Pasaule strauji dodas visaptverošas pakalpojumu digitalizācijas un mobilitātes virzienā, un daudzas nozares un mājsaimniecības jau šobrīd ir lielā mērā atkarīgas no automatizācijas un robotizēto sistēmu izmantošanas. Kaspersky ļaunprogrammatūru eksperts Aleksejs Malanovs intervijā Neatkarīgajai atklāj, kas pasauli gaida robotiem pilnā nākotnē.
- Runājot par robotizāciju, ir jāizšķir trīs horizonti - tuvā, tālā un vistālākā nākotne. Tas, ka šobrīd jau tiek lietots termins mākslīgais intelekts, nebūt nenozīmē, ka šāds intelekts jau reāli eksistē. Īstenībā tas, ko šobrīd daži jau sauc par mākslīgo intelektu, ir mašīnu apmācība vai vājais mākslīgais intelekts, ja tiešām ļoti gribas lietot šo terminu. Īstā jeb stiprā mākslīgā intelekta rašanās ir attiecināma uz vistālāko nākotni. Kad tas radīsies, neviens nezina. Mēs lēšam, ka tas diez vai notiks mūsu dzīves vai pat mūsu bērnu dzīves laikā. Taču jau šobrīd ir skaidrs, ka tas nesīs sev līdzi problēmas, kādas šobrīd pat neapzināmies. Nezinām, kā cilvēki spēs dzīvot pasaulē, kurā viņu vietā ne tikai daudzus darbus darīs roboti, bet, iespējams, pat domās viņu vietā. Tāpēc jau no paša sākuma ir svarīgi visu izdarīt pareizi.
Vidēji tālās nākotnes lielākā problēma būs tā, ka daudzi cilvēki zaudēs darbu, jo to labāk, efektīvāk un lētāk spēs izdarīt roboti. Pirmām kārtām bez darba varētu palikt tālbraucējšoferi, taksometru vadītāji, kurjeri, loģistikas noliktavās strādājošie, pēc tam arī pārstāvji no daudzām citām profesijām, kurās cilvēkus varēs viegli aizvietot ar robotiem. Kritisko masu šī tendence varētu sasniegt 10 līdz 20 gadu laikā. Tas, protams, ir biedējoši, nepatīkami un varētu radīt arī zināmu saspīlējumu, bet tam nebūs fatālu seku. Cilvēce to pārdzīvos un pielāgosies. Vēsturē jau ir bijuši šādi piemēri, kad atsevišķas profesijas pilnībā izmirst. Vienkārši ar to vajadzēs rēķināties, daļai strādājošo pārorientējoties uz citām profesijām. Savukārt tuvākā nākotne - tā ir mašīnu apmācības attīstība.
- Cik tuva ir šī nākotne?
