”Tekoäly tekee ihmisen tarpeettomaksi!”, ”Tekoäly tuhoaa ihmiskunnan!”, ”Tekoäly kiihdyttää ihmiskunnan kehittymisen ennennäkemättömään vauhtiin!”
Tekoälyyn liitetään suuria odotuksia ja vähintään yhtä suuria uhkakuvia, mutta onko niissä mitään perää? Mitä tekoäly oikesti on ja miten se vaikuttaa yhteiseen tulevaisuuteemme? Näitä ja monia muita kysymyksiä käsittelemme seuraavaksi.
Tekoälystä riitti puhetta viime vuosikymmenellä, eikä mikään vihjaa siihen, että julkinen keskustelu tai tekoälyn kehitysnopeus tulisi hidastumaan millään tavalla. Silti saatat ihmetellä, mihin kaikki tekoälyyn liittyvä hukkuu arkielämässä. Missä minä tarvitsisin tekoälyä? Totuus on kuitenkin se, että käytät tekoälyä mitä luultavimmin kymmeniä, ellet satoja kertoja päivässä käyttäessäsi erilaisia sovelluksia tai osallistumalla yhteiskunnan toimintoihin. Joka kerta kun teet Google haun, katsot videon youtuben suosituksesta, maksat luottokortilla tai soitat teleoperaattorillesi, käytät huomaamattasi tekoälyä. Tekoälyn käyttö ei siis välttämättä vaadi sen olemassaolon aktiivista tiedostamista eikä tekoälyn käyttäminen tee arjesta välittömästi futuristista tai autonomista eikä se poista päätöksenteon tarvetta. Wall-E-elokuvastakin (2008) tuttu köllöttely-yhteiskunta on ainakin toistaseksi utopiaa. Köllöttely-yhteiskunnassa ihmiset makoilevat ilmeisen mukavasti sängyissään ja tuoleissaan ilman varsinaista tarvetta tehdä mitään. Tekoäly on jo kiinteä osa arkipäivää, mutta mitä muutoksia tekoälyn kentässä tapahtuu, ja kuinka tämä muutos näkyy arjessa?
Tekoälystä on totuttu puhumaan ihmisaivojen kaltaisena tietoteknisenä sovelluksena. Neuroverkkoihin perustuvat tekoälyjärjestelmät käytännössä matkivat aivojen hermosoluista koostuvaa hermoverkkoa kynnysarvoineen ja takaisinkytkentöineen. Biologian tunteminen ja aivojen rakenteeseen ja toimintaa perehtyminen auttaa tekoälyjärjestelmien suunnittelussa ja antaa uusia näkökulmia tekoälyyn. Vastavuoroisesti tekoälyn kehittäminen voi auttaa meitä ymmärtämään aivojen toimintaa entistä paremmin.
Aikojen saatossa luonnon matkiminen onkin ollut yksi tehokkaimmista innovaatioita synnyttäneistä mekanismeista. On siis todennäköistä, että tekoälyä kehitetään yhä enemmän ihmisen biologiaa vastaavaan suuntaan lisäämällä erilaisia ohjaus-, tulkinta- ja erottelukerroksia, jotta luokitteluvirheiltä vältyttäisiin. Toisaalta ihminen on kyennyt keksimään innovaatioita, jotka ovat monta kertaluokkaa parempia kuin luonnosta löytyvät vastineet. Arkinen esimerkki on pyörä, jonka keksiminen mullisti tavaroiden liikuttamisen. On mahdollista, että tekoälyn saralla voisi löytyä vastaavanlainen ”kognitiivinen pyörä”, joka mullistaa tekoälyn kehityksen uuden paradigman eli ajattelutavan myötä.
