Termini on 1956. aastal võtnud kasutusele John McCarthy. Ta määratles tehisintellekti teadusena intelligentsete masinate loomisest.
Valdkond on saanud alguse väitest, et inimesteintellekti saab nii täpselt kirjeldada, et seda saab masinaga jäljendada. See tekitab küsimusi mõistuse olemusest ja teadusliku ülbuse piiridest. Neid teemasid on käsitlenud müüdid, ilukirjandus ja filosoofia juba antiikajast.
Tehisintellekti väljatöötamine stimuleerib tänapäeval paljude informaatika probleemide lahendamist.
Ajalugu
Tehisolendeist on juba antiikajast peale juttu olnud. Sealt edasi on neid palju mainitud ulmeteoseis, näiteks Mary Shelley raamatus Frankenstein.
Tehisintellekti sünniajaks peetakse aastaid 1952–1956, kui loodi esimesed intelligentsed masinad. Tehisintellekti kuldseteks aastateks peetakse vahemikku 1956–1974. Selle aja jooksul loodi palju uusi programme ning teadlastel tekkisid ideed, kuidas ja milliseks tuleks tehisintellekte luua ja arendada. Aastail 1974–1980 (TI esimene talv) areng peatus, sest teadlastel ei olnud enam piisavalt võimsaid arvuteid: loodud masinad suutsid toime tulla üksnes kõige kergemate ülesannetega. Kuna edasist arengut ei toimunud, ei olnud rahastajad rahul ning raha vähesuse tõttu tuli töö pooleli jätta. Sellest hoolimata said teadlased edasi töötada ning buumi ajal (1980–1987)
tuldi välja uute võimsamate programmidega tänu Jaapanis tegutsevale Rahvusvahelise Kaubanduse ja Tööstuse Ministeeriumile. Valdkonna edasine areng käis üles-alla. 1991. aastal ei olnud 1981. aastaks planeeritud saavutused veel valminud. See põhjustas nii sponsorites kui ka teadlastes pettumust ja soovi edasi töötada ei olnud.
Suurem läbimurre selles valdkonnas toimus 20. sajandi lõpus ning 21. sajandi alguses. Jõuti mitme sihtmärgini, mistõttu sai tehisintellekti valdkond laieneda ning luua võimsamaid masinaid.
Majanduslik mõju
Tehisintellektil on märkimisväärne mõju majandusele nii tootlikkuse, tööjõu ümberkujundamise kui ka innovatsiooni seisukohalt. Mitme rahvusvahelise analüüsi järgi võib tehisintellekti kasutamine tõsta üleilmset majanduskasvu lähikümnendeil, sest automatiseerimine ja masinõppepõhised otsustusprotsessid võimaldavad ettevõtteil tõsta efektiivsust ja vähendada kulusid.
OECD hinnangul aitab tehisintellekt automatiseerida korduvaid ja madala lisandväärtusega ülesandeid, võimaldades töötajatel keskenduda keerukamatele ja loovamatele tegevustele. Samas rõhutatakse tööjõu oskuste ajakohastamise vajadust, sest osa töökohti võib muutuda või kaduda.
Mitme uuringu järgi on tehisintellekt oluline ka uute ärimudelite tekkes. Näiteks personaliseeritud teenused, prognoosiv analüüs ja genereerivad mudelid võimaldavad ettevõtteil luua täiesti uusi tooteid ning optimeerida tarneahelaid ja tootmisprotsesse. McKinsey Global Institute’i 2023. aasta analüüs näitas, et generatiivne tehisintellekt võib suurendada üleilmset aastast tööproduktiivsust 0,2–3,3% võrra, sõltuvalt kasutusvaldkonnast ja sektorist.
Tehisintellekti kasutamisel on ka regionaalne mõju. Riigid ja piikonnad, mis investeerivad teadus- ja arendustegevusse ning digitaristusse, saavad kiiremini kasu tehnoloogiasse tehtud investeeringuist. Euroopa Komisjon on rõhutanud, et tehisintellekt võib aidata Euroopa ettevõtteil tõsta konkurentsivõimet, kuid samal ajal suureneb vajadus selgete õigusnormide ja eetikajuhiste järele.
