Ulmeline tehnorevolutsioon

Muutusi majanduses ja töösuhetes ei ole võimalik vaadata lahus samaaegsetest ulatuslikest muutustest ühiskonnas.

SILVER MEIKAR

„Miks ei või valitsuskabineti püsiliikmeks olla tehisintellekt?“ küsis endine tarkvaraettevõtte Webmedia (hiljem Nortal) juhatuse esimees, hiljutine majandus- ja kommunikatsiooniministeeriumi side ja riigi infosüsteemide asekantsler Taavi Kotka maikuus Okupatsioonide muuseumi nõukogu korraldatud tänuõhtusöögil. Tõesti, kui meil on juba e-riik ja e-valitsus, siis miks mitte e-valitsusliige? Oletan, et tehisintellektist valitsuse liige oleks populaarne ja pikaajaline. Ministrite tagasiastumise peamine põhjus on olnud usalduse kaotus, mida üldjuhul on põhjendatud kommunikatsiooniga seotud eksimustega. Ei pruugi karta, et tehisintellektist ministri „huulilt“ võiks lipsata mõttevääratus NATO liikmesuse kohta. Samuti ei lendaks tehisintellekt äriklassis ega peaks põhjendama maksude optimeerimist kitsefarmis, ta ei annaks Sputnikule intervjuud ega läheks ajalukku värviliste sokkidega. Küll teeks ta oma faktiteadmistega silmad ette Andrus Ansipile ja reageeriks ühismeedias kiiremini kui Donald Trump.

Kui vaatame ajas tagasi, näeme, et tehnilise arengu ja automatiseerimisega on kaasnenud keerukad ja vastuolulised muutused töös ja majanduses ning seeläbi kogu ühiskonnas. Esimene industriaalrevolutsioon algas XVIII sajandi viimasel kolmandikul, seda iseloomustavad aurumootor, ketrusmasin, Corti metallurgiaprotsess ja laiemalt käsitööriistade asendumine masinatega. Teine tehnoloogiline murrang algas umbes sada aastat hiljem ning selle osaks olid elektrienergia ja sisepõlemismootor, teaduspõhiselt arendatud kemikaalid, efektiivne terasevalu ja esimesed kommunikatsioonitehnoloogia saavutused, nt telegraaf ja telefon.¹ Industriaalrevolutsioon mõjutas kõiki igapäevaelu aspekte, paljudes sektorites muutusid põhjalikult töö iseloom ja töösuhted. Masinate jõudlus võimaldas toota tulemusrikkalt ning paljudes majandussektorites kaotas seeläbi töö märgatav osa elanikkonnast. Lihttööliste asemel tekkis vajadus oskustööliste järele. Vaid 150 aastat tagasi oli suurem osa Euroopa ja Põhja-Ameerika elanikest talupidajad. Tänapäeval töötab vaid 5% põllumajanduses ja tööstussektoris umbes 25%.²

1990. aastatel kuulutas Jeremy Rifkin informatsiooniajastu algust ja väitis, et peatsed uued ja tarkvaralahendused viivad meid lähemale peaaegu töökohtadeta maailmale.³ David E. Nye ei nõustunud Rifkini arusaamaga. Kuigi tootmisliinid, arvutid, robotid, internet ja automatiseeritud telekommunikatsioonitehnoloogiad vabastasid ametist miljoneid töölisi, tagas tarbimisnõudluse kasv 1990ndatel veelgi suurema hulga töökohtade tekkimise. Isegi kui suured korporatsioonid olid raskustes, pakkusid krapsakad väikefirmad innovatsiooni ning lõid rohkem töökohti, kui suured kaotasid.