- Tas ir atkarīgs no tā, cik ātri attīstīsies mašīnu apmācība un cik mēs būsim drosmīgi, ieviešot tās sasniegumus dzīvē. Ja tas notiks tuvāko divu gadu laikā, tad tā būs divu gadu nākotne, ja piecu gadu laikā - tad piecu gadu nākotne. Tas lielā mērā būs atkarīgs no mums pašiem. Taču vienlaikus jārēķinās, ka līdz ar mašīnu apmācības attīstību varētu pieaugt arī hakeru uzbrukumi, sociālo tīklu kontu uzlaušana - gan ar mērķi vienkārši pakaitināt sabiedrību vai nodemonstrēt savu varēšanu, gan, kas ir daudz ļaunāk - ar krāpnieciskiem mērķiem. Īstenībā tas jau notiek mūsdienās. Kaspersky šā gada pirmajos sešos mēnešos ir konstatējuši 105 miljonus uzbrukumu lietu interneta ierīcēm, kas veikti no 276 tūkstošiem unikālu IP adrešu. Tas ir septiņas reizes vairāk nekā 2018. gada 1. pusgadā, kad tika novēroti tikai aptuveni 12 miljoni uzbrukumu no 69 tūkstošiem IP adrešu. Kiberuzbrukumu skaits lietu interneta ierīcēm strauji aug, jo, lai gan arvien vairāk ļaužu un organizāciju iegādājas vieda , tas ir, ar interneta tīklu savienotas un interaktīvas ierīces, piemēram, maršrutētājus vai videoreģistratorus, ne visi uzskata, ka tās ir vērts aizsargāt. Savukārt kibernoziedznieki saskata arvien vairāk finansiālu iespēju šādu ierīču izmantošanā. Lai labāk izprastu, kā šādi uzbrukumi notiek un kā tos novērst, Kaspersky eksperti uzstādīja urķuslazdus — mānekļierīces, kas tika izmantotas kibernoziedznieku pievilināšanai un viņu darbības analīzei. No šiem urķuslazdiem savākto datu analīze liecina, ka uzbrukumi lietu interneta ierīcēm parasti nav sarežģīti, bet ir slēpti, tā ka lietotāji var pat nepamanīt, ka viņu ierīces tiek izmantotas. Vēl pētniekiem izdevās noteikt, kuri reģioni 2019. gada 1. pusgadā visbiežāk ir bijuši infekcijas avoti. Tā ir Ķīna ar 30 procentiem visu šajā valstī notikušo uzbrukumu, Brazīlija ar 19 procentiem un Ēģipte ar 12 procentiem. Pirms gada, 2018. gada 1. pusgadā, situācija bija citāda: Brazīlija bija priekšgalā ar 28 procentiem, Ķīna ierindojās otrajā vietā ar 14 procentiem un Japāna sekoja ar 11 procentiem.
- Jūs mākslīgā intelektu apzīmēšanai izmantojat divus terminus - vājais un stiprais. Kāpēc tā?
- Tur jau ir tā lieta, ka daļa sabiedrības neizprot atšķirību starp mašīnu apmācību un mākslīgo intelektu, un daļa uzņēmumu to izmanto, savu mašīnu apmācības programmu lepni dēvējot par mākslīgo intelektu, lai gan pēc būtības tas ir tikai mārketinga triks. Īstenībā starp mašīnapmācību un mākslīgo intelektu ir ļoti liela atšķirība. Pirmais reaģē un darbojas pēc cilvēka radītas shēmas. Otrajam vajadzētu spēt pašam prognozēt problēmas un tās novērst. Tik tālu vēl pasaules zinātnieki nav tikuši. Joprojām pasaulē nav radīts mākslīgais intelekts. Šajā ziņā nevaram runāt ne par kādu attīstību, jo tā ir nulles līmenī. Pasaulē jau ir bijuši mēģinājumi radīt mākslīgo intelektu. Piemēram, Japānā pagājušā gadsimta astoņdesmitajos gados, kad pasaules pētnieki ar aizturētu elpu gaidīja tā demonstrējumus. Mēģinājums izrādījās neveiksmīgs. Kad beidzot mākslīgais intelekts tiks radīts, kā jau teicu, neviens nezina. Tāpat kā miglā tīta ir pasaules attīstība mākslīgā intelekta paspārnē.
Savukārt mašīnu apmācībā tiešām esam tikuši tālu uz priekšu, un šī attīstība šobrīd noris ļoti strauji. Piemēram, pašreizējie čatboti - tie ir spilgti mašīnmācīšanās piemēri, bet par mākslīgo intelektu tos nosaukt nevar. Tāpēc arī šis jēdziens - mākslīgais intelekts - tiek dalīts vājajā, ar to saprotot mašīnmācīšanos, un stiprajā, ar to saprotot īstu mākslīgo intelektu.
- Kam ir jānotiek, lai rastos īstais mākslīgais intelekts? Vai tā varētu būt kā revolūcija programmēšanā?
