INTERVJUU | Meelis Kull: tehisaru abil suudame enamikku töid paremini teha

Eesti on väike, inimesi on vähe ja riik peab olema väga nutikas. Kuidas seda saavutada? Tehisaru treenimisest, mullu tööd alustanud tehisintellekti tippkeskusest ja üliõpilaste kodutöödest ChatGPT ajastul on tehisintellekti professori Meelis Kulliga vestelnud Piret Pappel.

Meelis Kulli üks teadustöö põhiteemasid on tehisaru- ja masinõppemudelite määramatuse hinnangud ja kalibreerimine. Loodavad meetodid võimaldavad mudelitel vähendada liigset enesekindlust ja paremini väljendada võimete piire, et tagada tehisarusüsteemide usaldusväärsus.

Kuidas te matemaatika ja informaatika juurde jõudsite?

Mul oli matemaatikapisik väikesest saati küljes. Meeldis koolieelikuna arvelauaga arve kokku liita. Käisin täiskasvanuid tüütamas, et nad ütleks mulle suuri arve. Kui ei saanud küsida, siis liitsin ise: üks pluss kaks pluss kolm pluss neli ja nii edasi.

Eks selle taga võivad olla nii geenid kui ka kodune keskkond. Vanaema oli matemaatikaõpetaja. Kõik neli vanavanemat olid kõrgharidusega. Varasest east saati ümbritsesid mind inimesed, kellele pakkus huvi mõelda ja aru saada. Esimest korda hakkasin doktorikraadi alternatiividele mõtlema alles siis, kui olin juba doktorantuuriavalduse sisse andnud.

Matemaatika juurde tagasi tulles meenub, et mu klassijuhataja Liivi Palu andis vist juba esimeses klassis olümpiaadiülesannete moodi ülesandeid, ja korraldas võistlusi. Mingil ajal lisandusid arvutid, tänu bioloogist isale, kes programmeeris teoreetilise bioloogia mudeleid. Meie koju jõudis arvuti aastal 1989. Enam-vähem kohe hakkasin ka programme kirjutama, tolleaegsed arvutid olid ju sellised, et kui panid selle käima, siis olidki juba programmeerimiskeskkonnas.

Te olete väga õnnelik inimene: saite üsna vara aru, mis meeldib ja sobib.

Saan kindlasti öelda, et mul on tohutult vedanud. Lisaks matemaatikale ja informaatikale huvitas mind bioloogia. Mu mõlemad vanemad on bioloogid. Aga see huvi oli nõrgem ja erialavalikul otsustasin matemaatika ja informaatika kasuks.

Magistrantuuri astusin just siis, kui bioinformaatik Jaak Vilo oli Eestisse tagasi tulnud. Kuna olin natuke selle alaga kokku puutunud, siis tundus põnev mitu huvi ühendada ja nii tegingi.

Doktorantuuri järel pidin otsustama, mida edasi teha. Bioinformaatikas olid minu võimalused teoreetilist laadi teadustööks üpris piiratud ja huvi tõmbas tagasi matemaatilisemate teemade juurde. Bioloogidega koos töötades olin saanud palju teada sellest, kuidas toimib elusorganismi keha. Kõige vähem selgust oli aju kohta. Tundus, et masinõppe valdkond on ideaalne, see võimaldab teha matemaatilist teadustööd ja aitab potentsiaalselt ka ajust paremini aru saada.

Masinõppe alal alustasin järeldoktorantuuri aastal 2013 Inglismaal Bristolis. Natuke olin masinõpet kasutanud ka varem, bioinformaatikas, aga mu masinõppe taust oli nõrk ja pidin palju juurde õppima. Õnneks andis sealne rühmajuht Peter Flach selleks piisavalt aega. Sain süvitsi arusaama edendada ega pidanud kohe rakendusi programmeerima hakkama. Masinõpe on väga põnev valdkond: eesmärk on matemaatilise täpsusega kirja panna algoritm, kuidas masin peaks õppima. Palju on sarnast sellega, kuidas inimene õpib, aga omajagu leidub ka erinevusi. Nii inimene kui ka masin õpivad andmete põhjal, üritades leida mustreid ja korrapärasid. Nende mustrite põhjal saab siis mitmesuguseid ülesandeid lahendada, näiteks objekte klassifitseerida, ennustada või otsuseid teha. Inimese eelis on tohutu paralleelsus: närvirakud arvutavad kõik samal ajal. Arvutil on paralleelsust vähem, aga samas on kiirused hulga suuremad ning digitaalne täpsus garanteeritud.

