Sildiarhiiv: arvuti

Robotkõned eesti.ee e-kirjade ettelugemiseks

Koroonavaktsineerimiskutsete saatmisel tuli välja, et eakate hulgas polnud 78% suunanud oma eesti.ee e-posti aadressi edasi kuhugi, kust nad e-kirja kätte saaksid. Lisaks jooksis eesti.ee e-post suure koormuse tõttu kokku kui palju inimesi oma e-posti suunama asus. Internetiühenduseta inimestele teadete saatmiseks on USAs juba aastakümneid töötav lahendus: robotkõned (robocall). Masin helistab telefoninumbrile (nii mobiili kui lauatelefoni) ja mängib ette helifaili, näiteks reklaamsõnumi.

Robotkõnesid saaks kasutada e-posti aadressile saadetud e-kirjade telefoni teel ette lugemiseks, et internetiühenduseta inimesed ametlikud teated kätte saaksid. Näiteks saaks vaktsineerimiskutsed saata ilma, et arstid peaksid helistamisele aega kulutama. Telefoninumbrite andmebaas on arstidel ja tõenäoliselt ka riigiasutustel olemas. Kui pole, saab mõne telefoniraamatu arvutisse skaneerida, teksti tuvastada ja sealt nimed ja telefoninumbrid kokku viia.

Robotkõnede tegemise riist- ja tarkvara on vabalt ostetav ja robotkõnede tegemist saab ka teenusena osta, nii et riigiasutused, eriti Terviseamet, kes vaktsineerimiskutsetega tegelema peaks, saaksid eesti.ee tõrkest mööda minna kõige rohkem paari nädalaga. Programmeerijad saaksid robotkõnede tarkvara ka ise kiirelt kirjutada, ühendades mõne olemasoleva tekst-kõneks programmi (kõnesüntesaator, text-to-speech, TTS) eesti.ee e-kirjade andmebaasi, telefoninumbrite andmebaasi ja Skypei või muu internetitelefoniga, mis suudab lauatelefonidele helistada.

Teksti ja kõne automaatse teisendamise treeningandmed

Masinõppeks on vaja suurt andmehulka. Vähese kõnelejate arvuga keele puhul on kallis palgata inimesi arvutile tekste ette lugema, et arvuti õpiks teksti kõneks teisendama. Samuti on kallis kõne kirjapanijaid palgata, et arvuti õpiks kõnet tekstiks tõlkima. Peaks leidma juba nii kõnes kui kirjas olemas olevaid tekste, mida masinõppele sööta. Üks näide on raadiointervjuud, mis ka ajalehes avaldatakse (Kuku Raadio saade Restart Postimehe majanduslehekülgedel, Toomas Sildami intervjuud). Probleemiks on suulise intervjuu toimetamine enne kirjalikku avaldamist, mis tähendab, et kõne ja tekst ei ole üksüheses vastavuses. Natuke kasu sellest siiski arvutile on, sest osad laused korduvad kõnes ja kirjas. Kõnenäidiseid ilma kirjaliku vasteta saab audiovisuaalsest ajakirjandusest hulganisti, samuti kirjalikku teksti helilise vasteta trükiajakirjandusest.

Kui koolides on tehtud etteütlusi arvutisse trükituna ja nende suuline salvestis on ka saadaval, siis saab neid arvuti treenimiseks kasutada.

Näidendite ja filmide tekstid ja helisalvestised on samuti vastavuses kõne ja kiri. Samuti laulusõnad ja laulud, aga laulu hääldus ja rütm on tavakõnest erinev, nii et see ei pruugi arvutit aidata muus kui laulude tõlkimisel heli ja kirja vahel.

Audioraamatud, mille puhul ettelugemine vastab kirjapandule, on head pikad sama häälega loetud tekstid arvuti treenimiseks.

Maailma suuremate keelte edukamad masintõlkefirmad on ilmselt leidnud palju teisi treeningandmete hulki, mida oma programmide arendamiseks kasutada.