Tehisintellektiõigus Euroopa Liidus
Euroopa Liit on viimaseil aastail töötanud välja juhiseid ja õigusakte, mille eesmärk on tagada tehisintellekti turvaline ja usaldusväärne kasutamine. 2024. aastal võeti vastu Euroopa Liidu tehisintellekti määrus (AI Act). See on maailmas esimene terviklik riskipõhine õigusakt tehisintellekti kasutamise kohta. Määrus jaotab tehisintellektisüsteemid riskitasemete järgi ja seab kõrgema riskiga süsteemidele kõrgemad nõuded, nagu läbipaistvus, andmekvaliteet ja inimese järelevalve.
Tehisintellektimääruse eesmärgid on soodustada ohutute ja innovaatiliste tehisintellekti tehnoloogiate arengut, vältida kõrget riski põhjustavaid rakendusi (nt sotsiaalkrediidisüsteemid), tagada isikuandmete kaitse, tugevdada vastutust ja järelevalvemeetmeid.
Määrus puudutab nii avalikku kui ka erasektorit ning selle rakendamine algab järk-järgult alates 2025. aastast.
Tehisintellekti ühishüve
Tehisintellekti ühishüve (inglise AI commons) on kontseptsioon, mis kirjeldab avatud ja jagatud tehisintellekti ökosüsteemi, kus teadmised, andmed, mudelid, teaduspublikatsioonid ja arendusvahendid on loodud või kättesaadavad ühiskonna hüvanguks. Selle lähenemise eesmärk on vähendada tehnoloogilist ebavõrdsust ning suurendada läbipaistvust olukorras, kus tehisintellekti arendamise vahendid kipuvad koonduma väheste suurte tehnoloogiaettevõtete kätte.
Tehisintellekti ühishüve hõlmab avatud lähtekoodiga teeke ja raamistikke, vabalt kasutatavaid andmekogusid ning ühiselt hallatavaid teadmuskogusid ja koostööplatvorme, mis võimaldavad jagada tehisaruarenduse metoodikaid ja tööriistu. Kontseptsioon on tihedalt seotud digitaalsete ühishüvede laiemate põhimõtetega ning seda on rõhutanud ka rahvusvahelised organisatsioonid, näiteks UNESCO ja OECD, mis näevad tehisintellekti ühishüves mehhanismi tehisaru arengu demokratiseerimiseks ja monopoliseerimise vältimiseks.
Harud
Loogiline tehisintellekt
Kõik, mida programm teab maailmast, konkreetsest olukorrast ja tingimustest ning oma eesmärkidest, on väljendatud matemaatilise loogika keele lausete abil. Programm otsustab, mida teha, järeldades, et teatud tegevused sobivad eesmärkide saavutamiseks.
Otsing
Tehisintellekti programmid peavad tihti uurima väga suurt arvu võimalusi, näiteks käike males või järeldusi teoreemitõestamise programmis. Pidevalt tehakse avastusi, kuidas teha seda tõhusamalt eri valdkondades.
Mustrite avastamine
Kui programm teeb vaatlusi, siis on ta sageli programmeeritud võrdlema seda mustriga. Näiteks nägemisvõimega programm võib üritada sobitada nina ja silmade mustrit vastuvõetava pildiga, et tuvastada nägu. Keerulisemad mustrid, näiteks naturaalkeele tekstis, maleseisus või mõne sündmuse ajaloos on samuti uurimisobjektid. Keerulised mustrid nõuavad teistsuguseid meetodeid kui lihtsad mustrid, mida on uuritud kõige rohkem.
Teadmiste esitus
Fakte ümbritseva maailma kohta tuleb esitada mingil viisil. Tavaliselt on kasutusel matemaatilise loogika keeled. Vaja on esitada objekte, omadusi, kategooriaid, objektidevahelisi seoseid, sündmusi, olekut ja aega, põhjuseid ja tagajärgi, teadmisi teadmiste kohta (mida me teame selle kohta, mida teised inimesed teavad) ning palju muud.
