus tehisintellekti uurimine oma ajaloo ühte sügavaimasse kriisi. Algas niinimetatud teine ​​tehisintellekti talv, uuringute rahastamist kärbiti ja paljud eksperdid kuulutasid mõtlevate masinate visiooni läbikukkumiseks. Sarnane saatus tabas teenindusroboteid kaks aastakümmet hiljem: kuigi oskustööliste puudus polnud aastatuhande vahetusel veel sotsiaalselt oluline teema, peeti teenindussektori roboteid kalliteks trikiteks ja ebareaalseks ulmeks.

See analüüs uurib mõlema tehnoloogia paralleelseid arenguteid ja paljastab mehhanismid, mis viivad revolutsiooniliste uuenduste süstemaatilise alahindamiseni. See näitab, et nii esialgne eufooria kui ka järgnenud põlgus olid võrdselt vigased – ja milliseid õppetunde saab sellest tulevaste tehnoloogiate hindamiseks õppida.

Sobib selleks:

• Platvormimajandus üleminekuperioodil: arengud septembrist 2018 kuni septembrini 2025

Tagasivaade eilsele: valesti mõistetud revolutsiooni lugu

Tänapäevase tehisintellekti uurimistöö juured ulatuvad 1950. aastatesse, mil pioneerid nagu Alan Turing ja John McCarthy panid mõtlevate masinate teoreetilised alused. Kuulsat 1956. aasta Dartmouthi konverentsi peetakse üldiselt tehisintellekti kui uurimisdistsipliini sünniks. Varaseid teadlasi inspireeris piiritu optimism: nad uskusid kindlalt, et masinad saavutavad inimese intelligentsuse mõne aasta jooksul.

1960. aastad tõid esimesed suurejoonelised edusammud. Sellised programmid nagu Logic Theorist suutsid tõestada matemaatilisi teoreeme ja 1966. aastal töötas Joseph Weizenbaum välja ELIZA, ajaloo esimese vestlusroboti. ELIZA simuleeris psühhoterapeuti ja suutis jäljendada inimeste vestlusi nii veenvalt, et isegi Weizenbaumi enda sekretär palus programmiga nelja silma all rääkida. Paradoksaalsel kombel oli Weizenbaum sellest edust jahmunud – ta oli tahtnud tõestada, et masinaid ei saa inimesi petta.

Kuid esimene suurem pettumus saabus 1970. aastate alguses. Kurikuulus 1973. aasta Lighthilli aruanne kuulutas tehisintellekti uuringud põhimõtteliseks läbikukkumiseks ja viis Suurbritannias teadusuuringute rahastamise drastiliste kärbeteni. USA-s järgis DARPA eeskuju sarnaste meetmetega. Esimene tehisintellekti talv oli alanud.

Oluline pöördepunkt oli Marvin Minsky ja Seymour Paperti 1969. aastal esitatud kriitika pertseptronite – varajaste närvivõrkude – kohta. Nad näitasid matemaatiliselt, et lihtsad pertseptronid ei suuda isegi XOR-funktsiooni õppida ja on seetõttu praktilistes rakendustes kasutuskõlbmatud. See kriitika viis närvivõrkude uurimise seisakuni peaaegu kaheks aastakümneks.

1980. aastad tähistasid esialgu tehisintellekti taassündi koos ekspertsüsteemide esiletõusuga. Need reeglipõhised süsteemid, näiteks nakkushaiguste diagnoosimisel kasutatav MYCIN, näisid lõpuks läbimurret pakkuvat. Ettevõtted investeerisid miljoneid spetsiaalsetesse Lispi masinatesse, mis olid optimaalselt loodud tehisintellekti programmide käitamiseks.

Kuid see eufooria ei kestnud kaua. 1980. aastate lõpuks sai selgeks, et ekspertsüsteemid olid põhimõtteliselt piiratud: need said toimida vaid kitsalt määratletud valdkondades, olid äärmiselt hooldusmahukad ja lakkasid täielikult töötamast niipea, kui sattusid ettenägematute olukordadega silmitsi. Lispi masinatööstus varises kokku suurejooneliselt – ettevõtted nagu LMI läksid pankrotti juba 1986. aastal. Algas teine ​​tehisintellekti talv, veelgi karmim ja kestvam kui esimene.

