Didieji duomenys, Dirbtinis Intelektas ir Daiktų Internetas: Transformacijos Viešajame Valdyme ir Socialinėje Politikoje

XXI amžiaus technologinė aplinka neišvengiamai keičia ir keis viešojo valdymo bei socialinės politikos sistemas. Vienas iš ketvirtosios pramonės revoliucijos fenomenų yra didieji duomenys ir dirbtinio intelekto technologijos. Didieji duomenys ir jų veiksmingas valdymas tampa kritiniu ne tik verslo organizacijų, bet ir valstybės valdymo ir viešosios politikos formavimo ištekliumi. Didžiųjų duomenų analitika, panaudojant dirbtinio intelekto technologijas, teikia galimybių institucijoms tobulinti viešąsias paslaugas ir jų teikimo būdus, gali paskatinti inovacijas, sukurti žinių dalijimosi aplinką tarpinstituciniu ir tarpsektoriniu lygmenimis, padėti valdyti globalias ir nacionalinio lygmens krizes, pavyzdžiui, COVID-19 pandemiją, didinti piliečių pasitenkinimą viešosiomis paslaugomis, mažinti procesines išlaidas, užtikrinti priimamų ir įgyvendinamų sprendimų tikslumą, politikų ir valstybės tarnautojų atskaitomybę.

Didžiųjų Duomenų Samprata ir Kategorizavimas

Didžiųjų duomenų (angl. big data) terminas pradėtas vartoti apytikriai 1990 metais, tačiau daugiau apie juos imta diskutuoti tik apie 2000 metus. Dažniausiai jie apibrėžiami kaip didžiulis struktūruotų ir nestruktūruotų duomenų kiekis, kurie yra generuojami, užfiksuojami ir išsaugojami ypatingu greičiu, siekiant iš jų gauti vertę atliekant organizacinį prognozavimą ir sprendimams priimti. Šie duomenys renkami iš labai plataus spektro šaltinių: mobiliųjų telefonų, vaizdo įrašymo įrenginių, sensorių, įvairių išmaniųjų prietaisų, miestuose esančių vaizdo kamerų ir kitų šaltinių. Jie teikia galimybę institucijoms prognozuoti piliečių elgseną, analizuoti ekonomikos ir statistinius reiškinius.

Remiantis Jungtinių Tautų siūloma klasifikacija, galima išskirti šiuos didžiųjų duomenų šaltinius:a) Duomenys iš socialinių tinklų, t. y. socialinių medijų, paieškų sistemų, blogų įrašų, mobiliųjų telefonų žinučių, elektroninio pašto ir kt. informacija.b) Valdymo sistemų duomenys (tokių procesų, pavyzdžiui, verslo operacijos, elektroninė prekyba, kredito kortelės ir kt., sugeneruoti duomenys).c) Mašinų generuojami duomenys (pvz., vandens gavybos, užterštumo, palydovų informacija), pavyzdžiui, pastatų, vandens gavybos, taršos, apsaugos kamerų sensorių, automobilių, palydovų, kompiuterinių sistemų informacija ir kt. Šie duomenys dažnai yra susiję su Daiktų Internetu (angl. Internet of Things, IoT).

Pretty skiria tris didžiųjų duomenų šaltinius: a) istorinius laiko eilučių duomenis; b) esamojo laiko (angl. present data with little delay) duomenis; c) prognostinius duomenis ateičiai prognozuoti. Taigi, didieji duomenys apima tris pagrindinius tipus: a) istorinius duomenis, b) dabarties duomenis su mažu pavėlavimu, c) prognostinius duomenis ateičiai prognozuoti.

Didieji duomenys dažnai apibūdinami pasitelkiant 3 V perspektyvą (angl. Volume, Variety, Velocity). Šis akronimas reiškia tris esmines dimensijas:a) Apimtis (angl. Volume), dažniausiai matuojama terabaitais ar petabaitais.b) Įvairumas (angl. Variety), kuris susijęs su duomenų pobūdžiu ir jų struktūriniu heterogeniškumu (pvz., struktūruoti, pusiau struktūruoti, nestruktūruoti duomenys).c) Dinamiškumas (angl. Velocity) ir jų rinkimo, išsaugojimo bei analizavimo greitis. Kai kuriuose sektoriuose jau artėjama prie to, kad duomenis galima rinkti, išsaugoti ir analizuoti beveik realiuoju laiku. Tik nedidelė dalis duomenų yra struktūruoti. Kiti autoriai, linkdami prie klasikinės 3 V didžiųjų duomenų perspektyvos, dar mini vertybių (angl. Value), variacijų (angl. Variability) ir autentiškumo (angl. Veracity) dimensijas.

Dirbtinio Intelekto vaidmuo ir Galimybės

Didieji duomenys naudojami kaip įvesties (angl. input) ir išvesties (angl. output) duomenys apmokant ir tikrinant dirbtinio intelekto modelius. Europos Komisija apibrėžia dirbtinį intelektą kaip „sistemas, kurios demonstruoja protingą elgesį, analizuodamos savo aplinką ir atlikdamos iš dalies autonomiškus veiksmus tam, kad pasiektų konkrečius tikslus“. Dirbtinio intelekto tyrimų laukas apima tokias technologijas, kaip antai: mašininis mokymasis (skiriamos trys sritys: mokymasis be mokytojo, mokymasis su mokytoju ir sustiprintas mokymasis), dirbtinių neuroninių tinklų algoritmais pagrįstas gilusis mokymasis, mašininis samprotavimas, natūralios kalbos apdorojimas.