Masinõppes hakkas mind kohe alguses huvitama see, kuidas mudel saaks võimalikult täpselt öelda, kui kindel tema ennustus on. Näiteks, kui mudel ennustab järgmiseks päevaks vihma, siis tahame veel teada, millise tõenäosusega vihma tuleb. Kriitilise tähtsusega otsuste puhul, näiteks isejuhtivates sõidukites või meditsiinis, on ülioluline teada, kui palju saab mudelit usaldada. Siis on tarvis, et mudeli ennustatud tõenäosused oleksid hästi kalibreeritud. See tähendab, et enesekindluse määr peab klappima sellega, kui sageli mudelil õigus on. Praktikas on mudelid tavaliselt liiga enesekindlad ja neid peab spetsiaalselt kalibreerima. See oligi mu põhiline teema nelja-aastase järeldoktorantuuri jooksul. Tol ajal tegeleti maailmas sellega veel vähe. Nüüd on kalibreerituse teema saanud väga tähtsaks, kuna masinõpet rakendatakse üha vastutusrikkamates ülesannetes. Aastal 2017 tulin Eestisse tagasi ja olen jätkanud teadustööd masinõppemudelite enesekindluse ja usaldusväärsuse kallal. Uurin näiteks seda, kuidas mudel suudaks paremini märgata konteksti muutuseid ning oskaks neid enesekindluse hindamisel arvesse võtta.

Juhite mullu loodud Eesti tehisintellekti tippkeskust, mis arendab tehisintellekti sellistes tähtsates valdkondades nagu e-valitsemine, tervishoid ja küberturvalisus. Miks on selline keskus oluline?

Maailm meie ümber muutub tehisintellekti ehk tehisaru arengu tõttu kiirelt. Tähtis on, et me oskaksime Eestis ise lahendada tehisaruga seotud probleeme ning suudaks teha võimalikult häid otsuseid Eesti jaoks. Tehisaru arendus ja rakendamine kõrgel teaduslikul tasemel ei võimalda Eestis koolitada mitte ainult tehisaruga tegelevaid teadlasi ja tippspetsialiste, vaid ka toetada teiste valdkondade teadlasi oma teadustöö võimendamisel tehisaru abil. Tähtis on jälgida ka tehisaruga seotud ühiskonnaprotsesse Eesti vaatenurgast. Maailmas liiguvad sellel alal suured tugevad hoovused. Paratamatult need hoovused mõjutavad meid, kuid saame pisut valida enda liikumissuunda.

Tehisintellekti tippkeskuse üks põhirõhk on see, kuidas luua paremini tehisaru sisaldavaid tarkvarasüsteeme. Ehk siis: kuidas tehisaru panna hästi tööle koos muu tarkvaraga, andmebaaside ja infosüsteemidega.

Suuri keelemudeleid ja muid alusmudeleid treenimides keskendume sellele, kuidas neid kohandada Eesti vajaduste järgi. Teha neid usaldusväärsemaks, turvalisemaks, privaatsust hoidvamaks. Paljude teemadega on meie töörühmad tegelenud juba enne tippkeskuse loomist. Nüüd proovime leida häid koostöövõimalusi.

Pole vist võimalik, et Eesti looks omaenda ChatGPT?

See on täiesti võimalik ja seda tehakse. Kas nimetame seda Eesti ChatGPT-ks või mitte, on iseasi, aga Eesti oma suurt keelemudelit juba treenitakse. Meie tippkeskuses juhib seda tööd Kairit Sirts. Loomulikult ei alustata treenimist nullist, vaid lähtutakse olemasolevatest avatud kaaludega keelemudelitest. Avatud kaaludega mudel tähendab seda, et mudeli arhitektuur ning parameetrite ehk kaalude väärtused on teada. Sellise mudeli saab laadida oma arvutisse ja seda siin käivitada, anda uut sisendit ja vaadata, mida mudel selle peale ütleb. Avatud kaalud annavad võimaluse mudelit edasi treenida. Just seda tehakse, andes mudelile suure hulga eestikeelseid tekste ja treenides mudelit nende põhjal järgnevat teksti ennustama. Muidugi on selleks vaja palju eestikeelseid andmeid. Neid meil pisut on, kuid kõik, kes soovivad aidata, saavad anda oma tekste meile kasutada.

