Dirbtinis intelektas daugeliui jau tapo kasdienio darbo pagalbos įrankis. Tačiau dar susiduriama su situacijomis, kai dirbtinis intelektas pateikia, vadinamas, „haliucinacijas“. Ekspertai teigia, kad tai dažniausiai nutinka dėl labai paprastų priežasčių.

Užtikrintas atsakymas dar nereiškia tiesos

Pasak „Tele2“ klientų duomenų analizės ir įžvalgų vadovės Ingos Rudinskaitės, viena didžiausių klaidų – manyti, kad dirbtinis intelektas veikia kaip paieškos sistema ar faktų duomenų bazė.

„Daugelis DI įrankių atsakymus generuoja ne ieškodami vienos teisingos informacijos, o pagal tikimybę prognozuodami, koks sakinys ar žodis turėtų sekti toliau. Dėl to atsakymai dažnai skamba labai užtikrintai net tada, kai informacija nėra tiksli. Be to, modernūs modeliai papildomai treniruojami pateikti atsakymą net tada, kai tiksliausia reakcija būtų „nežinau“, todėl jų tonas dažnai atrodo itin užtikrintas – įrankis tiesiog „apmokytas“ vengti dvejojimo“, – sako I. Rudinskaitė.

Anot ekspertės, dirbtinis intelektas labai gerai atpažįsta kalbos, sakinių ir informacijos pateikimo dėsningumus, todėl jo sugeneruoti atsakymai dažnai skamba itin įtikinamai. Vis dėlto tai dar nereiškia, kad DI iš tiesų supranta informaciją taip, kaip ją supranta žmogus, ar geba savarankiškai įvertinti, kas yra tikslu, o kas – klaidinga.

Didžiausia problema ta, kad tokios klaidos nebūtinai yra akivaizdžios. DI haliucinacijos dažnai pateikiamos labai sklandžiai – su tariamais šaltiniais, įtikinamai skambančiais skaičiais ar neegzistuojančiomis citatomis.

„Jeigu trūksta konteksto ar patikimų šaltinių, dirbtinis intelektas gali pradėti spėlioti. Taip atsiranda haliucinacijos – išgalvoti faktai ar neegzistuojantys šaltiniai, kurie žmogui gali pasirodyti patikimi“, – atkreipia dėmesį ekspertė.

Kaip atpažinti haliucinacijas?

Atpažinti netikslų dirbtinio intelekto sugeneruotą atsakymą ne visada paprasta, tačiau yra keli ženklai, į kuriuos verta atkreipti dėmesį. Įtarimų turėtų kelti atsakymai, kurie skamba labai užtikrintai, tačiau kartu išlieka gana abstraktūs.

Itin didelė klaidų rizika atsiranda tada, kai dirbtiniam intelektui pateikiama per mažai informacijos arba užduodami labai platūs, neaiškūs klausimai.

„Vienas geriausių būdų sumažinti klaidų riziką – neprašyti dirbtinio intelekto „visko iš karto“. Kuo aiškesnė užduotis ir kuo daugiau konteksto pateikiama, tuo mažesnė tikimybė gauti netikslų atsakymą. Labai padeda aiškiai suformuluota užduotis, papildomi dokumentai ar konkretūs šaltiniai, kuriais dirbtinis intelektas turėtų remtis“, – teigia ekspertė.

Kada verta pasitelkti papildomus įrankius?

I. Rudinskaitė sako, kad dirbant su aktualijomis ar greitai besikeičiančia informacija verta naudoti „web search“ funkciją, kuri leidžia dirbtiniam intelektui pasiekti naujausius interneto šaltinius ir remtis ne tik anksčiau turėtais duomenimis.

„Dirbtinio intelekto modeliai ne visada turi naujausią informaciją, todėl kalbant apie teisės aktus, kainas ar naujienas verta papildomai įjungti paiešką internete ir pasitikrinti šaltinius. Vis dėlto svarbu suprasti, kad pati „web search“ funkcija nėra absoliuti apsauga nuo netikslumų – dirbtinis intelektas gali remtis nepatikimais šaltiniais, neteisingai interpretuoti rastą informaciją ar sumaišyti skirtingus šaltinius tarpusavyje. Tai sumažina haliucinacijų riziką, tačiau jos visiškai nepanaikina“, – sako I. Rudinskaitė.

