Mākslīgais intelekts: cik patiesībā maksā rezultāts

Optiskās skaitļošanas pētījumi atgādina uzņēmējiem: vērtējot tehnoloģiju, jāskaita visas pabeigta darba izmaksas.

Mākslīgais intelekts var sagatavot atbildi klientam, taču uzņēmuma izmaksās jāieskaita arī laiks, ko darbinieks patērē, pārbaudot piegādes datumu un labojot nepamatotus solījumus. Ja gribam saprast, vai tehnoloģija atmaksājas, šīs minūtes nedrīkst pazust aiz pievilcīgas abonēšanas maksas. Tieši tās var izšķirt, vai automatizācija palīdz pelnīt.

Pētnieku mēģinājumi izmantot gaismu ierasto procesoru vietā liek uz šo rēķinu paskatīties plašāk. Latvijas jaunuzņēmuma dibinātājam nav jāuzmin, kura mikroshēma uzvarēs. Daudz vērtīgāk ir saprast, kā atšķirt iespaidīgu tehnoloģijas demonstrējumu no uzlabojuma, kas noderēs paša uzņēmumā. Es sāktu ar viena kvalitatīvi pabeigta darba izmaksām.

Gaisma atklāj izmaksas ārpus procesora

Grafiskais procesors jeb GPU spēj paralēli veikt daudzus aprēķinus, un to izmanto arī mākslīgā intelekta modeļu apmācībā un darbināšanā. Optiskajā skaitļošanā daļu aprēķinu uztic gaismas izplatīšanās fizikālajām īpašībām. Pievilcīga ir iespēja konkrētu darbību paveikt ar mazāku enerģijas patēriņu.

Pētnieks Ilkers Oguzs un līdzautori pētījumā par optisko attēlu ģenerēšanu parāda, kā šādi īstenot difūzijas modeli. Tas ir attēlu veidošanas paņēmiens, kurā no sākotnēja nejauša trokšņa pakāpeniski iegūst attēlu. Gaismas izplatīšanās caur īpaši veidotiem optiskiem slāņiem palīdz aprēķināt atdalāmo troksni.

Tomēr Oguzs skaidro arī šķēršļus optiskās skaitļošanas izmantošanai (19:27–30:03): datu pārveidošana starp elektronisko un optisko vidi, kā arī ierīces regulēšana patērē enerģiju. Enerģijas priekšrocību vērtējumā viņš turklāt pieņem pasīvus optiskos slāņus ar nemainīgiem iestatījumiem. Viņš uzsver, ka priekšrocības vēl jāpierāda pilnā sistēmā lielākā mērogā. Tātad ar efektīvu aprēķina posmu vien nepietiek, lai secinātu, ka viss pakalpojums kļūs lētāks.

No tā uzņēmējam izriet vienkāršs pārbaudes princips: pieprasiet visas darbplūsmas salīdzinājumu. Ja piegādātājs rāda procesora ietaupījumu, pajautājiet, kas notiek pirms un pēc aprēķina. Datu sagatavošana, pārsūtīšana un rezultāta pārbaude pieder tam pašam uzdevumam.

Par mērvienību izvēlieties pabeigtu darbu

Iztēlojieties nelielu Latvijas interneta veikalu, kas vēlas automatizēt atbildes par pasūtījumiem. Pircējam vajag pareizu piegādes datumu un saprotamu atbildi latviski. Lai to sagatavotu, sistēmai jāatrod pasūtījums, jāsaņem aktuālā informācija un jāatšķir parasts jautājums no situācijas, kurā jāiesaista darbinieks.

Šādā izmēģinājumā es skaitītu, cik maksā korekti atrisināts klienta jautājums. Saskaitiet pakalpojuma maksu, pieslēgumu uzturēšanu un pārbaudē vai labošanā patērēto darba laiku. Ieviešanas izdevumus uzskaitiet atsevišķi un norādiet, kādā lietošanas periodā tos plānojat atpelnīt. Tad salīdziniet ar līdzšinējo kārtību.

Mākslīgais intelekts šajā pārbaudē jāvērtē arī pēc atbildes kvalitātes latviešu valodā. Vai tas saprot klienta neveikli uzrakstīto jautājumu, saglabā preču nosaukumus un neizdomā atlaidi? Izmēģinājumu kopā iekļaujiet arī nepilnīgu informāciju un neskaidrus pieprasījumus. Tie parādīs, cik bieži darbs tomēr atgriežas pie cilvēka.

Šī pieeja ir īpaši noderīga viena cilvēka uzņēmumā, kas izmanto mākslīgo intelektu. Ja dienā ietaupīto laiku vakarā aizņem kļūdu labošana, ieguvums jāvērtē no jauna. Savukārt uzticams risinājums pat šauram uzdevumam var atbrīvot laiku sarunai ar klientu vai piedāvājuma sagatavošanai.

Piegādātāja nomaiņai jābūt izmēģināmai

Oguzs optiskā modeļa piemēru saista ar aparatūras un algoritma kopīgu izstrādi (22:23–30:03). Konkrētā uzdevuma pielāgošana ierīces īpašībām palīdz izmantot tās priekšrocības. Uzņēmuma vadītājam tas dod iemeslu rūpīgāk pārbaudīt, cik daudz pielāgojumu prasa katrs jaunais risinājums.

