Apie dirbtinį intelektą (DI) šiandien kalbame beveik visur – vieni baiminasi automatizacijos ir darbo vietų nykimo, kiti akcentuoja augantį efektyvumą. Darbo rinka iš tiesų sparčiai keičiasi: dalis profesijų traukiasi ar transformuojasi, atsiranda nauji įgūdžių reikalavimai. Tačiau rečiau aptariama kita DI pusė – jis kuria visiškai naujas sritis, kurių dar prieš kelerius metus paprasčiausiai nebuvo.
Viena jų – vadinamoji agentų ekonomika, kai užduotis vykdo ne vien žmogus, o DI „agentai“, gebantys tarpusavyje pasidalinti darbą, susiderinti, patikrinti vieni kitų rezultatus ir perduoti juos kitoms sistemoms. Kita sparčiai bręstanti kryptis – pasaulio stebėjimas (angl. „Earth Observation“), kai palydovų duomenys su DI pagalba virsta prognozėmis, rizikos signalais ir sprendimų rekomendacijomis verslui bei viešajam sektoriui.
Kodėl tai vyksta būtent dabar?
Ilgą laiką proveržį stabdė trys veiksniai: duomenų trūkumas, riboti algoritmai ir nepakankama skaičiavimo galia. Sprendimus tekdavo „perdaryti iš naujo“ kiekvienam atvejui atskirai: vienoje vietoje modelis veikė, kitoje – jau ne, vienam duomenų tipui tiko, kitam reikėjo papildomo mokymo. Tai reiškė ilgą derinimą, daug specialių pavyzdžių ir brangius resursus, todėl idėjos dažnai likdavo tik idėjomis.
Tačiau situacija pasikeitė. Palydovinių duomenų kiekis išaugo, technologijos brandesnės, o naujos kartos DI modeliai leidžia sprendimus pritaikyti gerokai greičiau. Dažnai pakanka aiškiai apibrėžti užduotį, parinkti duomenis ir patikrinti rezultatą – nebereikia mėnesių mokymo proceso. Atsiranda paprasta verslo logika: ką gali išmatuoti – gali valdyti. Ką gali prognozuoti – gali sumažinti riziką.
Pasaulio stebėjimas užprogramuotas augti
Kosmoso ekonomika dažnai asocijuojasi su raketomis ir palydovais. Tačiau realybėje ji turi dvi aiškias dalis. Pirmoji – tai inžinerija ir infrastruktūra, kai kuriami palydovai, raketos ir organizuojami paleidimai. Antroji – paslaugos, kurios gimsta tada, kai palydovai jau orbitoje ir jų signalas kuria vertę kasdienybėje.
2024 m. vertinimais, inžinerijos segmentas siekia apie 63 mlrd. eurų, o paslaugų segmentas – apie 408 mlrd. eurų. Tačiau beveik visoje paslaugų rinkoje dominuoja navigacija – apie 96,2 proc. Ji veikia telefonuose, automobiliuose, logistikoje, žemės ūkyje, aviacijoje, finansų laiko sinchronizacijoje – todėl atrodo „savaime suprantama“. Tuo tarpu pasaulio stebėjimas sudaro tik apie 1,2 proc. paslaugų rinkos. Mažai? Taip.
Bet būtent todėl tai viena įdomiausių vietų augimui. Kai palydoviniai duomenys, sustiprinti DI, ima virsti ne „nuotraukomis“, o prognozėmis ir sprendimų pagrindu, atsiranda naujas ekonominis sluoksnis.
Svarbu suprasti vieną dalyką: DI pats savaime neišsprendžia problemos. Vertė atsiranda tik tada, kai technologija susijungia su srities ekspertize. Būtent ekspertai geriausiai žino, kur slypi tikroji problema, kokia yra klaidos kaina, kurie sprendimai realiai įgyvendinami ir kas atitinka praktinius bei reguliacinius reikalavimus. Todėl didžiausios galimybės atsiveria ten, kur technologiniai sprendimai dera su tikru, praktika grįstu srities žinojimu.
