Dirbtinis intelektas (DI) sparčiai keičia visuomenės narių santykius su technologijomis ir kasdieniu gyvenimu. Nuo kalbos atpažinimo iki regos ir kalbos modelių – naujos DI sistemos – suteikia galimybę ne tik automatizuoti procesus, bet ir praplėsti žmonių bendravimo su skaitmeninėmis sistemomis galimybes. Tačiau mažesnės populiacijos kalbų, tokių kaip lietuvių, kontekste kyla nemažai iššūkių.
Dirbtinis intelektas (DI) sparčiai keičia visuomenės narių santykius su technologijomis ir kasdieniu gyvenimu. Nuo kalbos atpažinimo iki regos ir kalbos modelių – naujos DI sistemos – suteikia galimybę ne tik automatizuoti procesus, bet ir praplėsti žmonių bendravimo su skaitmeninėmis sistemomis galimybes. Tačiau mažesnės populiacijos kalbų, tokių kaip lietuvių, kontekste kyla nemažai iššūkių: trūksta tam tikrų duomenų, kalboje gausu gramatinių ir semantinių niuansų, jai skiriamas ribotas dėmesys tarptautiniu mastu.
 „Vilnius Tech“ lektorius Tautvydas Kvietkauskas / Asmeninio albumo nuotr. |
|---|
„Vilnius Tech“ Informacinių sistemų katedros lektorius Tautvydas Kvietkauskas, atlikęs tyrimą apie regos ir kalbos modelių perspektyvas lietuvių kalboje naudojantis DI technologijomis, pabrėžia, kad jungumo principas tarp akademinės bendruomenės, verslo ir valstybės institucijų yra esminis, siekiant užtikrinti inovacijų sklaidą ir DI sprendimų efektyvumą Lietuvoje.
Plačiau papasakokite apie savo atliekamus tyrimus.
Mano tyrimai dar tik pradėti plėtoti. Bakalauro ir magistro studijose gilinausi į vaizdo atpažinimą, tačiau doktorantūroje norėjau gilinti žinias panašioje, bet kiek kitoje srityje. Pasitaręs su darbo vadovu – Informacinių sistemų katedros profesoriumi doc. dr. Pavelu Stefanovičiumi (Pavel Stefanovič), nusprendžiau spręsti klausimus, susijusius su regos ir kalbos (angl. Vision-Language) modelių naudojimu lietuvių kalboje.
Šiuo metu DI pasaulyje jau tampa įprasta, kad vakarykštės naujienos šiandien galimai yra technologiškai pasenusios. Gali būti, kad tai, ką nagrinėjau šią savaitę, po pusės metų taps technologiškai nebeaktualu. Lietuvių kalba visada bus aktuali su bet kokiomis DI technologijomis.
Kaip regos ir kalbos modeliai gali pakeisti lietuviškai kalbančių visuomenės narių bendravimą su skaitmeninėmis sistemomis?
Kai maždaug 2022 m. prasidėjo DI pasaulinio žinomumo ir naudojimo bumas, anglų kalba natūraliai buvo lyg tarpininkas tarp galutinio vartotojo ir DI, pavyzdžiui, „ChatGPT“. Per pastaruosius trejus metus tapo įmanoma ne tik susirašinėti, bet ir klausyti, lietuvių kalba kalbėti DI. Tačiau pasaulinio lygio projektuose į taisyklingą lietuvių kalbą atsižvelgiama labai retai. Susiduriama su lietuvių kalbos gramatikos, skyrybos, kirčiavimo klaidomis. Ateityje lietuviškai kalbančiai visuomenei visai nereikėtų naudotis papildomais kalbos vertėjais.
Regos ir kalbos modeliais grįstos skaitmeninės sistemos leistų įkelti nuotrauką, lietuviškai pasakyti, kad ją apibūdintų, o sistemos tai atliktų. Žmonėms su regos negalia tiksliai ir tikru laiku sistemos apibūdintų aplinkinius daiktus, netgi atstumus iki jų.
Jūsų tyrimuose analizuojami modeliai sujungia vaizdą ir kalbą. Kur matote didžiausią jų proveržį per artimiausius penkerius metus?
Daug kas jau yra sukurta arba taikoma: lietuvių kalba kai kur veikia geriau, kai kur prasčiau, tačiau technologijos jau naudojamos.
