Vebinārs “Mākslīgā intelekta attīstība: Kas mainījies gada laikā?”

Šī gada 3. aprīlī notika AI Master Lab vebinārs “Mākslīgā intelekta attīstība: Kas mainījies gada laikā?”, kurā analizējām, kā pēdēja gada laikā ir mainījusies mākslīgā intelekta (MI) ainava Latvijā un pasaulē. Mūsu mērķis bija ne tikai izskaidrot tehnoloģiskās pārmaiņas, bet arī iedziļināties tajā, ko tās nozīmē uzņēmumiem, valsts pārvaldei un speciālistiem praksē.

Vebināra laikā apskatījām gan ģeneratīvā MI lietojuma piemērus, gan biežākos izaicinājumus, ar ko saskaras organizācijas, mēģinot integrēt šos rīkus savā ikdienas darbībā. Dalībnieki dzirdēja reālus piemērus no Tilde pieredzes, analīzi par ES regulējumiem, kā arī ieteikumus uzņēmumiem, kā izstrādāt MI ieviešanas stratēģiju.

Zemāk pieejams strukturēts vebināra kopsavilkums, ja vēlies noklausīties visu vebināru, spied zemāk!

Tematisko punktu pārskats

🔹 Sarunas ievads un mērķis

• Runātāji: Ivars Krampis-Vanags (AI Master Lab), Guntis Kalniņš (AI Master Lab), Madara Mančinska (Tilde)
• Vebināra mērķis: ne tikai uzskaitīt MI izmaiņas, bet runāt cilvēcīgā valodā – ko tas praktiski nozīmē organizācijām šodien
• Neformāls formāts – saruna, nevis prezentācijas

🔹 Kas notiek MI pasaulē šodien?

• MI risinājumu pieejamība strauji aug
• Uzņēmumi un sabiedriskais sektors saskaras ar “FOMO” – sajūtu, ka nedrīkst atpalikt
• Izplatās dažādu rīku izmēģināšana bez stratēģiska mērķa
• Pieaug interese par ChatGPT, bet tas nav vienīgais ģeneratīvā MI pārstāvis

🔹 Kā MI šobrīd tiek izmantots praksē?

• Daudzi uzņēmumi sāk ar rīkiem, kas palīdz ar ikdienas uzdevumiem: teksta pārveide, sanāksmju pieraksti, tulkošana
• MI kļūst par domāšanas un izpildes partneri (piemēram, rīki kā "Copilot")
• Madara dalās ar piemēru – MI izmanto arī e-pasta strukturēšanai, kā arī sarunu skriptu sagatavošanai
• Strauji aug interese par personalizētiem iekšējiem risinājumiem

🔹 Galvenie izaicinājumi un kļūdas

• Tehnoloģijas tiek “ieviestas”, bet bez mērķa vai reāla problēmas risinājuma
• Nav pietiekami daudz iekšējo MI zinātāju organizācijās
• Trūkst MI lietošanas stratēģijas un izpratnes par datu kvalitāti
• Pārpratumi par to, kas ir MI un kas nav (piemēram, statistika ≠ MI)

🔹 Regulējuma un drošības aspekts

• Ivars: Eiropas Savienības MI akts nāks ar daudzām prasībām
• Jādomā par ētiku, atbildību un datu aizsardzību no pirmās dienas
• Latvijā vēl ir daudz neskaidrību, bet diskusijas notiek aktīvi (piemēram, par to, kurš nes atbildību par MI lēmumiem)

🔹 Padomi uzņēmumiem

• Sākt ar nelielu, skaidru problēmu, nevis ar “lielo MI”
• Atbildēt sev uz jautājumu: “Ko šis rīks mainīs mūsu darbībā?”
• Neļauties sajūsmai par vispārīgām iespējām – koncentrēties uz pievienoto vērtību
• Apmācīt cilvēkus un veidot MI iekšējo kompetenci komandās

🔹 Skats nākotnē

• MI kļūst par digitālo infrastruktūru – līdzīgi kā elektrība vai internets
• Vadītājiem jāuzņemas loma “MI izglītībā” savās organizācijās
• Nākotnes konkurētspēja būs atkarīga no spējas gudri integrēt MI nevis tikai eksperimentēt