Rifkiniga ei nõustunud ka Manuel Castells, kes väitis, et hoolimata apokalüptilistest ennustustest on maailmas rohkem töökohti ja suurem osa tööealisest elanikkonnast tööhõives kui kunagi varem. Arvutitehnoloogia on vähendanud rutiinse töö eest makstavat palka ja suunanud väheste oskustega töötajad selliste teenuste tööturule, mida on raske asendada tehnoloogiaga, sest need eeldavad käelist osavust, paindlikku kommunikatsiooni ja otsest füüsilist lähedust. Castellsi väitel uus majandus üha suurendab globaliseerunud oskustööliste arvu. See ei pea olema kõrgelt kvalifitseeritud tööjõud, vaid töötajad, kelle oskuste järele on suur ülemaailmne nõudmine ning seetõttu ei kehti nendele välja kujunenud immigratsiooni, palkade ja töötingimuste reeglid.

Erik Brynjolfsson ja Andrew McAfee on pidanud ekslikuks arusaama, et kõrgharidust eeldavad ülesanded on raskesti automatiseeritavad, samal ajal kui „lasteaia tasemel ülesanded“ lihtsalt.

Tootmisliini töö on lihtsamini asendatav kui sanitari oma. Rutiinne ametnikutöö, näiteks arvetega tegelemine, on lihtsamini automatiseeritav kui klientide keerulistele küsimustele vastamine. Praegu veel ei ole masinad väga head trepist ülesronijad, kirjaklambrite maast üleskorjajad ja ärritunud klientide tunnete lugejad.⁴

Kiirem, targem ja ulmelisem

Muidugi näib iga murrang kaasaegsetele ulatuslik ja ettearvamatu, sageli ka hirmutav ja apokalüptiline. Käimasolev tehnoloogiline revolutsioon erineb eelnenutest siiski oma kiiruse, intelligentsuse ja ulmelisuse poolest.

Majandusteadlane Danel Šmihula on väitnud, et kui XVII sajandil toimus revolutsiooniline muudatus 180 aastaga, siis käimasolev laine võtab aega vaid 20 aastat. Tema järgi oleme jõudnud informatsiooni-telekommunikatsiooni revolutsiooni lainest (1985–2015) hüpoteetilisse postinfotehnoloogilise revolutsiooni lainesse (2015–2035). Seega tehnoloogia arenguga seotud suured muudatused ei toimu mitme inimpõlve jooksul, vaid inimpõlve jooksul toimub mitu (eristatavat) tehnoloogilist revolutsiooni.

Esimese õppiva arvutiprogrammi töötas aastatel 1949–1959 välja Arthur Lee Samuel, kelle loodud algoritm mängis iseenda vastu tuhandeid kordi kabet ning omandas nii hea mänguoskuse, et võitis 1962. aastal Connecticuti kabetšempionit. Ka Deep Blue, IBMi loodud algoritm, mis 1996. aastal võitis maletšempion Garri Kasparovit, on masinõpet kasutav süsteem. Nii nagu Samueli iseõppival programmil, oli ka sellele antud kindlad reeglid ning suur arvutusvõimsus suutis eri variatsioone kaaludes teha paremaid valikuid ja võita inimest.

Bernard Marr on peale masinate õppimisvõime rõhutanud interneti tekkimist, mis suurendas võimsalt digitaalse info hulka, mida on võimalik luua, salvestada ja teha analüüsimiseks kättesaadavaks. Insenerid on aru saanud, et selle asemel et õpetada arvuteid ja masinaid tegema kõike, on palju targem neid kodeerida mõtlema kui inimaju ning seejärel ühendada nad internetiga, et nad saaksid ligipääsu kogu seal leiduvale informatsioonile.⁵

See, et arvutid oskavad õppida, ei ole mingi uudis. Kuid nüüd oskavad nad õppida ka midagi sellist, mida meie ei oska ja toimida paremini kui inimesed. Sügavõppe (ingl deep learning) algoritmides ei määrata ära, kuidas ja mida suurest andmemahust otsima peab, vaid lubatakse ise õppida tulemuseni jõudmist. Sellel põhimõttel töötav AlphaGO suutis maikuus võita valitsevat „Go“ maailmameistrit Ke Jied. „Go’d“ peetakse kõige keerukamaks lauamänguks ning eeldati, et inimesest targem arvuti väljaarendamine võtab veel aasta(kümne)id.