Ji priduria, kad patikimiau veikia principas, kai DIi pateikiame konkretų šaltinį – dokumentą, PDF ar tekstą – ir paprašome atsakyti remiantis tik juo. Praktikoje taip pat padeda aiškios instrukcijos, pavyzdžiui, verta nurodyti atsakyti „nežinau“, jei informacijos nepakanka. Taip pat rekomenduojama sudėtingas užduotis skaidyti į mažesnius žingsnius, nes tai leidžia greičiau pastebėti galimus netikslumus.

Siekdamos išvengti nepatikimos informacijos, vis daugiau organizacijų investuoja ne tik į pačius dirbtinio intelekto sprendimus, bet ir į darbuotojų gebėjimą jais naudotis atsakingai bei efektyviai.

„Tele2“ taip pat aktyviai investuoja į darbuotojų dirbtinio intelekto kompetencijas bei vidinius sprendimus. Bendrovė darbuotojams yra sukūrusi vidinį dirbtinio intelekto asistentą „Tele2 Genie“, kuris naudojamas kasdienėms užduotims, informacijos apdorojimui ir produktyvumui didinti.

Svarbiausia – kritinis mąstymas

Pasak ekspertės, dirbtinis intelektas gali būti puikus pagalbininkas, tačiau galutinę atsakomybę visada prisiima žmogus.

„Jeigu DI sugeneruotas tekstas bus naudojamas viešoje komunikacijoje, priimant verslo sprendimus ar dirbant su klientais, svarbiausius faktus būtina papildomai patikrinti. Dirbtinis intelektas gali padėti greičiau dirbti, tačiau svarbu nepamiršti, jog jis nėra neklystantis ekspertas“, – pabrėžia I. Rudinskaitė.

Dirbtinio intelekto tobulėjimas keičia ir mokymo kokybę. Vis daugiau studentų į pagalbą pasitelkia dirbtinio intelekto siūlomas funkcijas, kurios padeda ieškoti informacijos, spręsti užduotis. Tyrimų duomenimis DI gali padėti kelti studento motyvaciją ir įsitraukimą, kadangi jis suteikia lengvesnius paaiškinimus ir prieigą prie informacijos.

Vis dėlto, nors dirbtinis intelektas leidžia informaciją pasiekti greičiau nei bet kada anksčiau, kyla svarbus klausimas – ar greitas atsakymas visada reiškia kokybišką mokymąsi? Taip pat vėl grįžtame prie fundamentalaus klausimo: kaip iš tiesų formuojasi ilgalaikis supratimas ir kokį vaidmenį jame atlieka laikas?

Apie tai, kaip dirbtinio intelekto įrankiai veikia mokymosi procesą, plačiau pasakoja VILNIUS TECH Fundamentinių mokslų fakulteto (FMF) Informacinių technologijų katedros doc. dr. Irina Vinogradova-Zinkevič, turinti tarpdisciplininį išsilavinimą matematikos, informatikos ir edukologijos srityse.

Patogu – bet ar padeda mokytis?

Generatyvinis dirbtinis intelektas leidžia greitai gauti atsakymus, paaiškinimus ar net išspręstas užduotis. Tačiau tokia pagalba gali lemti vadinamąjį kognityvinį perkėlimą, kai dalis mąstymo procesų perkeliama išoriniams įrankiams.

„Kai studentas gauna paruoštą atsakymą, gali susidaryti įspūdis, kad medžiaga yra suprasta. Vis dėlto, žinių vertinimo metu dažnai paaiškėja, kad šis supratimas yra paviršutiniškas. Šis reiškinys siejamas su vadinamąja „mokymosi iliuzija“, kai informacija atrodo aiški ją skaitant ar matant paaiškinimą, tačiau be pagalbos studentas jos nebegali atkurti“, – pažymi doc. dr. I. Vinogradova-Zinkevič.