Usein tekoälystä puhuttaessa tarkoitetaan tekoälyä, joka on opetettu ihmisasiantuntijuuteen perustuvalla materiaalilla. Tekoäly voidaan kuitenkin opettaa myös vahvistusoppimisen avulla, joka perustuu siihen, että tekoälyn tekemistä päätöksistä seuraa positiivinen tai negatiivinen palaute ja tekoälyä päivitetään sitä mukaan kun päätöksiä tehdään. Näin koulutettiin esim. AlphaGO Zero, jota peluutettiin itseään vastaan. Pelatessaan se kehitti aiemmin tuntemattomia strategioita ja lopulta kykeni voittamaan 9 danin (korkein mahdollinen taso) Go-mestarin vuonna 2016. Arkikielessä tekoälystä puhuttaessa tarkoitetaan usein juuri yllämainittuja tekoälyjä, koneoppimista tai modernia tekoälyä, jotka ilmestyivät valtavirtaan vasta 2010-luvulla. Tekoälytutkimus voidaan jakaa klassiseen (tai symboliseen) ja moderniin tekoälyyn. Klassisen tekoälyn valtakausi keskittyi 1950-1980 ajanjaksolle, jota seurasi ”tekoälytalvi”, jolloin tekoälyhype laski moneksi vuosikymmeneksi. Klassisen tekoälyn tarkoitus oli tuottaa ”ihmismäistä” älykkyyttä, joka kykenisi ratkaisemaan monen tyyppisiä ongelmia. Kuten mainittu, modernin tekoälyn aikakausi alkoi vasta 2010-luvulla, ja se keskittyy pääosin ratkaisemaan tarkasti määriteltyjä ongelmia. Nykyään klassisen tekoälyn tutkimusta liitetään osaksi yleistä tekoälyä (AGI, Artificial General Intelligence). Useat tutkijat, kirjailijat ja keksijät ovat arvioineet, milloin yleinen tekoäly voisi olla mahdollista toteuttaa. Arviot vaihtelevat välillä 1985 – 2020/2040 – ei koskaan, joten valtavaa konsensusta ajanhetkestä ei ole olemassa.
Pelkästään tekoälyyn liittyvästä filosofisesta pohdinnasta saisi kirjoitettua hyllymetreittäin kirjoja ja artikkeleita – ja niin on jo toki tehtykin. Tätä pitää toki jatkaa, mutta monitieteisyyden roolia tekoälyyn liittyvissä pohdinnoissa tulisi korostaa, sillä tekoäly ei ole pelkästään tietojenkäsittelytieteen tai tietotekniikan omaisuutta. Pohdintaan, kehitystyöhön ja käyttöönottoon tarvitaan asiantuntijuutta ja näkemyksiä jokaiselta alalta, sillä tekoäly tulee vaikuttamaan jokaiseen alaan maataloudesta lääketieteeseen ja politiikkaan, jos ei ole jo vaikuttanut.
Miksi ihmiset sitten haluavat kehittää tekoälyä? Kysymys on aiheellinen, sillä tekoälyn tutkimiseen laitetaan ja on jo laitettu paljon resursseja. Aiheellinen se on myös siksi, ettei tuloksista ole varmuutta tai jotkin tulokset voidaan nähdä selkeästi uhkina esimerkiksi ihmiskunnan selviämisen tai työllisyyden kannalta. Eettinen pohdinta tulee välillä jälkijunassa, seurauksista riippuen, tai eettistä pohdintaa ei aina pidetä tarpeellisena. Esimerkkejä pieleen menneistä tekoälyjärjestelmistä tai eettisen pohdinnan valjuudesta on helposti löydettävissä. Esimerkiksi Twitterin automaattinen kuvanrajaus, jonka tarkoitus on mahduttaa olennainen sisältö esikatselukuvaan, suosi vuonna 2020 valkoihoisia. Eniten huomiota saanut esimerkki oli kuva, jossa esiintyi presidentti Barack Obaman ja senaattori Mitch McConnellin kasvot – arvaat varmaan kumpia kasvoja tekoäly suosi. Eettisyyttä ja moraalia tulee pohtia myös itsestäänajavien autojen kontekstissa. Jos tekoäly joutuu tilanteeseen, jossa väistämättä kahdesta ihmisestä toinen kuolee, kenet tekoäly valitsee uhriksi? Kuka päätöksestä on vastuussa?