Didžiųjų duomenų ir dirbtinio intelekto technologijų naudojimas verslo ir viešojo valdymo bei socialinės politikos srityje galimas keturiais būdais:

• Aprašomoji analitika (angl. descriptive analytics) yra orientuota į siekį identifikuoti, koks reiškinys vyksta, kur jis vyksta, kas yra jo paveiktieji ir kokios yra jų demografinės charakteristikos. Ji yra naudojama nustatyti karštuosius taškus (angl. hotspots), kurie parodo, kokiu intensyvumu reiškiasi įvairūs fenomenai, sudaryti tokių karštųjų taškų žemėlapius. Tai teikia galimybę suprasti, kaip tam tikri elgesio modeliai yra susiję su bendruomenių turima infrastruktūra, gyventojų sveikata, išsilavinimu, socialiniu ir ekonominiu statusu.
• Diagnostinė analitika (angl. diagnostic analytics) gali padėti nustatyti probleminius reiškinius, kurie savo savybėmis išsiskiria iš normalių reiškinių (t. y. diagnozuoti problemas), ir paaiškinti, kodėl probleminiai reiškiniai įvyksta, išryškinti esminius su jais susijusius kintamuosius. Platus tyrimų laukas yra COVID-19 ligos atvejų diagnozavimas naudojant mašininio mokymosi ir neuroniniais tinklais pagrįstus giliojo mokymosi metodus ir algoritmus (pvz., konvoliucinius neuroninius tinklus).
• Prognostinė analitika (angl. predictive analytics) identifikuoja įvykių tendencijas remdamasi praeities laiko eilučių duomenimis ir tų tendencijų pagrindu modeliuoja ateities įvykių raidą. Nuo pandemijos pradžios publikuota daug mokslinių straipsnių, kuriuose pristatomi užsikrėtimų SARS-CoV-2 virusu prognozavimo remiantis įvairiais prognostiniais modeliais rezultatai. SARS-CoV-2 viruso plitimui prognozuoti naudojami klasikiniai epidemiologiniai modeliai (SIR, SEIR ir šių modelių modifikacijos), logistinis modelis, ARIMA modelis, kelių kintamųjų tiesinė regresija, taip pat neuroniniais tinklais pagrįsti modeliai, ilgalaikės trumposios atminties tinklai (LSTM), rekurentiniai neuroniniai tinklai (RNN), daugiasluoksnis perceptronas, giliosios ekstremalaus mokymosi mašinos (DELM), grafiniai neuroniniai tinklai (GNN). Tačiau reikia pasakyti, kad daugelyje šių tyrimų COVID-19 pandemijos rodiklių prognozavimas buvo vykdomas remiantis vieno kintamojo laiko eilučių analize. Daug mažiau paskelbta tyrimų, kuriuose prognozavimas rėmėsi kelių kintamųjų laiko eilučių analize ir į prognostinius modelius buvo įtraukiami duomenys apie kitų veiksnių (pvz., karantino priemonių) poveikį užsikrėtimų atvejų skaičiaus ar kitų COVID-19 pandemijos rodiklių pokyčiams. Dažniausiai prognostiniuose modeliuose prognozėms naudojami COVID-19 pandemijos rodiklių duomenys šalių mastu, tačiau taip pat buvo atlikta COVID-19 pandemijos prognozavimo tyrimų, kuriuose buvo tiriama pandemijos dinamika įvairių šalių regionuose.
• Preskriptyvioji analitika (angl. prescriptive analytics) apima sprendimų paramos ir optimizavimo sistemas. Sprendimai ir veiksmai rekomenduojami panaudojant matematinius algoritmus ir apdorojant prognostinės analitikos išvesčių duomenis. Tokia analitika suteikia galimybę pasirinkti tinkamiausius sprendimus iš daugelio alternatyvų.

Didieji duomenys, apdorojami dirbtinio intelekto, gali būti naudojami viešajame valdyme ir socialinėje politikoje identifikuojant „karštuosius taškus“ įvairių reiškinių, prognozuojant kintamųjų reikšmes ateityje remiantis praeities laiko eilutėmis ir apskaičiuojant optimalų veiksmų eigą situacijose, kai yra galimų įvairių alternatyvų.

Daiktų Interneto (IoT) Potencialas ir Ryšys su DI bei Didžiaisiais Duomenimis

Daiktų internetas (angl. Internet of Things, IoT) - tai sujungtų objektų, prietaisų tinklas. Apjungus daiktų internetą su mašininiu mokymusi ir dirbtiniu intelektu, prietaisai gali patys analizuoti surinktą informaciją ir imtis atitinkamų veiksmų, taip palengvindami kasdienes žmonių užduotis ir padidindami verslo efektyvumą.

Kaip Veikia Daiktų Interneto Technologijos?

