Modris Apse: Terminatora laikmets ir jau sācies. Rediģētās pumpas vairs noslēpt nevaram un privātums pastāv tikai uz papīriem

IEVADAM

Vēlies izstaigāt visas mājas istabas pirms tā vispār ir uzbūvēta? Darīts! Mašīnas pareģo citu vadītāju raksturu. Brilles, kas replicē mūs kā hologrammu, atdarina mūsu balsi un spēj runāt jebkurā valodā. Darīts!

Grūti pierādīt tiesā bildes autentiskumu? Tagad nospied “upload” un saņemsi atzinumu.

Domā, ka no vienas profila bildes sociālajā portālā par Tevi neko nezina? Mēs taču visi zinām, ka vakar Tev bija lielāks vēders un šodien no rīta feisbukā jau esi par milimetru tievāks. Mēs zinām, ka plāno izvākties no mājām un Tev vajadzētu palīdzību ar mantu pārvākšanu. Varbūt piedāvāt reklāmu ar mantu pārvācēju pakalpojumiem, jo es taču zinu, ka Tev tas nepieciešams? Darīts!

Šo analītisko informāciju Jums piedāvā datorredze. Terminatora laikmets ir jau sācies. Rediģētās pumpas vairs noslēpt nevaram un privātums pastāv tikai uz papīriem.

DATORREDZE
KĀ VAR DATORAM BŪT REDZE?

Datorredze ir programmatisks process kā mēs analizējam vizuālos materiālus, piemēram, bildes vai video. Par cik visa pamatā mums, protams, ir nulles un vieninieki, jeb loģiskā pieeja – ir vai nav melns, ir vai nav seja redzama bildē, tad arī šajā jomā attīstība notiek dažādos virzienos un tai ir simtiem pieeju. Bet galvenokārt to visu liek klāt pie mākslīgā intelekta, kas ir vienkārši sistēmas mācīšana par to, kas ir kas un kā uz to reaģēt, vienlaikus sekojot līdzi statistiskajām līknēm par to, cik tad šīs sistēmas ir precīzas, palaižot tās lielākā brīvsolī.

Vērts pieminēt, ka sistēmu gadījumā sarežģīti varianti ne vienmēr ir tie labākie un nereti pārlieku liela detalizācija noved pie strupceļiem, kur konkrētais risinājums vairs nevar kļūt tik precīzs, cik sākotnēji tika uzskatīts. Bet pie šādiem gadījumiem tiek veidotas jaunas metodes un iepazīstināti jauni parametri pēc kuriem tad mēs šos vizuālos materiālus varam mērīt.

Šobrīd tiek izmantotas vairākas lietas. Pikseļu pētīšana, fizikas pielietošana balstoties uz dažādiem elektromagnētiskā starojuma mērījumiem un citi. Ko nu vien mēs cilvēki uzskatam, kas mums palīdz cilvēkiem nonākt pie secinājuma, ka tieši tas, ko redzam, ir tas, ko domājam, ko redzam. Liekas sarežģīti? Pagaidi, tas nav viss!

KĀ TAS MAINA MŪSU PASAULI? ESAM E-KOMERCIJAS IZMĒĢINĀJUMA TRUSĪŠI

Piemērs dāvanu gadījumā. Agrāk zīmoli paļāvās uz klientu aptaujām vai arī veica analītiskus paredzējumus izrietot no statistikas “karstākajās” izpārdošanas dienās. Bet šādā gadījumā netiek gūti pietiekami daudz datu un klientu aptaujās cilvēki vien atzīmē vienu no savām vēlmēm un pārējās simts nemaz neieraksta, kā arī pētot pārdošanas statistiku, veikals gluži vienkārši nevar piedāvāt neko jaunu, jo viss tiek balstīts tikai uz tiem datiem, kas ir jau veikala plauktā.

Mūsdienās kompānijas izmanto milzīgās sociālās platformas un citus datu analīzes principus, lai veiktu efektīvus paredzējumus. Lai gan šo analīžu pamatā ir reāli dati, tie ir atkarīgi no mākslīgā intelekta un patvaļīgiem lēmumiem, ko lietotāji pieņem, lietojot sociālos tīklus un sērfojot pa tīmekli. Lielākoties tie kļūdās personalizētajās rekomendācijās lietotājam.