Joten miksi halutaan kehittää tekoälyä? Selkein syy lienee se, että halutaan luoda tietoteknisiä ratkaisuja huolehtimaan sellaisista tehtävistä, joiden suorittamiseen tarvitaan yleensä ihmistä. Ihmisiä voi pitää perusluonteeltaan laiskoina, mikä on aikojen saatossa johtanut valtavaan määrään erilaisia keksintöjä ja käytäntöjä, joilla helpotetaan työtä. Toisaalta myös kapitalismi on ohjannut yrityksiä ja yhteisöjä keksimään yhä kekseliäämpiä tapoja nostaa tuottavuutta ihmisen käyttämää työtuntia kohden. Markkinatalous on pakottanut luomaan toinen toistaan parempia tuotteita ja palveluita. Kehitämme tekoälyä, koska sen avulla voidaan kasvattaa liiketoimintaa. Hyödylliselle tekoälylle ja sen kehittämiselle on kysyntää markkinatalouden raameissa.
Olisi kuitenkin puutteellista leimata tekoälyn kehittäminen vain markkinatalouden aikaansaamaksi ilmiöksi. Tekoäly voi olla myös rauhaa edistävä teknologia (Honkela 2017), jos se auttaa ymmärtämään toisia ihmisiä kielestä riippumatta. Kaiken tekoälyvallankaappauksen keskellä on hyvä muistaa, että tekoäly voi luoda myös toivoa paremmasta huomisesta. Siihen kiteytyy myös yksi tämän kirjan tavoitteista.
Tekoälyn kehitys ei ole tapahtunut hetkessä, vaan taustalla on pitkäjänteistä tutkimusta. Tekoälyyn liittyy paljon mahdollisuuksia, mutta myös uhkia. Seuraavassa osioissa käymme läpi hieman syvällisemmin tekoälyn olemusta.
Mitä ovat teko ja äly?
Kieli on kaikki mitä meillä on asioista keskusteltaessa, joten on hyvä viimeistään tässä vaiheessa tehdä katsaus tekoäly-sanaan. Teko viittaa tehtyyn, vartavasten tehtyyn, johonkin keinotekoiseen. Tekoälystä puhuttaessa viitataan siis vähintään epäsuorasti jollain tavalla luotuun älyyn. Tämä on kohtalaisen ymmärrettävissä oleva ulottuvuus.
Parhaita esimerkkejä tehdystä ja toimivasta älystä löytyy populaarikulttuurista. Star Warsin legendaariset droidit C-3PO ja R2-D2 edustavat tekoälyn eliittiä. Niiden syntytarinasta käy hyvin ilmi, että ne ovat ihmisen tekemiä vaikkei niiden tekoälystä olekaan erikseen mainintaa. Star Trek, Avaruusseikkailu 2001 ja Terminator sisältävät myös oivia esimerkkejä tekoälyjärjestelmistä. Nämä esimerkinomaiset tekoälyt ovat kaikki hyvin kehittyneitä eikä kaikilla ole aina puhtaat jauhot pussissa.
Nykyinen todellisuus on usein jotain ihan muuta kuin populaarikulttuurin kuvailemat tekoälyt, emmekä toistaiseksi ole kyenneet tekemään mielikuvituksen tuotoksia vastaavia tekoälyjärjestelmiä. Kuten teknologian kohdalla yleensä havaitaan, nyt tavalliselta vaikuttava tekoäly olisi tuntunut taikuudelta sata vuotta sitten. Toisaalta vanha tekoälyjärjestelmä nähdään nykyään lähinnä kasana alkeellisia algoritmeja, joiden yhteydessä on kornia puhua älykkyydestä. Yleisesti voidaan kuitenkin ajatella, että kun kone saadaan tekemään älykkäitä asioita, se kelpaa tekoälyksi ja täyttää määritelmän.
