IzpÄtiet skaidrojamo mÄkslÄ«go intelektu (XAI) un tÄ nozÄ«mi uzticamÄ«bas, atbildÄ«bas un caurspÄ«dÄ«guma veidoÅ”anÄ MI sistÄmÄs visÄ pasaulÄ. Uzziniet par XAI metodÄm, ieguvumiem un izaicinÄjumiem.
Skaidrojamais mÄkslÄ«gais intelekts (XAI): MI demistificÄÅ”ana globÄlai auditorijai
MÄkslÄ«gais intelekts (MI) strauji pÄrveido nozares un ietekmÄ dzÄ«ves visÄ pasaulÄ. No veselÄ«bas aprÅ«pes un finansÄm lÄ«dz transportam un izglÄ«tÄ«bai, MI sistÄmas arvien biežÄk pieÅem kritiskus lÄmumus. TomÄr daudzas no Ŕīm MI sistÄmÄm, Ä«paÅ”i tÄs, kas balstÄ«tas uz dziļo mÄcīŔanos, darbojas kÄ "melnÄs kastes", padarot grÅ«ti saprotamu, kÄpÄc tÄs veic konkrÄtas prognozes vai pieÅem lÄmumus. Å is caurspÄ«dÄ«guma trÅ«kums var mazinÄt uzticÄ«bu, kavÄt atbildÄ«bu un iemūžinÄt neobjektivitÄti. TieÅ”i Å”eit palÄ«dz skaidrojamais mÄkslÄ«gais intelekts (XAI).
Kas ir skaidrojamais mÄkslÄ«gais intelekts (XAI)?
Skaidrojamais mÄkslÄ«gais intelekts (XAI) attiecas uz metožu un pieeju kopumu, kura mÄrÄ·is ir padarÄ«t MI sistÄmas cilvÄkiem saprotamÄkas un caurspÄ«dÄ«gÄkas. TÄ vietÄ, lai vienkÄrÅ”i sniegtu rezultÄtu, XAI metodes mÄrÄ·is ir sniegt ieskatu par to, kÄ MI nonÄca pie Ŕī rezultÄta. Å Ä« izpratne ir bÅ«tiska, lai veidotu uzticÄ«bu, nodroÅ”inÄtu taisnÄ«gumu un ļautu cilvÄkiem efektÄ«vi sadarboties ar MI sistÄmÄm.
BÅ«tÄ«bÄ XAI mazina plaisu starp MI modeļu sarežģītÄ«bu un cilvÄka vajadzÄ«bu saprast un uzticÄties to lÄmumiem. Runa ir par melnÄs kastes atvÄrÅ”anu un MI iekÅ”ÄjÄs darbÄ«bas izgaismoÅ”anu.
KÄpÄc XAI ir svarÄ«gs?
XAI nozÄ«me sniedzas tÄlu aiz akadÄmiskÄs intereses robežÄm. PasaulÄ, kas arvien vairÄk paļaujas uz MI, XAI ir vitÄli svarÄ«ga loma vairÄkÄs galvenajÄs jomÄs:
- UzticamÄ«bas veidoÅ”ana: Kad mÄs saprotam, kÄpÄc MI sistÄma pieÅem konkrÄtu lÄmumu, mÄs esam vairÄk tendÄti tai uzticÄties. Tas ir Ä«paÅ”i svarÄ«gi augsta riska jomÄs, piemÄram, veselÄ«bas aprÅ«pÄ, kur Ärstam ir jÄsaprot MI balstÄ«tas diagnozes pamatojums. PiemÄram, ja MI algoritms iesaka konkrÄtu ÄrstÄÅ”anas plÄnu, Ärstam ir jÄsaprot faktori, kas ietekmÄja Å”o ieteikumu (piemÄram, pacienta anamnÄze, konkrÄti simptomi, Ä£enÄtiskie marÄ·ieri), lai to droÅ”i Ä«stenotu.
- AtbildÄ«bas nodroÅ”inÄÅ”ana: Ja MI sistÄma pieļauj kļūdu, ir svarÄ«gi saprast, kÄ un kÄpÄc tas notika, lai novÄrstu lÄ«dzÄ«gas kļūdas nÄkotnÄ. Tas ir Ä«paÅ”i svarÄ«gi tÄdÄs jomÄs kÄ kriminÄltiesÄ«bas, kur MI balstÄ«tiem riska novÄrtÄÅ”anas rÄ«kiem var bÅ«t dziļa ietekme uz cilvÄku dzÄ«vi. Izpratne par faktoriem, kas veicina augsta riska rÄdÄ«tÄju, ļauj identificÄt un mazinÄt iespÄjamo neobjektivitÄti vai kļūdas sistÄmÄ.