Pētot lietotāju izvēles sociālajos medijos var iegūt ļoti vērtīgu informāciju, taču tas ne vienmēr dod patiesu priekšstatu par to, ko lietotājs varētu vēlēties iegādāties. Fakts, ka lietotājs apskata noteikta tipa saturu, nenozīmē, ka viņš kaut ko no šī tipa satura vēlētos nopirkt. Piemēram, ja cilvēks meklē dāvanas citiem, tad dati, ko lietotājs skatās pārlūkprogrammā realitātē nemaz neattiektos uz viņu.

Tāpēc ir tādi risinājumi, kuri var jau paredzēt, ka lietotājs meklē mājdzīvnieku vai arī gatavojās pārvākties uz jaunu dzīvokli. No kurienes šādi dati varētu nākt? No lietotāju bildēm, kas ir tā telefona galerijās. Par cik pasaulē ir 1,2 triljoni+ ierīču, šādas programmatūras pielietošana uzreiz ir mainījusi e-komercijas darbības veidu. Viens no šādiem pakalpojumu piedāvātājiem ir pixoneye. Microsoft start-ups.¹

Mēs jau esam terminatori. Spējam runāt mums nezināmās valodās.

Protams, varam pasapņot un vēl detalizētāki vēlmju parametri tuvākajā nākotnē sāk palikt tuvāki. Biometrikas pielietošana un dažādas jau bioloģiskas iejaukšanās mūsu ķermenī notiek tagad. Jo lielāka cilvēka fiziska savienošana ar elektroniskajām ierīcēm, jo personalizācijas pakāpe kļūst lielāka.

Ja kādā brīdī parādīsies “gadžets”, ko cilvēki sāks nēsāt savienotu ar savām smadzenēm un mēs spēsim gūt ar vien vērtīgākus un loģiskākus datus no tā, principā tā būtu viena no tām galējām robežām, kas sāktu iezīmēt cilvēka privātuma beigas. Es teiktu, ka nevajag būt pareģim ar pārdabiskām spējām, lai teiktu, ka šis ir tas ne pārāk patīkamais virziens uz ko cilvēce iet. Un tas notiks agri vai vēlu.

Varbūt vēl ne tik kvalitatīvs manā paaudzē, bet mana nākotnes vizualizācija programmatūras pirmajās versijā ir kaut kas Tuvs tam, ka cilvēki staigās ar Microsoft HoloLens’iem² līdzīgām tehnoloģijām, tikai ar iespēju šīs brilles pieslēgt, piemēram, ar parastu usb konektoru mūsu nervu sistēmai. Nu labi, varbūt nervu sistēmas datiem USB vai thunderbolt būs par lēnu, bet ar jau esošo kvantu datoru ienākšanu pasaulē, esmu ļoti ieintriģēts turpmākajā tehnoloģiskajā cilvēces attīstībā. Tajā pašā brīdī, zinot, ka šī nav utopija un ar šādiem datiem manipulēt iespējas būs neierobežotas, tas arī biedē. Bet kurš gan terminatora laikmetā negribētu padzīvot. Esam jau tuvu. Cilvēki varētu neizdzīvot. Bet ja to lemsim paši sev, tad tam būs tā būt.

Bet ja nu neesam tik depresīvi, tad ja reiz sāku, vēlētos parunāt par to pašu Holo Lens, kura vismaz dizainiskais aspekts man pašam ļoti simpatizē. Nesen mēs tikām iepazīstināti ar Holo Lens 2. Šī ierīce nomēra cilvēku jau to uzvelkot. Nomēra mūsu roku izmēru un attālumu starp acīm.

Savā būtībā šīs brilles ir ierīce, kura aprīkota ar daudziem sensoriem. Kaut ko līdzīgu noteikti katrs ir dzirdējis virtuālās realitātes brillēs. Princips jau līdzīgs. Holo lens darbības sfēra vairāk ir domāta, lai pilnībā nokopētu tevi un tavu apkārtni, saņemot šīs koordinātes mēs tālāk tajā, kas mums ir apkārt, spējam novietot jebkādu digitālu projekciju.

Tas seko līdzi cilvēka roku kustībām, šādā veidā var definēt komandas un pat nolasīt cilvēka acu skatienus. Piemēram, cilvēks var redzēt priekšā hologrammu un ar roka kustību mainīt tā izmēru, jo šis ir ģenerēts skats trīs dimensijās.