Mida e-riigis võiks tehisaru toel parandada?

Teha saab palju ja väga mitmekesistes valdkondades. Konkreetselt tegeleme tippkeskuses näiteks sellega, kuidas töötukassa saaks tehisaru abil töötuid paremini aidata. Seda uurimisprojekti juhib Mihkel Solvak. Igale tööotsijale koostab töötukassa isikliku tegevuskava ja sellele kulutatakse hulk aega. Tehisaru abil saaks tagantjärele hinnata kavade kvaliteeti ja leida mooduseid, kuidas neid paremaks teha. Saame toetada töötukassa asjatundjaid, kes neid tegevuskavasid koostavad.

Nii e-riigi rakendustes kui ka tehisaru rakendamisel laiemalt on tähtsad privaatsus ja turvalisus ning see, kas tehisintellekti kasutus on eetiline. Sellepärast on meil tippkeskuses eetika nõukoda, mida juhib Margit Sutrop. Arutame enda tegevusplaanid nõukojaga läbi ja vajaduse korral taotleme eetikakomisjonilt uuringu tegemiseks loa.

Tehisaru on viimasel ajal plahvatuslikult arenenud. Tuletage palun meelde, millal ülikiire areng pihta hakkas!

Kõige nähtavamaks muutus tehisaru pöörase kiirusega areng 2022. aasta novembris, kui OpenAI tegi kättesaadavaks ChatGPT esimese mudeli.

Aga tegelikult on tehisaru areng olnud kiire juba tükk aega. Suurim läbimurre toimus 2010. aasta paiku sügavate närvivõrkude treeningu alal.

Tartu ülikoolis on masinõppeteemalisi kursusi õpetatud juba aastast 2008. Selles valdkonnas on meil eksperte seega olnud juba pikka aega. Teemaga tegeleb mitu uurimisrühma. Õppekavasid uuendatakse pidevalt, et ainete sisu oleks värske ka tehisaru kontekstis.

Mis peitub TI-plahvatuse taga: kas arvutusvõimsus on läinud järjest odavamaks?

Tehisaru arengu võtmeks on tehisnärvivõrgud, mis on olnud olemas juba aastakümneid, aga nende treenimiseks oli puudu andmeid ja arvutusressurssi. Need olid põhilised piiravad tegurid, natuke oli küll vaja ka algoritme arendada. Nüüd räägitakse piiranguna sellest, et mudelitele on juba antud kätte kõik andmed, mida saab anda. Nõustun, et mudelite arendust võib pidurdada andmepuudus, aga arvan, et see ei ole fundamentaalne tõke. Oleme liikumas sinna, kus tehisintellektil on juba enda nii-öelda mõttetegevuse toel võimalik luua uusi andmeid. Nii nagu inimkond on seda ise teinud. Me oleme mõõtmise teel kogunud hulga andmeid looduse kohta, aga tekste oleme kirjutanud ise ja arvatavasti hakkab ka tehisaru järjest enam looma uusi tekste, mida kasutada iseenda treenimiseks.

Kas tehisaru tahab õppida?

Tehisaru tehnoloogiasse oleme kõik motivaatorid ja suunavad signaalid meie ise inimestena sisse kirjutanud. Kui räägime sellest, et tehisaru „tahab“ midagi, siis tegelikult mõtleme seda, et inimene on pannud tehisaru seda tegema. Suunavaid signaale mudelisse sisse kirjutades on need üha enam väga abstraktsed, üldised. Aina keerulisem on suurte mudelite puhul tagada, et nii-öelda tahtmised osutuksid lõpuks selliseks, et need joonduksid meie soovidega. Tehisaru joondamine on väga keeruline ja omaette uurimisvaldkond.

Kas tehisaru kiiret arengut suunab peamiselt raha või on see natuke ka prestiiži küsimus, nagu kosmosevõidujooks?