Maailmas on piir reaalsuse ja ulme, oleviku ja tuleviku vahel hägustunud. Selle loo jaoks materjali kogudes küsisin endalt pidevalt, kas see, mida loen, on tõesti juba olemas. Minu kahtlusi seletab näide, mille tõi arhitekt, Tartu ülikooli füüsikadoktorant Kaja Pae. Kui ta varakevadel Mustamäel jalutas, sõitis talle vastu Starshipi pakirobot. See, et tegemist oli esmakordse kohtumise ja erakordse sündmusega, turgatas talle pähe alles paar tundi hiljem. Ka indiaanlased üllatusid, nähes Christoph Kolumbuse laeva, kuid järgmised sarnanesid esimesega ning ajapikku harjuti nendega. Tehnoloogia areng on aga nii kiire, et me ei suuda seda jälgida ning seeläbi on meil üha keerulisem mõista, mis on ulme ja mis reaalsus, mis juba olemas ja mis tulemas.

Tehnoloogiast saadavad hüved

Töö temaatikat ei ole õige lahata lahus ühiskonnas samaaegselt aset leidvatest muutusest. Jeffrey Sachsi arvates on ekslik keskenduda töökohtade kadumisele ja ta peab oluliseks mõelda heaolule, mida tehnoloogia kaasa toob. Uue tehnoloogia tulemusena võiks ju tekkida rohkem vaba aega ja võimalusi luua midagi, mida ei kvalifitseerita ega tasustata nagu tööd. Meid huvitab heaolu ja sellest osasaamine ning sellega kaasneb palju küsimusi, kuid kitsalt töökohtade arvule keskendumine on vale tee.⁶

Majandusteadlase McAfee arvates loome majandust, kus on üha rohkem tehnoloogiat ja vähem tööd. Ta peab seda heaks arenguks, sest esiteks tagab see SKT kasvu, hindade languse ja müügiarvude suurenemise. Teiseks, kui masinad teevad meie asemel tööd, jääb inimestele aega, et arutada, luua ja mõelda.⁷ Nagu eelnevad tehnoloogiarevolutsioonid, esitab ka praegune väljakutse poliitikale. Oluline erinevus on just vajadus kiiresti reageerida, sest tehnoloogiliste muutuste kiirus toob esile poliitika tsüklilisuse ning riigi bürokraatiasektori inertsuse. Riik, selle institutsioonid, kogu valitsemiskord ei suuda kehtivaid reegleid järgides muutustega kaasas käia.

Sellest hoolimata on vaja kiiresti leida lahendused olulistele probleemidele, mille tehnoloogia areng on kaasa toonud. Suureneva tööpuuduse lahendusena näeb McAfee hariduse ümberkorraldamist, ümberõpet ja tagatud miinimumsissetulekut. See on (rahvale) kõige kergemini müüdav idee praeguses poliitilises keskkonnas. Hea vastuseta on küsimus, kust võtta selleks vajalik raha. Kaudsete maksude tõusul on optimaalne lagi, mida ületades maksutulu väheneb. Vara, kasumi või kapitali suurem maksustamine vähendab konkurentsivõimet maailmaturul, riigi atraktiivsust välisinvesteeringutele ja soodustab ettevõtete kolimist teistesse riikidesse. Huvitav ettepanek on maksustada robotid, kuid ei ole lahendust, kuidas seda teha.

Tuleb arvestada, et igasugune poliitika muudatus põrkab vastu müüri, millest on ehitatud praegused töösuhted. Meenub kunagine visiit Ateenasse, kus pidin Kreeka ametnikele tutvustama Eesti e-riigi võimalusi. Arutelule kutsutud ametiühingu esindaja lahkus konverentsisaalist pabereid loopides ja karjudes, teatades, et minu ettepanek liikuda „paberist pilve“ on demokraatiavastane, sest selle tagajärjel väheneb avalikus sektoris töökohtade arv ja mõjutab kogu väljakujunenud bürokraatiasüsteemi. Muuseas, ta sai minust täpselt aru. Just sellist poliitikamuutust ma soovitasingi.

