OCCO masinõppejuht Edward Erelt selgitas, kuidas arvutid näevad ning miks ei peaks ka lihtsate tööde tegijad tehisintellekti ja tehnoloogia arengut kartma.
Masinõpe ja arvutinägemine on kaks märksõna, mis kerkivad üha tihedami jutuks ning vallutavad ka kõige ootamatumaid sektoreid. Suur roll on masinõppel näiteks sisustusidu OCCO töös. OCCO missiooniks on lihtsustada ja kiirendada arhitektide tööd, automatiseerides sisustuselementide välimuslike ja rahaliste alternatiivide otsimise protsessi. Ettevõtte masinõppejuht selgitas, mida tulevik selles vallas lubab ning kuidas arvutinägemine OCCOle oluline on.
Kui vaadata tulevikku, siis mis masinõpe meile lubab või toob – mis on selle võimalused?
Kui rääkida masinõppest üldiselt, mitte ainult arvutinägemisest, siis mina näen masinaõpet asjana, mis saab teha inimese elu tunduvalt paremaks. Paljud tööd tänapäeval on väga monotoonsed – inimesed teevad sama asja sisuliselt terve päeva, olgu selleks kas e-mailide saatmine või mingisuguste lihtsate otsuste tegemine. Kui koguda piisavalt andmeid ja treenida algoritmi, mis otsustab andmete põhjal, siis saab tegevuse automatiseerida.
Minule isiklikult kõige huvipakkuvam suund praegu on erinevate andmetüüpide liitmine, näiteks teksti ja piltide liitmine. Ehk siis me ütlemegi arvutile sõnadega, et muuda pilti mingil kujul, näiteks lisa minu fotole make-up ja ta lisabki selle nii, nagu ma kirjeldan. Või siis, kui me räägime näiteks disainimaailmast, siis on põnev CADi (computer-aided design) ja piltide liitmine, nii et saaksime teha erinevaid CADi mudeleid ka masinate abil.
Kas sellega kaasneb ka mingeid ohte?
Palju on räägitud igasugustest AI ohtudest ja kuidas tehisintellekt asendab inimese. Mina isiklikult arvan, et see on iga tehnoloogiaga kaasas käiv nähtus. Kui tulid esimesed aurumasinad, siis ka räägiti, et see asendab inimesed varsti, aga tegelikult on inimeste elu tänu automatiseerimisele ja tehnoloogiale järjest paranenud.
Isegi inimesed, kes teevad täna lihtsaid töid ei peaks masinõpet kartma, sest see võimaldab nende töö automatiseerida ja neile jääbki pigem huvitavam ja ülevaatlikum roll, sest nad saavad tegeleda nende olukordadega, mida tehisintellekt ei suuda lahendada.
Muidugi teine, ulmelisem oht võib-olla on see, et arvutid muutuvad mingil hetkel inimestest veel targemaks, ent sinna läheb ilmselt küll veel sadu aastaid. Kahjuks või õnneks on inimese aju äärmiselt keeruline ja äärmiselt tark võrreldes praeguste arvutitega.
Millised on masinaõppega seotud kõige suuremad väljakutsed?
Hetkel masinõppega seotud põhilised väljakutsed on kas andmete puudumine või probleemi lahendamine ebasobivate andmetega. Tihti on firmadel palju andmeid, aga kas need andmed on sildistamata, ehk siis need on lihtsalt toorandmed ja nendega ei saa tegelikult treenida tehisintellekti, või siis nad esmapilgul näevad sobivad välja, aga kui hakata kasutama, siis ilmnevad mingid probleemid.
Toon näite: meil oli palju tootepilte, millel oli ilusalt üks toode peal ja valge taust ning me treenisime väga hea kategoriseerija selle põhjal – kategooriaid sai meie toode anda väga kergesti, väga hästi, väga täpselt. Nüüd aga, kui me tahtsime sama mudelit kasutada selleks, et näidata inimestele soovitusi ja aidata neil otsida uus tooteid selle põhjal, mida nemad saavad tootesse (OCCO valikusse – toim.) lisada, siis tuli välja, et inimesed hakkavad saatma (OCCO otsingusse laadima – toim.) hoopis teistsuguseid pilte.