Samal ajal arenes robootika algselt peaaegu eranditult tööstussektoris. Jaapan võttis juba 1980. aastatel robotitehnoloogias juhtrolli, kuid keskendus samuti tööstuslikele rakendustele. Honda alustas humanoidrobotite väljatöötamist 1986. aastal, kuid hoidis seda uurimistööd rangelt saladuses.

Varjatud alus: kuidas läbimurded varjudes tekkisid

Kuigi tehisintellekti uuringuid peeti 1980. aastate lõpus avalikult läbikukkumiseks, toimusid samal ajal murrangulised arengud, ehkki suuresti märkamatult. Kõige olulisem läbimurre oli tagasilevitamise taasavastamine ja täiustamine Geoffrey Hintoni, David Rumelharti ja Ronald Williamsi poolt 1986. aastal.

See tehnika lahendas mitmekihiliste närvivõrkude õppimise põhiprobleemi, lükates seega ümber Minsky ja Paperti kriitika. Tehisintellekti kogukond reageeris sellele revolutsioonile aga esialgu vaevu. Saadaval olevad arvutid olid liiga aeglased, treeningandmeid liiga vähe ja üldine huvi närvivõrkude vastu oli 1960. aastate laastava kriitika tõttu jäädavalt kahjustatud.

Vaid vähesed visionääridest teadlased, nagu Yann LeCun, märkasid tagasilevitamise transformatiivset potentsiaali. Nad töötasid aastaid väljakujunenud sümboolse tehisintellekti varjus, pannes aluse sellele, mis hiljem vallutas maailma süvaõppena. See paralleelne areng näitab tehnoloogilise innovatsiooni iseloomulikku mustrit: läbimurded toimuvad sageli just siis, kui tehnoloogiat peetakse avalikult läbikukkumiseks.

Sarnast nähtust võib täheldada ka robootikas. Samal ajal kui 1990. aastatel keskendus avalikkuse tähelepanu suurejoonelistele, kuid lõppkokkuvõttes pealiskaudsetele edusammudele, nagu Deep Blue'i võit Garri Kasparovi üle 1997. aastal, arendasid Jaapani ettevõtted nagu Honda ja Sony vaikselt välja tänapäevaste teenindusrobotite aluseid.

Kuigi Deep Blue oli arvutusvõimsuse verstapost, põhines see siiski täielikult traditsioonilistel programmeerimistehnikatel ilma igasuguse reaalse õppimisvõimeta. Kasparov ise mõistis hiljem, et tõeline läbimurre ei seisnenud mitte toores arvutusvõimsuses, vaid iseõppivate süsteemide arendamises, mis on võimelised ennast täiendama.

Robootika arengule Jaapanis aitas kaasa kultuuriliselt erinev suhtumine automatiseerimisse ja robotitesse. Kui lääneriikides peeti roboteid peamiselt ohuks töökohtadele, siis Jaapan pidas neid vananevas ühiskonnas vajalikeks partneriteks. See kultuuriline aktsepteerimine võimaldas Jaapani ettevõtetel pidevalt investeerida robotitehnoloogiatesse, isegi kui lühiajaline äriline kasu ei olnud ilmne.

Samuti oli oluline põhitehnoloogiate järkjärguline täiustamine: andurid muutusid väiksemaks ja täpsemaks, protsessorid võimsamaks ja energiasäästlikumaks ning tarkvaraalgoritmid keerukamaks. Aastate jooksul kuhjusid need järkjärgulised edusammud kvalitatiivseteks hüpeteks, mida oli aga kõrvalseisjatel raske märgata.

Olevik ja läbimurre: kui võimatust saab igapäevane

Dramaatiliselt algas tehisintellekti ja teenindusrobotite tajumise dramaatiline muutus paradoksaalsel kombel just siis, kui mõlemad tehnoloogiad seisid silmitsi oma kõige karmima kriitikaga. 1990. aastate alguse tehisintellekti talv lõppes järsult läbimurrete seeriaga, mille juured olid 1980. aastate väidetavalt ebaõnnestunud lähenemisviisides.