- NeobjektivitÄtes mazinÄÅ”ana: MI sistÄmas tiek apmÄcÄ«tas, izmantojot datus, un, ja Å”ie dati atspoguļo sabiedrÄ«bÄ pastÄvoÅ”o neobjektivitÄti, MI sistÄma, visticamÄk, Å”o neobjektivitÄti iemūžinÄs. XAI var palÄ«dzÄt identificÄt un mazinÄt Å”o neobjektivitÄti, atklÄjot, uz kurÄm pazÄ«mÄm MI sistÄma paļaujas, veicot savas prognozes. PiemÄram, ja personÄla atlases algoritms konsekventi dod priekÅ”roku vÄ«rieÅ”u dzimuma kandidÄtiem, XAI var palÄ«dzÄt noteikt, vai tas negodÄ«gi nepieŔķir lielÄku svaru tÄdiem faktoriem kÄ ar dzimumu saistÄ«ti atslÄgvÄrdi CV.
- Modeļa veiktspÄjas uzlaboÅ”ana: Izpratne par MI sistÄmas prognožu pamatojumu var arÄ« palÄ«dzÄt mums noteikt jomas, kurÄs modeli var uzlabot. AnalizÄjot pazÄ«mes, uz kurÄm MI sistÄma paļaujas, mÄs varam identificÄt potenciÄlÄs vÄjÄs vietas vai jomas, kurÄs modelis ir pÄrÄk pielÄgots apmÄcÄ«bas datiem. Tas var novest pie robustÄkÄm un precÄ«zÄkÄm MI sistÄmÄm.
- AtbilstÄ«ba un regulÄjums: TÄ kÄ MI kļūst arvien izplatÄ«tÄks, valdÄ«bas un regulÄjoÅ”Äs iestÄdes arvien vairÄk koncentrÄjas uz to, lai nodroÅ”inÄtu, ka MI sistÄmas tiek izmantotas atbildÄ«gi un Ätiski. XAI ir bÅ«tisks, lai nodroÅ”inÄtu atbilstÄ«bu tÄdiem noteikumiem kÄ Eiropas SavienÄ«bas VispÄrÄ«gÄ datu aizsardzÄ«bas regula (VDAR), kas nosaka, ka indivÄ«diem ir tiesÄ«bas saprast automatizÄtu lÄmumu pamatojumu, kas viÅus ietekmÄ. LÄ«dzÄ«gi, jauni MI noteikumi citÄs pasaules daļÄs, visticamÄk, uzsvÄrs caurspÄ«dÄ«gumu un skaidrojamÄ«bu.
- CilvÄka un MI sadarbÄ«bas veicinÄÅ”ana: Kad cilvÄki saprot, kÄ darbojas MI sistÄmas, viÅi var efektÄ«vÄk ar tÄm sadarboties. Tas ir Ä«paÅ”i svarÄ«gi sarežģītos uzdevumos, kur cilvÄkiem un MI sistÄmÄm ir jÄstrÄdÄ kopÄ, lai sasniegtu kopÄ«gu mÄrÄ·i. PiemÄram, ražoÅ”anÄ MI darbinÄti roboti var strÄdÄt kopÄ ar cilvÄkiem, lai uzlabotu efektivitÄti un droŔību. XAI var palÄ«dzÄt cilvÄkiem-strÄdniekiem saprast robota darbÄ«bas un paredzÄt tÄ turpmÄkÄs kustÄ«bas, tÄdÄjÄdi veicinot raitÄku sadarbÄ«bu.
XAI metodes: rīku komplekts caurspīdīgumam
PastÄv dažÄdas XAI metodes, katrai no tÄm ir savas stiprÄs un vÄjÄs puses. LabÄkÄ metode bÅ«s atkarÄ«ga no konkrÄtÄ MI modeļa, izmantoto datu veida un skaidrojuma mÄrÄ·iem. Å eit ir dažas no visbiežÄk sastopamajÄm XAI metodÄm:
No modeļa neatkarīgas metodes
Å Ä«s metodes var piemÄrot jebkuram MI modelim, neatkarÄ«gi no tÄ iekÅ”ÄjÄs struktÅ«ras. TÄs uztver modeli kÄ melno kasti un koncentrÄjas uz tÄ ievades-izvades uzvedÄ«bas izpratni.