Paviršutiniškas mokymasis ar ilgalaikis žinių įsisavinimas?

Tyrimai rodo, kad neapgalvotas DI naudojimas gali skatinti paviršutinišką mokymąsi. Tokiu atveju informacija įsimenama trumpam, tačiau nėra susiejama į nuoseklią žinių sistemą.

Doc. dr. I. Vinogradova-Zinkevič per daugiau nei dvidešimt metų darbo VILNIUS TECH sukaupė ilgametę pedagoginę patirtį, apimančią dėstymą, dėstytojų kvalifikacijos tobulinimo kursų vedimą bei dalyvavimą edukaciniuose projektuose. Ši patirtis leido įgyti vertingų įžvalgų apie mokymosi procesų pokyčius. „Savo paskaitose, nuo praeitų mokslo metų rudens semestro pastebėjau ryškų studentų konceptualaus supratimo susilpnėjimą bei sunkų įgytų žinių perkėlimą naujosiose situacijose. Studentai, gebėję parengti kokybiškas laboratorinių darbų ataskaitas ir sklandžiai pristatyti jų rezultatus, po tam tikro laiko susidurdavo su sunkumais atkartodami įgytas žinias ar taikant jas analogiškose užduotyse“, – pastebi dėstytoja.

Būtent šie pastebėjimai paskatino giliau analizuoti dirbtinio intelekto poveikį mokymosi kokybei ir tapo pagrindu šių metų balandį pateiktai tarptautinio mokslinio projekto „AI-LEARN“ paraiškai. Prie šios iniciatyvos prisijungė mokslininkai iš Jyväskylä universiteto Suomijoje, Umeå universiteto Švedijoje ir Farerų salų universiteto, kurie savo akademinėje veikloje taip pat kelia klausimus, susijusius su atsakingu dirbtinio intelekto naudojimu mokymosi procese.

Docentė taip pat atkreipia dėmesį, kad dalis studentų, derinančių studijas su darbu, susiduria su laiko trūkumu ir nuovargiu, todėl kontaktinių užsiėmimų metu mažėja jų dėmesio koncentracija ir įsitraukimas į diskusijas bei aptarimus. Dėl to studentai dažnai atideda mokymąsi vėlesniam laikui, pereina prie savarankiško darbo ir neretai pasitelkia dirbtinio intelekto įrankius, leidžiančius greičiau generuoti atsakymus, tačiau tai ne visuomet skatina gilesnį medžiagos apdorojimą.

Kodėl mokymuisi reikia laiko?

Žmogaus pažintiniai procesai yra apriboti darbo atminties pajėgumu. Skirtingai nei dirbtinio intelekto sistemos, kurios gali generuoti atsakymus akimirksniu, žmogaus mokymasis yra susijęs su laipsnišku žinių struktūrų formavimu ilgalaikėje atmintyje, paaiškina VILNIUS TECH mokslininkė.

„Būtent todėl svarbu, kaip organizuojamas mokymasis. Vadovaujantis vokiečių psichologo, eksperimentinių atminties tyrimų pradininko Hermann Ebbinghaus tyrimais, išskaidytas mokymasis (kai medžiaga kartojama su pertraukomis) yra efektyvesnis nei intensyvus kartojimas per trumpą laiką. Vėlesni tyrimai patvirtino, kad nors intensyvus mokymasis gali suteikti greitą rezultatą, ilgainiui tokios žinios išlieka silpniau. Kai per trumpą laiką tenka apdoroti didelį kiekį informacijos, gali atsirasti kognityvinė perkrova, apsunkinanti gilesnį supratimą ir žinių įsisavinimą“, – pastebi docentė.

Kaip stiprinti ilgalaikę atmintį studijų procese?

Ilgalaikį žinių įtvirtinimą lemia ne vien mokymuisi skirtas laikas – ne mažiau svarbus ir pats mokymosi būdas. Dėstytoja I. Vinogradova-Zinkevič pabrėžia, kad gilesniam supratimui svarbus aktyvus darbas su informacija – jos kartojimas, taikymas bei savarankiškas žinių atkūrimas.