Registratuuris aja automaatne varasemaks muutmine

Igasuguses registreerimis- ja broneerimissüsteemis võiks saada tellida endale automaatse teavituse e-kirja või SMSi teel kui vabaneb varasem aeg samaks kohtumiseks. Näiteks digiregistratuur.ee ja veebiregistratuur.ee keskkondades sama arsti juurde. See kiirendaks ravile pääsemist ja aitaks vältida tühja ooteaega tervishoiutöötajatel

Sõidueksamiaegade jaoks on sarnane süsteem tehtud: eksamiajad.ee, kust saab osta teavitusi vabanenud aegade kohta. See kolmanda osapoole rakendus teenib raha Transpordiameti ebaefektiivse järjekorrasüsteemi osaliselt turumajandusele üleviimiselt.

Edasiarendus oleks varasemaks ajaks automaatne ümberregistreerimine kui külastaja on süsteemis aega broneerides pannud kirja vahemikud, mis talle sobivad, sarnaselt Doodle kohtumiste kokkuleppimissüsteemiga. Niipea kui aeg sobivas vahemikus vabaneb, peaks süsteem lisama sinna ootel oleva isiku ja teda teavitama. Tema hilisem aeg omakorda vabaneb kellelegi teisele. Inimene peaks saama ka lisada, millist aega ta eelistab kui korraga vabaneb mitu aega, ehk peaks saama avaldada oma eelistusjärjestuse.

Veel samm edasi on siduda ajaplaneerimissüsteem kalendriprogrammiga nagu Google Calendar, nii et kui inimene muudab oma kalendris vabu aegu, siis muutuvad ka igas broneerimissüsteemis sobivaks märgitud ajad, mida inimene on soovinud endale saada kui keegi teine tühistab. Ka teiste inimeste kalendrid, kellega on kohtumisi kokku lepitud, on sellised ajaplaneerimissüsteemid. Kalendrid võivad omavahel suheldes omanikele parima kohtumisaja kokku leppida nagu vanasti sekretärid.

Palgatoetus peaks eeldama õppimist

Töötajate palgatoetuse nõudmise ettekäändeks oli, et töötajad ei kaotaks kvalifikatsiooni, et äri saaks piirangute leevenedes kiiresti taastuda. Kriis on hea võimalus ümberõppeks tulevikuvaldkondadesse, aga kui tahta siiski vanast majandusstruktuurist kinni hoida, siis peaks kvalifikatsiooni hoidmiseks piisavalt tihti harjutama.

Kas palgatoetust saanud töötajad näiteks turismi- ja transpordisektoris harjutasid iga päev vähemalt paar tundi oma tööülesandeid või õppisid uut ametit? Kahtlustan, et mitte, kuigi võimalus on lihtne. Kliendisuhtlust saab harjutada nii, et üks töötaja mängib klienti ja teine teenindajat. Samuti massaaži, eratreeningut, ettekandmist (tühjade või vett täis nõudega). Sama harjutuspaar võib püsida kogu kriisiaja ning olla teistest paaridest eraldatud, et viiruse levikut piirata.

Ka turismisektoris tarviliku võõrkeeleoskuse omavaheliseks virtuaalseks harjutamiseks on parim aeg. Veel kasulikum oleks interneti kaudu vastava riigi elanikuga suhelda – vastastikuse keelevahetuse programme on veebis palju.

Veokijuhi ja piloodi harjutustund on kallis, isegi simulaatoril, aga eeskirju ja protseduure saab ometi korrata ning ka koduarvutil lihtsamat simulatsiooni läbida. Kes otsib lahendusi, see tavaliselt neid ka leiab. Vabanduste otsimisega on sama lugu.

Igasuguse toetuse eelduseks peaks olema millegi ühiskonnale kasuliku tegemine. Kasu ei pea olema toetusega samaaegne – piisab oskuste omandamisest, et tulevikus sind praegu toetanud maksumaksjatele väärtust luua. Niisama kodus istumise eest maksmine pole kindlasti ühiskondlikult parim. Aktiivsed tööturuprogrammid, kus töötu ise midagi tegema peab, on töötuse vähendamiseks efektiivsemad kui passiivsed tööturuprogrammid ehk abirahad (Rahvusvahelise Tööturuorganisatsiooni ILO uuring). Eriti kasulikud on inimkapitali suurendavad programmid, mis sisaldavad rahalist motiveerimist, isiklikku jälgimist ja on suunatud tegevustele (Harvardi ülevaateuurimus). Programmide tulemused varieeruvad muidugi palju, sõltuvalt nende sisust ja elluviimise kvaliteedist.