Esimene pöördepunkt oli Deep Blue'i võit Kasparovi üle 1997. aastal, mis, kuigi põhines endiselt traditsioonilisel programmeerimisel, muutis jäädavalt avalikkuse arusaama arvutusvõimekusest. Olulisem oli aga 2000. aastatel alanud närvivõrkude taassünd, mida ajendas eksponentsiaalselt kasvav arvutusvõimsus ja suurte andmemahtude kättesaadavus.

Geoffrey Hintoni aastakümneid kestnud töö närvivõrkude alal kandis lõpuks vilja. Süvaõppe süsteemid saavutasid saavutusi pildituvastuses, loomuliku keele töötlemises ja muudes valdkondades, mida veel mõni aasta varem võimatuks peeti. AlphaGo alistas Go maailmameistri 2016. aastal ja ChatGPT tegi 2022. aastal revolutsiooni inimese ja arvuti interaktsioonis – mõlemad põhinesid tehnikatel, mille juured ulatuvad 1980. aastatesse.

Samal ajal arenesid teenindusrobotid ulmekirjandusest praktilisteks lahendusteks reaalsetele probleemidele. Demograafilised muutused ja kasvav oskustööliste puudus tekitasid ootamatult pakilise vajaduse automatiseeritud abi järele. Selliseid roboteid nagu Pepper kasutati hooldekodudes, samas kui logistikarobotid tegid ladudes revolutsiooni.

Selle juures polnud ülioluline mitte ainult tehnoloogiline areng, vaid ka sotsiaalse raamistiku muutus. Oskustööliste puudus, mis aastatuhande vahetusel probleemiks polnud, kujunes üheks arenenud majanduste ees seisvaks keskseks väljakutseks. Järsku ei peetud roboteid enam töökohtade tapjateks, vaid vajalikeks abilisteks.

COVID-19 pandeemia kiirendas seda arengut veelgi. Kontaktivabad teenused ja automatiseeritud protsessid muutusid olulisemaks, samal ajal muutus personalipuudus kriitilistes valdkondades, nagu tervishoid, dramaatiliselt ilmseks. Tehnoloogiad, mida aastakümneid oli peetud ebapraktilisteks, osutusid äkki hädavajalikuks.

Tänapäeval on nii tehisintellekt kui ka teenindusrobotid muutunud igapäevaseks reaalsuseks. Häälassistendid nagu Siri ja Alexa põhinevad otse ELIZA-st pärit tehnoloogiatel, kuid tänapäevased tehisintellekti tehnikad on neid hüppeliselt täiustanud. Hooldusrobotid toetavad Jaapani hooldekodude töötajaid juba rutiinselt, samas kui humanoidrobotid on läbimurde äärel teistes teenindusvaldkondades.

Praktilised näited: kui teooria kohtub reaalsusega

Muutumist pilkatud kontseptsioonidest hädavajalikeks tööriistadeks illustreerivad kõige paremini konkreetsed näited, mis jälgivad teed labori uudishimust turuvalmiduseni.

Esimene muljetavaldav näide on SoftBank Roboticsi loodud Pepper robot. Pepper põhineb aastakümnete pikkusel inimese ja roboti interaktsiooni uurimistööl ning algselt kavandati seda müügirobotina. Pepperit kasutatakse nüüd edukalt Saksamaa hooldekodudes dementsusega patsientidega suhtlemiseks. Robot suudab oma kohaloleku abil pidada lihtsaid vestlusi, pakkuda mälutreeningut ja edendada sotsiaalset suhtlust. See, mida 2000. aastatel peeti kalliks trikiks, on nüüd osutunud väärtuslikuks toeks ülekoormatud õenduspersonalile.

Eriti tähelepanuväärne on kannatlik aktsepteerimine: vanemad inimesed, kes pole kunagi arvutitega üles kasvanud, suhtlevad humanoidrobotiga loomulikult ja reservatsioonideta. See kinnitab aastakümneid vastuolulist teooriat, et inimestel on loomupärane kalduvus masinaid antropomorfiseerida – nähtus, mida täheldati juba ELIZA puhul 1960. aastatel.