„Efektyviam įsiminimui rekomenduojama medžiagą kartoti keliais intervalais (pvz., po 1 dienos, 3–4 dienų, savaitės ir vėliau), o pats kartojimo procesas turėtų apimti aktyvų žinių atkūrimą, o ne vien pasyvų peržiūrėjimą. Būtent dėl šios priežasties, paskaitų metu dėstytojai dažnai įtraukia klausimus iš ankstesnės medžiagos, siekdami skatinti ilgalaikį žinių įtvirtinimą“, – patikslina mokslininkė.

Taip pat, bandymas savarankiškai prisiminti informaciją (pvz., atsakinėjant į klausimus be pagalbos) stiprina atmintį labiau nei pakartotinis medžiagos peržiūrėjimas.

Gebėjimas paaiškinti sąvokas savais žodžiais skatina gilesnį temos supratimą ir padeda formuoti nuoseklias žinių struktūras. Net ir aiškindamas sąvokas dirbtiniam intelektui, atliekančiam konsultanto vaidmenį, žmogus gali geriau įsisavinti nagrinėjamą temą.

Kitas svarbus aspektas, pažymi dėstytoja, tai ne tik įsiminti atskiras formules ar faktus, bet ir suprasti jų tarpusavio ryšius bei bendrus principus. DI gali būti naudingas kaip pagalbinė priemonė, tačiau svarbu išlaikyti aktyvų mokymosi vaidmenį – ne tik gauti atsakymus, bet ir juos analizuoti, tikrinti bei interpretuoti.

„Vis dėlto visų mokymosi procesų kontroliuoti nėra įmanoma, todėl didėja paties studento vaidmuo priimant sprendimus, kaip ir kokiu mastu naudoti dirbtinio intelekto įrankius. Tokie sprendimai tiesiogiai susiję su mokymosi rezultatais, ypač ilgalaikės atminties ir konceptualaus supratimo formavimu“, – apibendrina VILNIUS TECH dėstytoja doc. dr. Irina Vinogradova-Zinkevič.

Prieš kelis mėnesius Pietų Korėjoje sučiupti keturi įtariamieji, kurie įsilaužė į beveik 120 tūkst, stebėjimo kamerų. Tai rodo, kad tokios atakos dar „neišėjo iš mados“. „Bite Lietuvoa“ pranešime atsakoma, ar verta klijuoti įrenginių kameras. 

„Kamerų šiandien yra milijardai – nuo išmaniųjų telefonų iki namų stebėjimo sistemų, ir visos jos yra patrauklus taikinys kibernetiniams nusikaltėliams. Problema ta, kad didelė dalis žmonių vis dar nepakankamai kritiškai vertina kibernetines grėsmes ir patys to nežinodami atveria prieigą prie įrenginių kamerų“, – pasakoja Karolis Špiliauskas, „Bitė Lietuva“ išmaniųjų sprendimų ekspertas.

Pasak jo, kamerų užkrėtimas (angl. camfecting) yra kibernetinės atakos, kurių metu programišiai nuotoliniu būdu užgrobia įrenginių kameras ir žmonėms to nežinant gali jas valdyti – įjungti, išjungti, pradėti jomis filmuoti ar fotografuoti. Toks įsilaužimas atliekamas įrenginį užkrečiant virusu arba prieigos paprasčiausiai paprašant – per kenkėjiškas programėles ar apgaulingas nuorodas.

„Viena dažniausių schemų – apgaulės programėlės (angl. rogue apps), kurios atrodo patikimos ir atlieka realią funkciją, tačiau kartu prašo prieigos prie svarbių įrenginio funkcijų, įskaitant kamerą. Žmonės dažnai suteikia šiuos leidimus net nesusimąstydami, ar jie iš tiesų reikalingi“, – aiškina K. Špiliauskas ir pataria įvertinti riziką, kai programėlė, kurios funkcija visiškai nesusijusi su fotografavimu ar vaizdo įrašymu, prašo prieigos prie įrenginio kameros.

Telefono ar kompiuterio kamera dažniausiai nėra vienintelis taikinys – programišius kur kas labiau domina jūsų įrenginyje esantys duomenys.