MĀKOŅPAKALPOJUMI KĀ ATVIEGLINĀJUMS, BET ARĪ KĀ DRAUDS PRIVĀTUMAM

Datu jeb šajā gadījumā kustību un vizuālās informācijas nolasīšana notiek gandrīz vai reāllaikā ar mazu aizturi, jo bezsaistes režīmā ierīces procesorā skrien kāds noteikts algoritms un tas darbojas uz katru kadru (frame). Ar lielāku bezvadu interneta ātrumu un globālo pārklājumu, nākotnē visas procesuālās darbības, domāju, ka tiks orientētas uz mākoņrisinājumiem, jo realitātē labāk apstrādāt datus kādā mega centrā antarktīdā un atgriezt rezultātus caur internetu, taču par cik šobrīd mūsu šīs savienojamības iespējas ir tādas kādas ir un vēl ne tik spējīgas cik gribētos, Microsoft vairāk orientējušies uz datu apstrādi procesorā, kas ir ierīcē. Kas arī šajā attīstības periodā šķiet loģiski. Bet, protams, izstrāde un savietojamība progresīvi tiek aģitēta uz Azure, Microsoft mākoņplatformas.

Microsoft gan norāda, ka izstrāde un datu apmaiņa tiek realizēta bezsaistes režīmā un tādējādi drošības/privātuma apsvērumu dēļ cilvēks var neļaut savus datus ievākt. Bet es domāju, ka šis laikmets ir pierādījis, ka nekas nav privāts un jo it īpaši lielām kompānijām, datu aizmugurēja ievākšana aizsargātā kodā, kurai nav piekļuves parastajiem cilvēkiem, ir vien skaisti vārdi. Tā kā kā jau ar visu – ieteiktu izmantot šādas lietas jau ar iepriekšējo domu, ka Tavi dati tomēr tiks ievākti. Un ja nevar ar šādu domu sadzīvot, tad labāk neko šādu nelietot vispār.

Vispārējā mākoņrisinājumu īpaši neesošā konkurence un nākotnes draudi kiberdrošības/privātumā ziņā ir cits jautājums par kuru varētu grāmatu sarakstīt, bet arī šeit pieminēšu, ka šis ir viens no daudziem atskaites punktiem, kur pēc vairākiem gadiem atskatīsimies un redzēsim, kas mūs pie šīs nebeidzamās datorredzes datu jezgas sāka novest. Kur tas mūs beigās novedīs neviens nezin, bet cerēsim uz to labāko.

KĀDAS IESPĒJAS DATORREDZE MUMS PAVER APLIKĀCIJU IZSTRĀDĒ?

Iedomājies, ka apmeklētājiem/darbiniekiem iedodam brilles un programmatūrā esam uztaisījuši, definējuši precīzas koordinātas. Piemēram muzejā vai salonā esam atzīmējuši mašīnas koordinātas vai vismaz citus parametrus pēc kā brilles to spēs atpazīt. Cilvēkam pieejot pie konkrētā objekta var tikt parādīts tā stāvoklis, apraksts vai jebkas cits, ko definējam.³

VARAM APSTAIGĀT MĀJU, KURA VĒL NAV UZBŪVĒTA

Ja vairākiem ir brilles, varam ar saviem rasējumiem dalīties trīs dimensijās, attēlot tos uz vietas nekur neejot. Mijiedarbošanās ar reālu telpisko projekcējumu. Ārsti var trenēties arī digitāli jebkurā vietā, izglītība un profesionālā izaugsme sarežģītiem procesiem, kuru attēlošana uz divdimensiālas lapas šķita sarežģīta – tagad var tikt padarīta ne vien saprotama un realitātei daudz pietuvinātāka, bet arī aizraujoša.

Un arhitektūra! Vēlies redzēt iepriekš uzprojektētu māju uz zemes, ko esi iegādājies un izstaigāt visas istabas pirms tā vispār ir uzbūvēta? Darīts, tagad tas ir tieši tik vienkārši – jebkurš var uzbūvēt modeli 3d programmā un to prototipēt uzreiz jau uz augstākminētajiem rīkiem.

Sākotnēji droši vien populārākais datorredzes produkts bija iespēja meklēt saturu pēc bildes. Google images. Bet tagad mūsdienu dzīvēs tie tiek izmantoti gandrīz visur. Snapchat un Facebook izmanto sejas atpazīšanas algoritmus, lai uzliktu filtrus uz cilvēku sejām un atpazītu tos bildēs. Microsoft Kinect spēlēm izmantoja datorredzes tehnoloģiju, nu jau lielākā daļa videonovērošanas sistēmu integrē savā ekosistēmā šādus algoritmus.