- LIME (Local Interpretable Model-agnostic Explanations): LIME izskaidro jebkura klasifikatora prognozes, lokÄli to tuvinot ar interpretÄjamu modeli, piemÄram, lineÄru modeli. Tas darbojas, perturbÄjot ievades datus un novÄrojot, kÄ mainÄs modeļa prognozes. AnalizÄjot Ŕīs izmaiÅas, LIME var identificÄt pazÄ«mes, kas ir vissvarÄ«gÄkÄs prognozei. PiemÄram, attÄlu atpazīŔanÄ LIME var izcelt tÄs attÄla daļas, kas visvairÄk ir atbildÄ«gas par modeļa klasifikÄciju.
- SHAP (SHapley Additive exPlanations): SHAP izmanto spÄļu teorijas koncepcijas, lai katrai pazÄ«mei pieŔķirtu ietekmes vÄrtÄ«bu konkrÄtai prognozei. TÄ aprÄÄ·ina katras pazÄ«mes vidÄjo marginÄlo ieguldÄ«jumu visÄs iespÄjamÄs pazÄ«mju kombinÄcijÄs. Tas sniedz visaptveroÅ”u izpratni par to, kÄ katra pazÄ«me ietekmÄ prognozi. SHAP var izmantot, lai izskaidrotu atseviŔķas prognozes vai sniegtu globÄlu pÄrskatu par pazÄ«mju svarÄ«gumu.
- PazÄ«mju svarÄ«guma permutÄcija: Å Ä« metode mÄra pazÄ«mes svarÄ«gumu, nejauÅ”i sajaucot tÄs vÄrtÄ«bas un novÄrojot, cik ļoti samazinÄs modeļa veiktspÄja. Jo vairÄk samazinÄs veiktspÄja, jo svarÄ«gÄka ir pazÄ«me. Å is ir vienkÄrÅ”s, bet efektÄ«vs veids, kÄ identificÄt ietekmÄ«gÄkÄs pazÄ«mes modelÄ«.
- DaļÄjÄs atkarÄ«bas grafiki (PDP): PDP parÄda vienas vai divu pazÄ«mju marginÄlo ietekmi uz maŔīnmÄcīŔanÄs modeļa prognozÄto rezultÄtu. Tie attÄlo vidÄjo prognozÄto rezultÄtu kÄ interesÄjoÅ”Äs pazÄ«mes(-mju) funkciju, marginalizÄjot pÄrÄjÄs pazÄ«mes. Tas sniedz vizuÄlu attÄlojumu par to, kÄ pazÄ«me(-s) ietekmÄ modeļa prognozes.
Modeļspecifiskas metodes
Å Ä«s metodes ir izstrÄdÄtas konkrÄtiem MI modeļu veidiem un izmanto modeļa iekÅ”Äjo struktÅ«ru, lai Ä£enerÄtu skaidrojumus.
- LÄmumu koku vizualizÄcija: LÄmumu koki paÅ”i par sevi ir interpretÄjami, jo to struktÅ«ra tieÅ”i parÄda lÄmumu pieÅemÅ”anas procesu. LÄmumu koka vizualizÄÅ”ana ļauj mums redzÄt pazÄ«mes, kas tiek izmantotas prognožu veikÅ”anai, un sliekÅ”Åus, kas tiek izmantoti datu sadalīŔanai.
- Noteikumu izvilkÅ”ana no lÄmumu kokiem: LÄmumu kokus var pÄrveidot vieglÄk saprotamu noteikumu kopumÄ. Katru ceļu no saknes lÄ«dz zara lapai kokÄ var pÄrvÄrst par noteikumu, kas nosaka nosacÄ«jumus, pie kuriem tiks veikta konkrÄta prognoze.