Järeldamine
Mõnest faktist saab järeldada teisi. Deduktsioon on piisav teatud eesmärkidel, kuid uusi, mittemonotoonse järeldamise meetodeid on lisatud loogikasse alates 1970. aastatest. Mittemonotoonse järeldamise lihtsaim näide on vaikimisi järeldamine, kus otsus tuleb vaikimisi järeldada, kuid otsuse võib tagasi võtta, kui ilmneb tõendeid, mis väidavad vastupidist. Näiteks kui me kuuleme lindu laulmas, siis me võime järeldada, et see oskab lennata, aga selle otsuse võib muuta vastupidiseks, kui me kuuleme, et tegu on mõne lennuvõimetu linnuliigi häälitsustega.
Terve mõistuse teadmised ja arutlemine
See on tehisintellekti valdkond, mis on kõige kaugemal inimtasemest, olenemata sellest, et see on olnud aktiivne uurimisvaldkond alates 1950. aastatest. Kuigi on tehtud märgatavaid edusamme, on siiski vaja uusi ideid.
Kogemusest õppimine
On programme, mis õpivad kogemustest. Närvivõrkudel põhinev lähenemine tehisintellektile spetsialiseerub kogemustest õppimisele. Samuti õpitakse loogikas väljendatud reegleid. Programmid suudavad õppida ainult seda, mida faktid või nende käitumiste formalismid suudavad esitada. Senistel õppivatel süsteemidel on aga väga piiratud võimalused teadmiste esitamiseks.[viide?] 2016. aasta alguses võitis Google'ile kuuluva Suurbritannia firma DeepMind loodud arvutiprogramm AlphaGo esimest korda ajaloos Euroopa meistrit Fan Huid go-mängus viis korda järjest. See oli esimene kord, kui arvutiprogramm võitis elukutselist mängijat.
Plaanimine
Plaanimisprogrammid asuvad tööle üldiste faktidega maailmast (eriti tegevuste tagajärgedest), konkreetsest olukorrast ja eesmärgiga. Nende põhjal luuakse strateegia eesmärgi saavutamiseks. Üldjuhul on strateegia lihtsalt tegevuste järjekord.
Seletatav tehisintellekt
Seletatav tehisintellekt (inglise keeles Explainable Artificial Intelligence) on valdkond, kus eesmärk ei ole mitte ainult see, et tehisintellekt suudaks hästi ülesandeid lahendada, vaid ka see, et inimesed saaksid lahenduskäigust aru, vähemalt osalisel määral. Näiteks kui tehisintellekt teeb otsuse taotlejale mitte laenu anda, siis on Euroopa Liidu isikuandmete kaitse üldmääruse regulatsioonide alusel õigus inimesel nõuda seletust, et mis loogika alusel selline otsus tehti. Tehisnärvivõrgud on küll ühed parimad olemasolevad meetodid selliste otsuste tegemiseks vähima arvu vigadega, kuid sellise võrgu otsust on väga raske seletada või põhjendada. Seletatava tehisintellekti valdkonnas otsitakse võimalusi lahenduskäikude seletamiseks erinevatele sihtrühmadele, vajadusel parema selgituse huvides ka ennustuste kõrgemat vigade määra aktsepteerides.
Rakendused
Mängud
Mõnesaja euro eest saab osta masina, mis suudab meistri tasemel malet mängida. Nende masinate sees on natuke tehisintellekti, aga nad mängivad inimeste vastu hästi eelkõige toore jõuga, vaadates läbi mitusada tuhat käiku.
Pikka aega peeti Go mängu tehisintellekti jaoks liiga keeruliseks, kättesaamatuks, sest mängus on palju rohkem võimalusi kui males. Erinevad programmid mängisid küll üha paremini aga jäid ikka alla parima inimmängija, professionaali taseme. Enne 2015. aastat oletati, et tehisintellekt, arvutiprogramm jõuab (selles mängus parima) inimese mängutasemeni umbes kümne aasta pärast vms. Aga programmeerijate jõupingutused ja tehnoloogia areng tõi muutuse varem kui osati arvata.