Tāda ierastas lietas kā pirksta nospiedums vai sejas atpazīšana datorā arī ir daļa no šīs pētniecības nozares. Neaizmirsīsim arī pēdējo gadu autonomo mašīnu popularitāti.

Visā šajā mašīnu mācīšanas procesā svarīgi ir dot pēc iespējas vairāk resursu, ko algoritms var pētīt, tāpēc lielākoties tiek izmantoti pēc iespējas lielākas bibliotēkas. Viena no tām ir image-net, kura sevī nu jau ietver vairāk kā 14 miljonu bilžu. Jo vairāk dosim pētīt, jo precīzākus rezultātus būs iespējams sasniegt⁴. Šādu iemeslu dēļ lielākā daļa no risinājumiem tiek klasificēti kā eksperimentāli, jo to apmācīšana aizņem relatīvi lielāku laiku, ja pieejamo datu nav daudz, kā arī laiks, kad algoritmu var saukt par stabilu ne vienmēr pienāk ātri.

AUTONOMIE PAREĢI

Runājot par autonomajām mašīnām. Ir paveikts ļoti liels šajā sakarā, taču vēl joprojām sensori, kas uz mašīnām tiek izmantoti visu saskata kā 1 vai 0 – ir šķērslis vai nav. Tie neņem vērā cilvēka nodomus, motivāciju un personalitāti. Piemēram, komanda no MIT ir sākusi pētīt, vai ir iespējams autonomās mašīnas ieprogrammēt tā, lai tās klasificētu citu braucēju sociālās personalitātes. Lai varētu paredzēt, ko mašīnas darīs, tādējādi padarot braukšanu vēl drošāku.

Zinātnieki izmantoja sociālās psiholoģijas elementus, lai klasificētu vadītāju uzvedību (social value orientation (SVO)). Tas norāda uz to vai kāds ir egoistisks, savtīgs vai arī vērsts uz sadarbību. Sistēma nosaka vadītāju SVO, lai ģenerētu braukšanas trajektorijas reāllaikā.

Komanda testējot algoritmu ar neparedzētiem pagriezieniem, līniju šķērsošanu parādīja, ka tie var labāk paredzēt citu mašīnu uzvedību par apmēram 25%. Piemēram, kreisā pagrieziena simulācijās zināja, ka jāpagaida, ja mašīnā bija vairāk egoistisks braucējs.

Šādu sistēmu nav vēlams pagaidām integrēt jau esošajās sistēmās. Taču kopumā centrālā problēma mūsdienu mašīnās ir tas, ka tās ir programmētās saskatīt visus cilvēkus vienādi. Tādējādi viņas ir konservatīvas savos lēmumos, jebkāda veida pagriezienos vai situācijās uz ceļa.⁵

Vēl viens interesants ir risinājums izstrādē ir lietotne, kas nosaka vai bilde ir bijusi manipulēta. Photoshop ir populārākā bilžu manipulācijas programma pasaulē un ar visiem Instagram, Facebook un citiem sociālajiem portāliem, nu jau novērojams, ka gandrīz katra bilde tiek rediģēta – tai tiek pielikts filtrs, cilvēki noņem pumpas, maina fonu un beigu beigās arī nonāk pie stāsta, ka tiek falsificēti citu cilvēku attēli. Tostarp video. Šāda funkcionalitāti ir svarīga, lai pārliecinātos par materiāla autentiskumu. Īpaši svarīgi tas varētu būt arī tiesību jomā, pierādījumu procesos.⁶

MEDICINĀ DATORS VAR REDZĒT LABĀK UN LABĀK

Lāzera ultraskaņas bildes. Ultraskaņas procedūras ir relatīvi vienkāršas. Ārsts pieliek pie ādas aparātu, kas ģenerē skaņas viļņus, atsitoties pret muskuļiem, taukiem un citām ķermeņa sastāvdaļām – viļņi nonāk atpakaļ aparātā un reproducē mums attēlu, kas mums zem ādas.

Konvencionālās ultraskaņas procedūras cilvēkus nepakļauj riskiem atšķirībā no rentgena un datortomogrāfijas skenējumiem. Taču tiem nepieciešams kontakts ar cilvēka ķermeni un ne visiem tas ir paciešams – ar apdeguma pacientiem, pacientiem ar jūtīgu ādu un zīdaiņiem var rasties zināmas problēmas. Un attēls ir ļoti atkarīgs no tā kādā kontaktā tas ir pret ādu, mazākā kustība maina attēlu. Kas ir liels izaicinājums šajā sfērā.