Trys praktiniai pavyzdžiai iš aplinkosaugos
Viena sričių, kur DI ir pasaulio stebėjimas jau šiandien kuria apčiuopiamą vertę, yra aplinkosauga. Šioje kryptyje dirba ir dr. Valentas Gružauskas, VU Matematikos ir informatikos fakulteto Dirbtinio intelekto metodų laboratorijos vadovas. Kartu su komanda jis įgyvendina įvairius projektus, kuriuose kuriami DI sprendimai, palydovinius duomenis paverčiantys praktiškais rodikliais ir prognozėmis.
Durpynų drėgmė ir gaisrų rizika.Durpynų būklė susijusi su gaisrų rizika, emisijomis ir kraštovaizdžio stabilumu. Problema iškyla tuomet, kai drėgmė kinta greitai, o tiesioginių matavimų vietoje dažnai per mažai. Sprendimas – radarų palydoviniai duomenys (SAR), galintys „matyti“ per debesis ir veikti naktį. DI leidžia šiuos signalus apjungti su kitais duomenimis ir kurti prognozes, kurios padeda sprendimus grįsti ne spėjimu, o skaičiavimu.
Debesuotumas ir „matymas kitu būdu“.Optiniai palydovų vaizdai dažnai būna beverčiai dėl debesų sluoksnio. Radarai šią problemą apeina, tačiau jų duomenys mažiau intuityvūs. DI sujungia skirtingų palydovų informaciją į nuoseklesnį vaizdą. Rezultatas – sprendimai gali būti priimami net tada, kai „akimis“ nieko nematyti.
Miestų karščio salos.Šiluminiai palydovai leidžia analizuoti, kur miestuose kaupiasi šiluma. Tai labai svarbu infrastruktūros planavimui, energiniam efektyvumui, urbanistikai. Problema ta, kad šiluminių palydovų vaizdai dažnai būna pernelyg stambūs smulkesniems sprendimams: matoma bendra tendencija, bet trūksta detalių. DI metodai leidžia pagerinti detalumą ir net „perkelti“ dronų suteikiamą tikslumą į platesnio masto palydovinius duomenis. Ateityje tai gali reikšti, kad daugeliui sprendimų užteks vien palydovo duomenų ir DI kombinacijos.
Kai palydovų analizė tampa pokalbiu
Iki šiol palydovinių duomenų analizė reikalavo žmonių, kurie ne tik supranta aplinką ar infrastruktūrą, bet ir turi techninių įgūdžių dirbti su duomenimis ir modeliais. Dabar atsiranda nauja kryptis – palydovinių duomenų analizė per pokalbį su robotais. Žmogus užduoda klausimą paprasta kalba, o sistema padeda sugeneruoti analitines įžvalgas. Tai nereiškia, kad ekspertai tampa nereikalingi – priešingai. Jie gali greičiau pasiekti esmę, o sprendimų priėmėjai – geriau suprasti situaciją.
Be aplinkosaugos, DI sustiprintas pasaulio stebėjimas taikomas ir kitose srityse: energetikoje –infrastruktūros stebėsenai ir planavimui, finansuose ir draudime – rizikos modeliavimui (potvynių, sausros ar gaisrų), žemės ir miškų ūkyje – būklės stebėsenai ir tvarumo rodikliams, savivaldoje ir NT – urbanistinių pokyčių analizei. Esminė mintis paprasta: DI atveria galimybes ten, kur anksčiau buvo per brangu, per lėta ar per sudėtinga.
Ar DI pakeis žmones?
Šiandien technologinis svertas toks didelis, aiškų srities supratimą turintis profesionalas gali padaryti tai, kam anksčiau reikėjo organizacijos. Tačiau yra viena sąlyga: jūs turite būti tas, kuris savo sritį išmano giliau nei kiti.
DI pats „nežino“, kas jūsų sektoriuje svarbiausia. Jis gali apdoroti duomenis, atpažinti dėsningumus ir prognozuoti, tačiau prasmę sukuria žmogus – tas, kuris supranta tikrąją problemą, klaidų kainą, praktinio įgyvendinimo ribas ir reguliacinę aplinką.
Todėl svarbiausias klausimas šiandien nėra, ar DI pakeis žmones. Esminis klausimas – kurie žmonės, pasitelkę DI, pakeis savo rinkas.
About the Author