Eimillegi eest raha saamine ei pruugi toetusesaajale endalegi pikas perspektiivis kasulik olla, sest kodus istudes kaob tööharjumus, suureneb üksindus ja rasvumine. Oskuste pidev kordamine säilitaks suhtlust töökaaslastega ja võimaldaks endale kindla päevakava kehtestada, sest teised ootavad sind teatud ajal harjutamiseks videokõnele. Õppepäeva sisse saaks pikkida ka kehalise ühistrenni, mille käigus kolleegid veebikaamera kaudu kontrollivad, et sa ikka liigutusi kaasa teed.

Riik saaks kaasa aidata nii ümberõppele kui kvalifikatsiooni hoidmisele, nõudes ettevõtetelt toetuse eeltingimusena, et töötajad igapäevaselt õpiksid või oskusi kordaksid. Kõrvaleviilimist pole võimalik küll täielikult välistada, aga raskendada saab seda ometi, tehes pistelisi kontrolle ja avades rikkumistest teatamiseks avalikustamiskanali. Laisklemise tuvastamise võimalus on näiteks, et pädeva ametkonnaga peab jagama töötajatreeningu videokonverentsi linki ja aeg-ajalt liitub kontrollija paariks minutiks konverentsiga. Ettevõtte siseinfo saladuses hoidmise kohustus on kontrollivatel ja statistikat koguvatel asutustel praegugi. See lihtsalt laieneks tööharjutust vaadates saadud teabele.

Puu aastarõngaste loendamine masinnägemisega

Mitmel teadusalal kasutatakse puude aastaringide andmeid. Näiteks ajaloolise metsakasvu ja keskkonnatingimuste (temperatuur, sademed) mõõtmiseks. Praegustes maailmatasemel uuringutes kasutatakse paarikümnest kohast maailmas käsitsi loendatud aastarõngaid. Seda andmehulka saaks väikese kuluga oluliselt suurendada, loendades raie käigus masinnägemisega ringe kõigilt kändudelt. Tuleb vaid igast kännust foto teha ja andmebaasi üles laadida. Metsalangetajad võivad seda teha oma telefoniga, aga lihtsam oleks, kui harvesteri või mootorsae küljes olev kaamera automaatselt kändu pildistab ja wifi piirkonda jõudes pildid üles laadib. Kui metsas andmeside on, võib ka kohe pildistamise järgselt laadida.

Praktilisest vaatepunktist oleks lihtsaim harvesteri käpa külge kaamera monteerida, mis aktiveerub käpa liigutamisel või saeheli või -vibratsiooni peale, leiab automaatselt maastikult värske kännu (nagu näotuvastus nutitelefonides), fokusseerib, teeb foto ja laadib üles kas wifi levialasse jõudes või andmeside kaudu. Probleemiks on, et kaamera saab poriseks, läheb kuhugi vastu ja katki või teeb vihm selle uduseks. Kaamera mittetöötamise saaks automaatselt tuvastada (kui pilti ei näita, siis on midagi viga) ja sellest teavitada näiteks harvesteri juhti, et ta läätse puhtaks pühiks või kaamera parandusse viiks.

Kaamera saaks ka mootorsaega töötaja kiivri külge monteerida ja samuti automaatselt aktiveerida saehääle lõppemise või puu pikaliprantsatamise ragina peale. Idee on sarnane politseinike kehakaamera või püstolikaameraga, mis tulirelvalasu peale aktiveerub.

Eesti Digiregistratuuri järgi kohaletuleku ennustamine

Raviasutuse broneerimis- ja vastuvõtusüsteem võiks Digiregistratuuri automaatselt kirja panna, kas patsient tuli kokkulepitud ajal kohale ja kas hilines. Nende andmete põhjal saaks ennustada iga inimese kohaletulekut, mis võimaldab raviasutusel aega paremini planeerida. Esialgu kui andmeid vähe, oleks ennustus inimrühmade kohta. Näiteks, et keskmine patsient tuleb tõenäosusega x, pensioniealised tõenäosusega y, naised tõenäosusega z.

Ajaplaneerimise osas võib panna väiksema tõenäosusega saabuvad patsiendid päeva lõppu või lõunaajale, nii et nende mitteilmumise korral saavad meditsiinitöötajad varem koju minna või pikema lõuna. Samuti võib madala tõenäosusega kohale tulevaid patsiente rohkem ühele päevale panna (väiksemate ajavahedega), sest tõenäosus, et vähemalt üks neist ei tule, on kokkuvõttes suur, ja selle arvelt pikeneb teiste jaoks saada olev aeg.

