MI arvien biežāk ir sastopams mūsu ikdienā. Tas palīdz meklēt informāciju, tulkot tekstus, atpazīt attēlus, sagatavot dokumentus, piekļūt pakalpojumiem un veikt citus uzdevumus. MI izmanto gan privātpersonas, gan uzņēmumi un valsts iestādes. Tomēr MI izmantošana rada arī jautājumus par tā darbības uzticamību, iespējamiem riskiem un cilvēku tiesību, tostarp personas datu, aizsardzību.
Publicēts: 09.10.2026.
Mākslīgais intelekts (turpmāk – MI) ir tehnoloģiju kopums, kas ļauj datorsistēmām veikt tādus uzdevumus, kuriem parasti ir nepieciešams cilvēka intelekts, piemēram, datu analīzi, modeļu atpazīšanu un lēmumu pieņemšanu. MI tiek izmantots dažādās jomās, sākot no virtuālajiem asistentiem līdz pat prognozēšanas rīkiem veselības aprūpes un finanšu nozarē.1
Viens no MI attīstības pamatlicējiem Džefrijs Hintons (Geoffrey Hinton) sniedza būtisku ieguldījumu mākslīgo neironu tīklu attīstībā. To izveidi iedvesmoja cilvēka smadzeņu darbība – ideja, ka daudzi savstarpēji saistīti neironi kopīgi apstrādā informāciju. Mākslīgajos neironu tīklos šī ideja tiek izmantota matemātisku modeļu veidošanā, ļaujot tiem apgūt likumsakarības no datiem.2 Neironu tīkli ir viena no MI tehnoloģiskajām pieejām.
Eiropas Parlamenta un Padomes Regulas (ES) 2024/1689 (turpmāk – MI akts)3 3. panta 1. punkts noteic, ka “MI sistēma” ir mašinizēta sistēma, kura projektēta darboties ar dažādiem autonomijas līmeņiem, kura var pēc ieviešanas būt adaptīva, un kura eksplicītiem vai implicītiem mērķiem secina no informācijas, ko tā saņem, kā ģenerēt iznākumus, piemēram, prognozes, saturu, ieteikumus vai lēmumus, kas var ietekmēt fizisko vai virtuālo vidi.
Tas nozīmē, ka viena no būtiskākajām MI sistēmas pazīmēm ir spēja no saņemtās informācijas izdarīt secinājumus un noteikt, kā radīt rezultātu, piemēram, prognozi, ieteikumu vai lēmumu. Šī spēja var izpausties dažādos veidos, tostarp izmantojot mašīnmācīšanos vai loģiskus secinājumus.
MI sistēmas var darboties ar dažādu autonomijas pakāpi, proti, tās spēj veikt noteiktus uzdevumus bez pastāvīgas cilvēka iesaistes. Atsevišķas MI sistēmas var arī pielāgot savu darbību pēc to ieviešanas, tomēr šāda spēja nav obligāta pazīme, lai sistēmu uzskatītu par MI.
Ne katra automatizēta datorprogramma ir MI sistēma. Piemēram, interneta veikala programma var automātiski piešķirt klientam atlaidi, ja pirkuma summa pārsniedz 100 eiro. Šādā gadījumā programma tikai izpilda iepriekš noteiktu nosacījumu, nevis izmanto MI raksturīgās secinājumu izdarīšanas metodes, tādēļ tā nav uzskatāma par MI sistēmu.
Tātad sistēmas kvalificēšanai par MI sistēmu būtiska ir ne tikai tās veicamā funkcija, bet arī veids, kādā tā iegūst rezultātu. Tas jāvērtē, ņemot vērā konkrētās sistēmas darbības īpašības un MI akta definīciju kopumā.4
MI sistēmas var darboties dažādos veidos. Mūsdienās plaši tiek izmantota mašīnmācīšanās, kuras ietvaros modeļi apgūst likumsakarības no datiem. Tomēr pastāv arī citas MI pieejas, piemēram, tādas, kas izmanto loģiskus secinājumus un iepriekš strukturētas zināšanas.
Vienkāršoti mašīnmācīšanās modeļa izveidi un izmantošanu varētu raksturot šādos posmos:
Vispirms tiek sagatavoti dati apmācībai. Piemēram, lai izveidotu MI modeli, kas spēj atpazīt kaķus, tā apmācībai var izmantot lielu skaitu dažādu attēlu.