Žodis "things" (liet. daiktai, dalykai) sąvokoje Internet of Things gali žymėti įvairius fizinius objektus arba įrenginius - nuo kasdienių buitinių prietaisų iki pramoninės įrangos ir technikos. Šie daiktai yra prijungti prie interneto, kad galėtų rinkti duomenis ir jais dalintis su kitais prietaisais ar vartotojais.

1. Duomenų rinkimas: Daiktų interneto prietaisuose yra integruotos įvairios duomenų rinkimo technologijos ir sprendimai, pavyzdžiui, jutikliai, GPS moduliai, kameros ir kiti. Šios technologijos suteikia vartotojui naudingos informacijos apie prietaiso naudojimą ir aplinkos sąlygas. Pavyzdžiui, jeigu nešiojate išmanųjį laikrodį, jis gali turėti įvairių jutiklių, kurie matuoja tokius parametrus kaip širdies ritmas, judėjimas, temperatūra ir daug kitų.
2. Perdavimas: Kad vartotojas galėtų matyti surinktus duomenis, atvaizduotus vartotojo sąsajoje, jie pirmiausia yra siunčiami į serverį ir apdorojami. Duomenims perduoti IoT prietaisui yra reikalingas ryšio modulis, naudojantis belaidžio ryšio technologijas, pavyzdžiui, „Bluetooth“, Wi-Fi, GSM, LTE ir kitas, arba laidinio ryšio, pavyzdžiui, eternetas, CAN ar šviesolaidis.
3. Apdorojimas: Duomenys, gauti serveryje arba debesijos saugykloje, yra apdorojami - klasifikuojami, rūšiuojami, apskaičiuojami. Serveryje taip pat gali būti įdiegta speciali IoT programinė įranga, kuri, remdamasi mašininiu mokymusi ir dirbtiniu intelektu, analizuoja gaunamus duomenis ir priima sprendimus be žmogaus įsikišimo. Šie sprendimai tuomet persiunčiami atgal į IoT įrenginį, todėl jis gali išmaniai reaguoti ir atlikti atitinkamus veiksmus.
4. Vizualizavimas: Kai duomenys jau yra apdoroti, juos galima peržiūrėti per grafinę vartotojo sąsają. Tai gali būti mobilioji programėlė, kompiuterinė programa arba internetinė platforma, kurioje informacija yra vaizdžiai pateikiama vartotojui patogiu būdu. Ten vartotojas taip pat gali stebėti ir valdyti savo daiktų interneto įrenginius.

Ryšio Svarba IoT Srityje

Daiktų internetas tai vientisas ryšių tinklas. Be ryšio - visi prietaisai yra izoliuoti, todėl tarp jų nevyksta joks duomenų perdavimas. Dėl to tinkamas ryšio užtikrinimas yra esminis žingsnis, kuriant įrenginių sąveiką, žinomą kaip M2M (machine-to-machine) communication. Ryšio užtikrinimas yra itin svarbus vystant ketvirtosios pramonės revoliucijos (angl. Industry 4.0) ir automatizavimo technologijas. Jis didina efektyvumą, suteikdamas nuotolinio valdymo, prognozavimo, duomenų rinkimo ir analizės galimybes. Šios galimybės yra ypač reikšmingos tokioms pramonės šakoms kaip švarioji energetika, išmanusis miestas, pramoninė gamyba ir kitoms. Daiktai, prijungti prie interneto ir sąveikaujantys tarpusavyje, tai infrastruktūra, kurios pagrindu kuriama žmonijos ateitis.

Daiktų internetas (IoT) sukuria milžiniškus duomenų kiekius. Tačiau šių duomenų tikroji vertė atsiskleidžia tik tada, kai jie yra analizuojami ir interpretuojami. DI naudoja pažangius mašininio mokymosi (MM) ir giliojo mokymosi (GM) algoritmus, kad atpažintų paslėptus modelius ir anomalijas dideliuose, nuolat kintančiuose IoT duomenų rinkiniuose. Gamybos sektoriuje IoT jutikliai stebi įrenginių vibraciją, temperatūrą ir energijos suvartojimą. DI analizė leidžia prognozuoti, kada įranga suges (prevencinė priežiūra), leidžiant atlikti remontą prieš atsirandant brangiems prastovoms. DI prognozuoja eismo srautus, viešojo transporto paklausą ir energijos suvartojimą. Nešiojamieji prietaisai (angl. wearables) generuoja nuolatinius širdies ritmo, miego ir fizinio aktyvumo duomenis. Nepaisant milžiniško potencialo, DI ir IoT prognozavimas kelia ir iššūkių. Didžiausi iš jų - duomenų saugumas ir privatumas. Kadangi DI modeliai apdoroja didelius kiekius asmeninės ar kritinės įmonės informacijos, būtina užtikrinti aukščiausius šifravimo ir duomenų valdymo standartus.

