Sel kolmapäeval, 26.06.24 viisin läbi koolituspäeva teemal “AI tekstiloome ja tekstianalüüs”. Koolituse Tellijaks ja sihtrühmaks oli Kodanikuühiskonna Sihtkapital ja nende kollektiiv.
Tegemist oli ennekõike AI tekstianalüüsi ja tekstiloome koolitusega, mille eesmärk oli anda osalejatele teadmised, kuidas uusimaid AI meetodeid rakendada tööülesannete täitmisel. Samuti õpetati kriitiliselt hindama AI väljundeid valitud protsesside/ tööülesannete automatiseerimisel, kasutades selleks Taltechis välja töötatud hindamisraamistikke. Hindamisraamistikud lubavad AI süsteemide kasutajatel hinnata, kas AI suudab teha sama head tööd kui inimene. Läbi hindamise kaardistatakse AI tugevused ja nõrkused, mis lubavad organisatsioonil teha informeeritud otsuseid AI kasutamise kohta – millistes protsessides seda käiku lasta ja millistes mitte.
Koolituse käigus käisime läbi mitmeid tekstiloome ja -analüüsiga seotud ülesandeid, mida AI võiks automatiseerida.
Kiiresti õpitavad meetodid hõlmasid AI kasutamist:
- terminite ja loetelude kategoriseerimisel,
- hierarhiliste puude loomisel,
- skeemide genereerimisel,
- protsessidiagrammi koostamisel,
- joonise kujundamisel,
- isikuandmete ja tundlike andmete eemaldamist tekstist.
Edasijõudnud meetodid sisaldasid AI kasutamist keeruliste juhtumite lahendamisel, kus vaja arvestada paljude asjaoludega. Sellistes ülesannetes panime AI võimed proovile – kas see suudab mõista mitmetahulist konteksti, arvestada stsenaariumi kõikide asjaoludega ning jõuda loogilise tulemuseni. Lisaks peaks AI suutma ka oma tulemust kommenteerida ja põhjendada.
Üks selline näide oli töö õigusaktidega. Kasutasime näidisjuhtumina diskrimineerimiskaasust, mida panime AI lahendama. Andsime ette Eestis kehtivaid asjakohased seadused, millest arusaamine väga hästi õnnestus.
Teine näide, kus edasijõudnud meetodeid kasutasime sisaldas kirjalike pöördumiste masinanalüüsi. Sellised süsteemid peavad aru saama, mida kirjas küsitakse ning koostama vastuse lähtuvalt ettevõtte kontekstist võttes arvesse toote/ teenuse tingimusi, arvulisi faktiandmeid jpm. Hindamisraamistiku mõõdupuuks on selliste süsteemide puhul võrdlus inimtöötajaga – kas masin täidab soorituse samahästi kui seda teeks inimene.