Naeruväärsetest visioonidest reaalsuseni: miks tehisintellekt ja teenindusrobotid on oma kriitikud ületanud

Eufooria ja põlguse vahel – tehnoloogiline teekond läbi aja

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

1980. aastate lõpus oli tehisintellekti uurimine oma ajaloo ühes sügavaimas kriisis. Oli alanud 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 vahetuse paiku veel sotsiaalselt oluline teema, peeti teenindussektori roboteid kalliteks mänguasjadeks ja ebareaalseks ulmeks.

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

Sellega seotud:

• Platvormimajandus üleminekuperioodil: arengud septembrist 2018 kuni septembrini 2025

Pilk tagasi eilsele: lugu valesti mõistetud revolutsioonist

Tänapäevase tehisintellekti uurimistöö juured ulatuvad 1950. aastatesse, mil pioneerid nagu Alan Turing ja John McCarthy panid paika mõtlevate masinate teoreetilised alused. Kuulsat 1956. aasta Dartmouthi konverentsi peetakse üldiselt tehisintellekti kui uurimisdistsipliini sünniks. Varased teadlased olid täis piiritut optimismi: nad uskusid kindlalt, et masinad jõuavad inimese intellektini vaid mõne aastaga.

1960. aastad tõid esimesed suurejoonelised edusammud. Programmid nagu Logic Theorist suutsid tõestada matemaatilisi teoreeme ja 1966. aastal töötas Joseph Weizenbaum välja ELIZA, ajaloo esimese vestlusroboti. ELIZA simuleeris psühhoterapeuti ja oli inimvestluse imiteerimisel nii veenev, et isegi Weizenbaumi enda sekretär palus luba programmiga üksi rääkida. Paradoksaalsel kombel oli Weizenbaum sellest edust jahmunud – ta oli tahtnud tõestada, et masinatega ei saa inimesi petta.

Kuid esimene suurem pettumus algas juba 1970. aastatel. Kurikuulus 1973. aasta Lighthilli aruanne kuulutas tehisintellekti uuringud põhimõtteliseks läbikukkumiseks ja viis Suurbritannias teadusuuringute rahastamise drastiliste kärbeteni. USA DARPA järgis 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 peatas närvivõrkude uurimise peaaegu kaheks aastakümneks.

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

Kuid ka 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. Alanud oli teine ​​tehisintellekti talv, veelgi karmim ja kestvam kui esimene.

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

Varjatud alus: kuidas läbimurded varjus tekkisid

Kuigi tehisintellekti uuringuid peeti 1980. aastate lõpus avalikult läbikukkumiseks, toimusid samaaegselt murrangulised arengud, ehkki need jäid suures osas märkamata. 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 üldist huvi närvivõrkude vastu oli 1960. aastate laastav kriitika tugevalt kahjustanud.

Vaid vähesed visionääridest teadlased, näiteks Yann LeCun, märkasid tagasilevitamise transformatiivset potentsiaali. Nad töötasid aastaid väljakujunenud sümboolse tehisintellekti varjus, pannes aluse sellele, mis hiljem vallutas maailma süvaõppena. See paralleelne areng illustreerib 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 alust tänapäevastele teenindusrobotitele.

Kuigi Deep Blue oli arvutusvõimsuse verstapost, põhines see siiski täielikult traditsioonilistel programmeerimistehnikatel ilma tegelike õppimisvõimeteta. Kasparov ise mõistis hiljem, et tõeline läbimurre ei seisnenud mitte toores arvutusvõimsuses, vaid adaptiivsete ja enesetäiendamise võimeliste süsteemide arendamises.

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

Oluline oli ka alustehnoloogiate järkjärguline täiustamine: andurid muutusid väiksemaks ja täpsemaks, protsessorid võimsamaks ja energiatõhusamaks ning tarkvaraalgoritmid keerukamaks. Need järkjärgulised edusammud moodustasid aastate jooksul kvalitatiivseid hüppeid, mida aga kõrvalseisjatel oli raske märgata.

Olevik ja läbimurre: kui võimatust saab tavaline

Dramaatiliselt algas tehisintellekti ja teenindusrobotite tajumise dramaatiline muutus paradoksaalsel kombel just siis, kui mõlemad tehnoloogiad sattusid oma kõige karmima kriitika alla. 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 põhjalikult avalikkuse arusaama arvutusvõimekusest. Olulisem oli aga närvivõrkude taassünd alates 2000. aastatest, mida ajendas eksponentsiaalselt kasvav arvutusvõimsus ja suurte andmekogumite kättesaadavus.