Teine näide pärineb logistikast: autonoomsete robotite kasutamine ladudes ja jaotuskeskustes. Ettevõtted nagu Amazon kasutavad nüüd kümneid tuhandeid roboteid kaupade sorteerimiseks, transportimiseks ja pakkimiseks. Need robotid täidavad ülesandeid, mida veel mõned aastad tagasi peeti masinate jaoks liiga keeruliseks: nad navigeerivad autonoomselt dünaamilistes keskkondades, tunnevad ära ja manipuleerivad paljude erinevate objektidega ning koordineerivad oma tegevust inimkolleegidega.

Läbimurre ei tulnud ühest tehnoloogilisest hüppest, vaid erinevate tehnoloogiate integreerimisest: anduritehnoloogia täiustused võimaldasid täpset keskkonnataju, võimsad protsessorid võimaldasid reaalajas otsuste langetamist ja tehisintellekti algoritmid optimeerisid sadade robotite vahelist koordineerimist. Samal ajal muutsid majanduslikud tegurid – personali puudus, kasvavad tööjõukulud ja suurenenud kvaliteedinõuded – robotitehnoloogiasse investeerimise ootamatult kasumlikuks.

Kolmanda näite võib leida meditsiinilisest diagnostikast, kus tehisintellekti süsteemid aitavad nüüd arste haiguste avastamisel. Kaasaegsed pildituvastusalgoritmid suudavad diagnoosida nahavähki, silmahaigusi või rinnavähki täpsusega, mis on võrdne või isegi suurem kui meditsiinispetsialistidel. Need süsteemid põhinevad otseselt närvivõrkudel, mis töötati välja 1980. aastatel, kuid mida aastakümneid ebapraktilistena kõrvale heideti.

Arengu järjepidevus on eriti muljetavaldav: tänapäeva süvaõppe algoritmid kasutavad sisuliselt samu matemaatilisi põhimõtteid nagu 1986. aasta tagasilevitamise meetod. Oluline erinevus seisneb saadaolevas arvutusvõimsuses ja andmemahtudes. See, mida Hinton ja tema kolleegid väikeste mänguasjaprobleemidega demonstreerisid, töötab nüüd miljonite pikslitega meditsiiniliste piltide ja sadade tuhandete näidetega treeningandmekogumite puhul.

Need näited demonstreerivad iseloomulikku mustrit: tugitehnoloogiad ilmuvad sageli aastakümneid enne nende praktilist rakendamist. Teadusliku teostatavusuuringu ja turuvalmiduse vahel on tavaliselt pikk järkjärguliste täiustuste faas, mille jooksul tehnoloogia tundub kõrvalseisjatele seisva. Läbimurre toimub seejärel sageli äkki, kui mitu tegurit – tehnoloogiline küpsus, majanduslik vajadus, sotsiaalne aktsepteerimine – ühtuvad samaaegselt.

Meie globaalne tööstus- ja ärialane ekspertiis äriarenduses, müügis ja turunduses - pilt: Xpert.Digital

Tööstusharu fookus: B2B, digitaliseerimine (tehisintellektist XR-ini), masinaehitus, logistika, taastuvenergia ja tööstus

Lisateavet selle kohta siin:

• Xpert Business Hub

Teemakeskus koos teadmiste ja ekspertiisiga:

• Teadmisplatvorm globaalse ja regionaalse majanduse, innovatsiooni ja tööstusharude suundumuste kohta
• Analüüside, impulsside ja taustteabe kogumine meie fookusvaldkondadest
• Koht ekspertiisi ja teabe saamiseks äri- ja tehnoloogiavaldkonna praeguste arengute kohta
• Teemakeskus ettevõtetele, kes soovivad õppida turgude, digitaliseerimise ja valdkonna uuenduste kohta

Varjud ja vastuolud: progressi varjukülg

Tehisintellekti ja teenindusrobotite edulugu pole aga ilma varjukülgedeta ja lahendamata vastuoludeta. Esialgsel põlgusel nende tehnoloogiate vastu olid osaliselt täiesti õigustatud põhjused, mis on tänapäevalgi aktuaalsed.