- UzmanÄ«bas mehÄnismi neironu tÄ«klos: UzmanÄ«bas mehÄnismi tiek izmantoti neironu tÄ«klos, lai koncentrÄtos uz visatbilstoÅ”ÄkajÄm ievades datu daļÄm. VizualizÄjot uzmanÄ«bas svarus, mÄs varam redzÄt, kurÄm ievades daļÄm modelis pievÄrÅ” vislielÄko uzmanÄ«bu. Tas var sniegt ieskatu par to, kÄpÄc modelis veic noteiktas prognozes. PiemÄram, dabiskÄs valodas apstrÄdÄ uzmanÄ«bas mehÄnismi var izcelt vÄrdus teikumÄ, kas ir vissvarÄ«gÄkie tÄ nozÄ«mes izpratnei.
- NozÄ«mÄ«guma kartes attÄlu atpazīŔanai: NozÄ«mÄ«guma kartes izceļ tos attÄla reÄ£ionus, kas ir vissvarÄ«gÄkie modeļa klasifikÄcijai. TÄs parÄda, kuri pikseļi visvairÄk veicina prognozi, sniedzot vizuÄlu skaidrojumu par modeļa pamatojumu.
XAI izaicinÄjumi un ierobežojumi
Lai gan XAI piedÄvÄ ievÄrojamas priekÅ”rocÄ«bas, ir svarÄ«gi apzinÄties tÄ izaicinÄjumus un ierobežojumus:
- SarežģītÄ«ba un kompromisi: Bieži pastÄv kompromiss starp modeļa precizitÄti un skaidrojamÄ«bu. SarežģītÄki modeļi, piemÄram, dziļie neironu tÄ«kli, bieži sasniedz augstÄku precizitÄti, bet tos ir grÅ«tÄk izskaidrot. VienkÄrÅ”Äki modeļi, piemÄram, lineÄrie modeļi, ir vieglÄk izskaidrojami, bet var nebÅ«t tik precÄ«zi. PareizÄ lÄ«dzsvara atraÅ”ana starp precizitÄti un skaidrojamÄ«bu ir galvenais XAI izaicinÄjums.
- SkaitļoÅ”anas izmaksas: Dažas XAI metodes var bÅ«t skaitļoÅ”anas ziÅÄ dÄrgas, Ä«paÅ”i lieliem un sarežģītiem MI modeļiem. Tas var apgrÅ«tinÄt XAI piemÄroÅ”anu reÄllaikÄ vai ierÄ«cÄs ar ierobežotiem resursiem.
- SubjektivitÄte un interpretÄcija: Skaidrojumi ne vienmÄr ir objektÄ«vi, un tos var ietekmÄt skaidrotÄja neobjektivitÄte. InterpretÄjot skaidrojumus, ir svarÄ«gi Åemt vÄrÄ kontekstu un auditoriju. Tas, kas vienai personai tiek uzskatÄ«ts par adekvÄtu skaidrojumu, citai var nebÅ«t pietiekams.
- Izpratnes ilÅ«zija: Pat ar XAI ir iespÄjama "izpratnes ilÅ«zija". MÄs varam domÄt, ka saprotam, kÄpÄc MI sistÄma pieÅem konkrÄtu lÄmumu, bet mÅ«su izpratne var bÅ«t nepilnÄ«ga vai neprecÄ«za. Ir svarÄ«gi kritiski izvÄrtÄt skaidrojumus un atzÄ«t to ierobežojumus.
- Konkurences uzbrukumi skaidrojumiem: PaÅ”as XAI metodes var bÅ«t neaizsargÄtas pret konkurences uzbrukumiem. UzbrucÄji var manipulÄt ar ievades datiem vai modeli, lai radÄ«tu maldinoÅ”us skaidrojumus. Tas var mazinÄt uzticÄ«bu MI sistÄmÄm un apgrÅ«tinÄt neobjektivitÄtes vai kļūdu atklÄÅ”anu.
- StandartizÄcijas trÅ«kums: PaÅ”laik nav vispÄrpieÅemta standarta skaidrojumu kvalitÄtes novÄrtÄÅ”anai. Tas apgrÅ«tina dažÄdu XAI metožu salÄ«dzinÄÅ”anu un noteikÅ”anu, kuras no tÄm ir visefektÄ«vÄkÄs.