Üks tehisaru arendavate ettevõtete põhisõnum on see, et tehisaru aitab inimühiskonnal paremini ja efektiivsemalt lahendada hulga keerulisi probleeme, mis on seotud näiteks kliima või tervisega. Ettevõtteid suunab raha, aga teisalt mängib olulist rolli ka riikide strateegiline positsioon tehisaru tuleviku suhtes. Tehisarul on ju tugev potentsiaal majanduses ja sõjanduses.

Teadusest väljaspool olijale võib jääda mulje, et muudkui arendatakse, aga põhiliselt saab tehisaruga internetis meeme joonistada. Kas mingit kasu ka sünnib?

Efektiivsus on Eesti-suguse väikse riigi jaoks ülitähtis ja ma leian, et Eesti on väga hästi suutnud digivaldkonna arengut ära kasutada ja olla nutikas oma riigi ehitamisel.

Eesti inimesed on igapäevaelus nutikad. Aga küsimus on selles, kuidas edasi minna. Kas oskame ka tehisaru abil Eestit edasi arendada?

See annaks potentsiaalse konkurentsieelise Euroopas laiemalt. Paljud riigid on ju oma digisüsteemide arenguga Eestist maha jäänud. Ka on Eesti kodanike usaldus riigi e-süsteemide vastu erakordselt suur ja sellele baasile oleks võimalik ehitada hea tulevik.

Tekib küsimus, kuidas me selle kasu toome iga inimeseni. Kuidas saavad Eesti inimesed paremini õppida ja end arendada, nii lapsed kui ka täiskasvanud.

Mulle isiklikult on tehisaru eelkõige uus õppimisvahend. Siin on tehisarul tohutu potentsiaal, aga seda kõigi inimeste jaoks hästi ära kasutada ei ole lihtne. Ka Eesti TI-hüpe on sellest lähtudes ellu kutsutud. Meietippkeskuseson haridus üks rakendusvaldkondadest. Seda juhib Jaan Aru. Nii et tema on ka üks neist, kes mõtleb sel teemal aktiivselt kaasa.

Inimene ja tehisaru, see on huvitav eksperiment.

Mõnes mõttes on meil eksperiment käinud juba aastatuhandeid, eri tehnoloogiliste uuendustega. Ega ühegi tehnoloogia looja pole suutnud adekvaatselt ette näha, mida see tegelikult ühiskonnale kaasa toob. Proovime neid ohte jälgida ja maandada.

Valeinfo probleem on ilmselt suur. Kas sellega võitlemiseks tuleb pidevalt luua asjaomast tarkvara, mis võltsingud üles leiaks?

Ma arvan, et kõige suurem tehisaruga seotud oht on võimu koondumine. Tehisintellekt nõuab väga suurt ressurssi. Omada ülisuurt tehisaru, seda jooksutada ja treenida, seda saavad lubada väga vähesed. Stabiilsuse ja demokraatliku ühiskonna toimimise seisukohalt on see ohtlik.

Aga muidugi on väärinfo levik samuti probleem. Tõsi, et pidevalt luuakse ka süsteeme, mis suudaks seda väärinfot tuvastada. Paraku sajaprotsendiliselt usaldusväärset tuvastussüsteemi pole. Kui kõik osalised teeks koostööd selles suunas, saaks näiteks igale pildile külge panna vesimärgi.

Tekstide puhul oleme nõukogude ajal näinud, et kõik, mida kirjutatakse, pole tõsi. Vanemad inimesed on ehk harjunud kahtlema. Aga fotode ja video puhul tekib kahtlusi oluliselt vähem.

ChatGPT kulutab energiat kümme korda rohkem kui Google’i otsing. Kasutangi tehisaru üliharva, sest mulle ei meeldi selle suur keskkonnajalajälg.

See on oluline teema. Samas, kui me oma elu nutikalt ei korralda, võime lõpuks teha valikuid, mis seda jalajälge veelgi suurendavad. Kui suudame tehisaru kasutades kiiremini ja paremini minna üle taastuvenergiale, siis on see suur võit. Sama laadi kasu on igasugustes valdkondades. Aga võit ei tule esimesel tehisaru kasutamise päeval, sellega läheb aega. See on investeering. Paraku tõesti on keskkonnakulu praegu suur ja märgatav, aga just Eesti kontekstis leian, et potentsiaalne kasu on tähtsam. Näiteks Eesti inimeste kiiremaks ja paremaks enesearenduseks on see igal juhul väärt investeering. Inimesed peaksid julgema tehisaru kasutada, et ise paremini õppida.