Iššūkiai ir Grėsmės Viešajame Valdyme ir Socialinėje Politikoje

Didžiųjų duomenų ir dirbtinio intelekto technologijų naudojimas viešojo valdymo srityje ir socialinėje politikoje atveria ne tik galimybių, bet ir kelia grėsmių, susijusių su etinėmis šių technologijų taikymo problemomis, duomenų apsaugos ir asmens privatumo iššūkiais, taip pat juos naudojant kyla kliūčių dėl reikalingų išteklių ir kompetencijų trūkumo, bendradarbiavimo stokos valstybės tarnyboje, politikos formavimo proceso ypatumų, kokybiško duomenų trūkumo ir fragmentacijos.

Galimi tokie didžiųjų duomenų iššūkiai, kaip antai:

• Duomenų saugumas ir privatumas: Tai vienas svarbiausių iššūkių. Dideli duomenų kiekiai, įskaitant asmeninius ir konfidencialius duomenis, tampa patraukliu taikiniu kibernetiniams nusikaltėliams. Būtina užtikrinti aukščiausius šifravimo ir duomenų valdymo standartus.
• Bendradarbiavimo stoka valstybės tarnyboje: Informacijos dalijimosi ir bendradarbiavimo tarp skirtingų institucijų ir sektorių stoka gali trukdyti efektyviam didžiųjų duomenų panaudojimui.
• Labai retai nutinkančios situacijos: Trūksta duomenų apie retus, bet potencialiai pavojingus įvykius, todėl sudėtinga kurti patikimus modelius tokioms situacijoms prognozuoti ar valdyti.
• Duomenų fragmentacija, nebaigtumas ir klaidingumas: Duomenys dažnai būna nesuderinti, neišsamūs ar klaidingi, o tai kelia iššūkių juos analizuojant ir naudojant sprendimų priėmimui. Tai ypač aktualu kalbant apie analoginio pasaulio duomenis, kur trūksta metaduomenų arba jutiklių.
• Eliniai klausimai: Didžiųjų duomenų analizė ir naudojimas viešojo valdymo ir socialinės politikos srityje kelia etinių klausimų, susijusių su galimu diskriminavimu, algoritmine šališkumu ir visuomenės stebėjimu.

Dirbtinis Intelektas Kaip Nacionalinio Saugumo Grėsmė

Dirbtinis intelektas kaip galima grėsmė nacionaliniam saugumui pirmą kartą paminėtas 2021 m. grėsmių nacionaliniam saugumui vertinime. 75 puslapių dokumente šiai technologijai skirtas tik vienas sakinys, kuriuo įspėjama, kad dirbtinis intelektas ateityje gali sukelti problemų. „Dirbtinis intelektas jau dabar naudojamas sugeneruoti tekstą, kurti suklastotas asmenų nuotraukas, o artimiausioje perspektyvoje tokios naujovės gali būti pradėtos naudoti ir informacinėse operacijose prieš Lietuvą,“ - rašyta ataskaitoje.

Augant susirūpinimui dėl dirbtinio intelekto technologijos keliamų grėsmių, 2022 m. ataskaitoje daugiau dėmesio skirta Kinijos investicijoms vystant dirbtinio intelekto sprendimus, masinio gyventojų stebėjimo technologijas, telekomunikacijų tinklus, elektroninę prekybą ir kitas sritis, susijusias su technologijų plėtra ir jų pritaikymu - vadinamajai „Skaitmeninio šilko kelio“ idėjai, kuri sulaukė autoritarinių ir besivystančių valstybių palaikymo. Dar po metų ataskaitoje pasirodė pranešimas apie vadinamųjų virsmo technologijų - tokių, kurios gali reikšmingai patobulinti ar iš esmės pakeisti esamų technologijų vykdomas funkcijas - svarbą ir tai, kad šias technologijas vystančios šalys, tarp jų ir Lietuva, gali tapti priešiškų valstybių taikiniais. Tarp aktyviausiai vystomų virsmo technologijų paminėtos dirbtinis intelektas, didieji duomenys, kvantinės, autonominės, kosmoso ir kitos technologijos.

2024 metų vertinime dirbtinio intelekto technologijoms skirta jau daugiau dėmesio. Akcentuota, kad tai - vienas pagrindinių Kinijos įrankių norint tapti globalia technologijų lydere ir siekti pranašumo prieš JAV. „Tai gali būti taikoma stiprinant visuomenės kontrolę, sprendimų priėmimo efektyvumą, kuriant informacinių atakų turinį, stiprinant karinius pajėgumus,“ - paaiškinta vertinime. Be to, atkreiptas dėmesys ir į tai, kad 3D spausdinimo ir dirbtinio intelekto technologijomis domisi teroristinės ir ekstremistinės organizacijos. „Natūralios kalbos apdorojimo modeliai, pavyzdžiui, pokalbių robotas „ChatGPT“, leidžia imituoti žmonių bendravimą skaitmeninėje erdvėje - atsakyti į klausimus, interpretuoti informaciją, ją analizuoti, pateikti pasiūlymus beveik visomis temomis. 3D spausdintuvais galima pasigaminti įvairių dydžių ir lengvai daugelyje sričių pritaikomus objektus ar daiktų detales. Šios technologijos yra patrauklios, nes yra santykinai pigios, lengvai pasiekiamos ir nesunkiai perprantamos net ir neįgudusiems naudotojams. Teroristų ir ekstremistų rankose 3D spausdinimo ir DI technologijos tampa įrankiais, kurie jų veiklą padaro efektyvesnę, greitesnę ir sunkiau aptinkamą.“