Pidevalt hilinevale patsiendile võib pakkuda tegelikult vaba olevast varasemat aega, et neutraliseerida tema hilinemine. Näiteks kui inimene üldiselt 10 minutit hilineb ja arst on vaba kell 11, siis pakkuda sellele inimesele aega 10:50, muidugi talle teatamata, et arst tegelikult kell 11 vabaneb. See inimene tõenäoliselt hilineb nagu alati ja jõuabki kella 11ks nagu arstile kõige paremini sobib. Arstil on siis vähem tühja ootamist ja hilisemad patsiendid saab loodetavasti õigel ajal vastu võtta, mitte hilinejale kuluva aja võrra hiljem. Kokku säästab broneeringute kohandamine patsientide hilinemiskäitumisega paljude inimeste aega.

Sama efektiivsustõus on võimalik kõigis järjekorra- ja broneerimissüsteemides. Lisaks parandab mitme valdkonna hilinemisandmete ühendamine süsteemi ennustusvõimet, sest inimene, kes hilineb tihti üht tüüpi kokkusaamistele, hilineb tõenäoliselt ka teistele. Kes ei pea kinni arstiaegadest, see ilmselt ka töökoosolekutest ja sõpradega kohtumistest, võib kasutamata jätta üritusepileti jne. Kui ta esimest korda arstiaja kinni paneb, siis pole varasemaid arstivisiite, mille põhjal ta hilinemiskäitumist ennustada, küll aga võib olla palju muid sündmusi, mis on tema kohta informatiivsed.

Pole vaja keskset broneeringusüsteemi ja andmebaasi inimeste hilinemise kohta – piisab sotsiaalvõrgustikust ja telefonide lähedusandmetest, mida kasutab näiteks bluetoothi-põhine Hoia äpp. Sõprade telefonid registreerivad, millal tuttava telefon nende lähedusse saabus, võrdlevad seda kalendriäpis kokku lepitud kohtumisajaga ja salvestavad automaatselt, kas see tuttav tuli kokkulepitud kohtumisele ja millise hilinemisega. Igaüks saab enda sõprade kohta salvestatud andmete põhjal nende saabumise tõenäosust ja aega ennustada. See aitab üritusi planeerida ja inimese üldist usaldusväärsust hinnata. Kes tihti hilineb, võib ka muid lubadusi harvem pidada – ei tasu ehk talle raha laenata.

Eesti Digiloo põhjal haiguste ennustamine

Masinõppega saaks Digiloo põhjal ennustada patsiendi haigusi, vaadates samade demograafiliste näitajatega inimesi, kel varem oli sarnase algusega haiguslugu Digiloos ja kuidas see haiguslugu jätkus. Sellega ei pea tegelema riigiametnikud ega eestlased – kui anda ligipääs, siis rahvusvahelised teadlased hea meelega uuriksid Digiloo andmeid tasuta ja saaksid endale sellega publikatsioone. Tulemuste põhjal võib rahvatervist ennustada, inimestele hoiatusi ja soovitusi jagada, neid uuringutele kutsuda ja ennetavat ravi määrata.

Andmetele endile ei pea isegi ligipääsu andma – teadlastelt saadud statistikaprogrammi võib lihtsalt andmete peal jooksutada ja ainult tulemused teadlastele väljastada. Ise andmeid nägemata saab neid ometi uurida – selle valdkonna nimi on turvaline mitmepoolne arvutus (secure multiparty computation). Uurimise lihtsustamiseks tuleks avaldada andmete struktuur: kui mitu rida ja veergu, mis formaadis igas reas ja veerus olev info on (tekst, number, kuupäev). Piisab, kui laadida andmed tabelarvutusprogrammi ja kustutada tabelite sisu, jättes vaid ridade ja veergude pealkirjad. Programm peab lahtrite formaadi ise meeles, nii et selle tühjade tabelitega faili põhjal saab uurija andmete formaadi teada.

