Analizuodamas prieš kelias savaites Lietuvos Finansų ministerijos pristatytą 6,3 mlrd. EUR vertės popandeminį investicijų planą nudžiugau pamatęs ir kelias dirbtiniam intelektui skirtas eilutes. Optimistiškai nuteikia vien tai, kad tokiuose visuomenės gerai matomuose dokumentuose atsiranda dirbtinio intelekto sąvoka. Nemanau, kad šiai sričiai skiriamos sumos ar Vyriausybės dėmesys artimiausiu metu pavers Lietuvą dirbtinio intelekto kūrimo ar taikymo lydere, tačiau noriu pasidalinti keliomis papildomų investicijų nereikalaujančiomis idėjomis, kurios galėtų bent pakloti tam pamatus.

Danielis Hulme, „Satalia“ generalinis direktorius

Jau daugiau kaip 5 metus bendradarbiaudamas su Lietuvos technologijų kompanija, o prieš metus „Satalia“ Lietuvoje tapus tiesiogine užsienio investuotoja, aktyviai domiuosi šalies politika bei strategijomis. Ne išimtis – ir praėjusiais metais pristatyta Lietuvos Nacionalinė dirbtinio intelekto vystymo strategija. Nepaisant įvairių diskusijų, kurias šis dokumentas sukėlė, jis buvo naudingas mažiausiai tuo, kad dirbtinio intelekto terminas atsirado ant Vyriausybės stalo.

Domiuosi tokiais dokumentais ir esu gerai susipažinęs su Didžiosios Britanijos ir Jungtinių Arabų Emyratų dirbtinio intelekto strategijomis. Pastaroji valstybė savo strategijoje pagrindinį dėmesį skiria talentų pritraukimui, akademinės bendruomenės stiprinimui ir išmaniesiems miestams iki 2070-ųjų, o britai kol kas siekia susisteminti viešojo sektoriaus valdomus duomenis ir konkrečių technologinių sprendimų dar nesvarsto.

Nemanau, kad pasaulyje egzistuoja tobula dirbtinio intelekto strategija. Matau kitą problemą – dirbtinis intelektas yra itin mistifikuotas ir labai skirtingai suprantamas terminas. Vieniems tai – pasaulį užkariausiantys ir žmoniją pavergsiantys robotai, o man – tikslo siekiančios adaptyvios sistemos. Taigi turime situaciją, kai ši sritis iš tikrųjų yra labai perspektyvi ir naudinga, tačiau kartu, ypač žiūrint iš vyriausybių taško, miglota, neaiški ir todėl rizikinga. Nemanau, kad dirbtinį intelektą kaip svarbų sektorių būtų sudėtinga „parduoti rinkėjams“ . Tačiau vystant ar skatinant šią sritį įmanoma pridaryti klaidų ir prarasti galimybes: vyriausybės turi mažai patirties, o prognozuoti tolimą ateitį buvo nelengva dar iki COVID -19 protrūkio.

Todėl Lietuvai dirbtinio intelekto srityje norėčiau pasiūlyti ne priemonių ar juo labiau būdų pinigams išleisti, o keletą strateginių principų, galėsiančių sustiprinti prielaidas dirbtiniam intelektui vystytis sparčiau ir tvariau, taip pat prisitaikyti prie rinkos pokyčių ir inovacijų.