Šių metų grėsmių nacionaliniam saugumui vertinime jau atvirai konstatuota, kad žmonija įžengė į dirbtinio intelekto amžių ir kad atsidūrę piktavalių ir autokratinių valstybių rankose šie įrankiai gali padaryti daug žalos. Vertinime užsiminta apie tai, kad dirbtinio intelekto technologijas turiniui internete stebėti aktyviai diegia Rusija, prisidengdama siekiu didinti piliečių saugumą, bet iš tiesų sekdama režimui nepaklusnius asmenis. Ataskaitoje taip pat pirmą kartą skirta tiek dėmesio dirbtinio intelekto kuriamoms giluminėms vaizdo klastotėms, kuriose „imituojami politiniai veikėjai, besielgiantys neįprastai, pavyzdžiui, šmeižiantys kitus asmenis ar pritariantys savo programai nebūdingoms idėjoms.“ „Turiniui kurti skirti DI įrankiai savaime nėra laikomi grėsme, tačiau gali praplėsti dezinformacijos sklaidos galimybes, siekiant formuoti visuomenės nuomonę, diskredituoti politinę sistemą, skatinti nepasitikėjimą žiniasklaida ir rinkimais,“ - perspėjama vertinime.

Dirbtinis Intelektas Žurnalistų Balsais: Giluminės Klastotės ir Sukčiavimo Schemos

Vasaros mėnesiais lietuviškus socialinius tinklus užplūdo giluminės klastotės, kuriose atkurti Lietuvoje puikiai žinomi vieši asmenys ir žurnalistai. Sukčiai, pasinaudodami jų atvaizdais, reklamavo preparatus nuo šlapimo nelaikymo. Panašiu metu internete pasirodė ir dirbtinio intelekto sugeneruota melaginga reklama su šeimos gydytojo, profesoriaus Vytauto Kasiulevičiaus veidu. Giluminėje klastotėje imituotas „TV3“ televizijos žinių vedėjos Justinos Bezaraitės pokalbis su V. Kasiulevičiumi apie Covid-19 vakcinų žalą. „Delfi“ faktų tikrinimo rubrika „Melo detektorius“ paaiškino, kokie požymiai parodė, kad reklama yra netikra. Sukčiai pasinaudojo ir Lietuvos valstiečių ir žaliųjų sąjungos partijos pirmininko Aurelijaus Verygos atvaizdu. Socialiniuose tinkluose paleistoje reklamoje buvo matomas dirbtinio intelekto sugeneruotas jo interviu su „Delfi“ vyriausiąja redaktore Rasa Lukaityte-Vnarauskiene. Jame buvo iškraipyti politiko žodžiai, pasigirdo skatinimų įsigyti preparatus akims.

Visuose tokiuose dirbtinio intelekto kūriniuose galima atpažinti tą pačią sukčiavimo schemą - žinių reportažus imituojantiems reportažams kurti panaudojami gerai Lietuvoje žinomų asmenų veidai, kurie interviu metu reklamuoja vienokius ar kitokius preparatus. Paprastai tokie reportažai socialiniuose tinkluose išplatinami kaip reklamos kartu su pridedama nuoroda su raginimu įsigyti prekes ar paslaugas. Tokią nuorodą spustelėjęs asmuo patenka į sukčių sukurtą interneto svetainę, kur jo prašoma suvesti savo asmens duomenis į specialią formą. Jei žmogus juos suveda, šie duomenys, įskaitant ir banko prisijungimus, kortelių duomenis, elektroninio pašto adresą ar telefono numerį, patenka į sukčių rankas.

Institucijų Reakcija ir Sisteminių Sprendimų Ieškojimas

Dirbtinio intelekto sugeneruoti interviu, kuriuose pasirodo Lietuvoje dirbantys žurnalistai, laidų vedėjai ir redaktoriai, atkreipė žurnalistus ginančių organizacijų ir institucijų dėmesį. Interneto žiniasklaidos asociacija kreipėsi į atsakingas institucijas, prašydama reaguoti į problemą, kuri kelia grėsmę visuomenės pasitikėjimui žiniasklaida ir nacionaliniam saugumui. „Nuolat su kolegomis stebime viešąją erdvę, ypač socialinę erdvę, ir mums didžiulį nerimą sukėlė tai, kad Lietuvoje, galima sakyti, na, prasidėjo toks naujas reiškinys, kuris užsienyje nebėra naujiena, bet Lietuvoje galima teigti, kad žengia pirmuosius žingsnius. Tai yra, buvo dirbtinio intelekto pagalba klonuojami realybėje egzistuojančių tikrų žurnalistų veidai, balsai, į jų lūpas įdedamas tam tikras melagingas tekstas, klaidinantis visuomenę,“ - laidoje kalbėjo Interneto žiniasklaidos asociacijos pirmininkė Lina Bušinskaitė.

