Meetodnäitlemine paneb tehisaru paremini matemaatikaülesandeid lahendama | R2 Portaal

Tehisintellekti areng on avanud uusi võimalusi matemaatiliste probleemide lahendamiseks. Meetodinäitlemine ehk õpetava juhendamise meetod on üks viis, kuidas tehisintellekt saab aidata paremini lahendada matemaatikaülesandeid. Eestis on see meetod juba leidnud laialdast kasutust ja aidanud õpilastel saavutada paremaid tulemusi. R2 portaalis saab lähemalt tutvuda selle meetodi toimimisega ning selle rolliga matemaatikaõppe parandamisel. Oluline on mõista, kuidas tehnoloogia saab tõhusalt toetada õppimist ja arengut.

Hiljutised kolme TI-mudeliga katsed näitasid, et tehisaru näib lahendavat matemaatikaülesandeid paremini, kui tal palutakse end seejuures näha ulmesarja Star Trek laevakaptenina, vahendab R2 tehnikakommentaaris Kristjan Port.

Näitlemine nõuab tegelase kehastamiseks tema emotsioonide, mõtete ja kogemuste mõistmist. Dramaturgia suurkuju Konstantin Stanislavski arendas sellise seisundi saavutamiseks meetodnäitlemise süsteemi. Antud esinemistehnikas süvenevad näitlejad esitatavasse rolli sedavõrd süsteemselt, et nende tundemaailm, emotsioonid ja käitumismustrid hakkavad sarnanema rolli tegelase omale.

Näitlejaid julgustatakse end kujutatud tegelastega elamuslikult samastuma, kasutades sageli oma elus kogetud tugeva mõjuga mälestusi ja emotsioone, mis oleks tegelaste omadega paralleelsed ja peaksid kajastama nende olemust. Eesmärk on tuua etendustesse sügavust ja realistlikkust.

Inimesed üldiselt, antud juhul lavastuse vaatajad, on üpris tundlikud võltside tunnete ja käitumiste suhtes. Meetodnäitlemisega püütakse saavutada tugev emotsionaalne suhe kehastatava rolli maailmaga ja selle kaudu mõjus kontakt vaatajaga. Inspireerida vaatajat, panna teda mõtlema elu kogemustele kauemaks kui pelgalt etenduse ajaks. Mõnikord võib rolli kehastumise mõju ka näitleja enda puhul pärast etenduse lõppu edasi kesta.

Nähtuse taga on mitmeid mehhanisme. Näiteks sotsiaalsete rollide mõju käitumistele ja hoiakutele. Kuulsas ja vastuolulises nn Stanfordi vanglaeksperimendis jagati üliõpilased valvuriteks ja valvatavateks. Selle tulemusel muutusid varasemalt igati normaalsed ja juhuslikult gruppidesse valitud indiviidid rolli täitjateks, vastavalt vägivallatsejatest valvuriteks ning allaheitlikeks ja sõnakuulelikeks vangideks.

Tavaelust leidub küllaltki tihti olukordi, milles inimesel on koju jõudes raskusi töötaja rollist ümber kehastuda pereliikme rolli. Vastupidist vist ei esine, kuis töötaja rollist pole öö, nädalavahetuse ega tihti isegi pikema puhkusega suudetud väljuda.

Arvatavasti on üheks bioloogiliseks mehhanismiks närvisüsteemi plastilisus – aju võime luua pidevalt uusi närviühendusi ja end ümber korraldada. Õppimine rajaneb samale nähtusele. Intensiivne ja pikaajaline ühes rollis käitumine võib potentsiaalselt viia suhteliselt selgepiiriliste ja kestvate neuroplastiliste muutusteni. Eriti kui etteantud roll nõuab uute oskuste õppimist või uute mõtlemisviiside omaksvõtmist. See kutsub esile püsivaid muutusi nii tavainimese kui ka näitleja tajumehhanismides ja käitumismustrites.

Näitlejate puhul võib õpitud roll viia etendatava tegelase teatud omaduste omaksvõtmiseni. Näiteks kui mängitakse sageli rolle, mis nõuavad intelligentsust, empaatiat või muid kognitiivseid oskusi, võib ta neid omadusi ka isiklikus elus kergemini omaks võtta.