Apmācības laikā modelis apgūst likumsakarības datos. Piemēram, tam var parādīt attēlus, norādot, kuros no tiem ir redzami kaķi. Modelis pakāpeniski pielāgo savus parametrus, lai labāk atšķirtu kaķu attēlus no citiem attēliem. Šādi tas apgūst pazīmes, kas palīdz atpazīt kaķus arī iepriekš neredzētos attēlos.
Pēc apmācības modeli var izmantot jaunas informācijas apstrādei. Saņemot iepriekš neredzētu attēlu, modelis izmanto apgūtās likumsakarības, lai noteiktu, vai tajā, piemēram, ir redzams kaķis.
Aprakstītais ir viens no mašīnmācīšanās piemēriem. Pastāv arī citas modeļu apmācības metodes, un mašīnmācīšanās modeļus var izmantot dažādiem uzdevumiem, tostarp informācijas klasificēšanai, prognozēšanai un jauna satura radīšanai.
Savukārt ģeneratīvais MI tiek izmantots jauna satura, piemēram, teksta, attēlu, audio vai video, radīšanai. Dažādi ģeneratīvā MI modeļi darbojas atšķirīgi. Piemēram, valodas modeļi var izveidot atbildi uz lietotāja jautājumu, izmantojot apmācības laikā apgūtās likumsakarības. Tie parasti veido tekstu pakāpeniski, prognozējot nākamās teksta vienības, ņemot vērā iepriekšējo tekstu un lietotāja sniegto informāciju.
Ne visas MI sistēmas darbojas šādā veidā, un ne visu MI sistēmu pamatā ir mašīnmācīšanās.
MI sistēmas var sniegt būtiskus ieguvumus, tomēr to izmantošana ir saistīta arī ar riskiem. Tās var kļūdīties, būt pakļautas drošības apdraudējumiem vai radīt neparedzētu ietekmi uz cilvēkiem. Tādēļ ir svarīgi atpazīt MI izmantošanu, lai izprastu tā iespējamo ietekmi un apzinātos savas tiesības.
MI sistēmas darbības kvalitāti var ietekmēt dažādi faktori. Piemēram, ja apmācībā izmantotie dati nepietiekami atspoguļo reālo situāciju vai noteiktas sabiedrības grupas, sistēmas rezultāti var būt neprecīzi vai neobjektīvi, tostarp radīt diskriminācijas risku. Kļūdas var rasties arī tad, ja sistēmas izstrādē izvēlēti neatbilstoši kritēriji vai pieņēmumi.
Arī šķietami pārliecinošs MI sniegtais rezultāts ne vienmēr ir pareizs. Piemēram, ģeneratīvais MI var radīt faktiski nepareizu vai izdomātu informāciju, tostarp norādīt uz neeksistējošiem informācijas avotiem. Tādēļ MI sniegtā informācija, īpaši būtisku lēmumu pieņemšanā, ir kritiski jāizvērtē un nepieciešamības gadījumā jāpārbauda.
MI var radīt arī reālistiskus attēlus, audioierakstus un video, kurus var būt grūti atšķirt no īstiem. Šāds saturs var tikt izmantots arī maldināšanai, piemēram, radot iespaidu, ka persona ir pateikusi vai izdarījusi kaut ko, kas patiesībā nav noticis.
MI izmantošana var ietekmēt cilvēku arī tad, ja viņš pats to neizmanto. Piemēram, MI var izmantot personas uzvedības analizēšanai, interešu prognozēšanai vai piemērotības noteiktam pakalpojumam izvērtēšanai. Šādos gadījumos ir īpaši svarīgi, lai cilvēks varētu saprast, kā tiek izmantoti viņa personas dati un kā MI rezultāti ietekmē lēmumu pieņemšanu.
Atsevišķas MI sistēmas var darboties ar ievērojamu autonomijas pakāpi, un to radītos rezultātus ne vienmēr iespējams pilnībā paredzēt vai vienkārši izskaidrot. Ja cilvēks pārmērīgi paļaujas uz MI sniegto rezultātu vai viņam nav iespēju to pārbaudīt, var mazināties efektīva cilvēka kontrole pār lēmumu pieņemšanu. Tas var apgrūtināt arī kļūdu identificēšanu, lēmumu pārskatīšanu un personas tiesību īstenošanu.