XAI darbÄ«bÄ: reÄlÄs pasaules piemÄri
XAI tiek pielietots daudzÄs nozarÄs, lai uzlabotu uzticÄ«bu, atbildÄ«bu un taisnÄ«gumu MI sistÄmÄs. Å eit ir daži piemÄri:
- VeselÄ«bas aprÅ«pe: MedicÄ«niskajÄ diagnostikÄ XAI var palÄ«dzÄt Ärstiem saprast MI balstÄ«tu diagnožu un ÄrstÄÅ”anas ieteikumu pamatojumu. PiemÄram, XAI var izcelt attiecÄ«gÄs pazÄ«mes medicÄ«niskajos attÄlos (piemÄram, rentgena staros, MRI), kas veicina konkrÄtu diagnozi. Tas var palÄ«dzÄt Ärstiem pieÅemt pamatotÄkus lÄmumus un uzlabot pacientu rezultÄtus.
- Finanses: KredÄ«treitinga noteikÅ”anÄ XAI var palÄ«dzÄt aizdevÄjiem saprast, kÄpÄc MI sistÄma noraida aizdevuma pieteikumu. Tas var palÄ«dzÄt nodroÅ”inÄt, ka lÄmumi par kreditÄÅ”anu ir godÄ«gi un objektÄ«vi. XAI var atklÄt faktorus, kas veicina zemu kredÄ«treitingu, un sniegt norÄdÄ«jumus, kÄ to uzlabot.
- KriminÄltiesÄ«bas: Riska novÄrtÄÅ”anÄ XAI var palÄ«dzÄt tiesneÅ”iem un probÄcijas komisijÄm saprast faktorus, kas veicina MI sistÄmas novÄrtÄjumu par apsÅ«dzÄtÄ atkÄrtotas likumpÄrkÄpuma risku. Tas var palÄ«dzÄt nodroÅ”inÄt, ka notiesÄjoÅ”ie spriedumi ir godÄ«gi un taisnÄ«gi. TomÄr Å”ajÄ kontekstÄ ir svarÄ«gi XAI izmantot atbildÄ«gi un izvairÄ«ties no paļauÅ”anÄs tikai uz MI balstÄ«tiem riska novÄrtÄjumiem.
- Autonomie transportlÄ«dzekļi: XAI var palÄ«dzÄt saprast, kÄpÄc paÅ”braucoÅ”s auto pieÅÄma konkrÄtu lÄmumu noteiktÄ situÄcijÄ. Tas ir bÅ«tiski, lai nodroÅ”inÄtu autonomo transportlÄ«dzekļu droŔību un veidotu sabiedrÄ«bas uzticÄ«bu Å”ai tehnoloÄ£ijai. PiemÄram, XAI var izskaidrot, kÄpÄc automaŔīna pÄkÅ”Åi bremzÄja vai mainÄ«ja joslas.
- KrÄpÅ”anas atklÄÅ”ana: XAI palÄ«dz droŔības analÄ«tiÄ·iem saprast, kÄpÄc MI sistÄma atzÄ«mÄja konkrÄtu darÄ«jumu kÄ potenciÄli krÄpniecisku. Tas ļauj viÅiem veikt turpmÄku izmeklÄÅ”anu un novÄrst faktisku krÄpÅ”anu. XAI var izcelt neparastus modeļus vai uzvedÄ«bu, kas izraisÄ«ja krÄpÅ”anas brÄ«dinÄjumu.
XAI nÄkotne: globÄla perspektÄ«va
XAI joma strauji attÄ«stÄs, un visu laiku tiek izstrÄdÄtas jaunas metodes un pieejas. XAI nÄkotni, visticamÄk, veidos vairÄkas galvenÄs tendences:
- PalielinÄta automatizÄcija: TÄ kÄ MI sistÄmas kļūst sarežģītÄkas un izplatÄ«tÄkas, pieaugs nepiecieÅ”amÄ«ba pÄc automatizÄtÄm XAI metodÄm, kas var Ä£enerÄt skaidrojumus reÄllaikÄ bez cilvÄka iejaukÅ”anÄs.
- PersonalizÄti skaidrojumi: Skaidrojumi kļūs personalizÄtÄki katram lietotÄjam, Åemot vÄrÄ viÅa pieredzi, zinÄÅ”anas un mÄrÄ·us. Tas, kas ir labs skaidrojums datu zinÄtniekam, var ļoti atŔķirties no tÄ, kas ir labs skaidrojums nespeciÄlistam.
- IntegrÄcija ar cilvÄka un datora mijiedarbÄ«bu: XAI tiks cieÅ”Äk integrÄts ar cilvÄka un datora mijiedarbÄ«bu (HCI), lai radÄ«tu intuitÄ«vÄkas un lietotÄjam draudzÄ«gÄkas saskarnes MI sistÄmu izpratnei.