No tā es izdaru praktisku secinājumu: ja vēlaties vēlāk izmantot citu modeli vai pakalpojumu, laikus atdaliet uzņēmuma datus un darba noteikumus no viena piegādātāja sistēmas. Pasūtījumu vēsturei, cenu noteikumiem un atbilžu pārbaudes piemēriem jābūt saglabātiem tā, lai tos varētu izmantot atkārtoti. Šāda sagatavošanās dod pamatu salīdzinājumam, kad parādās piemērota alternatīva.

Līdzīgi kā uzņēmuma resursu plānošanas sistēmas iegādē, arī šeit pirms izvēles jānoskaidro, kā varēs iegūt savus datus un savienot sistēmas. Palūdziet parādīt datu eksportu un pārbaudiet, vai tajā saglabājas darbam vajadzīgā informācija. Ar solījumu, ka pāreja būs vienkārša, budžetu saplānot nevar.

Programmatūras izstrādātājam vērts jautāt, cik darba prasītu cita pakalpojuma pieslēgšana. Saskarne jeb veids, kā programmas savstarpēji apmainās ar datiem, var šo maiņu atvieglot, taču atšķirīgi modeļi joprojām jātestē. Piegādātāja nomaiņa ir reāla izvēle tikai tad, ja to iespējams izmēģināt.

Šaura vajadzība palīdz izvērtēt jaunu tehnoloģiju

Ja Latvijas jaunuzņēmums pats izstrādā risinājumu ar jauna veida skaitļošanu, sākuma jautājumam vajadzētu būt ļoti konkrētam: kuram klienta uzdevumam šī pieeja der? Attēlu apstrādei ražošanā un sarunai ar pircēju ir atšķirīgas prasības. Izvēlieties tādu lietojumu, kur priekšrocību iespējams pārbaudīt ar klienta datiem un viņam saprotamu rezultātu.

Nelielai komandai arī izstrādes laiks ir ierobežots resurss. Ja īpaša aparatūra prasa pārbūvēt lielu daļu pakalpojuma, šo darbu iekļaujiet salīdzinājumā vēl pirms izmēģinājuma sākuma. Citādi ietaupījums aprēķinos var pārvērsties ilgākā un dārgākā ieviešanā.

Pirms izmēģinājuma vienojieties, ko uzskatīsiet par panākumu: pieņemamu kļūdu biežumu, atbildes gaidīšanas laiku un kopējām izmaksām. Pierakstiet arī apstākļus, kuros risinājums nederēs. Tas palīdzēs laikus pārtraukt neveiksmīgu izmēģinājumu un pasargās komandu no bezgalīgas demonstrējuma slīpēšanas.

Uzņēmumam, kas vēl tikai sper pirmos soļus mākslīgā intelekta izmantošanā, pietiek sākt ar vienu atkārtojošos darbu. Saglabājiet sākotnējos rezultātus, lai nākamo risinājumu varētu salīdzināt ar to pašu uzdevumu. Šāds neliels izmēģinājums dod daudz skaidrāku pamatu lēmumam nekā vispārīgs solījums par lielāku jaudu.

Ko no tā mācīties uzņēmējam

Optiskās skaitļošanas pētījumi rosina pārskatīt, kā vērtējam tehnoloģijas izdevīgumu. Uzņēmuma lēmumu balstiet visā ceļā no klienta pieprasījuma līdz pārbaudītam rezultātam. Lētāks aprēķins kļūst vērtīgs tad, kad tas samazina pabeigta darba izmaksas, saglabājot vajadzīgo kvalitāti.

Nākamajā sarunā ar piegādātāju paņemiet līdzi savu uzdevumu piemērus un līdzšinējo izmaksu aprēķinu. Lūdziet parādīt, kā risinājums tiek galā ar šiem piemēriem un kas būs vajadzīgs tā uzturēšanai. Tā jaunas skaitļošanas iespējas var pārvērst pārbaudāmā uzņēmuma ieguvumā.

Lētāks aprēķins kļūst vērtīgs tad, kad tas samazina pabeigta darba izmaksas, saglabājot vajadzīgo kvalitāti.

Piegādātāja nomaiņa ir reāla izvēle tikai tad, ja to iespējams izmēģināt.

▶

Skatiet oriģinālo epizodi YouTube: Y Combinator.

Avoti

• Y Combinator: alternatīvas grafiskajiem procesoriem — 2026. gada 2. oktobris. Ilkera Oguza skaidrojums: 19:27 — optiskās skaitļošanas šķēršļi; 22:23–30:03 — attēlu ģenerēšana, enerģijas salīdzinājuma pieņēmumi un mērogošanas pārbaudes.
• Optiskie difūzijas modeļi attēlu ģenerēšanai — Ilkera Oguza un līdzautoru pētījums par gaismas izplatīšanās izmantošanu difūzijas modeļa darbībās.
• Y Combinator diskusijas runas atšifrējums — Runas atšifrējums ar laika atzīmēm; izmantots Ilkera Oguza izteikumu un tehnoloģijas ierobežojumu pārbaudei.