Keskseks probleemiks on tänapäevaste tehisintellekti süsteemide nn musta kasti probleem. Kui 1980. aastate ekspertsüsteemidel olid vähemalt teoreetiliselt arusaadavad otsustusprotsessid, siis tänapäeva süvaõppesüsteemid on täiesti läbipaistmatud. Isegi nende arendajad ei suuda selgitada, miks närvivõrk konkreetse otsuse langetab. See toob kaasa olulisi probleeme kriitilistes rakendusvaldkondades, nagu meditsiin või autonoomne juhtimine, kus jälgitavus ja vastutus on üliolulised.

ELIZA looja Joseph Weizenbaum sai tehisintellekti arendamise üheks karmimaks kriitikuks põhjusega. Tema hoiatus, et inimesed kipuvad masinatele omistama inimlikke omadusi ja panema neisse liigset usaldust, on osutunud prohvetlikuks. ELIZA efekt – kalduvus pidada primitiivseid vestlusroboteid intelligentsemaks, kui nad tegelikult on – on tänapäeval asjakohasem kui kunagi varem, kuna miljonid inimesed suhtlevad iga päev häälassistentide ja vestlusrobotitega.

Robootika seisab silmitsi sarnaste väljakutsetega. Uuringud näitavad, et skeptitsism robotite suhtes Euroopas suurenes aastatel 2012–2017 märkimisväärselt, eriti seoses nende kasutamisega töökohal. See skeptitsism ei ole irratsionaalne: automatiseerimine viib tõepoolest teatud töökohtade kadumiseni, isegi kui uusi töökohti luuakse. Väide, et robotid võtavad enda peale ainult „räpaseid, ohtlikke ja igavaid” ülesandeid, on eksitav – nad võtavad üha enam üle ka oskustöölisi.

Õenduse areng on eriti problemaatiline. Kuigi õendusroboteid tervitatakse kui lahendust personalipuudusele, on oht, et need võivad niigi pingelises olukorras olevat sektorit veelgi dehumaniseerida. Robotitega suhtlemine ei saa asendada inimeste hooldust, isegi kui nad suudavad täita teatud funktsionaalseid ülesandeid. Kiusatus seisneb efektiivsuse kasvu eelistamises inimeste vajadustele.

Teine oluline probleem on võimu koondumine. Täiustatud tehisintellekti süsteemide arendamine nõuab tohutuid ressursse – arvutusvõimsust, andmeid, kapitali –, mida suudavad koondada vaid vähesed globaalsed korporatsioonid. See viib enneolematu võimu koondumiseni väheste tehnoloogiaettevõtete kätte, millel on ettearvamatud tagajärjed demokraatiale ja sotsiaalsele osalusele.

1980. aastate Lispi masinate ajalugu pakub siinkohal õpetliku paralleeli. Need ülimalt spetsialiseerunud arvutid olid tehniliselt geniaalsed, kuid kommertsiaalselt hukule määratud, kuna neid kontrollis vaid väike eliit ja need ei ühildunud standardtehnoloogiatega. Tänapäeval on oht, et sarnased isoleeritud lahendused arenevad välja ka tehisintellektis – erinevusega, et seekord on võim pigem väheste globaalsete korporatsioonide kui spetsialiseerunud nišiettevõtete käes.

Lõpuks jääb õhku küsimus pikaajalistest ühiskondlikest mõjudest. 1950. aastate optimistlikud ennustused, et automatiseerimine toob kaasa rohkem vaba aega ja heaolu kõigile, ei ole täitunud. Selle asemel on tehnoloogia areng sageli toonud kaasa suurema ebavõrdsuse ja uued ärakasutamise vormid. Pole põhjust arvata, et tehisintellektil ja robootikas on seekord teistsugune mõju, kui ei võeta teadlikke vastumeetmeid.

Sobib selleks:

• Robootikatehnoloogia edusammud: põhjalik ülevaade

Tuleviku horisondid: mida minevik homse kohta paljastab

Tehisintellekti ja teenindusrobotite paralleelne arengulugu pakub väärtuslikku teavet tulevaste tehnoloogiatrendide hindamiseks. Tuvastada saab mitmeid mustreid, mis tulevastes innovatsioonides suure tõenäosusega esile kerkivad.

