Vuoden 2018 ehdoton hypesana on ollut AI – tekoäly, johon myös käsitteillä keinoäly, koneoppiminen tai deep learning (syväoppiminen) viitataan. Monenlaista hypetystä on vuosien varrella tullut nähtyä, mutta jotain tekoälyssä on, joka saa siitä kiinnostumaan. Päätin siis tutustua siihen, millaista olisi yhteiselämä tekoälyn kanssa Aloitin tutkimusmatkani osallistumalla Sytykkeen huippuseminaariin – Tekoäly työyhteisössä, jonka esitysten pohjalta sain hyvän peruskäsityksen, mitä tekoäly on.
Kuten häitä edeltäessä mietin, miten toinen rinkula vasemmassa nimettömässä muuttaa omaa elämää, niin samaa tulee pohdittua suhteessa tekoälyyn. Löytyisikö myös tekoälyyn vihkiytymisessä perinteiset onnellisen yhteiselon varmistavat ainekset: jotain lainattua, jotain vanhaa, jotain uutta ja ripaus sinistä.
Jotain lainattua
Mikä tekoälyssä on lainattua? Voisin lähteä siitä näkökulmasta, että miksi tekoäly on nyt noussut takavasemmalta etukentän pelaajaksi. Vertaan tätä sähkön tuloon. Ensimmäiset 50-100 vuotta sähkön käyttö oli vielä hapuilevaa ja vain harvat omistivat ensimmäistäkään sähkötoimista laitetta, mutta nykypäivän ihmiset ovat käytännössä tulleet siitä riippuvaisiksi..
Olemmeko tietotekniikassa samassa vaiheessa? Ensimmäisistä tietokoneista on kulunut reilusti yli 50 vuotta ja kappas mihin kehitys on johtanut. Tässä ajassa tietotekniikasta on tullut arkipäivää – digitalisaatio on vallannut kaikki toiminnot. Tietotekniset ratkaisut ja tekoäly korvaavat ihmisen työssä kuten sähköiset koneet aikanaan korvasivat fyysisen ihmistyön. Rutiinitehtäviä teetetään roboteilla ja tekoäly hoitaa aikaa ja resursseja vaativat laskennat tai analyysit puolestamme.
Lainattua on myös se, että tekoälyllä toimivat robotit rakennetaan muistuttamaan ihmistä ja toimimaan kuten inhimilliset olennot. Tekoälyn ”aivoihin” pyritään rakentamaan ihmisaivojen kaltaisia keinotekoisia hermoja – neuroverkkoja. Mallit ja termistö ovat neuropsykologiasta lainattuja. Viime kuussa eräs alan guruista Tarry Singh kävi Suomessa TDWI:n seminaarissa puhumassa ja todellakin kurssin sisäistämistä olisi auttanut neurotieteiden tuntemus. Neuroverkkoteknologiaa hyödynnetään vahvasti lääketieteen tekoälysovelluksissa. Eräs kurssin esimerkeistä oli kiinalaisesta itsepalvelusta, jossa voi käydä kuvauttamassa onko silmissä glaukoomaa.
Jotain vanhaa
ICT-alalla eivät koskaan ole uudet termit loppuneet. Niihin alkaa jo turtuakin, kun kuitenkin aina kysymys on tiedosta ja siitä, miten sitä käsitellään. Tekoälykin tarvitsee syötteeksi tietoa, koska koko homman perusidea on valjastaa laajat, eri lähteistä kerätyt tietomäärät laskennan avuksi. Tulosten oikeellisuuden saavuttamiseksi on tärkeää varmistaa, että lähtötietoina annetut tiedot ovat oikein. Mikäli näin ei tapahdu, niin tuttu BI-maailmasta opittu totuus crap in – crap out tulee toteutumaan ja entistä laajemmassa mittakaavassa, koska tekoälyllä voidaan tehdä asiat huomattavasti nopeammin ja isommalle datajoukolle kuin perinteisessä analytiikassa. Uusin kuulemani termi siivoustyölle on “ fixing the pipes” joka kuvaa hyvin sitä, että on varmistettava myös kaikkien dataa tuovien integraatioiden toimivuus. Ehkä tulevaisuudessa on uusia ammatteja datasiivooja ja -putkimies.