Geoffrey Hintoni aastakümnete pikkune töö närvivõrkude alal kandis lõpuks vilja. Süvaõppe süsteemid saavutasid jõudlust pildituvastuses, kõne 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 põhinevad 1980. aastatel alguse saanud tehnikatel.

Paralleelselt arenesid teenindusrobotid ulmevisioonist praktilisteks lahendusteks reaalsetele probleemidele. Demograafilised muutused ja oskustööliste suurenev puudus tekitasid ootamatult pakilise vajaduse automatiseeritud abi järele. Hooldekodudes võeti kasutusele robotid nagu Pepper, 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 arenenud majanduste üheks 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, näiteks õenduses, 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 neid on tänapäevaste tehisintellekti meetodite abil eksponentsiaalselt täiustatud. Hooldusrobotid toetavad Jaapani hooldekodude töötajaid juba tavapäraselt, samas kui humanoidrobotid on läbimurde äärel ka teistesse teenindussektoritesse.

Praktilised näited: kui teooria kohtub reaalsusega

Naeruväärseks peetud kontseptsioonide muutumist hädavajalikeks tööriistadeks saab kõige paremini illustreerida konkreetsete näidetega, mis jälgivad teed laboriuudishimust turuküpsuseni.

Esimene muljetavaldav näide on SoftBank Roboticsi Pepperi roboti väljatöötamine. Pepper põhineb aastakümnete pikkusel inimese ja roboti interaktsiooni uurimistööl ning algselt kavandati see jaemüügirobotina. Tänapäeval kasutatakse Pepperit edukalt Saksamaa hooldekodudes dementsusega patsientide kaasamiseks. Robot suudab pidada lihtsaid vestlusi, pakkuda mälutreeningut ja edendada oma kohaloleku kaudu sotsiaalset suhtlust. See, mis 2000. aastatel peeti kalliks uudsuseks, osutub nüüd väärtuslikuks toeks ülekoormatud õenduspersonalile.

Eriti tähelepanuväärne on patsientide omaksvõtt: eakad inimesed, kes pole kunagi arvutitega üles kasvanud, suhtlevad humanoidrobotiga loomulikult ja kõhkluseta. See kinnitab pikka aega vaieldud 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 mitmesuguste objektidega ning koordineerivad oma tegevust inimkolleegidega.

Läbimurret ei saavutatud üheainsa tehnoloogilise hüppe, vaid erinevate tehnoloogiate integreerimise kaudu: anduritehnoloogia täiustused võimaldasid täpset keskkonnataju, võimsad protsessorid lubasid reaalajas otsuseid langetada ja tehisintellekti algoritmid optimeerisid sadade robotite vahelist koordinatsiooni. Samal ajal tagasid majanduslikud tegurid – tööjõupuudus, suurenenud tööjõukulud ja kõrgemad kvaliteedinõuded – selle, et investeeringud robootikatehnoloogiasse muutusid 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 parem kui spetsialistidel. Need süsteemid põhinevad otseselt närvivõrkudel, mis töötati välja 1980. aastatel, kuid mida aastakümneid ebapraktilistena kõrvale heideti.

Eriti muljetavaldav on arenduse järjepidevus: tänapäeva süvaõppe algoritmid kasutavad sisuliselt samu matemaatilisi põhimõtteid nagu 1986. aasta tagasilevitamise meetod. Oluline erinevus seisneb saadaolevas arvutusvõimsuses ja andmete hulgas. See, mida Hinton ja tema kolleegid demonstreerisid väikeste, mänguasjataoliste probleemidega, toimib nüüd ka miljoneid piksleid sisaldavate meditsiiniliste piltide ja sadade tuhandete näidetega treeningandmekogumite puhul.

Need näited illustreerivad iseloomulikku mustrit: põhitehnoloogiad tekivad sageli aastakümneid enne nende praktilist rakendamist. Teadusliku teostatavusuuringu ja turuvalmiduse vahel on tavaliselt pikk järkjärguliste täiustuste faas, mille jooksul tehnoloogia tundub kõrvalseisjatele seisva. Seejärel toimub läbimurre sageli äkki, kui mitu tegurit – tehnoloogiline küpsus, majanduslik vajadus ja ühiskondlik aktsepteerimine – ühtuvad samaaegselt.