Kõige olulisem muster on iseloomulik hype-tsükkel: uued tehnoloogiad läbivad tavaliselt ülepaisutatud ootuste faasi, millele järgneb pettumuse periood, enne kui need lõpuks praktilise küpsuse saavutavad. See tsükkel ei ole juhuslik, vaid peegeldab teaduslike läbimurrete, tehnoloogia arengu ja ühiskondliku omaksvõtu erinevaid ajaskaalasid.

Oluline on siinkohal arusaam, et murrangulised uuendused tekivad sageli just siis, kui tehnoloogiat peetakse avalikult läbikukkumiseks. Tagalevitamise meetod töötati välja 1986. aastal, teise tehisintellekti talve keskel. Kaasaegsete teenindusrobotite alused tekkisid 1990. ja 2000. aastatel, kui roboteid peeti veel ulmeks. Seda seetõttu, et kannatlik baasuuring toimub avalikkuse tähelepanu alt eemal ja kannab vilja alles aastaid hiljem.

Tuleviku jaoks tähendab see, et eriti paljulubavaid tehnoloogiaid leidub sageli valdkondades, mida praegu peetakse problemaatiliseks või ebaõnnestunuks. Kvantarvutus on sama, mis tehisintellekt 1980. aastatel: teoreetiliselt paljulubav, kuid mitte veel praktiliselt elujõuline. Termotuumaenergia on sarnases olukorras – aastakümneid on see turuvalmidusest 20 aasta kaugusel, kuid taustal toimub pidev areng.

Teine oluline muster on majanduslike ja sotsiaalsete tingimuste roll. Tehnoloogiad ei ole edukad mitte ainult oma tehnilise paremuse, vaid ka konkreetsete probleemide lahendamise tõttu. Demograafilised muutused tekitasid vajaduse teenindusrobotite järele, oskustööliste puudus muutis automatiseerimise hädavajalikuks ja digitaliseerimine tekitas andmemahud, mis tegid süvaõppe esialgu võimalikuks.

Sarnaseid tuleviku mõjutajaid on juba täna võimalik tuvastada: kliimamuutused soodustavad tehnoloogiaid, mis aitavad kaasa dekarboniseerimisele. Vananev ühiskond soodustab meditsiini- ja hooldusinnovatsiooni. Globaalsete süsteemide kasvav keerukus nõuab paremaid analüüsi- ja juhtimisvahendeid.

Kolmas muster puudutab erinevate tehnoloogiasuundade lähenemist. Nii tehisintellekti kui ka teenindusrobotite puhul ei olnud läbimurre üheainsa innovatsiooni, vaid pigem mitme arendussuuna integreerimise tulemus. Tehisintellektis ühinesid täiustatud algoritmid, suurem arvutusvõimsus ja ulatuslikumad andmekogumid. Teenindusrobotite puhul ühinesid anduritehnoloogia, mehaanika, energia salvestamise ja tarkvara edusammud.

Tulevased läbimurded tekivad suure tõenäosusega eri distsipliinide kokkupuutepunktides. Tehisintellekti ja biotehnoloogia ühendamine võib muuta personaalmeditsiini revolutsiooniliselt. Robootika integreerimine nanotehnoloogiaga võib avada täiesti uusi rakendusvaldkondi. Kvantarvutuse ja masinõppe ühendamine võib lahendada optimeerimisprobleeme, mida praegu peetakse lahendamatuks.

Samal ajal hoiatab ajalugu liigsete lühiajaliste ootuste eest. Enamiku revolutsiooniliste tehnoloogiate teaduslikust avastamisest kuni laialdase ühiskondliku omaksvõtuni kulub 20–30 aastat. See periood on vajalik tehniliste algusprobleemide ületamiseks, kulude vähendamiseks, infrastruktuuri rajamiseks ja sotsiaalse aktsepteerimise saavutamiseks.

Eriti oluline õppetund on see, et tehnoloogiad arenevad sageli täiesti erinevalt kui algselt ennustati. ELIZA eesmärk oli demonstreerida arvutikommunikatsiooni piire, kuid sellest sai eeskuju tänapäevastele vestlusrobotitele. Deep Blue alistas Kasparovi toore arvutusvõimsusega, kuid tõeline revolutsioon saabus iseõppivate süsteemidega. Teenindusrobotid olid algselt mõeldud inimtöötajate asendamiseks, kuid nad on osutunud väärtuslikuks täienduseks personalipuuduse olukordades.