Oluline samm tehisintellekti arengus toimus 2015. aastal kui ettevõte DeepMind lõi iseõppiva tehisnärvivõrkudel põhineva programmi Alphago (vt samal teemal ka Go#AlphaGo), mis suutis võita Euroopa parimat profimängijat Fan Huid. 2017. aastal võitis programm maailma parimat hiina mängijat Ke Jie'd.
AlphaGo tugines läbi aja toimunud parimate Go mängude analüüsile. Edasiarendused AlphaGo Zero ja AlphaZero olid veelgi tugevamad tehisintellekti programmid, mis saavutasid iseõppimise kaudu lühikese aja jooksul inimese võimekust ületava taseme. Neis programmides mängis tehisintellekt iseendaga, teades vaid mängureegleid. See tähendab, et ta õppis ise nii-öelda nullist selgeks parimad käigud, parima taktika ja tõhusama strateegia. Need programmid õppisid selgeks ka shōgi (jaapani male) ning male, alistades 2017. aastal kõrgeima reitinguga maleprogrammi (Stockfish). Need iseõppivad programmid näitasid, et see pole kitsalt ainult ühele mängule orienteeritud tehisintellekt, vaid midagi üldisemat, mis suudab ka täiesti teistsuguses mängus saavutada tipptaseme, mis ületab inimese võimekust, tema intellektuaalset taset.
Nii et alaosa "Mängud" algusosast jääv mulje, et tehisintellekt on miski madalama taseme projekt, mis mängus inimese intellektiga kasutab n-ö toorest jõudu, jäädes inimintellektist kaugele maha, on seniste teadmiste juures küllalt eksitav. Maailm muutub kiiresti. 2022. aasta alguse seisuga on tehisintellekt arenenud muuhulgas ka inimeste loodud keerukate loogiliste, intelligentsete mängude õppimise kaudu ja paraku ületanud selle õppimise käigus (mitmed) inimese (aju) võimete piirid. Tuleb tõele au andes tunnistada, et mängud on oluline õppimise viis. Nii inimese kui ka tehisintellekti arengu jaoks.
1990. aastail jõudis arvutite kõnetuvastus praktilise tasemeni. United Airlines vahetas oma lennuinfo klaviatuurisüsteemi süsteemiga, mis kasutab lennunumbrite ja linnanimede kõnetuvastust. Kuigi arvuteid on võimalik juhtida häälkäskudega, on enamik kasutajaid läinud tagasi klaviatuuri ja hiire juurde, kuna need on siiani mugavamad.
Loomuliku keele mõistmine
Sõnade vastuvõtt arvuti poolt ei ole piisav. Lausete läbi töötamine ei ole samuti piisav. Arvuti peaks mõistma valdkonda, mille kohta see tekst on. See on praegu võimalik väga vähestes valdkondades.
Masinnägemine
Maailm koosneb kolmemõõtmelistest objektidest, kuid sisend inimese silma ning arvutite kaameratesse on kahemõõtmeline. Mõned kasulikud programmid võivad töötada ainult kahemõõtmelise infoga, kuid täielik masinnägemine vajab osalist kolmemõõtmelist informatsiooni, mis ei ole lihtsalt kogum kahemõõtmelisi vaateid. Otseseid kolmemõõtmelise informatsiooni esitamise viise on vähe ning need ei ole nii head kui inimeste kasutatav.
Ekspertsüsteemid
Ekspertsüsteem on tarkvara, mis üritab leida lahenduse probleemile, mis muidu nõuaks ühe või mitme inimeksperdi tööd. Ekspertsüsteemid on kõige levinumad mingis kindlas probleemide valdkonnas ning on üks traditsioonilisemaid tehisintellekti rakendusi ja uurimisvaldkondi. Inimeksperdi töö simuleerimiseks on mitmeid meetodeid, levinuimad on teadmiste baasi loomine, mis formaliseerib valdkonna eksperdi teadmised, et teadmisi hoida rakendataval kujul. Ekspertsüsteem võib sisaldada ka iseõppivat komponenti.