Datan käsittelyssä tekoäly käyttää algoritmeja. Pitänee kaivaa esiin lukion matikan kirjat, jotta algoritmien taustalla olevat matemaattiset mallit avautuvat, ja todennäköisyyslaskenta sekä tilastolliset menetelmät palautuvat mieleen. Pelkkä kaavojen ulkoa osaaminen ei riitä, vaan pitää ymmärtää oikea prosessi ja asiayhteys, johon laskentaa tehdään. Tässä ei sinänsä ole mitään uutta: prosesseja on kautta tietotekniikan historian muunnettu tietokoneiden ymmärtämään muotoon.
Tekoälyksi voisi kutsua sellaista koneella tehtävää laskentaa, jossa olemassa olevia laajoja tietokantoja, tehokkaita algoritmeja, koneoppimista ja neuroverkkoja uudella tavalla yhdistelemällä saadaan aikaan ilmiö, jonka ihminen voi assosioida koneen ”älykkyydeksi”. Tästä voidaankin jo siirtyä siihen, mikä kaikki tekoälyssä on uutta perinteiseen tietotekniikkaan verrattuna.
Jotain uutta
Tekoälyn yhteydessä, tulee taas opittavaksi vino pino uusia termejä. Ehkä yksi tärkeimmistä on ymmärtää, mikä ero on heikolla (kapea) ja vahvalla tekoälyllä (yleistekoäly). Tämän hetkiset tekoälyratkaisut kuuluvat vielä kategoriaan ”heikko”: niissä ihminen opettaa konetta suorittamaan tiettyä rajattua tehtävää. Kun kone alkaa opettaa konetta, voi syntyä jotain sellaista vahvaksi tekoälyksi luokiteltavaa, jota ihminen ei enää ymmärrä. Esimerkkinä tästä on käytetty tilannetta, jossa Facebookissa laitettiin kaksi chatbottia keskustelemaan keskenään. Viikon kuluttua nämä olivat oppineet toistensa viesteistä niin paljon, että olivat kehittäneet kielen, jota ihminen ei voinut enää ymmärtää eikä hyödyntää chatbot-käytössä. Jos koneet alkavat tehdä koneita, niin alkavatko nämä kehittyä niin, ettei ihmiselle ole enää tarvetta? Muistan 1980-luvulta tieteisromaanin Yhdeksäs Aste (Walter Tevis), jossa kuvattiin tällaista dystopiaa. Vastaavat synkät tulevaisuudenkuvat ovat synnyttäneet tekoälyä kohtaan pelkoa ja ennakkoluuloja. Osa niistä saattaa olla aiheellisia, koska ei tunneta vielä, miten kone käyttäytyy ilman ihmistä. Vielä kuitenkaan ei ole tällaisten kauhuskenaarioiden aika. Joten pääasiassa tekoälyn kehittäminen tuo mukanaan positiivisia vaikutuksia.
Arkielämässä tekoäly alkaa näkyä entistä enemmän. Älypuhelimet keräävät meistä koko ajan tietoa, jota ne sitten hyödyntävät. Hieman pelottavaa on huomata, että kun keskustelee jostain asiasta, hetken päästä FB alkaa lähettää siihen liittyviä mainoksia. Tästä viimeisin konkreettinen esimerkki oli, kun keskusteltiin Söderskärin majakasta ja seuraavana päivänä sain mainoksia, joissa esiteltiin retkiä sinne.