Kasutaja jaoks on Digilugu praegu üsna ebamugav ja allalaadimisvaenulik. Eraldi peab igal epikriisil klõpsama, ootama, kuni see avaneb, avama veel peidetud väljad klõpsates „Vaata kirjeldust” ja alles siis saab leheküljel laiali olevatest tekstidest ehk midagi välja lugeda. Saatekirjad ja nende vastused on eraldi. Pildimaterjali (röntgeni, ultraheli, silmapildistamise tulemusi) enamik asutusi üles ei laadi. Epikriisid ja saatekirjad on ruudustikku paigutatud, mitte ajalises järjestuses.

Enamiku inimeste kohta on Digiloos nii vähe materjali, et selle võiks kõik ühel lehel ajalises järjestuses tekstina esitada. Lisaks võiks selle teha tabelarvutusprogrammi tabelina allalaaditavaks, mis võimaldaks inimestel ühendada terviseandmed näiteks oma toitumis- ja trennipäevikuga ja nende vahel statistilisi seoseid leida.

Kui mingi kategooria, nt „Teatised” all ühtegi dokumenti pole, siis võiks selle halliks muuta, et kasutaja ei peaks teavet otsides asjatult klõpsima, ootama ja alles siis nägema, et „Päringu tingimustele vastavaid dokumente ei leitud ”.

Sisselogimisel võiks Digilugu avalehe asemel näidata viimaseid lisatud andmeid, näiteks uuringu tulemust. Tõenäoliselt logib kasutaja sisse viimaste andmete vaatamiseks, nii et nende näitamine kohe alguses säästab aega.

Autokooli sõiduõpe simulaatoriga

Simulaatoriga autojuhtimisoskuse õppimine hoiab kokku bensiini ja sellest väärtuslikumat sõiduõpetaja aega. Erinevalt lennukist pole vaja autosimulaatori istet liikuma panna, sest „tagumikutunde” abil kallutamise, keeramise ja kiirenduse tuvastamine on autosõidul väheinformatiivne. Bussijuhil on vaja osata sujuvalt sõita, et seisvad reisijad pikali ei kukuks.

Simulaatori eelis on ka, et saab keerulised ristmikud ja ohtlikud olukorrad palju kordi läbi harjutada, kulutamata aega sirgel teel sõidule. Harjutamine oleks ka õppijale sobivamal ajal, kuna ei pea koordineerima õpetajaga. Tihedam ja keerulisele keskenduvam õppesõit vähendab unustamist. Nii võib sama harjutatud tundide arvuga parema tulemuse saavutada kui tavalise sõiduõppega. Simulaatoriga saab sama raha eest rohkem tunde sõita. Ühiskondlikust seisukohast on oluline võrrelda just antud raha eest saadavat oskust, arvestades õpetaja ja õpilase aja nende töötunni hinna alusel rahaks.

Kindlasti oleks suur osa autokoole ja sõiduõpetajaid simulaatori vastu, sest see vähendaks nõudlust nende teenuse järele. Ilmselt esitaksid nad tehnoloogiavastaste mittemidagiütleva tavaargumendi „see pole ikka sama”, lisaks õiguslikele takistustele ja väitele, et oskused on simulaatoriga halvemad. Viimast saab muidugi kontrollida, jagades inimesed juhuslikult simulaatoriõppe ja traditsioonilise õppesõiduauto vahel ja võrreldes omandatud oskusi.

Parasiitsõnade eemaldamine kõnetuvastustehnoloogiaga

Eesti raadiojaamadest on mulle ebameeldivalt kõrva jäänud diktorite parasiitsõnad (ää, ee, mm, nigu) ja vead teksti mahalugemisel. Ka ingliskeelsetes riikides olen kuulnud mõnda kõnepidajat, kellel rääkimisoskus vilets. Arvuti teksti kõneks muundamise programm (text to speech, TTS) loeks ette vigadeta ja ilmekamalt.

Parasiitsõnad saab kõnetuvastustehnoloogiaga eemaldada kui inimene ise ei viitsi ettelugemist või kõnepidamist harjutada. Tuleb suuline tekst arvutiga kirjalikuks muundada (speech to text), osa sõnu eemaldada, siis lasta arvutil saadud tekst taas kõneks muundada ja ette lugeda. Igasugust elektrooniliselt edastatud suulist teksti on tehnoloogiliselt võimalik niimoodi parandada kui salvestamise ja edastamise vaheline viitaeg on pikem kõige pikemast eemaldatavast parasiitsõnast. Enamasti saab isegi jätta mulje reaalajas edastamisest, sest paarisekundilist viitaega kuulajad tõenäoliselt tähele ei pane, eriti kui kõnekiirust reaalajas kohandada, et vaikusehetki täita.