Tehisintellekti treenimine
Tehisintellekt on olemuselt matemaatiline valem (või valemite kogum), mis väljendab seost sisendandmete ja tulemuste vahel. Näiteks, lihtne tehisintellekti mudel võib olla kujul:
müügitulu = m * reklaamikulu - n * toote hind.
Selles valemis on m ja n mudeli parameetrid, millele otsitakse tehisintellekti mudeli treenimise käigus väärtusi, mis minimeeriksid vea tegeliku müügitulu ja mudeli antava tulemuse vahel. Tehisintellekti treenimisel suurendatakse või vähendatakse järk-järgult mudeli parameetrite väärtusi sellises suunas, et mudeli tehtav viga oleks minimaalne.
Filosoofia
Tehisintellekt, lubades pakkuda inimmõistusele omaseid võimeid, on filosoofidele nii katsumus kui ka inspiratsioon. Kas masina intelligentsil on piire? Kas on olemuslikke erinevusi tehis- ja pärisaru vahel? Kas masinal võib olla mõistus ja teadvus?
Tehisintellekti peamine filosoofiline küsimus on Alan Turingi sõnul, kas masin saab mõtelda. Küsimuse filosoofilisus tuleb sellest, et mõisted intellekt ja mõtlemine ei taha alluda teaduslikule määratlemisele ning neil on suur moraalne, religioosne ja juriidiline tähtsus. Moraalne ja juriidiline staatus oleneb ka vaimuseisunditest: ainult mõistusega indiviid on moraalisubjekt ja ainult talle saab teha moraalset kahju, näiteks teda reeta. Ainult tundlikule indiviidile saab tekitada valu ja kannatust. Et arvuti jätab mulje, nagu ta tegeleks intellektuaalse tegevusega, tekib küsimus, kas ta tõesti mõtleb. Ja kui ta mõtleb, siis kas tal on siis samasugused õigused nagu inimesel?
Tehisintellekti mõiste ei laiene inimesele ja teistele mõtlevatele loomadele. Tehisintellekt peab olema tehislikult valmistatud. Jutt on arvutitest. Tehisintellekti ongi mõistetud katsena avastada ja rakendada arvutuslikke vahendeid, et panna masinad käituma viisil, mis inimese puhul annaks tunnistust intellektist, (John McCarthy), või tegema asju, mis inimeste puhul nõuaks intellekti (Marvin Minsky). Filosoofiline küsimus on nüüd see, kas selle õnnestumise korral oleks õigustatud omistada masinatele intellekt. Nõrk tehisintellekt möönab, et intelligentselt käituvad masinad on olemas või tulemas; tugev tehisintellekt ütleb, et sel juhul on tegu tõelise intellektiga. Tugev tehisintellekt peab mingisugust tehislikku arvutamist mõtlemiseks. Komputatsionism ütleb, et igasugune mõtlemine on arvutamine. Kaks viimast vaadet on teineteisest sõltumatud.
Turingi "viisakas kokkulepe"
Kui masin käitub sama intelligentselt kui inimene, siis see on sama intelligentne kui inimene.Alan Turing teoretiseeris, et me saame masina intelligentsuse üle otsustada vaid selle käitumise järgi. See teooria on Turingi testi põhialuseks.
Dartmouthi ettepanek
Õppimise või mõne muu intelligentsi tunnuse igat aspekti on võimalik nii täpselt kirjeldada, et seda on võimalik masinal simuleerida. See väide trükiti esitisel Dartmouthi konverentsile aastal 1956 ning esindab tehisintellekti uurijate enamiku arvamust.
Searle'i tugeva tehisintellekti hüpotees
Sobivalt programmeeritud arvutil, millel on õiged sisendid ja väljundid, oleks mõistus täpselt samal viisil, nagu inimestel on mõistus.John Searle vaidleb sellele väitele vastu oma hiina toa argumendis. Sellele argumendile on ka palju vastuväiteid.
Tehisaju
Inimese aju tööd on võimalik simuleerida. Hans Moravec, Ray Kurzweil ja teisedki on väitnud, et tehnoloogiliselt on võimalik kopeerida aju riist- ja tarkvarasse ning selline simulatsioon on oma olemuselt identne originaaliga.