Tādēļ MI izmantošanā būtiska nozīme ir pārredzamībai, cilvēka kontrolei un iespējai izvērtēt sistēmas sniegtos rezultātus.
MI sistēmu izstrādē un izmantošanā var tikt apstrādāti personas dati, piemēram, cilvēka vārds, uzvārds, attēls, balss ieraksts vai informācija par viņa paradumiem un interesēm.
Personas dati var tikt apstrādāti gan MI modeļu izstrādes un apmācības laikā, gan vēlāk, izmantojot MI sistēmas. Tomēr ne katra MI sistēmas izmantošana ir saistīta ar personas datu apstrādi.
MI rīki var būt pieejami un izmantoti dažādos veidos. Pastāv plašai sabiedrībai pieejami tiešsaistes MI pakalpojumi, kurus ikviens var izmantot, izveidojot lietotāja kontu vai pat bez tā. Savukārt uzņēmumi un iestādes var izmantot slēgtus vai īpaši organizācijas vajadzībām nodrošinātus MI risinājumus, kuros piekļuve un personas datu apstrādes nosacījumi var atšķirties. Tādēļ pirms MI rīka izmantošanas ir svarīgi noskaidrot, kāds risinājums tiek izmantots un kā tajā tiek apstrādāta ievadītā informācija.
Personas datu apstrāde var notikt arī tad, ja cilvēks pats ievada personas datus MI rīkā, piemēram, uzdodot jautājumu vai augšupielādējot dokumentu, attēlu vai audioierakstu. Turklāt ievadītā informācija var saturēt ne tikai paša lietotāja, bet arī citu personu datus. Tādēļ pirms personas datu ievadīšanas MI rīkā ir svarīgi izvērtēt, kā konkrētais pakalpojums šos datus apstrādās.
Ja MI sistēmas izstrādē vai izmantošanā tiek apstrādāti personas dati, attiecīgajai apstrādei jāatbilst Eiropas Parlamenta un Padomes Regulas (ES) 2016/679 (turpmāk – Datu regula) prasībām. Personas datu apstrādei jābūt noteiktam nolūkam un atbilstošam tiesiskajam pamatam, jāievēro personas datu apstrādes principi, tostarp datu minimizēšanas, precizitātes un glabāšanas ierobežojuma princips, jānodrošina datu subjektu tiesības, kā arī jāīsteno atbilstoši tehniskie un organizatoriskie pasākumi datu aizsardzībai.
Vienlaikus Eiropas Savienībā ir pieņemts MI akts, kas nosaka prasības MI sistēmu izstrādei, laišanai tirgū, nodošanai ekspluatācijā un izmantošanai atkarībā no konkrētās situācijas un iesaistītā subjekta lomas. Tas paredz arī atsevišķus MI prakses aizliegumus, kā arī prasības noteiktām MI sistēmām un modeļiem. MI akta mērķis ir veicināt uzticama un uz cilvēku orientēta MI izmantošanu, vienlaikus nodrošinot augstu veselības, drošības un pamattiesību aizsardzības līmeni.
Abi regulējumi ir savstarpēji papildinoši. MI akts regulē MI jomu un nosaka prasības tajā noteiktajiem subjektiem un MI sistēmām, savukārt Datu regula ir piemērojama personas datu apstrādei. Tādējādi vienas MI sistēmas izstrādei vai izmantošanai atkarībā no konkrētajiem apstākļiem var būt piemērojami abi regulējumi. Datu regulas mērķis nav kavēt mākslīgā intelekta attīstību, bet gan nodrošināt, lai tā izstrādē un izmantošanā tiktu ievērotas personas tiesības uz datu aizsardzību.
Datu valsts inspekcija (turpmāk – Inspekcija) savas kompetences ietvaros uzrauga personas datu apstrādes atbilstību normatīvajiem aktiem, tostarp gadījumos, kad personas dati tiek apstrādāti MI sistēmu izstrādē vai izmantošanā. Inspekcija ir arī viena no tirgus uzraudzības iestādēm MI akta izpratnē un savas kompetences ietvaros uzrauga tajā noteikto prasību ievērošanu.