- Ätiskie apsvÄrumi: TÄ kÄ XAI kļūst plaÅ”Äk pieÅemts, ir svarÄ«gi risinÄt skaidrojumu izmantoÅ”anas ÄtiskÄs sekas. PiemÄram, mums ir jÄnodroÅ”ina, lai skaidrojumi netiktu izmantoti, lai manipulÄtu vai maldinÄtu lietotÄjus.
- GlobÄla sadarbÄ«ba: XAI pÄtniecÄ«bÄ un attÄ«stÄ«bÄ arvien vairÄk tiks iesaistÄ«ta starptautiska sadarbÄ«ba, apvienojot pÄtniekus un praktiÄ·us ar dažÄdu pieredzi un perspektÄ«vÄm. Tas ir bÅ«tiski, lai nodroÅ”inÄtu, ka XAI tiek izstrÄdÄts veidÄ, kas ir jutÄ«gs pret dažÄdiem kultÅ«ras kontekstiem un ÄtiskajÄm vÄrtÄ«bÄm.
- StandartizÄcija un regulÄjums: TÄ kÄ MI noteikumi kļūs izplatÄ«tÄki, parÄdÄ«sies standartizÄcijas centieni, lai definÄtu XAI labÄkÄs prakses un nodroÅ”inÄtu, ka skaidrojumi ir konsekventi un uzticami.
Praktiskas atziÅas: XAI ievieÅ”ana jÅ«su organizÄcijÄ
Å eit ir daži praktiski soļi, ko varat veikt, lai ieviestu XAI savÄ organizÄcijÄ:
- IzglÄ«tojiet sevi un savu komandu: Ieguldiet apmÄcÄ«bÄ un izglÄ«tÄ«bÄ, lai palÄ«dzÄtu savai komandai izprast XAI principus un metodes.
- SÄciet ar mazumiÅu: SÄciet, piemÄrojot XAI nelielam skaitam MI projektu, kur skaidrojamÄ«ba ir Ä«paÅ”i svarÄ«ga.
- DefinÄjiet savus mÄrÄ·us: Skaidri definÄjiet, ko vÄlaties sasniegt ar XAI. Uz kÄdiem jautÄjumiem vÄlaties atbildes? KÄdas atziÅas vÄlaties gÅ«t?
- IzvÄlieties pareizos rÄ«kus: IzvÄlieties XAI rÄ«kus un metodes, kas ir piemÄrotas jÅ«su MI modeļiem un datiem.
- DokumentÄjiet savu procesu: DokumentÄjiet savu XAI procesu, lai to varÄtu atkÄrtot un uzlabot laika gaitÄ.
- Sadarbojieties ar ieinteresÄtajÄm pusÄm: Iesaistiet ieinteresÄtÄs puses no visas jÅ«su organizÄcijas XAI procesÄ. Tas palÄ«dzÄs nodroÅ”inÄt, ka skaidrojumi ir atbilstoÅ”i un noderÄ«gi.
- NepÄrtraukti novÄrtÄjiet un uzlabojiet: NepÄrtraukti novÄrtÄjiet savu skaidrojumu kvalitÄti un pÄc nepiecieÅ”amÄ«bas veiciet uzlabojumus.
NoslÄgums
Skaidrojamais mÄkslÄ«gais intelekts nav tikai tehnisks izaicinÄjums; tas ir Ätisks pienÄkums. TÄ kÄ MI sistÄmas arvien vairÄk integrÄjas mÅ«su dzÄ«vÄ, ir svarÄ«gi nodroÅ”inÄt, lai tÄs bÅ«tu caurspÄ«dÄ«gas, atbildÄ«gas un uzticamas. IevieÅ”ot XAI, mÄs varam pilnÄ«bÄ atraisÄ«t MI potenciÄlu, vienlaikus mazinot tÄ riskus un veidojot taisnÄ«gÄku un godÄ«gÄku nÄkotni visiem. CeļŔ uz patiesi skaidrojamu MI turpinÄs, bet, par prioritÄti izvirzot caurspÄ«dÄ«gumu un izpratni, mÄs varam nodroÅ”inÄt, ka MI kalpo cilvÄcei atbildÄ«gÄ un labvÄlÄ«gÄ veidÄ visÄ pasaulÄ.