See ettearvamatus peaks uute tehnoloogiate hindamisel meelde tuletama alandlikkust. Ei liigne eufooria ega üldine põlgus tee õiglast hinnangut tehnoloogilise arengu keerukusele. Selle asemel on vaja nüansirikast lähenemisviisi, mis võtab nii uute tehnoloogiate potentsiaali kui ka riske tõsiselt ning on valmis uute teadmiste põhjal hinnanguid muutma.

Valesti mõistetud ajastu õppetunnid: mis teadmistest alles jääb

Tehisintellekti ja teenindusrobotite paralleelsed ajalood paljastavad tehnoloogiliste muutuste olemuse kohta fundamentaalseid tõdesid, mis ulatuvad kaugemale nendest konkreetsetest valdkondadest. Need näitavad, et nii pime tehnoloogiline eufooria kui ka üldine tehnofoobia on võrdselt eksitavad.

Kõige olulisem arusaam on teadusliku läbimurde ja praktilise rakenduse vahelise ajalise lõhe äratundmine. See, mis tänapäeval paistab revolutsioonilise innovatsioonina, on sageli juurdunud aastakümnete pikkusesse baasuuringutesse. Geoffrey Hintoni 1986. aasta tagasipropageerimine kujundab tänapäeva ChatGPT-d ja autonoomseid sõidukeid. Joseph Weizenbaumi 1966. aasta ELIZA elab edasi tänapäevastes häälassistentides. See pikk latentsusaeg leiutise ja rakenduse vahel selgitab, miks tehnoloogia hindamised nii sageli ebaõnnestuvad.

Siin mängib olulist rolli nn "pettumuste org". Iga oluline tehnoloogia läbib faasi, kus esialgseid lubadusi ei suudeta täita ja seda peetakse läbikukkumiseks. See faas pole mitte ainult vältimatu, vaid isegi vajalik: see filtreerib välja kahtlased lähenemisviisid ja sunnib keskenduma tõeliselt elujõulistele kontseptsioonidele. Kaks tehisintellekti talve 1970. ja 1980. aastatel kõrvaldasid ebareaalsed ootused ja lõid ruumi kannatlikule eeltööle, mis hiljem viis tõeliste läbimurreteni.

Teine oluline arusaam puudutab sotsiaalsete tingimuste rolli. Tehnoloogiad ei ole edukad mitte ainult oma tehnilise üleoleku, vaid ka konkreetsete sotsiaalsete vajaduste rahuldamise tõttu. Demograafilised muutused on muutnud teenindusrobotid kurioosumist hädavajalikuks. Oskustööliste puudus on muutnud automatiseerimise ohust päästevahendiks. See kontekstuaalne sõltuvus selgitab, miks sama tehnoloogiat hinnatakse eri aegadel täiesti erinevalt.

Eriti tähelepanuväärne on kultuuriliste tegurite olulisus. Jaapani positiivne suhtumine robotitesse võimaldas jätkuvaid investeeringuid sellesse tehnoloogiasse isegi siis, kui seda läänes ebapraktiliseks peeti. See kultuuriline avatus tasus end ära, kui robotite järele tekkis ootamatult kogu maailmas nõudlus. Seevastu kasvav skeptitsism automatiseerimise suhtes Euroopas viis mandri mahajäämiseni oluliste tulevikutehnoloogiate osas.

Ajalugu hoiatab ka tehnoloogilise monokultuuri ohtude eest. 1980. aastate Lispi masinad olid tehniliselt geniaalsed, kuid ebaõnnestusid, kuna need esindasid kokkusobimatuid isoleeritud lahendusi. Tänapäeval on aga vastupidine oht: mõne globaalse tehnoloogiaettevõtte domineerimine tehisintellekti ja robootika valdkonnas võib viia problemaatilise võimu koondumiseni, pärssides innovatsiooni ja raskendades demokraatlikku kontrolli.