Į pagalbos šauksmą operatyviai sureagavo LR Seimas, kur surengtas tarpinstitucinis pasitarimas dėl tolimesnių veiksmų, ir Žurnalistų etikos inspektoriaus tarnyba. Žurnalistų etikos inspektorius Dainius Radzevičius laidoje pasakojo ir pats prieš dešimtmetį, kai melaginga informacija dar sklisdavo mažiau technologiškai pažangiais būdais, tapęs dezinformacijos skleidėjų taikiniu.

Laikas, kada fiksuojamas tokių klastočių antplūdis, taip pat reikalauja dėmesio. Interneto žiniasklaidos asociacijos pirmininkė atkreipė dėmesį, kad internete eksponentiškai plintančios giluminės klastotės gali tapti grėsme ir nacionaliniam saugumui. Be to, reikėtų atkreipti dėmesį į tai, kokiu metu fiksuojamas tokių klastočių antplūdis. „Mes birželio pabaigoje-liepos pradžioje kreipėmės į atsakingas institucijas, prašydami pagalbos ir, na, kad reaguotų, nes tai tikrai nėra vien tik žiniasklaidos reikalas, tai liečia mus visus ir tokiu būdu gali, na, sakykim, Lietuvai nedraugiškos jėgos, užsienio valstybės, tam tikri, na, interneto piktavaliai galbūt tokiu būdu testuoti ir Lietuvos institucijų pasirengimą reaguoti į tokias grėsmes ir netgi gebėjimus, mokėjimus atremti,“ - samprotavo L. Bušinskaitė.

Panašiu metu, kaip ir šiemet dirbtinio intelekto sugeneruoti melagingi interviu - vasaros mėnesiais, prieš planuojamas „Zapad“ pratybas - žiniasklaidos portalų klonai socialinius tinklus užplūdo ir anksčiau. Sukčiai atkartodavo gerai žinomus lietuviškus naujienų portalus, vagiamus visus šioms svetainėms būdingus elementus - šriftus, logotipą, meniu juostas, įprastą straipsnio konstrukciją. Sukčiai taip pat sukūrė bent šiek tiek realią interneto svetainę primenančius domenus, pavyzdžiui, delfiportalas.com, delfi-skandalai.com, delfinews.com.

Ekspertai sutinka, kad vieno būdo, kaip kovoti su vis tikroviškesnėmis klastotėmis, nėra, tačiau kiekvienas interneto vartotojas gali pasistengti dėl savo skaitmeninio atsparumo ir įspėti apie galimas grėsmes kitus. D. Radzevičius atkreipia dėmesį, kad dažnai pakanka ir labai paprastų žingsnių, pavyzdžiui, dažniau apsilankyti oficialiose žiniasklaidos portalų interneto svetainėse ir socialinių tinklų paskyrose ir pasitikrinti, ar tikrai socialiniuose tinkluose rasta informacija yra patikima, ar apie ją rašė kuri nors masinio informavimo priemonė. „Jeigu tu galvoji, kad tu esi toks gudrus, kad gali be žiniasklaidos susigaudyt naujienas pasaulyje - gali būti, kad jau esi viena koja auka. Ir čia yra pirmas požymis, kad kai tu savim pernelyg pasitiki, kad tu socialiniuose tinkluose susigraibysi tiesą labiau negu žiniasklaidoje, kaip sakau, gali nepasitikėt, bet būtinai patikrink,“ - patarė Žurnalistų etikos inspektorius.

Pasak jo, lietuviams dažnai pakiša koją ne tik medijų ir informacinio raštingumo stoka, bet ir, pavyzdžiui, finansinio raštingumo trūkumas. „Jeigu tau kas nors siūlo uždirbti labai lengvai, greitai, nieko nedarant, tiesiog pervedant pinigus, tai panašu, kad čia suveikia tam tikras neraštingumas žmonių, kurie yra pernelyg gobšūs. Galvoja, kad nedirbant gali būti pinigų. Ir tai yra tiesa, matyt. Tai šitoj vietoj technologinis raštingumas padėtų labai lengvai, jeigu žmonės, na, pasitikrintų, ar iš tikrųjų tokios, pavyzdžiui, platformos, kuriose siūlo investuoti, yra registravęsi Lietuvoje kaip finansinės institucijos. Ir greičiausiai paaiškės, kad nei Lietuvos bankas, nei kitos institucijos jų yra niekada neregistravę.“

Lietuvos pinigų plovimo prevencijos kompetencijų centro surinkti duomenys rodo, kad vis daugiau žmonių apsigauna ir praranda pinigus dėl finansinio sukčiavimo schemų. Praėjusiais metais finansiniai sukčiai kėsinosi į 35 milijonų eurų sumą ir net 20 milijonų jiems pavyko gauti. Tai - beveik dvigubai didesnė suma, nei išviliota per 2022-uosius metus. Atitinkamai padvigubėjo ir sukčiavimo atvejų skaičius. Praeitais metais užfiksuota daugiau nei 13 tūkst. sukčiavimo atvejų.