Mida peaks gümnaasiumilõpetaja praegu teadma tehisaru kohta?

Ta peaks teadma, kuidas tehisaru enda kasuks tööle panna, ja teisest küljest siis tõesti teadvustama sellega kaasnevaid ohte. Osalt pole need ohud ju mitte niivõrd tehisaruspetsiifilised, vaid lähtuvad ühiskonnast. Isegi kui väärinfot luuakse tehisaru abil, siis seda tehisaru juhivad teised inimesed. See tähendab, et gümnasistil on vaja aru saada, millises ühiskonnas ta elab ja mõista tehisaru kui ühiskonna osa.

Kuidas on meil lood IT-hariduse ja arvutiteadlaste järelkasvuga?

Kõigepealt tahaksin rõhutada, et tehisaru on tarkvara loomisel järjest suurem abiline. See kindlasti ei tähenda, et tarkvaraarendaja amet oleks kuidagi otseselt ohus. Ei, see amet lihtsalt muutub pidevalt. Järjest olulisem on tarkvara nõuete paikapanemisega seotud töö, arusaam tarkvarast tervikuna, sellest, kuidas näeb välja inimese ja tarkvara suhe.

Ükskõik kui palju me tööd ka tehisarule ei delegeeriks, meil on endiselt vaja kõikide eluvaldkondade eksperte, et meil oleks kontroll tehisaru üle ega saaks langeda tehisarust täielikku sõltuvusse. Peame vältima olukorda, kus inimene ilma tehisaruta enam üldse hakkama ei saa.

Tartu ülikooli informaatika õppekava on suurepärane platvorm, kust minna edasi Eesti digielu edasi viima. Õppekava annab hea arusaamise digimaailmast ja võimekuse tegeleda tehisaru rakenduste ja arendusega.

Algse küsimuse juurde tagasi tulles: me peame tagama Eestis selle, et meil oleks tippeksperte nii tehisaru valdkonnas kui ka IT-s laiemalt. Eriti terav on probleem doktoriõppe kohtadega. Meil on eestikeelseid kandidaate, kes ei mahu riigieelarvelisele kohale. See on märk sellest, et tegelikult oleks vaja Eestis doktoriõpet IT-valdkonnas suurendada. Ja mitte ainult IT alal, vaid ka mujal, eriti tehisaru rakendamisega seotud teemadel. Usun, et tehisarust saavad kõik teadusvaldkonnad väga palju kasu.

Kuidas on tehisaru muutnud õppejõu tööd?

Korraldasin oma ainekursused kohe ChatGPT loomisele järgnenud sügisel ümber. Kui varem olid kodutööd rangelt individuaalsed õppimine, kõrvalist abi ei tohtinud kasutada, siis nüüd on kõrvaline abi igati lubatud ja soositud, sealhulgas koostöö nii kaastudengiga kui ka tehisaruga. Kui tudeng tuleb praktikumi, peab ta olema aru saanud, mida ta on teinud ja oskama seda ka teistele tutvustada ja vajaduse korral küsida, kui midagi on jäänud segaseks.

Näen, et nii põhikoolis ja gümnaasiumis kui ka ülikoolis on järjest enam mõistlik iseseisvas töös kasutada tehisaru, saamaks tekkinud küsimustele kiirelt vastuseid ja leida uut infot.

Kodus valmistad tehisaru abil end klassiruumis toimuvaks ette ja klassis käib sotsiaalsem ja inimestevahelisel suhtlusel põhinev õppimine. Need kaks õppevormi võiksid teineteist hästi täiendada.

Ehkki, kui inimene liialt tehisaru usaldab, on see samuti ohtlik. Laste puhul tuleb kindlasti silmas pidada, et säiliks mingi vanemlik kontroll, kui nad tehisarult küsimusi küsivad.

Kuidas tehisaru üldse infot töötleb? Ma esitan talle küsimuse. Mis edasi saab?