Lõpuks näitab analüüs, et tehnoloogiline kriitika on sageli õigustatud, kuid seda tehakse valedel põhjustel. Joseph Weizenbaumi hoiatus arvutite inimlikumaks muutmise kohta oli prohvetlik, kuid tema järeldus, et tehisintellekti ei tohiks selle tõttu arendada, osutus valeks. Skeptitsism teenindusrobotite suhtes põhines õigustatud murel töökohtade pärast, kuid eirati nende potentsiaali tööjõupuuduse lahendamiseks.

See arusaam on eriti oluline uute tehnoloogiate hindamisel. Kriitika ei tohiks olla suunatud tehnoloogia enda, vaid pigem problemaatiliste rakenduste või ebapiisava reguleerimise vastu. Ülesanne on rakendada uute tehnoloogiate potentsiaali, minimeerides samal ajal nende riske.

Tehisintellekti ja teenindusrobotite ajalugu õpetab meile alandlikkust: ei 1950. aastate entusiastlikud ennustused ega 1980. aastate pessimistlikud prognoosid täitunud. Tegelikkus oli keerulisem, aeglasem ja üllatavam kui oodatud. Seda õppetundi tuleks alati meeles pidada tänapäeva tulevikutehnoloogiate hindamisel – alates kvantarvutusest kuni geenitehnoloogia ja termotuumasünteesienergiani.

Samal ajal näitab ajalugu, et kannatlik ja pidev uurimistöö võib viia revolutsiooniliste läbimurreteni isegi ebasoodsates oludes. Geoffrey Hintoni aastakümneid kestnud töö närvivõrkude alal oli pikka aega naeruväärne, kuid tänapäeval kujundab see meie kõigi elu. See peaks meid julgustama mitte alla andma isegi näiliselt lootusetutes uurimisvaldkondades.

Kuid ehk suurim õppetund on see: tehnoloogiline progress ei ole automaatselt hea ega automaatselt halb. See on tööriist, mille mõju sõltub sellest, kuidas me seda kasutame. Ülesanne ei ole tehnoloogiat demoniseerida ega jumaldada, vaid seda teadlikult ja vastutustundlikult kujundada. Ainult nii saame tagada, et järgmine põlvkond alahinnatud tehnoloogiaid panustab tõeliselt inimkonna heaolusse.

☑️ Meie ärikeel on inglise või sakslane

☑️ Uus: kirjavahetus teie riigikeeles!

Konrad Wolfenstein

Mul on hea meel, et olete teile ja minu meeskonnale isikliku konsultandina kättesaadav.

Võite minuga ühendust võtta, täites siin kontaktvormi või helistage mulle lihtsalt telefonil +49 89 674 804 (München) . Minu e -posti aadress on: Wolfenstein ∂ xpert.digital

Ootan meie ühist projekti.

☑️ VKE tugi strateegia, nõuannete, planeerimise ja rakendamise alal

☑️ digitaalse strateegia loomine või ümberpaigutamine ja digiteerimine

☑️ Rahvusvaheliste müügiprotsesside laiendamine ja optimeerimine

☑️ Globaalsed ja digitaalsed B2B kauplemisplatvormid

☑️ teerajajate äriarendus / turundus / PR / mõõde

Saage kasu Xpert.Digitali ulatuslikust, viiekordsest asjatundlikkusest terviklikus teenustepaketis | Teadus- ja arendustegevus, XR, PR ja digitaalse nähtavuse optimeerimine - Pilt: Xpert.Digital

Xpert.digital on sügavad teadmised erinevates tööstusharudes. See võimaldab meil välja töötada kohandatud strateegiad, mis on kohandatud teie konkreetse turusegmendi nõuetele ja väljakutsetele. Analüüsides pidevalt turusuundumusi ja jätkates tööstuse arengut, saame tegutseda ettenägelikkusega ja pakkuda uuenduslikke lahendusi. Kogemuste ja teadmiste kombinatsiooni abil genereerime lisaväärtust ja anname klientidele otsustava konkurentsieelise.

Lisateavet selle kohta siin:

• Kasutage Xpert.digital 5 -kordist kompetentsi ühes paketis alates 500 €/kuus