„Jei programišiai gauna prieigą prie telefono, jie paprastai siekia kur kas daugiau – mikrofono, nuotraukų galerijos, kontaktų ar net prisijungimų prie įvairių paskyrų. Kamera tokiu atveju tampa tik viena iš priemonių informacijai rinkti. Tokia informacija vėliau gali būti panaudota ne tik privatumo pažeidimams, bet ir šantažui, tapatybės vagystei ar finansiniams bei reputaciniams nusikaltimams – pavyzdžiui, bandant perimti paskyras ar daryti spaudimą aukai“, – pabrėžia ekspertas.

Pasirinkimą užklijuoti įrenginių kameras K. Špiliauskas vertina atsargiai – tai apsaugo tik nuo vaizdo įrašų darymo.

„Fiziškai uždengta kamera negali fiksuoti vaizdo. Vis tik svarbu suprasti, kad tai tik papildomas saugumo sluoksnis, o ne pagrindinė įrenginio apsauga. Visada išlieka rizika, kad bus pasiekiamos ir kitos funkcijos“, – teigia skaitmeninių paslaugų bendrovės „Bitė Lietuva“ išmaniųjų sprendimų ekspertas.

Anot jo, kur kas didesnę reikšmę turi kasdieniai naršymo internete įpročiai ir bendras išmaniojo įrenginio saugumas.

„Svarbiausia yra reguliariai atnaujinti programinę įrangą, naudoti stiprius slaptažodžius, įjungti dviejų veiksnių autentifikaciją ir labai atsakingai vertinti, kokius leidimus suteikiame programėlėms. Taip pat reikėtų naudoti tik oficialiose programėlių parduotuvėse esančias programėles, nediegti jų iš nežinomų puslapių ar gautų el. laiškų“, – akcentuoja K. Špiliauskas.

Šiandien tobulėjančios technologijos atveria duris, dėl kurių galima gerinti įvairiausias sistemas. Tačiau duomenimis paremtos sistemos - sudėtingas iššūkis. Kadangi yra labai sunku sukurti sistemas technologijoms, kurios gebėtų pasaulį suprasti taip pat, kaip supranta žmogus.

Be tokio supratimo autonominėms sistemoms sudėtinga patikimai ir saugiai veikti realiame pasaulyje, todėl šį iššūkį šiandien padeda spręsti 3D taškų debesų analizė.

„Įsivaizduokite, kad atliekate milijonus tikslių lazerinių fizinės erdvės, pavyzdžiui, gatvės, miško, ar viso miesto, matavimų ir sujungiate juos, kad sukurtumėte detalų trimatį žemėlapį, sudarytą iš atskirų taškų. Tai yra vadinama 3D taškų debesimi. Šios technologijos padeda kompiuteriams suprasti objektų formas žemėlapyje ir interpretuoti jų kontekstą aplinkoje“, – aiškina Kauno technologijos universiteto (KTU) profesorius Rytis Maskeliūnas.

Nuo pėsčiųjų aptikimo iki ištisų miestų žemėlapių sudarymo

Nors dauguma žmonių apie tai retai susimąsto, ankstyvos šios technologijos formos jau naudojamos kasdieniame gyvenime. „Vidutinis žmogus nuolatos susiduria su 3D duomenimis ir panašiomis technologijomis, kurios aprašytos mūsų tyrime, net to nesuvokdamas“, – sako KTU Informatikos fakulteto tyrėjas dr. Sarmad Maqsood.

Šiuolaikinės transporto priemonės naudoja tokias sistemas automatiniam avariniam stabdymui ar adaptyviai kruizo kontrolei. Jos leidžia atskirti pėsčiuosius, transporto priemones bei kelio ribas. Tačiau sudėtingomis ar prasto matomumo sąlygomis patikimumas vis dar išlieka problema.

3D taškų debesų duomenys taip pat vis dažniau naudojami kuriant išsamius miestų skaitmeninius modelius. Šie modeliai padeda planuoti miestus, stebėti infrastruktūrą ir analizuoti aplinką, sudarydami vadinamųjų skaitmeninių dvynių pagrindą – virtualias realių objektų kopijas, kurios nuolat atnaujinamos ir naudojamos pokyčiams stebėti.