Tööstusharude fookusvaldkonnad: B2B, digitaliseerimine (tehisintellektist XR-ini), masinaehitus, logistika, taastuvenergia ja tööstus

Lisateavet leiate siit:

• Ekspertide ärikeskus

Temaatiline keskus, mis pakub teadmisi ja oskusteavet:

• Teadmisplatvorm, mis hõlmab globaalset ja piirkondlikku majandust, innovatsiooni ja valdkonnapõhiseid trende
• Analüüside, arusaamade ja taustainfo kogum meie peamistest fookusvaldkondadest
• Koht ekspertiisi ja teabe saamiseks äri- ja tehnoloogiavaldkonna praeguste arengute kohta
• Keskus ettevõtetele, kes otsivad teavet turgude, digitaliseerimise ja valdkonna uuenduste kohta

Varjud ja vastuolud: progressi teine ​​külg

Tehisintellekti ja teenindusrobotite edulugu ei ole aga ilma varjukülgedeta ja lahendamata vastuoludeta. Esialgne põlgus just nende tehnoloogiate vastu oli osaliselt õigustatud ning mõned põhjused on tänapäevalgi aktuaalsed.

Üks peamisi probleeme on tänapäevaste tehisintellekti süsteemide nn musta kasti küsimus. Kui 1980. aastate ekspertsüsteemidel olid vähemalt teoreetiliselt arusaadavad otsustusprotsessid, siis tänapäeva süvaõppe süsteemid 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 õigustatult üheks tehisintellekti arendamise häälekamaks kriitikuks. Tema hoiatus, et inimesed kipuvad masinatele omistama inimlikke omadusi ja panema neisse liigset usaldust, on osutunud prohvetlikuks. ELIZA efekt – kalduvus tajuda primitiivseid vestlusroboteid intelligentsematena, kui nad tegelikult on – on tänapäeval olulisem 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 samal ajal luuakse uusi. Väide, et robotid võtavad üle ainult „räpased, ohtlikud ja igavad” ülesanded, on liigne lihtsustamine – nad võtavad üha enam üle ka oskustöölisi.

Olukord hooldussektoris on eriti problemaatiline. Samal ajal kui hooldusroboteid reklaamitakse personalipuuduse lahendusena, on oht, et niigi pinges valdkonda dehumaniseeritakse veelgi. Robotitega suhtlemine ei saa asendada inimeste hooldust, isegi kui nad saavad teatud funktsionaalseid ülesandeid üle võtta. 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 pakkuda vaid vähesed globaalsed korporatsioonid. See viib enneolematu võimu koondumiseni väheste tehnoloogiaettevõtete kätte, millel on ettearvamatud tagajärjed demokraatiale ja sotsiaalsele osalusele.

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

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

Sellega seotud:

• 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 suure tõenäosusega ilmnevad ka tulevastes innovatsioonides.

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 see, et murrangulised uuendused tekivad sageli just siis, kui tehnoloogiat peetakse avalikult läbikukkumiseks. Tagalevitamise meetod töötati välja 1986. aastal, otse teise tehisintellekti talve keskel. Kaasaegsete teenindusrobotite alus pandi 1990. ja 2000. aastatel, kui roboteid peeti veel ulmeks. Seda seetõttu, et avalikkuse tähelepanu alt eemal toimub kannatlik fundamentaalne uurimistöö, mis kannab vilja alles aastaid hiljem.

Tulevikku vaadates 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 rakendatav. Termotuumasünteesienergia on sarnases olukorras – aastakümneid „20 aastat turuvalmidusest eemal“, kuid pideva edasiminekuga taustal.

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 genereeris tohutu hulga andmeid, mis tegid süvaõppe üldse võimalikuks.

Tuleviku jaoks on sarnaseid tegureid juba võimalik tuvastada: kliimamuutused soodustavad tehnoloogiaid, mis aitavad kaasa dekarboniseerimisele. Vananev elanikkond soodustab meditsiini- ja õendusalaseid uuendusi. Globaalsete süsteemide kasvav keerukus nõuab paremaid analüüsi- ja juhtimisvahendeid.

Kolmas muster puudutab erinevate tehnoloogiliste suundade 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 andurite, mehaanika, energia salvestamise ja tarkvara edusammud.

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

Samal ajal hoiatab ajalugu liialdatud lühiajaliste ootuste eest. Enamiku revolutsiooniliste tehnoloogiate teaduslikust avastamisest kuni laialdase ühiskondliku omaksvõtuni kulub 20–30 aastat. See ajavahemik on vajalik esialgsete tehnoloogiliste probleemide 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 võitis Kasparovi puhta arvutusvõimsusega, kuid tõeline revolutsioon tuli adaptiivsetest süsteemidest. Teenindusrobotid olid algselt mõeldud inimtöötajate asendamiseks, kuid on osutunud väärtuslikuks täienduseks personalipuuduse olukordades.