Kodinkoneissa tekoäly on tehnyt tuloaan jo pitkään. Ensin saatiin aikaan sumealla logiikalla toimivia koneita, ja nyt on markkinoilla jo huomattavasti älykkäämpiä laitteita. Töissä kollega kertoi ostaneensa pesukoneen, joka osaa arvioida vedenkäytön vaatteiden likaisuuden mukaan. Pesukone onkin kone, jonka saattaisin ostaa älyllä varustettuna, mutta jääkaappi tai pakastin on sellainen, jonka toiminnan pitää olla mekaaninen ja ihmisen ohjaama. Mitä tapahtuisi, jos tekoäly saisi impulssin sulattaa pakastimen. Vielä kiintoisampi skenaario olisi se, että jääkaapin ovessa olisi anturi, joka arvioi omistajansa painon ja tämän pikku laskutoimituksen tehtyään aukaisee vain riittäväksi ravintolähteeksi arvioimansa vihanneshyllyn. Jääkaappihan tietysti tekisi itsenäisesti IoT:ta hyödyntäen täydennystilaukset, jotka sitten automaattinen kuljetusajoneuvo toimittaisi ovelle. Ihmiselle jäisi tavaroiden lisääminen kaappiin.
Tekoälystä on suuri apu, kun tehdään tekstin, puheen, kuvan ja videokuvan tunnistusta. Yksi tähän liittyvä hanke on Professori Timo Honkelan tavoite kehittää tekoälyn avulla rauhankonetta. Ihmisten väliset jännitteet syntyvät monesti siitä, että kieli- ja kulttuurierojen vuoksi toisen toiminnan tai tarkoitusperien ymmärtäminen ei aina mene niin kuin Strömsössä. Lääkkeeksi tähän voisi olla yhteinen kieli. Tekoälyä hyödynnetään myös entistä enemmän mm. chatboteissa ja simultaanitulkkauspalveluissa. Tässä käytetään apuna luonnollisen kielen tunnistamista NLP.tä ( natural language prosessing). Pääsin itsekin eräässä seminaarissa koekaniiniksi tällaisen Babel fish – koneen tulkkauskokeeseen. Tehtävänä oli esittäytyä japaniksi: ”Watashi wa Minna desu”. Kone käänsi tämän: ” Minä olen kaikki”. Koko sali tietenkin hörähti nauramaan. Todellisuudessa kone teki oikean käännöksen, sillä japanin kielen sana ”minna” on suomeksi ”kaikki”. Kielentunnistuksessa suomen kieli on kieliopillisesti vaikeaa ja kun kieltä käyttää vain pieni väestöjoukko, niin tekoälyn kehittäminen tullee jäämään suomalaisten palvelujen chatbottien kehitykseen.
Kuvan ja videon tunnistamiseen tekoäly tuo tarvittavaa laskenta- ja muistikapasiteettia. Kuvitteellinen esimerkki voisi olla muistisairaan vanhuksen seuranta kauppakäynnillä. Ensin koneeseen syötetään hänen kasvonsa, jotta kone voi tunnistaa ne eri valvontakameroiden kuvista ja videoista. Kun tähän yhdistetään GPS- tai vastaava paikannustieto, saadaan selville hänen kulkemansa reitti. Kun koneelle sitten opetetaan hänen normaali reittinsä, niin mahdolliset poikkeamat reitiltä voivat aiheuttaa hälytyksen, joihin päästään reagoimaan.
