Kohaliku ja regionaalse arengu kavandamise tööriistakast

Tehisintellekti loomisega on tekkinud uued võimalused nii analüüsimisel kui ka kokkuvõtete tegemisel. Põhimõtteliselt saab tehisaru hakkama ka visiooniloome ja eesmärgistamisega, kuigi katsetused näitavad, et tulemused kalduvad olema ümmargused ja sageli isikupäratud.

Küll aga saab tehisaru kui tööriista edukalt rakendada eesmärkide ja valdkondade omavahelisel seostamisel. Kuigi regionaalse ja kohaliku tasandi arengudokumendid peaksid arvestama hierarhiliselt kõrgema (riigi) tasandi eesmärkidega, jäädakse nende seostamisel deklaratiivseks ("on hästi kooskõlas" vms). Tehisaru võimaldab sisukamat ja (kiiremat) analüüsi.

NB! Ühest tehisaru omadusest tuleb kindlasti teadlik olla – ta võib valetada! Teisisõnu, kui otsest vastust ei ole võtta, genereerib masin eeldatava vastuse, mis kõlab tõesena, kuid ei ole seda. Alati tasub küsida, millisest allikast (või dokumendi osast) mingi väide/järeldus pärineb.

Teine oluline moment on ülesandepüstitus (võõrkeelse nimetusega promptimine). Ainuüksi ühe sõna muutmine ülesandepüstituses võib anda vägagi erineva tulemuse.

Näide

• Laadides üles strateegia "Eesti 2035" strateegia ja küsides, "Milline on keskkonnahariduse käsitlus strateegias?", saab vastuseks, et teemat dokumendis ei käsitleta.
• Küsimus "Milline on keskkonnahariduse käsitlus strateegias – too välja nii otsesed kui kaudsed käsitlused" annab aga üsna pika ja põhjaliku vastuse.

Eeltoodu tähendab, et proovida tuleb mitu korda, võrreldes tulemusi omavahel ja avades ka ise uuritava dokumendi.

Samal viisil on võimalik tehisaru kasutada ka muude teemade katmisel.

Enim levinud tehisarud

• Chat GPT (üks esimesi toimivaid lahendusi)
• Google Gemini (loob paremaid pilte võrreldes Chat GPT-ga)
• Microsoft Copilot
• Jenny (kasutatav teadusartiklite koostamisel ja viitamisel)
• Napkin (kasutatav tekstide põhjal kujunduse – joonised, skeemid, piktogrammid jms – tegemiseks)