U rukama imamo moćan alat

Grčki je premijer prošle godine u jeku pandemije dobio ponudu elektroničkom poštom, koju je objeručke prihvatio nekoliko sati nakon što je stigla. Stručnjak za umjetnu inteligenciju, podrijetlom Grk, Kimon Drakopoulos, zaposlen na University of Southern California u Los Angelesu, ponudio je pomoć pri donošenju odluke o tome koga testirati na COVID-19 na ulazu u Grčku. Slično kao i neke druge zemlje, Grčka nije imala dovoljno kapaciteta za testiranje svih koji ulaze u zemlju, a slučajno testiranje bilo je neučinkovito. Autori novoga sustava zasnovana na umjetnoj inteligenciji u nekoliko su mjeseci uspjeli dobiti četiri puta bolju učestalost pozitivnih testova kod asimptomatskih slučajeva u usporedbi sa slučajnim testiranjem, a bolja učinkovitost dobivena je i u usporedbi s testiranjem zasnovanim na zemlji iz koje dolaze putnici.

Stručnjak za umjetnu inteligenciju Kimon Drakopoulos / izvor fakultet Marshall usc

Sustav nazvan EVA opisan je ovih dana u časopisu Nature, a koristi se podacima ne samo o povijesti putovanja nego i demografskim podacima kao što su spol i dob osobe. Ti se podaci onda metodom strojnog učenja uspoređuju s podacima o prijašnjim pozitivnim slučajevima. Za vrijeme pandemije bilo je mnoštvo ideja za korištenje velikim bazama podataka i umjetnom inteligencijom, ali malo ih je na kraju realizirano zbog toga što za primjenu zapisa o korištenju mobitela ili financijskih transakcija nisu bili pripremljeni sustavi dozvola za korištenje tim podacima. Osim toga nije bilo jasno kako spremati i iskoristiti takve podatke na siguran način. EVA je razvijena u suradnji s pravnicima i uz korištenje podatka od aviokompanija uz poštivanje pravila o zaštiti privatnosti u skladu s EU GDPR-direktivom.

Ipak, metode strojnog učenja ograničene su kvalitetom ulaznih podataka.

Možda se i sami ponekad pitamo bismo li dali svoje medicinske podatke ako bi se oni rabili za strojno učenje i razvoj algoritama za učinkovitije određivanje hitnih stanja koja zahtijevaju zdravstvenu pomoć. Sigurno bi kao i kod svake druge uporabe podataka bilo važno znati da se oni neće zlorabiti, no neku dozu povjerenja moramo imati ako želimo napraviti nešto za opće dobro. Jedan od minusa umjetne inteligencije i strojnog učenja jest da mi zapravo nikad ne razumijemo zašto neku odluku donosimo, nego samo znamo da će ona biti najbolja moguća, ali samo ako izvježbamo algoritam na velikoj količini kvalitetnih podataka.

Brzina s kojom je grčki premijer odgovorio na ponudu Drakopoulosa pokazuje koliko su političari željni unaprijediti svoju mogućnost djelovanja u hitnim situacijama. Ti algoritmi sve više ulaze u svakodnevni život jer su efikasni, no treba paziti da se ne upotrebljavaju u kriminalne svrhe. Npr. prepoznavanje lica može se rabiti za smanjivanje broja kriminalnih radnji, ali i za ulaženje u privatne živote ljudi koji na to nisu pristali. Ipak, mnogi podaci za vrijeme pandemije nisu se mogli iskoristiti jer nisu bile pripremljene procedure za njihovu uporabu. Vrijeme pred nama treba iskoristiti za pripremu za nova hitna stanja u budućnosti razvijajući sporazume o dijeljenju podataka i protokole za zaštitu privatnosti.

Prije tridesetak godina istraživanja o putnim navikama ljudi bila su dosta zahtjevna jer ste trebali ići na cestu i brojati aute, bicikle i ljude ne biste li zabilježili učestalost nekoga prijevoznog sredstva i ruta kojima ljudi putuju. Danas je to moguće napraviti preko bilježenja lokacija na mobitelima ili automobilima. U to je moguće uključiti i podatke o vremenu pa odgovarati na pitanja kao: Koji postotak ljudi ostaje raditi od kuće kad pada kiša? No postoji problem da su ti ključni podaci u vlasništvu velikih kompanija koje to skupo prodaju pa se sociološka istraživanja potrebna društvu otežano provode.

To zapravo ograničava napredak u istraživanju kompleksnih fenomena, primjerice kako procijepljenost mijenja ponašanje ljudi ili kako algoritmi utječu na širenje krivih informacija. Bilo bi dobro kad bi političari i znanstvene institucije ustrajavali na čuvanju podataka o ponašanju ljudi kao općem dobru. Za tu svrhu trebalo bi izgraditi infrastrukturu za čuvanje takvih podataka, a ljudi koji ih daju trebali bi imati utjecaj na to za što se podaci mogu koristiti. Čak se mogu imenovati institucije odgovorne za čuvanje tih podataka kao što su Hrvatska zaklada za znanost ili neka slična njoj.

Naravno, mnogo je mogućnosti za korištenje podataka u krive svrhe. Npr. podaci s društvenih mreža rabili su se za pristup labilnim glasačima u kampanji za Brexit. To je odgovaralo jednoj političkoj opciji, a sada vidimo da to ima posljedice kojih ljudi nisu bili svjesni. Servirani su im podaci koje su željeli čuti. Mnogi su glasali za Brexit jer su im smetali imigranti, a sada imaju problema s opskrbom i suočavaju se s nestašicama.

Pokazalo se da su vozači cisterni i kamiona bili upravo ti imigranti, a domicilno stanovništvo baš i nije ludo za takvim poslovima. Očito za pristup problemu nije dovoljno znati što ljudi misle s ograničenim skupom informacija nego i koje će utjecaje neka odluka imati na razne sektore društva i gospodarstva. Da se ljudi pitaju na demokratski način da li im je prihvatljiva Einsteinova teorija relativnosti, ona vjerojatno ne bi prošla na referendumu. Ne mogu se sve odluke prepustiti glasačima jer nisu kompetentni da ih donose. Iz navedenoga vidimo koliko je to kompleksna tematika i da u rukama imamo moćan alat kojim se treba koristiti oprezno i s dobrim namjerama kako bi pridonosio općem dobru.