Zinātnieki no MIT ir nākuši klajā ar ultraskaņas risinājumu, kurš nepieprasa kontaktu cilvēka ķermeni, lai tajā redzētu iekšā notiekošo. Jaunā lāzera ultraskaņas tehnika nodrošina acu un ādas drošu bilžu uzņemšanu cilvēka iekšienē. Viens lāzers attālināti ģenerē skaņas viļņus, kas lēkā cauri ķermenim. Otrais lāzers uzķer starus, kuri atsitās, kuri attiecīgi tiek pārveidoti bildē, līdzīgi kā tagadējās procedūrās.

Rezultātā skenējot vairākus cilvēkus, iegūti novērojumi 6cm dziļuma zem ādas. Atšķirībā no pašreizējām ultraskaņas lāzera procedūrām, šī procedūra tika veikta pacientam, lāzeram esot pusmetra attālumā. Šādi turpmākie pētījumi var dot mums iespēju citādākā gaismā redzēt orgānus mūsu ķermenī un veikt zemādas novērojumus pat neesot kontaktā ar pacientiem.⁷

NOBEIGUMĀ

Lasot šādas ziņas, vajadzētu rasties priekšstatam, kāpēc daudzi pazīstami tehnoloģiju cilvēki ir ļoti norūpējušies par šīs tehnoloģijas attīstības tālāko virzību. Ir skaidrs, ka tālākā pētīšana nozīmēs ar vien lielāku datu privātuma zudumu. Vai šis process ir apturams? Nē. Vai mums ir arī ieguvumi? Pilnīgi noteikti un milzīgi. Bet tāpat ir arī mīnusi.

Statistika un analītika ir ļoti spēcīgas lietas. Kā redzam, ar datorredzi un mašīnu mācīšanu mēs varam nonākt pie pārsteidzošiem risinājumiem, kas var kā glābt dzīvības, tā arī tās apdraudēt. Rast mums komfortu un reizē arī radīt ekstrēmu diskomfortu.

Cilvēce vienmēr ir spējusi pielāgoties pārmaiņām un izmantojusi sniegtās inovāciju iespējas. Mūsu domāšanas veids mainās straujiem soļiem. Līdz ar ko arī veidi kā izmantot sistēmas ir kļuvuši radošāki. Un jo vairāk veidu, jo vairāk mērķu, tai skaitā savtīgu.

Kas man liek uzskatīt, ka šobrīd īpaši svarīgi tehnoloģiju attīstībā ir attīstīt autorizācijas funkcionalitāti un stingri piedomāt pie tā, kā tiek organizēta piekļuves kontrole. Parole, lietotājvārds, pirkstu nospiedums un mūsu sejas izskats mūs neturēs grožos pietiekami ilgi. Un jau gadiem vairs nav bijis pietiekams veids. Ir jādomā uz priekšu. Un pēc priekšas vēl uz priekšu.

 

Autors: Modris Apse – Eiropas līmeņa informācijas un komunikācijas tehnoloģiju speciālists.

Atsauksmes:

¹(Microsoft Startups. 2017. How Computer Vision Can Lead to a More Personalized Holiday Shopping Season. https://startups.microsoft.com/en-us/blog/how-computer-vision-can-lead-to-a-more-personalized-holiday-shopping-season/)

²(Microsoft. 2019. HoloLens 2. https://www.microsoft.com/en-us/hololens)

³(Microsoft. 2019. Spatial Anchors https://azure.microsoft.com/en-us/services/spatial-anchors/)

⁴(James Le. 2018. The 5 Computer Vision Techniques That Will Change How You See The World. https://heartbeat.fritz.ai/the-5-computer-vision-techniques-that-will-change-how-you-see-the-world-1ee19334354b)

⁵(Adam Conner-Simons, Rachel Gordon. 2019. Predicting people’s driving personalities. http://news.mit.edu/2019/predicting-driving-personalities-1118)

⁶(Adobe. 2019. Adobe Research and UC Berkeley: Detecting Facial Manipulations in Adobe Photoshop. https://theblog.adobe.com/adobe-research-and-uc-berkeley-detecting-facial-manipulations-in-adobe-photoshop/)

⁷(Jennifer Chu. 2019. Researchers produce first laser ultrasound images of humans. http://news.mit.edu/2019/first-laser-ultrasound-images-humans-1219)