Suurte keelemudelite treenimine koosneb mitmest faasist. Esimene ja kõige olulisem on see, et tehisaru on treenitud järgnevat teksti ennustama. Saades ette mingi tekstilõigu, proovib tehisaru ennustada, mis võiks edasi tulla. Ennustamine käib väikeste tekstiosakeste, nagu sõnade ja sõnaosade kaupa.

Ennustab mingite sageduste põhjal?

Sagedused on see kõige esimene, kõige lihtsam muster, mida saab ennustada. Treeningute käigus hakkab mudel ära õppima järjest keerulisemaid mustreid.

Need mudelid on ülisuured ja sinna sisse mahub neid mustreid väga palju, nii et lõpuks saavadki ära õpitud ülikeerulised mustrid, nagu näiteks ChatGPTga peetud vestlustest on näha.

Tehisaru suudab aru saada ja adekvaatselt vastata küsimustele väga tehniliste ja teaduslike tekstide kohta. Kui küsin midagi praeguse tipptasemel tehisintellektisüsteemi käest, siis kirjeldan probleemi nii, nagu vestleksin tippteadlasega. Ma ei pea mingisugust hinnaalandust tegema, võin täpselt nende sõnadega kirjeldada oma probleemi, nagu kirjeldaksin eksperdile. Ja seesama kehtib ükskõik mis valdkonna kohta.

Suur vahe on praegu selles, kas küsida tipptaseme tehisarusüsteemilt või tavaliselt tasuta kättesaadavalt tehisintellektilt.

Ja palju sõltub sellest, kas tehisarule on ette antud piisav kontekst ja teave selle kohta, kes vastust ootab. Osa küsimuste puhul pole kontekst oluline. Küsides Prantsusmaa pealinna nime, saavad kõik küsimusest ühtemoodi aru. Aga on hulk küsimusi, mis võivad ühes või teises valdkonnas tähendada väga erinevat asja ja seetõttu tuleb tehisarule öelda, mis valdkonna kohta küsimus käib.

Vastuste usaldusväärsuse mõttes tuleb arvestada, et küsides midagi, mille kohta pole tehisaru treeninguandmetes infot olnud, pole lootust mõistlikku vastust saada.

Enne mainisite, et inimene ei tohiks muutuda tehisarust täielikult sõltuvaks. Ilmselt peaksime siis oskama endiselt lugeda ja ka käsitsi kirjutada. Kas või juhuks, kui elekter ära läheb. Mida peaksid noored õppima praeguses maailmas ja tulevase maailma jaoks?

Mitmekülgsus võimestab kindlasti inimest ja aitab lihtsamini endale sobiva töö leida. Ikka on vaja sedagi, et oleksid end ka mingis kitsamas valdkonnas arendanud.

Ja kõige olulisem on õppimisvõime ja mõtlemisvõime arendamine. Arvestades tehisaru võimekuse kiiret arengut, on tulevikus suur oht, et me oma mõtlemisoskuse tehisarule delegeerime.

Juba praegu suudame tehisaru abil enamikus töödes rohkem kui ilma tehisaruta. Tehisarust ei pruugi veel olla abi inimesele, kes on vastavas ülesandes ekspert, aga enamik meist ju ei ole. Tööülesandeid on igas ametis mitu ja harva on keegi ekspert neis kõigis. Nõnda saabki tehisaru aidata meid aladel, milles oleme nõrgemad. Iga inimene on tugev ju vaid vähestes valdkondades.

Nii tekib ehk ka rohkem vaba aega. Mida vabal ajal teete?

Perega koos olla on suur rõõm. Samuti mängida vahepeal korvpalli või võrkpalli ning jalgrattaga sõita ja kooris laulda. Meeldib ka maal olla ja suitsusaunas käia ning natuke oma kätega midagi valmis teha. Ka programmeerimine meeldib mulle just sellepärast, et saab päriselt valmis teha midagi, mis töötab.

Kui tehtu on natuke uudne ja kuidagi kasulik – see kehtib nii programmeerimise kui ka füüsilises maailmas toimetamise kohta –, kui saab midagi ära parandada või valmis ehitada, siis teeb ka see väga suurt rõõmu.

Horisont 3/2025