  • Duomenų politika. Valstybės sektorius ko gero nėra konkurencingiausias darbdavys technologijų srityje, tačiau jis turi bene įdomiausių duomenų. Deja, įvairiose institucijose duomenys renkami ir tvarkomi skirtingai, skiriasi jų sisteminimo principai, standartai. O būtent duomenų kokybė (ir apskritai jų turėjimas) yra bene pagrindinė prielaida iš tų duomenų sukurti dirbtinio intelekto ir kitus sprendimus. Lietuvos viešasis sektorius padarytų milžinišką paslaugą visai ekosistemai sutaręs ir griežtai laikydamasis taisyklių, kaip ir kokie duomenys renkami, kaip jie saugomi, kas gali jais naudotis. Net pačios viešosios institucijos išloštų galėdamos laisvai ir patogiau keistis bei analizuoti vieni kitų duomenis. Nepaisant tam tikrų pastangų savivaldybių lygmenyje, Lietuva šiemet užima paskutinę vietą tarp EBPO narių pagal duomenų atvirumą (įskaitant netinkamus formatus ir praktikoje neįgyvendinamą formaliąją politiką), todėl patobulėti šioje srityje tikrai galima.
  • Technologijų politika. Ilgainiui iš viešojo sektoriaus duomenų visame pasaulyje buvo pradėti kurti įvairūs mašininio mokymosi komponentai ir kitos naujovės. Kaip ir duomenų atveju, šios technologijos dažniausiai yra skirtingos, atskirtos, „nesusišnekančios“. Valstybės taip pat padarytų rinkai milžinišką paslaugą suvienodindamos duomenų pagrindų kuriamų sprendimų principus. Galbūt privatiems subjektams būtų sunku „įsakyti“, ką ir kaip kurti, tačiau technologijų atvirumą ar bent suderinamumą skatinančios rekomendacijos būtų naudingos. Juk kuo daugiau naudingų bei pernaudojamų duomenų ir jų pagrindų kuriamų suderinamų įrankių – tuo daugiau galimybių dar didesnėms inovacijoms ar vadinamosioms „smėlio dėžėms“.
  • Problemų identifikavimas su plačiu ekspertų ratu. Neretai viešasis sektorius veiksmą pradeda ne nuo realios problemos suvokimo, o iškart nuo sprendimo (įskaitant technologinio sprendimo). Tarkime, dabar reikia sklandžiai sugrąžinti dešimtis tūkstančių darbuotojų iš prastovų į darbus. Kokios srities tai problema? Logistikos, finansų, technologijų, žmogiškųjų išteklių valdymo? Aš sakyčiau, kad tai – optimizavimo problema. Bet kuriuo atveju, vyriausybės išloštų sutarusios, kad bet kokia problema ar iššūkis būtų visapusiškai ir plačiai išanalizuojamas prieš priimant konkrečius infrastruktūrinius, technologinius ar investicinius sprendimus. Čia praverstų realus valstybės, mokslo ir verslo bendradarbiavimas. Šioje srityje yra daug nuveikusi Kanada, turinti iš verslo bei akademinio pasaulio atstovų sudarytą ir vyriausybę dėl strateginių bei investicinių sprendimų konsultuojančią „Dirbtinio intelekto tarybą“. Lietuviai yra verslūs, o Lietuvos verslai yra pasiekę neįtikėtinai daug – vertėtų nepabijoti juos išgirsti ir įtraukti.
  • Pačių dirbtinio intelekto sistemų principai ir vertybės. Mano vertinimu, tiek dirbtinio intelekto, tiek kitos technologinės sistemos, privalo turėti šiuos keturis principus: 1) Atsakomybė, t.y. aiški informacija, kas atsakingas už produktų ir sprendimų, algoritmų kūrimą; 2) Galimybė audituoti, t.y. visuomenei ir specialistams turi būti aišku, kaip į sistemą patenka duomenys, ar ir kaip fiksuojami pokyčiai; 3) Paaiškinamumas, t.y. jei tam tikrus sprendimus priima ne žmonės, o sistemos, būtina labai aiškiai ir viešai pademonstruoti, kokiais kriterijais vadovaudamosis jos šiuos sprendimus priima; 4) Pasiekiamumas, t.y. aiškūs ir vieši kriterijai, kas, kaip ir kokią turi prieigą prie sistemų ir duomenų.

Apibendrinant, manau, tiek Lietuva, tiek Didžioji Britanija nepakankamai investuoja į dirbtinį intelektą. Tiek 20 mln. EUR, tiek 2 mlrd. GBP yra stebėtinai maži pinigai lyginant su kitomis sritimis. Tačiau suprantant, kad dirbtinio intelekto sritis yra sąlyginai nauja ir politiškai rizikinga, mažų mažiausiai kokybiškų duomenų politika ir principai galėtų sukurti puikų pagrindą inovacijoms.

Komentaro autorius – Danielis Hulme, „Satalia“ generalinis direktorius

Straipsnis publikuotas: https://www.vz.lt/technologijos-mokslas/technologijos/2020/06/21/keli-pasiulymai-lietuvai-greta-dirbtinio-intelekto-strategijos#ixzz6TZkAqIg5