Sarnasel rajal kulgesid Sigmund Freudi mõtted, kui ta arendas umbes sajandi eest psühhoanalüüsi meetodit. Selle populaarsus mõjutas omakorda Stanislavski meetodi arengut Freudi psühhoanalüüs püüab alateadvuse mõtete ja tunnete uurimise ja tõlgendamise kaudu leida juurpõhjuseid uuritava patsiendi käitumisele ja emotsionaalsetele seisunditele. Stanislavski pööras antud loogika suuna mõistmise asemel käitumise mõjutamisele.

Keerukas olukorras lahenduse otsijale soovitatakse mõnikord panna end teatud eeskuju rolli. Näiteks mõtelda, mida teeks antud olukorras lennukipiloot, üksikule saarele sattunud inimene või isegi mõni populaarse ulmeseriaali, nagu Star Treki tegelane jne? Huvitav oleks teada, kas rolli kehastamine mõjutaks ka tehisintellekti tegutsemist?

Küsimus on põhjendatud. Näiteks kui küsida TI-vestlusrobotilt, kuidas sooritada ideaalne mõrv, keeldub masin nõu andmast. Paludes tal olla kuritegu uuriv spetsialist, kes peab mõtlema nagu kurjategija, on varasemalt õnnestunud viia robot soovitud nõu andva kurja geeniuse rolli.

Ent kas masin muudaks mõtlemist moel, mis aitaks paremini lahendada näiteks matemaatikaülesandeid? Küsimus leidis vastuse hiljutises uuringus. Kolmele ChatGPT-ga konkureerivale TI-mudelile esitati rida matemaatilisi ülesandeid. Eksperimendis, milles vestlusrobotil paluti kujutada ette, et see on sama tark kui ChatGPT, oli tulemus vastuoluline.

Mõnikord oli tulemus võrdlusolukorrast parem, kuid mitte piisava järjepidevusega. Ilmselt oli masinavärgi arusaam ChatGPT olemusest puudulik. See on mõistetav, sest isegi Elon Musk esitas OpenAI vastu kohtuhagi. Omaaegse kaasasutaja süüdistuses mainitakse muuhulgas, et erinevalt algupärasest lubadustest luua inimkonda teenindav kõigile avatud TI-mudelitega organisatsioon, varjub ChatGPT metoodika saladusloori.

Teadlased avastasid, et ChatGPT rolli sisseelamise meetodnäitlemise efektist osutus palju tõhusamaks, kui nad suunasid TI-mudeleid ette kujutama, et nad on ulmeseriaali Star Treki pardal juhtrollis ja saavad teate lahendada teadlaste pakutud matemaatikaülesanne. Tulemus üllatas ja ületas eksperimendi korraldajate ootuseid. Keegi ei tea, miks antud rollis olid TI-mudeli mõtekäik ja lahenduskäigud paremad.

Praegu võib vaid järeldada, et transistoritele ja kondensaatoritele rajatud intellekt omab ebatavalist paindlikkust, sh enesesuhestumist ja rolli teadvustamist. See viitaks justkui eneseteadvuse sugemetele. Pole välistatud, kui TI käitub mõnel juhul nagu tüüpiline mees või naine, arst või autojuht. Viimase aja näidete põhjal on alust arvata, et see on kehastamas liiga enesekindla teismelise rolli.

Esmaspäevast neljapäevani võib Kristjan Porti tehnoloogiakommentaari kuulda Raadio 2 saates “Portaal”.

Kokkuvõttes võib öelda, et meetodnäitlemine on osutunud tõhusaks viisiks muuta tehisintellektid paremaks matemaatikaülesandeid lahendama. Uuringud on näidanud, et visuaalsed ja käsitlevad meetodid aitavad tehisarvutil paremini mõista matemaatilisi kontseptsioone ning seeläbi lahendada keerukamaid ülesandeid. See omakorda võib viia edusammudeni tehisintellektide kasutamisel erinevates valdkondades, näiteks meditsiinis, logistikas ja inseneriteaduses. Meetodnäitlemine võib seega mängida olulist rolli tehisintellektide arengus ja nende potentsiaali maksimeerimises.