Äly ja älykkyys onkin hieman haastavampi osuus määriteltäväksi. Arkikielessä älyksi käsitetään yleensä menestyminen älykkyysosamäärää mittaavissa testeissä, joissa korostuvat matemaattisuus ja looginen päättelykyky. Ne muodostavat kuitenkin kapean osuuden älykkyydestä. Älykkyyden käsitettä on laajennettava kattamaan ainakin myös aistit, liike ja motoriikka. Esimerkiksi kun orava hyppää oksalta toiselle, vaaditaan liikkeen suorittamiseen älykkyyttä: hypyn pituus, tuulen voimakkuus, oksan taipuisuus ja hypyn oikea-aikaisuus on otettava huomioon. Kaikki nämä vaativat sopeutumista vallitseviin olosuhteisiin ja vuorovaikutusta ympäristön kanssa. Kaikki nämä toiminnot ovat vaatineet myös ajan myötä karttunutta kokemusta siitä, kuinka samankaltaisissa olosuhteissa on tullut toimia. Tekoälyn kohdalla voidaan puhua oppimiskyvystä. Mikä on siis oppimisen suhde älykkyyteen? Isaac Newton sanoi seisseensä jättiläisen olkapäillä. Hänellä oli siis ammennettavinaan kaikki aikaisempi oppi, jonka päälle rakentaa uutta tietoa. Ihmisen tapauksessa opin siirtämiseen kuluu valitettavan paljon aikaa – tälläkin hetkellä yliopistokoulutuksen hankkiminen vaatii noin 17 vuoden opiskelun – ja se takaa asiantuntijuuden vasta yhdellä alalla. Koneiden tapauksessa oppi on siirrettävissä, joten opiskelu ei välttämättä ole enää pitkäjänteistä tekemistä vaan yksittäinen tapahtuma.
Verrattaessa konetta oravaan tekoälystä puuttuu kuitenkin vielä yksi pala. Oravalla on jokin syy hypätä oksalta toiselle, esimerkiksi ruuan perässä, joten älykkyyteen tulee lisätä myös tarkoituksenmukaisuuden aspekti. Toistaiseksi kaikki tekoälysovellukset ovat olleet työkaluja, joiden tarkoitus on ollut hyvin suppea ja ennaltamääritetty, esimerkiksi luokitella terveitä ja sairaita soluja. Toisaalta, ihmisaivoissakin on omia osiaan tiettyjä toimintoja varten. Pikkuaivot käsittelevät liikkeitä ja tasapainoa, ohimolohkot käsittelevät ääniä, puhetta ja näköä. Ihmisaivoissa älykkyys muodostuu osioista, jotka yhdessä muodostavat toiminnallisen kokonaisuuden. Tekoälyä käsittelevässä kirjallisuudessa viitataan yleiseen tekoälyyn, joka kykenee jäljittelemään ihmisaivojen kykyjä täysimääräisesti, mutta ei ole olemassa selkeää konsensusta siitä, onko tällainen tekoäly suljettu yksittäinen systeemi vai kokoelma erillisiä systeemejä, jotka toimivat saumattomasti yhdessä.
Aiheellinen pohdinta liittyy myös älykkyyden ilmenemiseen. Tarkoituksenmukaisuuden lisäksi on syytä miettiä, vaatiiko älykkyyden olemassaolo vuorovaikutusta ulkoisten toimijoiden kanssa vai voiko älykkyyttä olla ilman vuorovaikutusta. Suurenmoinen tekoäly voi olla hyvin älykäs itsessään ja kyetä ratkaisemaan erilaisia ja toinen toistaan vaikeampia ongelmia. Onko älyä kuitenkaan olemassa, jos sen kanssa ei voi olla vuorovaikutuksessa?
Miksi ihmistä voi edelleen pitää tekoälyä älykkäämpänä, jos tekoäly kykenee ratkaisemaan monia ongelmia jo moninkertaisella tehokkuudella verrattuna ihmiseen? Vastaus löytyy avoimista ja suljetuista ongelmista eli rajausongelmasta, josta tekoälyn kohdalla puhutaan englanniksi termillä ’frame problem’ (esim. Dennett 1984). Ihminen kykenee tarkastelemaan avoimia ongelmia ja muuttamaan niitä suljetuiksi ongelmiksi ja aliongelmiksi, esimerkiksi osittamalla tai tekemällä oletuksia puuttuvista muuttujista. Olemme siis hyviä tulkitsemaan avoimia ongelmia, arvioimaan mahdollisia tulevaisuusskenaarioita ja valitsemaan tavoitellun ja tarkoituksenmukaisen lopputuloksen, jonka saavuttamiseen vaaditaan sarja suljettuja ongelmia. Tekoälyjärjestelmille tällainen toiminta on hyvin haastavaa. Joissain sovelluksissa avoimia ongelmia on kuitenkin saatu pilkottua sarjoiksi suljettuja ongelmia.