- Iespējams, jums ir taisnība un mākslīgais intelekts radīsies sava veida programmēšanas revolūcijas rezultātā, bet varbūt risinājums virmo tepat apkārt, bet neviens to nav pamanījis. Ne reizi vien vēsturē ir bijuši atklājumi, kuri pēc tam pētniekiem šķiet tik pašsaprotami, ka ir jābrīnās, ka neviens agrāk par to nav iedomājies.
- Tāpat agrāk neviens nevarēja iedomāties, ka programmētāju izstrādāts algoritms, pamatojoties uz lietotāja atstātām pēdām internetā, spēj piedāvāt katra vēlmēm atbilstošu saturu. No vienas puses, tas ir labi, jo nav jātērē laiks, lai atrastu interesēm atbilstošu saturu, taču no otras - tas nes sev līdzi riskus. Vai ir iespējams algoritmu programmēt tā, lai pirms vēlēšanām biežāk rādītu kādas konkrētas partijas reklāmu?
- Tas ir ne tikai iespējams, bet jau notiek mūsdienās. Tiek pieļauts, ka pašreizējā Amerikas Savienoto Valstu prezidenta Donalda Trampa ievēlēšanu un Brexit referenduma iznākumu lielā mērā noteica mašīnu apmācība, analizējot lietotāju datus un viņu atstātās pēdas internetā.
- Vai no tā kaut kā var izvairīties?
- Baidos, ka vienkārša risinājuma šai problēmai nav.
- Vispār atteikties no tīmekļa pārlūkošanas?
- Internets pats par sevi nav ne labs, ne slikts. Tas dod iespējas, kādu agrāk nebija. Lai izvairītos no ietekmēšanas, katram pašam ir jāsaprot, kādu saturu tas pārlūko un vai visam, kas ir rakstīts internetā, var ticēt. Turklāt jāapzinās, ka gandrīz nekas datora vai telefona ekrānā, sērfojot pa internetu, neparādās nejauši. Konkrētās ziņas, reklāmas, mūzika, filmas un citu saturu katra konkrētā persona redz lielākoties profilēšanas dēļ. Saprotot to, katrs pats var izvēlēties, vai lasīt un skatīties piedāvāto saturu, vai tomēr pašam pameklēt kaut ko citu. Tad ir mazāka iespēja, ka tiksiet ietekmēts. Šeit ir vēl viena problēma. Proti, algoritmi, kas, pamatojoties uz lietotāja iepriekšējo pieredzi, piedāvā saturu, pamazām to arvien sašaurinot. Līdz beigās no vispārējas intereses par kādu lietu ar laiku tiek piedāvāta diezgan šaura informācija, pat lietotājam to pašam neapzinoties. Es pats ar to arī esmu saskāries. No sākuma ar prieku lietoju saturu, ko algoritms bija man piemeklējis pēc manām interesēm, līdz sapratu, ka pats vairs neko neizvēlos, Tagad es pats meklēju informāciju, jo tāda, paša meklēta, ir daudzveidīgāka un plašāka Taču nekādā gadījumā negribu teikt, ka algoritma atlasītais piedāvājums ir slikts. Tas tiešām ir balstīts uz manu iepriekšējo interneta lietošanas pieredzi. Bet ir jāmāk sabalansēt vienu ar otru - proti, piedāvāto saturu ar paša izvēlēto.
Diemžēl arī šeit ir ļoti daudz zemūdens akmeņu, piemēram, viltus ziņas. Un tā, manuprāt, būs arvien lielāka problēma, ar ko sabiedrība saskarsies.
- Vai ir risinājums, kā ar to cīnīties, jo arī Latvijā šādas viltus ziņas parādās arvien vairāk un tiesībsargājošās iestādes lielākoties ir bezspēcīgas.
- Cīņu ar viltus ziņām ir pieteikuši lielie sociālie tīkli, piemēram, Facebook, kas spēj tās atsijāt un pārtraukt. Bet ārpus sociāliem tīkliem atrast saknes, no kurienes aug viltus ziņas, tiešām ir ļoti grūti.
