Kuidas juhina AI tööriistade maastikul orienteeruda?

Edu rajatakse alati oma tugevuste ära kasutamisele ning see tõde kehtib vankumatult ka tööelus. Paraku on meil kõigil tööpäevas 24 tundi, millest normaalse tasakaalu hoidmiseks ja oma vaimse tervise huvides, ei ole mõistlik üle kaheksa tunni tööülesannetele kulutada.  

Vähestel meist on luksus täita kõik kaheksa tundi just nende tegevustega, milles oleme suurepärased. Paratamatult kipuvad ebaõiglaselt suure osa ajast röövima tööd, mis meie hinges “kellukesi helisema” ei pane ning mis lihtsalt tuleb ära teha. Halvemal juhul jäävad need lahendamiseks „pärast tööd“ ja söövad seeläbi meie energiat mitmekordselt. Töö saab lõpuks tehtud keskpäraselt, taastumise arvelt ning töörõõm on kadunud.  

Millist probleemi lahendame ja just nüüd sellest räägime? 

Tehnoloogia ja sealhulgas suured keelemudeli ei pea olema võimelised lahendama kõiki probleeme korraga, et olla tõeliselt head abimehed. Kui konkreetne inimene on milleski suurepärane, siis see ei vajagi edasi lahendamist, sest probleem puudub. Igal juhul tasub aga enda tööpäevast üles leida need hetked, kus me ei ole suurepärased ning just nende assisteerimisel ja automatiseerimisel aega, energiat ning töörõõmu AI lahenduste abil tagasi võita. 

Tehisintellekti erinevates domeenides on viimase kümne aasta jooksul toimunud väga palju murrangulisi arenguid. Suurem osa neist on seni jäänud andmeteadlaste ja masinõppe valdkonna ekspertide kitsamatesse ringkondadesse kasutamiseks ja rõõmustamiseks. Klientidena kasutame küll nende töö suurepäraseid vilju igapäevaselt, kuid ei oska seal ära tunda tehisintellekti erinevaid rakendusi. Milleks on muusika ja voogedastusplatvormide soovitusmootorid (Spotify, Netflix, YouTube), navigeerimise ja liiklusinfo reaalaja rakendused (Google Maps, Waze), erinevad pilditöötlemise tarkvarad ja filtrid (telefoni kaameratesse sisse ehitatult või näiteks Instagrami filtritena), sõrmejälje või näotuvastusega ligipääsusüsteemid ja palju muud on meie igapäevaelu normaalsed ja märkamatud osad.  

Analoogselt on väga pikalt olemas olnud ka keelemudelid, alustades automaattõlgetest kuni vestlusrobotiteni. Maailm hakkas päriselt muutuma umbes 2022. aastal kui tavakasutajateni jõudis esimene suurepäraselt tootestatud  LLM (large language model ehk suur keelemudel) Chat GPT näol. See andis täiesti tavalise (IT kauge) kasutaja kästusse vahendi, mis võimaldas rääkida andmetega. Viimased kaks aastat on toonud sellele turule maailmatasemel konkurentsi, kus erinevad keelemudelid on saanud enda kasutusse ridamisi tööriistu ning üle pika aja on keskmisel inimesel võimalik sellest tehnoloogilisest võidurelvastumisest omajagu kasu võita! Sest olgem ausad, me keegi ei vajanud juba ammu „veelgi mustema värviga musta ekraani“ või veel 0,04 mm õhukesemat ekraani oma telefonidele. Need tehnoloogilised arengud panid enamiku parimal juhul õlgu kehitama. Kuid kui sama kirglikult luuakse töövahendeid, mis võimaldavad meil inimestena oma tõelist potentsiaali paremini ära kasutada ning elu inimväärsemalt nautida – siis tasub tähelepanelikult kuulata ja ennast kurssi viia! 

Mida peaks suuri keelemudeleid kasutades teadma? 