Tällä hetkellä markkinoilla olevat tekoälyjärjestelmät pystyvät ratkaisemaan ongelmia ihmisen intuitiota muistuttavalla tavalla. Järjestelmät kykenevät vastaamaan suhteellisen nopeasti kysymyksiin: ”Onko tässä kuvassa mehiläinen?”, ”Onko tässä kuvassa merkkejä syövästä”, ”Mitä äsken puhuttu lause on tekstinä” tai ”Mikä video minun tulisi katsoa seuraavaksi?”. Yksi tekoäly ei kuitenkaan voi vastata näihin kaikkiin kysymyksiin, eivätkä ne osaa vastata avoimiin kysymyksiin, kuten: ”Mitä tulisi tutkia, jotta tämä ihminen saataisiin terveeksi?”, ”Mitä äsken puhuttu lause tarkoittaa?” tai ”Kannattaisiko minun valita pyörä, bussi vai taksi, jos haluan nyt siirtyä toimistolle?”. Kirjaa varten haastateltu tekoälytutkija-yrittäjä Harri Valpola kuvaa näiden kahden tason eroa Daniel Kahnemanin (Kahneman 2012) esittelemillä systeemi 1:llä ja systeemi 2:lla. Ihmisaivoissa systeemi 1 vastaa intuitiivista ja nopeaa vastetta kohdattuihin ongelmiin ja systeemi 2 tietoiseen päättelyn ja logiikan käyttämiseen poimuttuneiden ongelmien ratkaisemisessa. Valpolan mukaan suurinosa tämän hetkisistä tekoälyistä edustaa systeemin 1 ”älykkyyttä” ja esittää hypoteesin, että systeemin 2 saattaminen toimivaksi on tekoälyn puuttuva palanen ja kehityksen pullonkaula. Klassisen tekoälyn tutkimus voidaan käsittää systeemiin 2 liittyvänä tekoälyn kehitysurana, mutta se on jäänyt sivuosaan tekoälyn valtavirrassa. Lisäksi monessa tapauksessa klassista tekoälyä ei enää pidetä oikeana tekoälynä.
Tällä hetkellä kehittynein systeemin 2 tyyppinen tekoälyjärjestelmä, joka kykenee muuttamaan avoimia ongelmia sarjaksi suljettuja ongelmia, on mitä luultavimmin itseajavissa autoissa. Itsestään ajavat autot kykenevät ratkaisemaan matalan tason avoimen ongelman: kuinka siirtyä paikasta A paikkaan B. Tämänhetkiset itsestään ajavat autot sisältävät monia tekoälyjärjestelmiä, jotka on koulutettu ratkaisemaan suljettuja ongelmia, kuten liikennevaloissa toimimista, tasaista ajamista ja oikealla kaistalla pysymistä. Nämä järjestelmät kommunikoivat keskenään ja toiminnallinen mandaatti siirtyy tilanteen mukaan tekoälyjärjestelmältä toiselle. Olemme vielä jonkin matkan päässä tekoälystä, joka hallitsisi kaikki nämä osa-alueet. Emme myöskään tiedä, jos se edes on mielekäs päämäärä – aika näyttää.
Dennett, Daniel C. 1984. “Cognitive Wheels: The Frame Problem of AI.” In Minds, Machines and Evolution, 1984:129–50. Cambridge University Press.
Honkela, Timo. 2017. Rauhankone. Gaudeamus.
Kahneman, Daniel. 2012. Thinking, Fast and Slow. London: Penguin Books.
Hei! Jäitkö kaipaamaan tarkempaa teknologian käsittelyä, esimerkkejä ja yhteiskunnallisten vaikutusten arviointia? Ei hätää! Julkaisemme vuoden 2021 aikana teknologiakirjan, jossa käsittelemme näitä teemoja tekoälyn ja monen muun aiheen osalta. Liity sähköpostilistalle, niin saat tiedon uusista näytteistä, ennakkotilauksesta ja julkaisusta ensimmäisten joukossa.
[mc4wp_form id=”951″]