Nad saadavad pilte, kus on vähe valgust, kus on toode ainult osaliselt näha, kus on toode vale nurga all – sellise nurga all pilte meil enda andmebaasis polnud. Kui see tuli ilmsiks, siis me kogusime uue andmestiku, treenisime uue mudeli ja lahendasime selle probleemi, ehk siis nüüd võib inimene teha ükskõik kuidas pildi ja otsida.
Kui palju on neid kategooriaid ja tooteid, mis arvuti (OCCO jaoks – toim.) siis nii-öelda läbi peab närima ja kui kaua see aega võtab umbes?
Hetkel on meil tegelikult tootekategooriaid natuke üle 100. Neid lisatakse juurde iga päev, seega täpset numbrit ma hetkel ei tea. Kui nüüd aga rääkida, kui kaua sellel arvutil kulub, et need tooted kõik läbi vaadata, siis tegelikult – sisuliselt mitte midagi. Kui inimesel kuluks tunde või päevi, et need tooted läbi vaadata, siis arvuti suudab kerge vaevaga sajad tuhanded või isegi miljonid pildid paarikümne millisekundiga läbi vaadata ja teha otsuse, mida inimesele näidata, mida mitte.
Kui levinud selline masinõppe süsteem on ja kui palju seda kasutatakse näiteks disainivaldkonnas?
Disainivaldkonnas on mõned teised firmad, aga kas keegi teeb täpselt sama asja, mida meie – ei ole kuulnud. Samas masinõpe on järjest kasvav valdkond ka disainimaailmas. Ja see ongi võimalik tänu sellele, et järjest rohkem tekib andmeid ja need on järjest paremad.
Disaini jaoks on vaja väga palju andmeid võrreldes mõne teise probleemiga. See on nii lai valdkond, et selleks, et teha mingeid otsuseid, on sul vaja näha sisuliselt kogu seda valdkonda, miljoneid pilte. Tänu aga näiteks sotsiaalmeediale on võimalik leida isegi mööbliesemetest miljardeid pilte.
Milline on OCCO jaoks järgmine suur samm, mille nimel te praegu töötate?
OCCO jaoks on hetkel põhiliseks sammuks kindlasti laienemine. Me laieneme väga jõudsalt erinevatesse riikidesse üle Euroopa. Kasvatame käivet väga kiiresti, samuti kasvame ehk siis meil on vaja palju uusi inimesi.
OCCO eesmärk üldiselt on muutuda nimeks, mida sisearhitektid igapäevaselt enda kontorites mainivad, millest nad räägivad, mida nad kiidavad – see on meie põhiline eesmärk.
Milline on teie roll ettevõttes masinõppejuhina?
Mina masinaõppejuhina vastutan masinaõppe arenduste eest. See tähendab siis, et ma suhtlen nii tootesaadikute kui lõppkliendiga ja otsustan, milliseid funktsionaalsusi oleks vaja tootesse lisada. Samamoodi räägin ma teiste arendajatega ning otsustan, kuidas uued funktsionaalsused sobiksid nende arendatavate tooteosadega.
Kui esialgne funktsionaalsus on paigas, siis arendan selle välja. Selleks on muidugi vaja koguda ka andmeid – mõnel juhul meil on andmed juba olemas, mõnel juhul tuleb välja minna ja ise hakata koguma andmeid.
Kui andmed on kogutud, siis ma treenin närvivõrgu või selle masiõppe algoritmi ja arendan sellest töötava teenuse. Seejärel läheb teenus üles pilve ja teised arendajad lisavad enda tarkvara sinna külge, peale mida jõuab see kasutajani. Peale esimesei kasutajaid tuleb sisuliselt kohe mingi tagasiside, midagi tuleb muuta – kas tuleb koguda rohkem andmeid, kas tuleb muuta seda funktsionaalsust, kus tuleb teha kergemini kasutatavaks, inimesele arusaadavamaks. Ja siis algab teenuse järjest paremaks tegemine.
Intervjuu on tehtud Tartus Digiti nimelisel IT-konverentsil 2022. aasta aprillis.
