AI is like what the internet was in… 1987, but beyond. So imagine what people thought the internet would be in 1987 to what it actually is today.
(Will.I.AM, räppar, produtsent ja filantroop)
See tsitaat ilmestab laialt levinud arusaama, kui keeruline on ette kujutada tehisintellekti (AI) rolli meie elus mõnekümne aasta pärast. Ühest küljest on levinud ulmefilmidest pärit kujutelmad masina juhitavast maailmast, teisalt põrkuvad need tänase olukorraga, kus tehisintellekti potentsiaali mõistmiseks ja eesmärgipäraseks kasutamiseks on veel palju ära teha. Kuigi AI tehnoloogiat on arendatud juba 1950ndatest saadik, on kiire areng toimunud just viimastel aastatel, eelkõige suurenenud andmehulga, andmete kättesaadavaks muutumise ja info- ja kommunikatsioonitehnoloogia (IKT) odavnemise toel.
Kogu maailm, sh avalik sektor, on liikunud digiteerimise ja sealt edasi juba andmetöötluse kursil. See on tekitanud tunde, justkui kõike saaks kvantifitseerida ja analüüsida. Avalikus sektoris, nt maksu- ja tolliametis on suurte andmehulkade peal rakendatud reeglitepõhist andmeanalüüsi ja seda kohati vägagi kvaliteetselt. Kuna andmeid on üha rohkem ja need on muutunud kiiremini kättesaadavaks, on see ühtlasi tekitanud vajaduse teha kvaliteetset andmeanalüüsi veelgi kiiremini, paremini ja rohkem, et vastata maksumaksjate ja riigi üha kõrgemaks muutunud ootustele.
Tehisintellekt kui (peaaegu) inimmõistus
Avalik sektor näeb AI tehnoloogias võimalust pakkuda rahvale paremaid avalikke „tarku teenuseid“ ja kasutada tehnoloogiat järelevalvelise rolli täitmisel. Tehisintellekti võiks siinkohal võtta kui tehnoloogiat, mis võimaldab inimmõistusega sarnaselt lahendada keerukaid probleeme. Küll aga kaasnevad avaliku sektori kontekstiga eripärad, näiteks seadusandlikud piirangud andmete kasutamisel, kogumisel ja analüüsimisel. Teiseks, erasektorile iseloomuliku konkurentsikeskkonna puudumine. Kolmandaks, tehnoloogia ja demokraatia omavahelised seosed – meie ühiskonnas oodatakse avaliku sektori tehnoloogiatelt ka seda, et need aitaksid arendada riigis demokraatlikke väärtusi.
Tehisintellekti- ja masinõppesüsteemid parandavad orgaaniliselt andmetele juurdepääsu ning aitavad andmeid väärindada. Peamiselt kasutatakse tänapäeval tehisintellekti kolme tüüpi ärivajaduste rahuldamiseks, sarnaselt maksundusega üle maailma:
Protsesside automatiseerimine, mis on lahendustest kõige populaarsem ja aitab optimeerida olemasolevaid protsesse. Paljud Euroopa maksuametid kasutavad automatiseeritud lahendusi näiteks maksukohustuste arvutamisel või isikute maksukäitumise jälgimisel.
Andmehulkadest mustrite leidmine ja neile tähenduse andmine. Näiteks on Eesti maksu- ja tolliametis olemas lahendus tõenäosuse leidmiseks, millised ettevõtted võivad maksta ümbrikupalka. Reeglitepõhise andmeanalüüsi alusel teeb MTA praegu ka otsuseid, mis selgitavad välja, millised on need sektorid, mis vajavad mingil hetkel erilist tähelepanu.
Klientide/maksumaksjate kaasamine ja teenindamine (nt Rootsi maksuagentuuri chatbot Skatti[1] või Suurbritannia maksuhalduri Herbie,[2] aga ka kõnetuvastuslahendused, automaatsed soovitussüsteemid jne).[3]
Need lahendused pakuvad teenuseid, mis süvendavad maksukuulekust, ning täidavad eesmärke ka võrdse konkurentsi ja ühiskonnakaitse alal. Eksperimentaalprojektid on näidanud, et tehisintellekti abil saab massandmete põhjal luua efektiivseid riskimudeleid, mille täpsus on väga kõrge, kuid mis ei saa tänapäeval eksisteerida veel iseseisvalt. Põhjused on eetilised, aga ka tehnoloogilised.
Kuidas mõista masinat?
