Rääkisime podcastis tehisintellekti ehk AI rakendamisest tööstuses. Saate külaliseks oli Tartu Ülikooli robotitehnoloogia lektor Veiko Vunder, kes on uurinud ja arendanud AI, masinnägemise ja robootika lahendusi nii teaduses kui ka ettevõtluses. Vestluses keskenduti küsimustele, kuidas AI töötab, millist kasu see pakub ja miks ei tasu selle kasutuselevõtuga oodata.
Mis on tehisintellekt ja kust see alguse sai?
Kuigi tehisintellekti peetakse uueks nähtuseks, ulatuvad selle juured 1950. aastatesse, mil termin “artificial intelligence” esmakordselt kasutusele võeti. Toona jäi see peamiselt teoreetiliseks, kuid nüüdseks on arvutusvõimsuse kasv teinud võimalikuks asjad, mis varem tundusid ulmelised. Vunder märgib, et tänapäeva arvutid suudavad teha triljoneid arvutusi sekundis – see loob eeldused, et AI rakendused on muutunud praktiliseks tööriistaks. Viimase kümnendi jooksul on eriti kiiresti arenenud keelemudelid, mis on andnud AI-le nähtava rolli ka igapäevaelus.
Põhimõisted: AI, masinõpe ja närvivõrgud
Et AI-st paremini aru saada, tasub eristada kolme peamist mõistet:
-
Tehisintellekt (Artificial Intelligence) – üldine raamistik, kus masin käitub viisil, mis tundub inimese jaoks arukas.
-
Masinõpe (Machine Learning) – AI haru, kus masin õpib ise andmete põhjal seoseid leidma.
-
Närvivõrgud (Neural Networks) – masinõppe meetod, mis jäljendab inimese aju tööd ja suudab tuvastada keerulisi mustreid.
Närvivõrgud toimivad nagu kihiline süsteem, kus sisendid liiguvad läbi paljude kihtide, kuni jõuavad tulemuseni. Kuna nende tööpõhimõte on tihti raskesti seletatav, nimetatakse neid sageli “mustaks kastiks”.
AI igapäevas ja tööstuses
Paljude jaoks tähendab tehisintellekt ChatGPT-d või muid keelemudeleid, kuid tegelikult on AI palju laiem. Seda kasutatakse ka muusikas, finantsanalüüsis, transpordis ja turunduses – tihti nii, et kasutaja seda ei märkagi. Näiteks soovitavad Spotify ja YouTube lugusid ja videoid, tuginedes AI analüüsile mitte ainult kuulamisharjumuste, vaid ka seltskonna ja asukoha põhjal.
Tööstuses algab AI kasutamine andmetest. Siin mängib võtmerolli ERP-tarkvara, mis kogub ja struktureerib tootmisandmeid. Kui info on ühes kohas ja süstemaatiliselt kogutud, saab seda kasutada masinõppe mudelite treenimiseks, et tuvastada mustreid, mida inimene ise ei märkaks – näiteks seadme rikke-eelseid märke või kvaliteediprobleeme.
Takistused ja võimalused
Veiko Vunder toob välja, et kuigi huvi AI vastu on suur, põruvad paljud projektid ootuste ja tegelike võimaluste vastuolude tõttu. Kõige olulisem on õppimisvõime – kui süsteem ei õpi andmetest, siis ei saa seda pidada AI-ks, isegi kui see teeb automaatseid otsuseid. AI kasutatakse tööstuses peamiselt kvaliteedikontrollis, kus masinnägemine tuvastab kõrvalekaldeid toodetes või protsessides. Näiteks, Bosch kasutab AI-d, et optimeerida tootmis- ja tarneahelaid, parandades kvaliteeti ja vähendades kulusid, BMW rakendab AI-põhist kaamerajälgimist, mis kontrollib iga auto kleebiseid ja tuvastab valesti märgistatud detaile.
Eesti ettevõtted ja arengutrendid
Eestis on tehisintellekti kasutus viimastel aastatel kiiresti kasvanud. 2023. aastal rakendas AI-lahendusi umbes 5% ettevõtetest, kuid 2024. aastaks oli see tõusnud juba 14–15%-ni – enam kui Euroopa Liidu keskmine. Kuigi trend on positiivne, jääb Eesti veel maha riikidest nagu Taani (27%). Peamine takistus on ettevõtete väiksus: suuremahuliste süsteemide rakendamine ei tasu alati ära. Lahendus võib peituda aga avatud lähtekoodiga tööriistades ja nutikas andmekogumises, mis ei nõua suuri investeeringuid.
Vanade seadmete targemaks muutmine
AI ei tähenda alati uute masinate ostmist. Vunder toob näiteks projekti, kus vanade teraviljakuivatite töö jälgimiseks lisatakse vaid mõned strateegilised andurid – näiteks kaamera või mikrofon, mis tuvastab laagrite kulumist heli järgi. Selline lahendus aitab süsteemil ise prognoosida kuivatuse lõppu ja vähendab vajadust pidevalt kohal olla.
Kuidas ettevõte võiks alustada?
-
Kaardista protsessid ja andmed.
Mõtle, milliseid korduvaid või andmerikkaid tegevusi võiks automatiseerida. -
Harjuta keelemudelitega.
Näiteks kasuta ChatGPT-d ideede genereerimiseks või andmetöötluse koodilõikude loomiseks, kuid väldi tundlike andmete sisestamist. -
Tee koostööd teadusasutustega.
Eestis koondab AI-alaseid eksperte ja teadlasi AI & Robootika Kompetentsikeskus AIRE. Ka Tartu Ülikooli ettevõtlus- ja innovatsioonikeskus aitab leida sobivaid partnereid. Ülikoolide koostööprojektid on pikemaajalised (pool aastat kuni aasta), kuid pakuvad sügavat teaduslikku tuge ja praktilisi tulemusi.
Kokkuvõte
Tehisintellekt ei ole enam tulevikuteema, vaid tänane konkurentsieelis. Edu võti on andmetes, õppimisvõimes ja inimeste valmisolekus tehnoloogiat kasutada. Nagu Veiko Vunder ütleb – iga ettevõte saab AI-ga alustada juba olemasolevast, kui on julgust katsetada ja mõista, et tarkus peitub andmetes.
Kuula TSENTRI podcaste Spotifys või Youtubes.
Podcasti läbiviimist on kaasrahastanud Euroopa Liit, vt projekti infot.