Madalama tehnoloogiatasemega lahendus on keelekorrektor, kes salvestisest parasiitsõnad enne edastamist kustutab. Ka seda saab tänapäeval teha arvutis, kus korrektor kuulab reaalajas kõnet ja märgib parasiitsõna kuuldes viimase sekundi (või muu vahemiku vastavalt sõna kestusele) kustutamiseks. Abiks on heli visualiseerija, näiteks seismogrammi sarnane sakiline joon, mis aitab just kuuldud tekstis sõna piire märkida.

Ilmselt on arvuti abil kõne parandamine odavam kui korrektori palkamine. Kõige odavam on muidugi vilets tekst otse-eetrisse lasta nagu praegu – ju siis enamikku raadiokuulajaid parasiitsõnad piisavalt ei häiri, et jaama vahetada.

Huawei 5G võrkudes kasutamise oht ja selle maandamine

Paljud on hoiatanud Huawei tehnika kasutamise eest 5G võrkudes, enamasti ebamäärase „julgeolekuohu” tõttu. Vahel on hoiataja konkreetsem. Üks selgelt mainitud oht on, et Huawei saaks tarkvarasse või riistvarasse „tagauksi” jätta või neid tulevikus tarkvarauuenduste kaudu tekitada, mis annaks Hiinale ligipääsu andmetele ja võimaluse võrk välja lülitada. Teine oht on Venemaa gaasistrateegia sarnane „kraani kinni keeramine”, et ühel hetkel teeb Huawei varuosad või kasutajatoe väga kalliks või poliitikast sõltuvaks.

Mulle tundub, et neid ohte saab maandada ka Huawei tehnikat keelamata, näiteks tarkvara ja riistvara enne kasutamist uurides (sealhulgas tarkvarauuendusi), varuosi ladustades ja enda tehnotoe võimekust arendades. Võib nõuda Huaweilt lähtekoodi avaldamist, et ise kasutajatuge ja uuendusi pakkuda. Keelamine pole enamasti mõistlik turutõrke lahendus. Julgeolekuoht on samuti turutõrge, sest müüja pole võimeline usutavalt kindlustama ostjat müüja tulevikus võib-olla tekitatava kahju vastu. Keegi teine pole samuti nõus ostjat mõistliku hinnaga kindlustama, sest on nii moraalirisk kui negatiivne valim. Moraalirisk on, et kindlustatud ostja muutub hooletuks või suure kindlustussumma korral lausa korraldab ise sissetungi süsteemidesse, et raha saada. Näiteks ärritab meelega Hiinat. Negatiivne valim on, et kindlustust ostavad need, kel on teavet, et Huawei kaudu just neid plaanitakse rünnata. Mõlemal juhul on kindlustuse pakkumine kindlustajale kallis, nii et tema küsitav poliisi hind väga kõrge.

Võimalik, et tarkvara ja riistvara piisavalt põhjalik uurimine läheb nii kalliks, et Huawei hinnaeelis kaob. Siis on uurimiskulude katmine tollimaksuga Huawei toodangule majanduslikult sarnane Huawei keelamisele.

Üks võimalus Huaweil kliente rahustada on saata kulukas ja seega usutav Spence’i signaal selle kohta, et Huawei ei plaani seadmetesse tagauksi. Signaaliks on näiteks kliendiga konsensuses valitud neutraalse osapoole kätte antud suur tagatisraha, mis makstakse kliendile kui mõni varem valitud neutraalne ekspert tõestab avalikult, et Huawei seadmes on (teatud tüüpi) turvaauk. Selle turvalisusprobleemi liigi võib samuti ette paika panna, nii et lihtsalt tootmisvea eest Huawei maksma ei pea, küll aga tõenäoliselt tahtliku turvaprobleemi eest. Üldiselt on asjatundjatel avaldatud turvaaugu tõelisust lihtne kontrollida, nii et kohtuvaidlus tagatisraha üle pole eriline oht. Keeruline on vaid seda turvaviga algselt leida.