Kuigi sageli arutatakse pikemaajaliste riskide üle, mida tehisintellekt kujutab inimkonna ellujäämisele,[4] tegelevad praktikud pigem hoomatavamate riskidega. Enim kõlapinda tekitavad näiteks AI võimaliku kallutatuse küsimus ning selle vähene suutlikkus arvestada tehnoloogia kasutajate eripäradega. Tehisintellekt kui iseõppiv süsteem on pidevas muutumises, mis teeb selle õppimisprotsessi jälgimise ja hindamise keerukaks, tekitades „musta kasti“ probleemi. Paljud masinõppemudelid genereerivad tulemusi, kasutades mitmemõõtmelisi korrelatsioone, mis ületavad inimmõistuse tõlgendamisvõimalusi. Masinõppe mudel annab välja algoritmiliselt loodud tulemuse, kuid mitte seletust, kuidas sellise tulemuseni jõuti. Algoritmiliste otsuste läbipaistmatus on eriti problemaatiline avalikus sektoris, sest eetilisus ja kodanike võrdne kohtlemine on üks demokraatlike riikide põhiväärtusi, mida läbipaistmatud ja vähe põhjendatud otsused ei toeta. Seetõttu räägitakse viimastel aastatel üha enam hoopis XAI-st – seletatavast tehisintellektist (explainable artificial intelligence).[5] Seni kui me ei mõista lõpuni AI mudeli otsustusprotsessi, on inimesel vaja need otsused üle vaadata veendumaks, et masin ei ole eksinud. Siin on oluline märkida, et kuigi enamiku AI-l põhinevate lahendustega kaasneb praegu veel inimjärelevalve ehk nende õpitut vaatab ja kontrollib inimene, võib see tulevikus kiirelt muutuda.
Erinevalt erasektoris valitsevast konkurentsikeskkonnast ei ole kodanikel riigi pakutavatele teenustele alternatiive ning see teema muutub ühiskonnas kindlasti järjest teravamaks. See on pannud riike juba mõtlema, millised peaksid olema tehisintellekti kasutamise õiguslikud raamid, ning kaaluma vajadust luua tehisintellekti disainimiseks ja arendamiseks eetiline raamistik, mis sisaldaks nii poliitilisi kui ka õiguslikke piirangud. Üheks selle alustalaks oli 2017. aasta septembris G7 IKT ja tööstusministrite Torinos allkirjastatud deklaratsioon. Sellega lepiti kokku eesmärgis mõista AI võimalikku kasu ühiskonnale ja majandusele ning tagada selle inimkeskne areng, sh vajalikud seadused, poliitikad ja väärtused. Järgnenud on arutelud eri poliitilistel tasanditel, millega püütakse valdkonda kiiresti reguleerida. Need arutelud on oluline samm tehnoloogia ja demokraatlike väärtuste kombineerimisel, sest võimaldavad lõpptulemusena luua avalikku väärtust ehk teenuseid, mis on kodanikule kasulikud, ning aitavad vähendada tehnoloogia kuritarvitamise ohtu.
Eetiliste väljakutsete kõrval seavad tehisintellekti kasulikkusele piiranguid andmete kvaliteet ja nende kogumise eesmärk. Avalikus sektoris seab andmekasutusele piiranguid seaduslik ruum (maksu- ja tolliamet lähtub oma töös maksukorralduse seadusest), mis tagab, et andmeid kasutataks asutuse rolli täitmiseks, ega võimalda lihtsalt niisama ellu viia kõiksugu lennukaid ideid. Sealjuures on andmete kvaliteet kohati seotud nende kogumise eesmärgiga: kui mingil kasutuseesmärgil võib pidada andmete kvaliteeti väga kõrgeks, siis ei pruugi see nõnda olla mõne teise eesmärgi tarvis. Nii on ka AI-ga, mida treenitakse ajaloos kogutud andmete peal leidma mustreid, mis ennustaksid probleemi võimalikku kordumist tulevikus ning aitaksid ennetada sellega kaasnevaid kahjusid. Ka MTA-s on analüüsitud võimalust kasutada tehisintellekti efektiivsemaks maksukogumiseks.
Väikesed võidud ja suuremad sihid
Lähemate aastate jooksul aitavad tehisintellektil põhinevad lahendused läheneda maksumaksjatele personaalsemalt. Isikute riskide jt tunnuste hindamine aitab suurendada maksukuulekust, aga ka kokku hoida nii ettevõtjate kui ametnike aega. Ühest küljest aitavad lahendused pakkuda ausatele maksumaksjatele juba täna võimalikult kiireid ja mugavaid teenuseid oma kohustuste täitmiseks, teisest küljest on tehisintellekt avastanud seni inimsilmale märkamatuid riske, aidates tagada ka võrdsemat majanduskeskkonda. Üha enam liigutakse reaalaja-andmete kättesaadavuse poole, mis võimaldaksid hinnata ettevõtete olukorda, seadusemuudatuste mõju või majandustsükleid, et prognoosida kiiremini eesootavat ja seeläbi paremini kohaneda muutuvate oludega.