Tačiau, pasak S. Maqsood, įdiegti šią technologiją nėra lengva. „Kompiuteriai susiduria su dideliais sunkumais analizuodami 3D taškų debesis, nes duomenys netolygūs, nestruktūruoti ir labai didelės apimties“, – aiškina jis. Tyrėjas pažymi, kad duomenys būna nevienodi, arti esantys objektai užfiksuojami tankiai, o tolimesni – rečiau. Be to, svarbūs objektai, tokie kaip pėstieji, pasitaiko daug rečiau nei tokios dominuojančios klasės kaip keliai ar pastatai.

Šie iššūkiai – ne tik techniniai, bet ir praktiniai. Milijonų taškų apdorojimas realiu laiku reikalauja didelių skaičiavimo resursų, o tikslumas – kritiškai svarbus saugumo požiūriu. Triukšmas, uždengimai ir būtinybė suderinti greitį su tikslumu sukelia didžiausią iššūkį siekiant patikimos 3D analizės.

Todėl, KTU mokslininkai sukūrė naują modelį, kuris sujungia kelis 3D duomenų analizės metodus į vieną, efektyvesnę sistemą. Vietoj to, kad būtų analizuojamos tik vietinės detalės ar bendras vaizdas, modelis apjungia abu šiuos aspektus vienu metu, leidžiant sistemai patikimiau interpretuoti sudėtingas aplinkas. Modelis sujungia pažangią transformatoriais pagrįstą analizę, kuri leidžia suprasti ryšius visoje aplinkoje, o ne tik atskirose jos dalyse. Taip pat įdiegti mechanizmai, kurie išryškina svarbias, bet rečiau pasitaikančias detales.

Sprendimas, veikiantis net ir su nepilnais duomenimis

„Įsivaizduokite, kad turite didelę, netvarkingą 3D dėlionę, sudarytą iš milijonų taškų, kurią reikia surūšiuoti į prasmingus objektus – tokius, kaip keliai, medžiai ir pėstieji. Mūsų modelis veikia kaip labai intelektualus ir efektyvus galvosūkių sprendėjas“, – sako R. Maskeliūnas. Analizuodama visos aplinkos ryšius ir išskirdama svarbius elementus, sistema geriau aptinka mažus ar iš dalies matomus objektus, kurių ankstesni metodai galėjo nepastebėti.

Tai tampa ypač svarbu realiose situacijose. Pavyzdžiui, savaeigis automobilis, artėjantis prie sankryžos sutemus, gali užfiksuoti tik kelis duomenų taškus apie iš dalies uždengtą pėsčiąjį. „Užuot praleidęs šią informaciją, modelis ją interpretuoja kontekste. Susieja retus signalus su aplinkiniais elementais, tokiais kaip stulpas ar pėsčiųjų perėja ir nustato asmens buvimą net tada, kai duomenys yra neišsamūs. Šis gebėjimas suprasti kontekstą iš nepilnos informacijos gali reikšmingai pagerinti autonominių sistemų saugumą“, – dalijasi Maskeliūnas.

Modelis taip pat pasižymi efektyvumu, sudėtingas scenas jis apdoroja per kiek ilgiau nei dvi sekundes, išlaikydamas aukštą tikslumą. „Svarbus pasiekimas yra ne tik tikslumas, bet ir efektyvi, vieninga sistema“, – priduria S. Maqsood, pabrėždamas, kad sistema leidžia suspausti ir perduoti didelius 3D duomenų kiekius neprarandant svarbios informacijos, todėl duomenys gali būti efektyviai apdorojami beveik realiu laiku.