See ettearvamatus peaks meelde tuletama, et uute tehnoloogiate hindamisel tuleb olla alandlik. Ei liigne eufooria ega üldine põlgus tee õiglust 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 vaenulikkus tehnoloogia suhtes on võrdselt eksitavad.

Kõige olulisem arusaam on teadusliku läbimurde ja praktilise rakenduse vahelise ajalise nihke äratundmine. See, mis tänapäeval paistab revolutsioonilise innovatsioonina, on sageli juurdunud aastakümneid tagasi tehtud fundamentaaluuringutesse. Geoffrey Hintoni 1986. aasta tagasipropagatsioon kujundab tänapäeval 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 on ülioluline roll nn "pettumuste orul". 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 järeldus puudutab ühiskondlike tingimuste rolli. Tehnoloogiad ei ole edukad ainuüksi oma tehnoloogilise üleoleku tõttu, vaid seetõttu, et need vastavad konkreetsetele ühiskondlikele vajadustele. Demograafilised muutused on muutnud teenindusrobotid kurioosumist hädavajalikuks. Oskustööliste puudus on muutnud automatiseerimise ohust päästerõngaks. See kontekstist sõltuvus selgitab, miks sama tehnoloogiat hinnatakse eri aegadel täiesti erinevalt.

Eriti tähelepanuväärne on kultuuriliste tegurite olulisus. Jaapani positiivne suhtumine robotitesse võimaldas pidevaid investeeringuid sellesse tehnoloogiasse, isegi kui seda läänes ebapraktiliseks peeti. See kultuuriline avatus tasus end ära, kui robotitest sai ootamatult ülemaailmne vajadus. Seevastu kasvav skeptitsism automatiseerimise suhtes Euroopas põhjustas mandri mahajäämuse 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, mis lämmatab innovatsiooni ja raskendab demokraatlikku kontrolli.

Lõpuks näitab analüüs, et tehnoloogiline kriitika on sageli õigustatud, kuid põhineb valedel põhjustel. Joseph Weizenbaumi hoiatus arvutite antropomorfiseerimise eest oli prohvetlik, kuid tema järeldus, et tehisintellekti ei tohiks seetõttu 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 tehnoloogiale endale, vaid pigem problemaatilistele rakendustele või ebapiisavale reguleerimisele. 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 ei täitunud. Tegelikkus oli keerulisem, aeglasem ja üllatavam kui oodatud. Seda õppetundi tuleks alati meeles pidada tänapäevaste tekkivate tehnoloogiate 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.

Võib-olla on aga suurim õppetund see: tehnoloogiline progress ei ole oma olemuselt hea ega 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 järgmise põlvkonna alahinnatud tehnoloogiad panustavad tõeliselt inimkonna heaolusse.

☑️ Meie ärikeel on inglise või saksa keel

☑️ UUS: Kirjavahetus teie emakeeles!

 

Mina ja minu meeskond oleme hea meelega teie käsutuses teie isikliku nõustajana.

Võite minuga ühendust võtta, täites siinse kontaktvormi wolfenstein@xpert.digital:või helistades mulle numbril +49 7348 4088 965. Minu e-posti aadress on

Ootan põnevusega meie ühist projekti.

 

 

☑️ VKEde tugi strateegia, konsultatsioonide, planeerimise ja rakendamise alal

☑️ Digitaalse strateegia loomine või ümberkorraldamine ja digitaliseerimine

☑️ Rahvusvaheliste müügiprotsesside laiendamine ja optimeerimine

☑️ Globaalsed ja digitaalsed B2B kauplemisplatvormid

☑️ Pioneer Äriarendus / Turundus / PR / Messid

Xpert.Digitalil on põhjalikud teadmised erinevates tööstusharudes. See võimaldab meil välja töötada kohandatud strateegiaid, mis on täpselt kooskõlas teie konkreetse turusegmendi nõuete ja väljakutsetega. Turusuundumuste pideva analüüsimise ja valdkonna arengute jälgimise abil saame tegutseda ennetavalt ja pakkuda uuenduslikke lahendusi. Kogemuste ja oskusteabe kombinatsioon loob lisaväärtust ja annab meie klientidele otsustava konkurentsieelise.

Lisateavet leiate siit:

• Kasuta Xpert.Digitali viit ekspertiisivaldkonda ühes paketis – alates kõigest 500 eurost kuus