Äskeisen esimerkin osalta pitää kuitenkin olla varovainen, ettei toimita vastoin henkilön oikeuksia. Tekoäly tuo mukanaan entistä suurempaa eettistä vastuuta. On hienoa, että Suomessa tämä on tunnistettu asia. Osana TEM:n #tekoälyaika- hanketta on haaste, jossa yritykset voivat tulla mukaan keskustelemaan tekoälyn eettisistä kysymyksistä. Hanke avattiin lokakuussa OP:llä Vallilassa elinkeinoministerin puheenvuorolla. Mukaan hankkeeseen on ilmoittautunut jo kaikenkokoisia yrityksiä ja myös Sytyke on tässä haasteessa mukana Oheisen linkin takaa löytyy tästä lisätietoja: https://www.tekoalyaika.fi/mista-on-kyse/etiikka/
Ripaus sinistä
Ensimmäisenä tulee mieleen IBM:n Deep Blue – superkone, joka 90-luvulla voitti Kasparovin shakissa. Tämä on yksi esimerkki siitä, miten on mitattu koneen ja ihmisen välistä älykkyyttä ja myös sitä, milloin koneen ”äly” voittaa ihmisen. Peleissä mitataan reaktionopeuden tai monimutkaisten asioiden muistamisen ohella älyä tai paremminkin tietoisuutta ja joustavuutta. Ihminen osaa mukautua tilanteeseen, kun taas kone toimii sille opetetun toimintamallin mukaan. Luin tällä viikolla K&K – lehdestä Kognitiotutkija Michael Laajasuon artikkelin aiheeseen liittyen ja hänen näkemyksensä tietoisuuden saavuttamiseen kulkisi mystisyyden kautta. Kun jokin asia aidosti tuntuu joltain, voisi myös kone löytää tietoisuuden. Vaikkei kone saavuttaisi tietoisuuden tasoa koskaan, voisi se silti oppia toimimaan siten, että asettaa tavoitteeksi itselleen optimoidun ympäristön ja pyrkii siihen suunnitelmallisesti. Joidenkin teorioiden mukaan tietoisuuteen eli yleistekoälyyn se voisi päästä, jos koneelle skannattaisiin pakastettujen ihmisaivojen viipaleita. Tällainen yleistekoäly voisi olla esimerkiksi sodankäynnissä melkoinen uhkatekijä, kun sen strategioiden kehitysnopeus on paljon edistyksellisempää kuin ihmisten. Jää nähtäväksi, haluaako kukaan hankkia digitaalisen hermoverkon sisältävää konetta, joka ainakin teoriassa saattaa karata omistajiensa käsistä
Onneksi vielä ei olla tässä kehitysvaiheessa ja edelleen luodaan tekoälyä, joka tekee ihmisen puolesta yksinkertaista määriteltyä työtehtävää. Ohjelmistorobotiikkaan (RPA) liittyy omakohtainen sininen kokemus. Pääsin mukaan projektiin, jossa kehitettiin ohjelmistorobotti Blue Prismillä. Pettymyksekseni lopputulos ei ole sellainen söpö nappisilmä, jollaiseen voi käydä tutustumassa mm. Kalasataman uudella terveysasemalla – kunhan ensin löytää sinne tiensä naapurikauppakeskuksen läpi. Ohjelmistorobotilla haluttiin korvata rutiininomainen ihmistyö, josta ei saada lisäarvoa. Ohjelmistorobotti itsessään ei ole älykäs, vaan äly siihen syntyy tulevan toimintaympäristön ja liiketoimintaprosessien ymmärtämisestä, jonka ihminen mallintaa siihen. Blue Prismillä koodaaminen näytti vuokaavioiden ja koodinpätkien rakentamiselta. Käytännössä tuli koettua myös se, ettei robotti osaa mukautua. Kun toimintaympäristö muuttui, robotti lakkasi toimimasta.
Sinisestä tulee myös mieleen sininen hetki ennen aamun sarastusta tai illan pimenemistä. Aika siis näyttää tuleeko yhteiselosta tekoälyn kanssa kaunis päivämatka vai muuttuvatko pahimmat dystopiat todeksi ja ihmiskunnan historia kääntyy kohti iltaa. Voin myös jäädä miettimään, että millainenkohan olisi ollut tekoälyn kirjoittama artikkeli minusta.
Minna Oksanen on tiedon hallinnan asiantuntija Talent Basessa sekä Sytykeen että Tivian hallituksen jäsen.