Sildiarhiiv: arvuti

Videod on piltidega kokku võetavad

Enamiku videote sisu ja meelelahutusväärtus on suuremate kadudeta edastatav väheste piltide kujul. Sellel põhineb Hollywoodi lastefilmide turundusnänni üks liike: kleepsuraamatud, milles filmi lugu saab kogutud kleepsude abil taasesitada.

Iga paari sekundi tagant hästi valitud hetkel tehtud kuvatõmmis annab edasi videos toimuva tegevuse, sest enamik tegevust ei vaheldu kiiremini kui paari sekundi tagant. Liikumine on pildist pilti ette kujutatav. Dialoogi ja muu sõnalise osa videost saab kirjutada tekstina pildi kõrvale või jutumullidesse pildi sees. Teave saab seega edastatud.

Taustamuusika, mis piltideks teisendades kaob, aitab küll meeleolu tugevdada, aga meeleolu on ka kuvatõmmisest välja loetav.

Üks erand on videod, mille meelelahutusväärtus põhineb lõputul ketramisel, kus lõigu viimane kaader peab olema sama, mis esimene. Üksikud kuvatõmmised katkestavad sujuva liikumise viimasest kaadrist esimesse.

Teine erand on videod, mille eesmärk on näidata liikumise sujuvust või kiirust – ballett, breiktants, „maailma kiireim” misiganes.

Kolmas erand on muusikavideod. Kui heli on põhiline ja pilt teisejärguline, siis pole eesmärk piltidega täidetav, kuigi visuaalse osa videost saab nendega edasi anda.

Hanede põllult peletamine

29.04.2021 Maa Elus kirjutas põllupidaja, kuidas ta maasturiga oma põllul ringi sõidab, et sealt hanesid peletada. Võibolla jääb mul midagi kahe silma vahele, aga see ei tundu mõistlik. Selle asemel võiks põllule lasta koera, kes suure rõõmuga hanesid taga ajaks. Koera kasutab näiteks Michiganis Traverse City Cherry Capitali lennujaam lindude peletamiseks. Tänapäeval saab kaelarihma külge panna raadiosaatja, mille abil koera üles leida kui ta ära kaduma peaks ja mille abil koerale käsklusi jagada. Selleks sobib odav kasutatud telefon positsioneerimisäpiga. Koeraomanikud käivad niikuinii koertega looduses jalutamas – võib paluda neil põllule tulla ja selle eest isegi natuke maksta. Igatahes odavam kui maasturiga põllul sõitmine.

Maasturi asemel võib kasutada puldist juhitavat mänguautot kui puldi raadiosignaal piisava ulatusega on. Või puldi kontrollsüsteemi abil juhitavat suuremat maapinnal liikuvat drooni, mis on kergem ja võtab vähem kütust kui maastur. Tekitab ka vähem pinnakahjustusi (roopaid, lömastatud taimi). Sellise võib programmeerida ka põllul juhusliku mustrina ringi sõitma nagu algelise robottolmuimeja või niiduki.

Lendavad droonid võib ka programmeerida põllu kohal tiirutama. Hanede hirmutamiseks peab ehk drooni kotkaks maskeerima.

Mudellennuk võtab sama lennukauguse jaoks vähem kütust kui helikopteri põhimõttel droon. Mudellennukiklubilt võib samuti põllule abi paluda ja neile selle eest maksta. Tänapäeval peaks ka mudellennuki juhtpulti saama programmeerida nii, et lennuk ühe ala kohal tiirleks. Kotkaks maskeerimine on lennuki puhul lihtsam kui drooni, kuna kuju on linnusarnasem.

Droonivastase õhutõrjesüsteemi sarnaselt on juba ehitatud linnupeletajaid, mis kaameraga põllult parve tuvastavad ja selle peale laseriga näitavad. Eestis arendab Marduk droonitõrjesüsteemi ja on ehk nõus seda lindude peal testima.

Vigade avastamise lihtsus enda ja teiste töös – uurimisidee

Teiste kirjutistes on mul lihtsam kirjavigu avastada kui enda omades. Isegi täpselt sama viga, näiteks unustatud koma, paistab teiste töös silma, aga enda omas mitte. Sarnaselt on kergem leida teiste arvutusvigu kui enda omi. Tõenäoliselt ka igasuguses muus tegevuses (sporditehnika, viisipidamine, elulised otsused).
Oleks huvitav teada, kas vigade avastamist takistab rohkem teksti või vea tuttavus, ehk kas enda viga võõras tekstis paistab rohkem silma kui võõras viga enda omas. Üks katse selle kontrollimiseks oleks lasta inimestel trükkida arvutisse mingi tekst, kusjuures arvutiprogramm ei tohiks parandada õigekirja. Siis tõsta vead inimeste vahel ringi. Näiteks kui üks kirjutas mingi sõna õigesti ja teine valesti, siis vahetada need. Samuti parandada ühe inimese komaviga ja sisestada see sarnasesse lausesse teisele. Mingi aja järel lasta igaühel enda ja kellegi teise tekst üle lugeda ja selles ainult õigekirjalisi parandusi teha. Mõõta kui suur protsent enda vigadest teiste tekstis ja teiste vigadest enda omas avastatakse.
Sarnase katse saab teha arvutusülesannetega, aga siis peaks „enda teksti” loomiseks paluma osalejatel ülesanded ka koostada, mitte ainult lahendada. Üks võimalus on enda kohta käivad arvud (sünniaasta, -kuu, -päev, pikkus, kaal, vanus) kõigis kombinatsioonides korrutada, liita jne. Eraeluliste andmete kaitseks võib paluda osalejatel välja mõelda tegelase ankeet, kelle arvuliste näitajate kombinatsioone siis rehkendama hakata.

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.