Esmalt tuleb alati meeles hoida, et tegemist on justnimelt keelemudeliga. See ei ole mingi maagiline teadvus või kõiksus, mis midagi arvab või teab. See on mudel, mis teeb tööd keelega ja ennustab pidevalt järgmist tokenit. Just nimelt tokenit, mitte järgmist tähte ega sõna. Mudel ei näe sõnu nii nagu meie neid näeme – mudeli jaoks on need teisendatud numbriteks. Näiteks lause „Maasikad on punased“ on jagatud seitsmeks tokeniks (18639, 288, 507, 324, 402, 7989, 1882); inglise keeles (strawberries are red) oleks tokeneid viis (809, 288, 507, 324, 402, 7989, 1882). 

See võib tunduda tühine tehniline nüanss, ent ometi on see oluline, et mõista milles keelemudel saab hea olla ja milles mitte. Või õigemini – milliste eksimuste puhul ei ole kohane väita, et „mudel on rumal“. Kui inimene vaatab peale sõnale „maasikas“, näeb ta seda tervikuna. Keelemudel näeb seda aga kolme tokenina: ma + as + ikas (809, 288, 36959). Seega kui küsida, mitu A-tähte on sõnas „maasikas“, ei ole see labane ülesanne. Küll aga on keelemudel suurepärane leidmaks „kogu maailma materjalist“ üles kogu info, mis maasikate kohta käib. Sest ta otsib statistiliselt järgmist tokenit väga mitmemõõtmelisest maatrikist. Ja teeb seda väga-väga hästi. 

Siinkohal ei ole kohane järeldada, et „kui ta isegi ei tea mitu A-tähte on sõnas maasikas, siis kuidas ta saab teada, milline muld sobib aedmaasikale kõige paremini“. Mudel toimib teistmoodi, seda tuleb meil aktsepteerida ja sellega arvestada. 

Teiseks tasub teada, et keelemudel ja selle erinevad rakendused on erinevad asjad. Chat GPT on rakendus, mis kasutab erinevaid Open AI poolt loodud mudeleid (GPT-5, GPT-4o, GPT-4 jne), samamoodi on Gemini rakendus, mis kasutab Google DeepMind poolt loodud mudeleid (Gemini 2,5 Pro, 2.5 Flash jne). Olemas on ka rakendusi, mis kasutavad erinevate tootjate mudeleid, näiteks Microsofti Copilotis on kombinatsioon Open AI GPT-5 ja nende enda Prometheus mudelist; Perplexity kasutab nii enda kui ka Anthropicu Claud ja Open AI mudeleid. 

AI muutub ja areneb nädalatega

See maailm muutub väga kiiresti, lausa nädalate, mitte kuude ega aastatega, mistõttu tasub just enda vajadustele vastava töövahendi mudeli või rakenduse otsimisel olla avatud meelega ning katsetada erinevaid teenusepakkujaid. Sest kõigil neil on oma plussid ja miinused. Esimeses loetelus võiks kindlasti olla Chat GPT, Google Gemini, ClaudeAI ning Microsoft Office-i kasutajatele Copilot.

Kolmandaks – kõik mudelid hallutsineerivad  ehk genereerivaid väga enesekindlalt fakte või infot, mis ei vasta tõele ega lähtu olemasolevatest andmetest. Enamasti ei ole mudelid võimelised vastama, et nad ei tea. See on probleem, mille lahendamiseks investeeritakse miljoneid ning aja jooksul on erinevad mudelid jõudnud 30% eksimuste pealt teatud testides 1-3%-le. Sellegi poolest tuleb arvestada, et mudeli  peamiseks eesmärgiks on anda vastus – matemaatiliselt kõige tõenäolisem vastus. Kuna mudel endiselt ei tea midagi, arvutab see staatilist tõenäosust, mis võiks olla see sõna, lause,  number, millele nüüd vastata. See käib selle maailma juurde ning ka sellega tuleb lihtsalt arvestada.  

Seega, kui otsida vastust küsimusele, kas neid mudeleid saab usaldada, ei ole see lõpuni kohane küsimus. Ka teiste inimeste teadmisi ei saa kunagi lõpuni usaldada. Otsused ning järeldused peab tegema ikkagi alati inimene ise – keelemudelid aitavad teha teekonda otsustamiseni lihtsamaks ning kiiremaks. 
 

Mailiis Ploomann, Elisa juhatuse liige ja erakliendiüksuse juht