Iš tikrųjų didžiausias proveržis laukia robotizacijos srityje. Manau, kad per artimiausius penkerius metus dažniau pamatysime lietuviškai kalbančius robotus: jų akys matys aplinką ir lietuviškai pasakys, ką mato aplink save.
DI smegenys jau sukurtos ir gana gerai funkcionuoja, pavyzdžiui, gerai žinomas „ChatGPT“. Dabar belieka suteikti jam kūną.
Kokie svarbiausi iššūkiai, bandant pritaikyti DI modelius mažesnės populiacijos kalboms, tokioms kaip lietuvių?
Didžiausias iššūkis – ne patys DI modeliai, o duomenys. Be kokybiškų duomenų negalima tikėtis gero modelio rezultato. Remiantis patirtimi ir prieinamais šaltiniais, lietuviškų duomenų tikrai nėra daug. Norint pasiekti gerą rezultatą, reikėtų milijonų, o kartais ir milijardų nuotraukų, sakinių, žodžių ar garso įrašų lietuvių kalba.
Be to, mažos šalies kalbos turi savitų gramatinių ir semantinių niuansų, perkeltinių prasmių arba skirtingų žodžių reikšmių, priklausomai nuo sakinio konteksto, pavyzdžiui, žodiskasa.
Anglų kalba – populiariausia pasaulyje, todėl medžiagos šia kalba gausu, o kitų šalių, ypač mažų, duomenų gerokai mažiau, o ir joms skiriamas dėmesys yra ribotas.
Kaip jungumo vertybė atsispindi Jūsų akademinėje veikloje?
Man patinka dalytis patirtimi ir išgirsti konstruktyvią kritiką, visada klausiu kolegų patarimų. Dalinuosi savo turimomis žiniomis su studentais, kurie dažnai pateikia naujų įžvalgų arba leidžia pažvelgti į problemas kitu kampu.
Su bakalauro ir magistro studijų studentais, kurių baigiamiesiems darbams vadovauju, tariuosi dėl technologijų, duomenų ar strategijos, nes jų tyrimų temos glaudžiai susijusios su sritimi, kurią analizuoju.
Kalbos ir regos modelių lyginamasis tyrimas buvo atliktas bendradarbiaujant su „Neurotechnology“ įmonės darbuotojais, atsižvelgiant į jų patarimus. Taip pat esu dėkingas „Vilnius Tech“ Skaitmeninės gynybos kompetencijų centre dirbantiems kolegoms už suteiktą galimybę tyrimų metu naudotis universiteto resursais.
Kur matote didžiausią jungumo potencialą tarp akademinių tyrimų, verslo ir valstybinių institucijų DI srityje Lietuvoje?
Didžiausias jungumo potencialas – duomenų rinkimas ir tvarkyba. Kadangi DI pagrindas – duomenys, jų trūkumas tiesiogiai riboja ir DI rezultatų kokybę.
Valstybė turi didelius duomenų kiekius, pavyzdžiui, dokumentus, vaizdus ar geografinių informacinių sistemų žemėlapius, tačiau trūksta inovatyvių sprendimų. Akademinė bendruomenė galėtų pasiūlyti tokius sprendimus, tačiau tam reikalingos finansinės priemonės. Verslas galėtų suteikti reikiamų lėšų ir, bendradarbiaudamas su valstybės institucijomis bei akademine bendruomene, diegti sprendimus ne tik Lietuvoje, bet ir tarptautiniu mastu.
DI modeliai vis labiau integruojami į kasdienį gyvenimą. Kaip galima sukurti jungtis tarp žmonių pasitikėjimo ir technologijų skaidrumo?
Pasitikėjimas atsiranda tuomet, kai nejaučiama baimė. Kol žmonės bijos, kad DI atims jų darbo vietas, pasitikėjimas išliks menkas. Tačiau reikia prisiminti, kad panašiai buvo visų pramonės revoliucijų metu, tačiau galiausiai žmonės persikvalifikuodavo, taip atsirado ir naujų profesijų.
Kalbant apie technologinį skaidrumą, žmonėms svarbu suprasti, kaip DI veikia, kodėl pateikiamas vienoks ar kitoks atsakymas, iš kur gaunami duomenys. DI sistemos turėtų aiškiai paaiškinti savo sprendimų pagrindą – pateikti informaciją apie duomenų šaltinius ir modelio mokymą.