Svarbus žingsnis, siekiant apsaugoti žmones nuo sukčių atakų ir melagingos informacijos kuriamos žalos - laiku apie pastebėtus atvejus įspėti atsakingas institucijas. Tokie pranešimai laukiami Žurnalistų etikos inspektoriaus tarnybos interneto svetainėje zeit.lt. „Galima labai patogiai informuoti, nuorodą įdėti, kad ten yra išmanioji vaizdo klastotė, dezinformacija ir visiems sakau - darykite taip, praneškite. Mes jau po to imsimės kartu su kolegom iš kitų institucijų. Netylėkim ir negalvokime, kad kažkokia kvaila klastotė mūsų pačių demaskuota nepadarys žalos,“ - paaiškino D. Radzevičius.

Sparčiai augant dirbtinio intelekto sugeneruoto turinio kiekiui svarstoma apie sisteminius sprendimus, kuriuos priėmus būtų galima greičiau ir efektyviau informuoti žmones ir interneto sistemas apie tokį turinį. Prie tokių sprendimų galima priskirti socialinių tinklų platformų atskaitomybės didinimą ir tarpinstitucinio bendradarbiavimo skatinimą. Be to, vis garsiau kalbama apie specialų dirbtinio intelekto sukurto turinio žymėjimą vandenženkliais. Dirbtinio intelekto sugeneruoto turinio žymėjimas vandenženkliais leidžia susekti ir identifikuoti tokį turinį nedarant įtakos jo kokybei. Išskiriamos dvi vandenženklių rūšys: matomi vandenženkliais, tokie kaip logotipas ar tekstas, uždėtas ant dirbtinio intelekto sugeneruoto įrašo, ir nematomi, tik algoritmų atpažįstami, vandenženkliai, padedantys identifikuoti ne žmogaus kurtą turinį interneto paieškos sistemoms. Tiesa, technologijų apžvalgininkai ir institucijos įspėja, kad ši turinio žymėjimo technologija dar nėra pakankamai patikima, kad ją būtų galima taikyti plačiu mastu. Pavyzdžiui, 2024 m. atliktas ir dar nerecenzuotas tyrimas parodė, kokių atakų gali imtis programišiai, siekdami apeiti dirbtinio intelekto sugeneruoto teksto žymėjimą vandenženkliais. Viena iš atakų, kurią tyrėjams pavyko įvykdyti - vandenženklio pašalinimas iš dirbtinio intelekto sukurto teksto, kita - jo vagystė. „Dabartinės pažangiausios dirbtinio intelekto vandenženklių technologijos turi didelių techninių apribojimų ir trūkumų, susijusių su techniniu įgyvendinimu, tikslumu ir patikimumu. Generatyviojo dirbtinio intelekto kūrėjai ir politikos formuotojai dabar susiduria su daugybe problemų, įskaitant tai, kaip užtikrinti patikimų vandenženklių priemonių kūrimą ir kaip skatinti vandenženklių standartizavimą ir įgyvendinimo taisykles,“ - aiškinama Europos Parlamento išleistame pranešime, kuriame taip pat pripažįstama, kad generatyvinio dirbtinio intelekto technologijų kūrėjai turės išspręsti skaidrumo iššūkius.

Didžiųjų Duomenų ir DI Naudojimo Galimybės Viešajame Sektoriuje

Didieji duomenys ir dirbtinis intelektas (DI) - temos, plačiai aptarinėjamos tiek pasaulinėse verslumo konferencijose, tiek skaitmeninių technologijų ekspertų pokalbiuose. Apie tai kalba ir didžiosios bendrovės, pabrėždamos šių technologijų svarbą bei plačias panaudojimo galimybes - nuo finansų iki gamybos, logistikos, energetikos ar pramogų sektoriaus. Apdoroti ir išanalizuoti jie paverčiami įžvalgomis, padedančiomis priimti sprendimus rinkodaros, reklamos, prekybos, miestų planavimo, sveikatos priežiūros ir kitose srityse. Pasinaudodamos šia informacija įmonės gali siūlyti prekes tik tiems, kam jų reikia, ir tik tada, kai jų reikia. Kino platforma „Netflix“ naudoja DI valdomus rekomendacijų algoritmus, kurie vartotojams, atsižvelgiant į jų pomėgius, siūlo filmus ir TV laidas. Tuo tarpu Švedų muzikos platforma „Spotify“ analizuoja vartotojų klausymosi įpročius, o DI sistema jiems rekomenduoja naujas dainas bei atlikėjus. OpenAI, naudodama viešai prieinamus ir licenzijuotus duomenis, sukūrė vieną pažangiausių dirbtinio intelekto sprendimų pasaulyje - Naudojant didelius tekstinių duomenų rinkinius iš įvairių šaltinių, tokių kaip svetainės, knygos ir straipsniai, OpenAI sugebėjo ištreniruoti savo modelius įvairiose temose ir kontekstuose.