Ateityje šios technologijos gali būti taikomos daug plačiau. Nuo pristatymo dronų, veikiančių sudėtingose aplinkose, iki robotų, dalyvaujančių paieškos ir gelbėjimo operacijose. Patikimas 3D aplinkos supratimas tampa vis svarbesnis. Net ir mažiau akivaizdžios sritys galėtų pasinaudoti šia technologija, pavyzdžiui, archeologija, kur iš ribotų duomenų reikia atkurti prasmingas struktūras, arba kriminalistika, kur svarbios net subtilios erdvinės detalės. Ši technologija taip pat galėtų padėti kurti pažangias papildytos realybės sistemas, kur skaitmeninis turinys sklandžiai integruojamas į sudėtingas fizines aplinkas.

Platesniu mastu šie pasiekimai gali iš esmės pakeisti tai, kaip suprantame ir valdome savo aplinką. Tai, kas kadaise atrodė kaip mokslinė fantastika, pamažu tampa realybe – mašinos ne tik mokosi matyti pasaulį, bet ir jį suprasti.

DI vis dažniau naudojamas kasdienybėje, kai kuriais atvejais to net nepastebime. Todėl „Samsung“ technologijų bendrovė tęsia „AI dirbtuvių“ iniciatyvą ir Kaune, balandžio mėnesį kviečia gyventojus į nemokamas gyvas dirbtuves.

Pirmieji šios iniciatyvos renginiai jau įvyko kovo mėnesį Vilniuje ir Kaune, kur sulaukė didelio susidomėjimo. Į dirbtuves rinkosi įvairaus amžiaus dalyviai – nuo moksleivių iki senjorų, norinčių geriau suprasti, kaip dirbtinis intelektas gali palengvinti jų kasdienybę.

„Samsung“ komunikacijos vadovė Lietuvoje Eglė Tamelytė pabrėžia, kad didžiausia šių dirbtuvių vertė – galimybė ne tik sužinoti apie technologijas, bet ir patiems jas išbandyti. Užsiėmimų metu sudėtingesnes temas technologijų ekspertai pristato paprastai ir suprantamai.

„Matome, kad žmonėms labai trūksta ne teorinių paaiškinimų, o realių pavyzdžių – kaip dirbtinio intelekto funkcijos gali būti išnaudojamos kasdienėse situacijose. Būtent tai ir stengiamės parodyti dirbtuvių metu“, – sako E. Tamelytė.

Balandžio antroje pusėje Kaune vyksiančiuose užsiėmimuose gyventojai galės iš arčiau susipažinti su dirbtinio intelekto funkcijomis, integruotomis naujausiuose „Galaxy S26“ serijos išmaniuosiuose telefonuose. Praktinių sesijų metu bus demonstruojama, kaip šios technologijos gali padėti greičiau apdoroti informaciją, lengviau planuoti užduotis ar kurti turinį – nuo tekstų iki vizualų.

Dirbtuvės vyks balandžio 24–26 dienomis Kauno „Akropolio“ „Bitė Lietuva“ salone: penktadienį nuo 15:00 val. iki 19:00 val., šeštadienį ir sekmadienį – nuo 12:00 val. iki 16:00 val. Išankstinė registracija nėra būtina – prisijungti gali visi norintys, pasirinkę jiems patogų laiką pagal numatytą programą.

Pasak organizatorių, šios dirbtuvės suteikia galimybę kiekvienam žmogui atrasti, kaip dirbtinis intelektas gali būti pritaikytas būtent jo kasdienybėje – nepriklausomai nuo amžiaus, profesijos ar turimų technologinių žinių.

Toks asmeninio santykio su technologijomis stiprinimas padeda ne tik geriau suprasti jų veikimą, bet ir įgyti daugiau pasitikėjimo jomis naudojantis. E. Tamelytės teigimu, dirbtuvėse pasitikėjimo įgavę dalyviai drąsiau pradeda taikyti dirbtinio intelekto sprendimus savo darbe, moksluose ar laisvalaikiu.

„Dirbtinis intelektas jau kuris laikas nebėra ateities technologija – jis naudingas įvairiausiose srityse, nuo medicinos iki kasdienių išmaniųjų įrenginių funkcijų. Mūsų tikslas – padėti žmonėms nebijoti juo naudotis ir parodyti, kad tai gali būti paprastas, kasdienis ir itin naudingas įrankis“, – teigia E. Tamelytė.