- Sarunā esam skāruši tikai mašīnu apmācību un mākslīgā intelekta ēnas puses. Vai ir arī labas lietas, ko šīs tehnoloģijas ir devušas un dos?
- 95 procentos gadījumu mašīnu apmācība jeb vājais mākslīgais intelekts nes sabiedrībai labumu un palīdz attīstīt ekonomiku. Piemēram, balss komandas un runas sintēze, attēlu atpazīšana, virtuālie asistenti. Ar nepacietību gaidu, kad tiks ieviests bezpilota transports. Par īstā mākslīgā intelekta priekšrocībām pagaidām vēl ir pāragri spriest, jo neviens nezina, kad tas radīsies un kā tas darbosies.
- Jūs minējāt, ka svarīgi ir sākumā visu izdarīt pareizi. Ko tas nozīmē, izdarīt pareizi un nekļūdīties?
- Tas ir ļoti sarežģīts un kompleksi risināms jautājums. Piemēram, ir svarīgi, lai mākslīgajam intelektam (gan vājajam, gan stiprajam) nebūtu aizspriedumu pret rasi. No vienas puses, uzdevums ir skaidrs - nekādu aizspriedumu, bet no otras - kā uzrakstīt kodu, lai robots to saprot. Vienkāršā programmēšanā testu var veikt kaut vai katrai koda rindiņai atsevišķi un uzreiz redzēt, kā programma darbojas. Mašīnapmācībā tiek izmantots lies daudzums piemēru, no kuriem puse tiek izmantota programmas koda algoritma veidošanai, otra puse - testiem. Ja šajos piemēros nav bijis kāds konkrēts gadījums, algoritms nestrādā vai dod kļūdainu rezultātu. Tātad jo vairāk piemēru, jo precīzāks rezultāts. Taču jārēķinās, ka nekad nav iespējams paredzēt simtprocentīgi visus variantus, tāpēc kaut kāds kļūdas procents ir iespējams. Lai to mazinātu, šobrīd vienlaikus darbina divus algoritmus, no kuriem viens dod rezultātu, bet otrs - skaidrojumu, kā šis rezultāts iegūts. Piemēram, viens algoritms aprēķina konkrētās personas kredītreitingu, otrs - atklāj faktus un faktorus, pēc kādiem izdarīts šāds aprēķins. Tas lietotājam ļauj saprasts, kāpēc reitings ir tieši šāds un vai fakti, uz kuriem balstīts aprēķins, ir ticami un attiecināmi uz konkrēto gadījumu.
- Ja nebūtu šādas analīzes, tad algoritms varētu, piemēram, lēmuma pieņemšanā par kredītreitingu izmantot faktus par margarīna lietošanu uzturā, kam īstenībā nav nekāda sakara ar kredītreitinga noteikšanu.
- Tas ir smieklīgs piemērs, bet patiess. Pētnieku aprindās cirkulē piemērs par absurdo korelāciju, ko demonstrējām arī nule notikušajā Kaspersky Next konferencē Lisabonā. Proti, amerikāņi no 2000. gada līdz 2009. gadam samazināja margarīna patēriņu par 50 procentiem - no 8 mārciņām (3,6 kg) uz vienu cilvēku gadā līdz 4 mārciņām (1,8 kg) uz vienu cilvēku gadā. Tajā pašā laika posmā par gandrīz 20 procentiem samazinājās arī šķiršanās skaits. Korelācijas koeficients šajā gadījumā bija iespaidīgs +0,99. Savukārt margarīna ēšanas paradumu un pašnāvību skaita izmaiņām korelācijas koeficients bija -0,88. Vai tas nozīmē, ka, ēdot mazāk margarīna, pieaugs pašnāvību daudzums, bet samazināsies šķiršanos skaits? Cilvēks saprot, ka tā ir absurda korelācija, bet vai to sapratīs mākslīgais intelekts?