Valimisperioodidest sõltuvad muudatused ei suuda ajaga kaasas käia ning ka poliitikategemise, sh valimiskampaania, võimu ja kodaniku suhe, legitimatsioon jne, tulevik tundub ettearvamatu. Cambridge Analytica oli võimeline valijarühmi avalikus kasutuses olevate andmete põhjal profileerima nii täpselt, et need mõjutasid väidetavalt eelmise aasta globaalses mõttes kahe kõige olulisema valimise tulemusi. Trumpile ja Brexitile edu toonud programmid on masinõppe ja mitte arvutitele oluliselt nüansseerituma ja võimsama õppimisvõime andvad sügav­õppe algoritmid.

Sügavõppe algoritmid suudavad toimetada struktureerimata, massiivsete suurandmetega. Selliseid andmeid tekib iga päev meeletus koguses ning näiteks meie nutiseadmed või pidevalt salvestavad kaamerad aitavad sellele kaasa. Tasub vaid külastada Katja Novitskova näitust „Kui sa vaid näeksid, mida ma su silmadega olen näinud“ Veneetsia kunstibiennaali Eesti paviljonis, et sellise arengu ulatust mõista. Vaadates tehnoloogiliste silmade salvestatud kujutisi, peaksime mõtlema, et on olemas määramatu hulk sellist informatsiooni, mida inimsilm kunagi üle ei vaata, aga see talletub ometi kusagil hoomamatus digipilves, kus toimetavad õppimisvõimelised algoritmid.

Laialdaselt kasutuses olevad masin­õppe algoritmid ei lähtu sügavõppest. Google’i otsingumootor ja Facebooki sõbrasoovitused tulenevad algoritmidest, mis arvestavad kontoomaniku ja teiste kasutajate käitumist ja valikuid. Algoritm õpib pakkuma kliendile otsinguvasteid, ürituste soovitusi ja reklaami. Kui juba masinõppe süsteemide abil on võimalik sellisel määral kampaaniate tulemust ja seeläbi poliitikat mõjutada, siis milline potentsiaal on sügavõppe algoritmide kasutamisel poliitikale, on raske ette kujutada.

Vastus sissejuhatuses toodud Taavi Kotka küsimusele on, et tehisintellekt on juba valitsuse püsiliige. Küll veel mitteametlikult, aga juba väga mõjukalt. Kõikide arutusel olevate dokumentide ja välisest keskkonnast tuleva surve kaudu. Suurandmebaasid, andmetöötlus, sotsiaalvõrgustikud, otsingusüsteemid – need kõik mõjutavad seda, mis on kirjas, ning ka seda, mida valitsuse (inim)liikmed mõtlevad. Tehisintellekti üle peetav akadeemiline väitlus on liialt keskendatud tehnoloogiale, tööle ja majandusele. Ent vastust vajavad ka küsimused, kuidas praegune tehnoloogiline revolutsioon mõjutab poliitikat, kommunikatsiooni ja kogu ühiskonda.

1 Manuel Castells, In The Rise of the Network Society. Second Edition. Malden: Wiley-Blackwell, 2000.

2 David E. Nye, Technology Matters: Questions to Live with. London: The MIT Press 2006, lk 26.

3 Jeremy Rifkin, Töö lõpp. Fontes 1999.

4 Erik Brynjolfsson , Andrew McAfee, A. The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. New York: W. W. Norton & Company 2016.

5 https://www.forbes.com/sites/bernardmarr/2016/12/06/what-is-the-difference-between-artificial-intelligence-and-machine-learning/2/#483d86f9483d

6 https://www.youtube.com/watch?v=d8tlyFOq2tU&t=2109s

7 https://www.youtube.com/watch?v=cXQrbxD9_Ng