Pikemas, mõnekümneaastases perspektiivis sõltub aga edu suutlikkusest mõelda kaugemale. Selleks et väiksemad „katseprojektid“ panustaksid ka suurema eesmärgi täitmisse, on avaliku sektori organisatsioonidel vaja teha neid strateegiliselt olulistes kohtades. See omakorda eeldab selgelt tulevikku vaatavat visiooni ja investeeringuid selle elluviimiseks. Tehisintellektil põhinevate lahenduste loomine nõuab aga aega ja pühendumist. Seetõttu on oluline ambitsioonikaid eesmärke seades hinnata organisatsiooni võimekust adopteerida innovaatilisi tehnoloogiaid ja alustada just eksperimentaalprojektidest, mis võimaldaksid projekti mõju paremini fokuseerida. Kui sellele eelnevalt mitte mõelda, võivad kaasneda suured riskid ja rahalised kaotused.[6] Seega on tulevikku vaadates olulisim küsimus, millist muutust tegelikult soovitakse saavutada ning kas tehisintellekti kasutamine on parim vahend selle esilekutsumiseks. Seda enam et professionaalsed lahendused eeldavad tehnoloogilisi teadmisi ja kompetentsi, mida saab koondada kas avaliku ja erasektori tihedama koostöö abil või siis organisatsioonisisese kompetentsi kasvatamise teel, mis nõuab pikaajalist tööd nii spetsialistide kui juhtide tasandiga.
Kui lühemas perspektiivis võib tunduda ahvatlev kasutada uusi ja põnevaid tehnoloogilisi lahendusi mõne olemasoleva protsessi täiustamiseks, siis pikemaajalise edu saavutamisel võib oluliseks teguriks kujuneda võime nihutada fookus tehnoloogia kasutuselevõtult just lahendatavale probleemile ja avaliku väärtuse loomisele.[7] Seega on üheks tulevikuväljakutseks tehisintellekti „põrkumine“ parajasti avaliku sektori asutustes toimuvate protsessidega. Iga kord, kui asutakse teele digitaalse transformatsiooni suunas, peavad organisatsioonid vaatama näkku hetkeolukorrale: integreerima uusi lahendusi juba varem disainitud ja rakendatud protsessidesse, aga ka värskendama olemasolevaid kompetentse ja mõtteviise.
Ühiskonnana seisame praegu olulisel teelahkmel, kus tuleb otsustada, kus ja kuidas kasutada tehisintellektil põhinevaid tehnoloogiaid, et need toetaksid avaliku väärtuse loomist, ning kuidas neid rakendada nõnda, et nad arendaksid, mitte ei piiraks demokraatlikke väärtusi nagu vabadus, võrdsus ja läbipaistvus. Võimalike arengusuundade paljus teeb keeruliseks ennustada, millist rolli hakkab tehisintellekt mängima inimeste mõnekümne aasta perspektiivis. Sama keeruline oli inimestel 1987. aastal ette näha muutusi, mida internet on tänaseks meie ellu toonud.
[1] Artificial Intelligence Improves the Swedish Tax Agency’s Customer Service. AI Sweden, 29.04.2019; https://bit.ly/3AeqYc8.
[2] Artificial Intelligence Tax and Revenue Chat Bot – Virtual Assistant. Digital Marketplace, GOV.uk; https://bit.ly/3Fnltvy.
[3] T. H. Davenport, R. Ronanki, Artificial Intelligence for the Real World. Don’t Start with Moon Shots. Harvard Business Review, jaanuar-veebruar 2018; https://bit.ly/3Bl7pk8.
[4] J. Tallinn, A. Aksiim, Enne kui masin ületab inimest. Vikerkaar, 2017, nr 7/8.
[5] A. Adadi, M. Berrada, Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI). IEEE Access, 2018, kd 6, lk 52138–52160.
[6] T. H. Davenport, R. Ronanki, Artificial Intelligence for the Real World.
[7] A. Cordella, C. M. Bonina, A Public Value Perspective for ICT Enabled Public Sector Reforms: A Theoretical Reflection. Government Information Quarterly, 2012, kd 29, nr 4, lk 512–520.
Lisa kommentaar