Ne paslaptis, jog dirbtinio intelekto sprendimams sukurti reikalingas labai didelis kiekis duomenų, kurie yra tarsi energetinė žaliava. Tačiau tam, kad surinkti duomenys virstų kuru sėkmingų inovacijų varikliui, būtinas tinkamas ir efektyvus jų surinkimas, apdorojimas ir panaudojimas. Kitaip tariant - kokybė. Duomenys turės daug didesnę vertę, jei bus kokybiški, saugūs ir tiesiogiai susiję su atsakymais į klausimus, kurie yra aktualūs konkrečiai įmonei ar organizacijai. Kaip sakoma, „garbage in, garbage out“ - jei įkeliate šiukšles, tai šiukšles ir turėsite. Duomenų kokybę galima įvertinti atsižvelgiant į penkis pagrindinius rodiklius: išsamumą - ar duomenys yra pakankamai išsamūs, kad juos būtų galima naudoti pagal paskirtį; tikslumą - ar duomenys yra teisingi, patikimi; savalaikiškumą - ar naudojami duomenys yra pakankamai nauji tam, kad būtų tinkami naudoti pagal numatytą paskirtį; nuoseklumą - ar duomenys yra pakankamai suderinti su kitais duomenų rinkiniais, kad būtų galima atlikti bendras duomenų valdymo funkcijas ir galiausiai - prieinamumą.

Didieji duomenys gali padėti institucijų personalo skyriams valstybės tarnyboje identifikuoti ir pritraukti reikalingus išteklius ir talentus, analizuoti ir sistemiškai vertinti esamų tarnautojų veiklos rodiklius, mažinti biurokratiją. Vis dėlto dabartinės tendencijos atskleidžia, kad viešąją politiką formuojančios ir įgyvendinančios institucijos tolydžio prisitaiko prie technologinių pokyčių teikiamų galimybių naudodamos šias technologijas priimti geresnius duomenimis pagrįstus sprendimus, mažinti biudžeto išlaidas, spręsti socialines ir ekonomines problemas, teikti kokybiškesnes viešąsias paslaugas, užtikrinti atskaitomybę ir kurti didesnę vertę piliečiams.

Didžiųjų duomenų ir dirbtinio intelekto technologijos gali padėti viešosios politikos sprendimų priėmėjams laiku ir tinkamai reaguoti į kylančius XXI amžiaus iššūkius: ekonomines, politines, saugumo, sveikatos ir klimato krizes, kartu su biurokratijos mažinimu kylantį efektyvaus valstybinio reguliavimo poreikį, socialinę nelygybę ir atskirtį, smurtą artimoje aplinkoje, lygių galimybių ir teisingumo užtikrinimą, sveikatos paslaugų prieinamumą, terorizmo grėsmę, benamystę ir kt.

Europos Komisijos duomenimis, iki 2025 m. Didieji duomenys (angl. Big Data) išaugs iki 175 zetabaitų, o iki 2030 m. šis skaičius gali pasiekti net 300 zetabaitų. Šiuo metu kiekvieną dieną sukuriama virš 400 mln. terabaitų duomenų, pasaulinė statistika rodo, jog iki 2025 m. jų turėtų būti daugiau nei 200 zetabaitų. Manoma, jog dėl nuolatinio elektroninių prietaisų naudojimo šis skaičius tik augs, o įmonės dar didesniu mastu skaitmenizuos savo veiklą.

Palydovo duomenys gali pagerinti mokslinius tyrimus ir padėti ES sumažinti išmetamų šiltnamio efektą sukeliančių dujų kiekį. Taip pat gali užkirsti kelią stichinėms nelaimėms, tokioms kaip gaisrai, ir geriau į jas reaguoti. Iš GPS ir socialinės žiniasklaidos surinkti didieji duomenys gali padėti sumažinti eismo spūstis.

Spaudžiamas didėjančio susirūpinimo dėl nevaržomos DI plėtros keliamų rizikų, Europos Parlamentas po ilgų diskusijų gegužės mėnesį priėmė Dirbtinio intelekto aktą. Tai - pirmosios pasaulyje DI veiklos taisyklės, kurių turėtų laikytis visi Europos sąjungos DI sistemų gamintojai ir diegėjai, nes netinkami produktai gali neigiamai paveikti fundamentalias žmogaus teises. Nors nemažai Dirbtinio intelekto aktu paliečiamų klausimų paliekama detalizuoti tolimesniais teisės aktais bei gairėmis, pateikiu svarbiausius šio dokumento akcentus. Visų pirma, dirbtinio intelekto sistemos pateks į vieną iš keturių kategorijų - minimalios rizikos sistemas, ribotos, aukštos arba nepriimamos rizikos draudžiamas sistemas. Už pastarųjų kūrimą bei naudojimą grės nemenkos piniginės sankcijos - iki 35 mln. eurų arba 7 proc. metinės apyvartos, o aukštos rizikos sistemų kūrėjai turės atidžiai įvertinti bei iš anksto atskleisti jų sukurtų technologijų keliamas rizikas. Manau, šis ambicingas ES žingsnis rodo siekį lyderiauti ir nustatyti gaires dirbtinio intelekto naudojimui - tai neabejotinai turės ilgalaikį poveikį visam sektoriui. Kaip yra pasakęs Peteris Druckeris, „Didžiausias pavojus turbulencijos metu nėra pati turbulencija, o bandymas ją įveikti su vakarykšte logika“. Tad laimės tie, kurie ne tik gebės sėkmingai išnaudoti dirbtinio intelekto teikiamus privalumus, tačiau taip pat tai darys atsakingai, išvengiant brangiai kainuojančių klaidų.

tags: #didieji #duomenys #dirbtinis #intelektas #iot