Parkinsoni tõbi on tundmatu tekkepõhjusega kesknärvisüsteemi haigus, mille üheks esimeseks tunnuseks on lihasvärin ehk treemor ning lihaste jäikus, mis muudab kirjutamise, söömise ja kõnelemise kohmakamaks. See tähendab ka kõne ja näoilmete vähenenud väljendusrikkust.

Masinaid on võimalik õpetada ära tundma juba imepisikesi muutusi Parkinsoni tõvest mõjutatud inimese käekirjas. Selle jaoks kasutatakse erinevaid algoritme masinale suuna andmiseks ja masin hakkab ise õppima, sarnaselt inimesele. „Masinale on vaja anda samamoodi pilt ette, ning öelda, mis pildil on. Näiteks, siin on miljon kassipilti, mõtle nüüd välja, kuidas nendel kass ära tunda. Teisisõnu, masin õpib ise andmete järgi ilma, et seda oleks selgesõnaliselt programmeeritud,“ selgitas Valla. Ainult närvisüsteemi asemel on matemaatilised mudelid. Selles seisneb ka erinevus tavalisest programmeerimisest, kus arvutile öeldakse, mida ta tegema peab.

Spiraalist saab arvutada paljutki

Protsess näeb välja nii. Näiteks joonistab inimene tahvelarvuti ekraanile spiraali. Sealt on võimalik registreerida pliiatsi koordinaadid, orientatsiooni ruumis, nurga ekraani suhtes, surve ekraanile ja kirjutamiseks kulunud aeg. Nendest võib välja arvutada palju tunnuseid – kiirused, kiirendused ja erinevad nurgad trajektooride vahel. „Ja see ongi meie üheks ülesandeks, leida uusi tunnuseid, mis viiksid meid selle haiguse tuvastamisele lähemale. Teiseks ülesandeks on valida ja peenhäälestada masinõppe mudelid, mis annavad kõige paremaid tulemusi,“ kirjeldas teadlane oma tööd.

Võimalusi masinale midagi selgeks õpetada on mitmeid. Masin võib hinnata seda spiraali pildina ja öelda, kas inimesel on Parkinson või ei ole. Mingid andmed on numbrilised, mida saab õpetada statistiliste klassifikaatoritega. Ja nüüd uurivad teadlased võimalusi kasutada sarnast arhitektuuri nagu kasutab kuulus ChatGPT, mille viimased kolm tähte tähendavad generative pre-trained transformers. See on arhitektuur, mis seab vastuse sõnad ritta tõenäosuste järgi. „Meie plaan on katsetada keelemudelite arhitektuure, nagu transformers, ka meie andmete peal, sest käekirja saab aegreana käsitleda,“ kirjeldas Valla.

Kuigi selle uurimistöö siht on õpetada masinat tuvastama Parkinsoni tõbe, siis käekirjast või liikumisest saab treenida masinat tegema muidki järeldusi. Lihasvärin ei ole ainult Parkinsoni sümptom ja seda on võimalik seostada erinevate häiretega.

Elli Valla juhendas hiljuti ka Ain-Joonas Toose magistritööd. Selle tulemuseks oli mobiilirakendus, mis erinevaid peenmotoorilisi teste kasutades tuvastas väsimust. Seda on plaanis teadusuuringutes ka edasi kasutada. Mobiiltelefoni kiirendusandurit saab kasutada ka mõõtmaks, milline on kiirenduse muutus parema ja vasaku käega. „Selline asümmeetria uurimine võiks olla insuldihaigete taastusravis ehk kasulik, sest seal teadagi üks pool jääb maha. Ehk siis selle asümmeetria sissetoomine rehabilitatsiooni on midagi, millega rakendus ja AI saavad otsustusabi pakkuda, et näed, asi läheb paremaks,“ sõnas Valla.

Ta näebki enda tööd esialgu abina arstile, kuna tehislikku üldintellekti ei ole veel loodud. Inimlikku lähenemist on keeruline täielikult kõrvale heita, leiab Valla: "Automatiseerides rutiinseid tegevusi saame vabastada arstide aega, et nad saaksid patsientidele veel rohkem tähelepanu pöörata ja personaalselt läheneda."

Usalduseni läheb aega

Aega läheb nii andmete kogumiseks kui sobivate algoritmide loomiseks. „Öeldakse, et andmed on uus nafta. Google, Meta ja teised suuremad tehnoloogiaettevõtted, kes koguvad suuri andmekogusid oma teenuste ja platvormide kaudu, omavad märkimisväärset võimu andmete kasutamisel. Õnneks on toimumas andmete demokratiseerimine. On väga palju eeltreenitud mudeleid, mis on juba miljonite ja miljonite andmepunktide peal läbi katsetatud,“ ütles teadlane, lisades, et mingite uute ülesannete jaoks ei olegi oluline hakata võrku nullist treenima. Meditsiiniandmed, millega tema töötab, on ka üsna kallid, kuna ainult arst saab öelda, kas on Parkinson või ei ole.

Kitsaskohaks tehisintellekti kasutamisel on ka nende andmete usaldusväärsus. Andmeid sisestades paneb teadlane juurde ka sildi, et see on nüüd kass või koer. Valede siltide või muudmoodi mittekorrektsete andmete peal treenitud mudel võib olla nihkega ehk biased. „Need regulatsioonid on loodetavasti varsti paigas -- kas ja kui palju me peaksime usaldama tehisintellekti ja mida teha olukorras, kus masin on eksinud,“ sõnas Valla. „Kindlasti ei saa masin sada protsenti vastutust võtta, sest seda on ikkagi inimene treeninud.“

See on üks põhjusi, miks tehisintellekti vähemalt veel pimesi usaldada ei saa. ChatGPT, mis kasutab jadasid, paneb sõnu ritta tõenäosuse järgi. Selle täpsus tuleneb lihtsalt kasutatud andmete hulgast ja kvaliteedist, mitte sellest, et masin ise oma eksimusest aru saab. „Liigsest usaldamisest võib tulla näiteks valeinfo levik,“ hoiatab Valla.

Vestlus tehisintellektiga võib olla nii inimlähedane kogemus, et mullu väitis üks Google’i insener, et nende kõnerobot on eneseteadlik. Aprilli alguses allkirjastasid Elon Musk ja tuhanded teadlased kirja, milles nõudsid tehisintellekti uuringute peatamist pooleks aastaks.

Valla jälgib kaht tehisintellekti suurt nime – Andrew Ng ja Yann LeCun. Nad on mõlemad öelnud, et tehisintellekti ees hirmu tunda on vara. „Mina nõustun nende väitega, et tehisintellekti uuringute peatamine oleks halb otsus. Mida rohkem me selle tehnoloogia kohta õpime ja seda arendame, seda paremini saame seda tulevikus juhtida ja kontrollida,“ leiab Valla.

Vastuvõtt Tallinna Tehnikaülikooli on avatud ja kestab 4. juuli keskpäevani.