Tekoälyhuumasta kohti konkretiaa

Harva on voinut viime vuosien tekoälyhehkutuksessa välttyä kuulemasta tekoälyn suomista mahdollisuuksista ja sen luomista uhkakuvista. Vallitseva diskurssi ei kuitenkaan ole ongelmaton, ja maltillisempi suhtautuminen voisi palauttaa fokuksen olennaiseen ja nopeuttaa tekoälyratkaisujen entistä laajamittaisempaa omaksumista.

Evoluutio on suuressa viisaudessaan kehittänyt ihmisaivoihin päätöksentekoa ja ajattelua nopeuttavia oikopolkuja, jotka voivat näyttäytyä ulospäin irrationaalisena käytöksenä. Eräs näistä kognitiivisista harhoista on nk. bandwagon-efekti, joka tarkoittaa yksilöiden taipumusta käyttäytyä tai ajatella tietyllä tavalla vain siksi, että kaikki muutkin tekevät niin. Bandwagon-efekti selittää osaltaan miksi ja miten hypet syntyvät, ja viime vuosina moni tuntuu hypänneen tekoälyn bandwagoniin.

Tekoälykäsitteelle on aikojen saatossa annettu lukuisia määritelmiä, mutta on myös sanottu, että se ei oikeastaan tarkoita yhtään mitään, ja samalla se tarkoittaa omassa viitekehyksessään likipitäen kaikkea mahdollista. Useimpia meidän aikamme AI-ratkaisuja kuvaisikin paremmin toinen muotitermi, koneoppiminen, joka eroaa vanhan mutta sangen totuudenmukaisen kaskun mukaan tekoälystä ennen kaikkea siten, että edellistä tehdään Pythonilla ja jälkimmäistä PowerPointilla. Moni voi myös olla siinä käsityksessä, että tekoäly olisi täysin uusi asia ja tuore teknologinen läpimurto, mutta esimerkiksi monet keskeiset algoritmit keksittiin jo vuosikymmeniä sitten. Siksi nykyisessä AI-hypessä on jossain määrin kyse vanhojen menetelmien onnistuneesta uudelleenbrändäyksestä.

Itse asiassa meillä on takanamme jo useampia mm. inflatoristen odotusten ja niitä seuranneiden pettymysten aiheuttamia AI-talvia, joista ensimmäinen alkoi jo 60-luvulla. Hauska ja kuvaava yksityiskohta on Gartnerin hypekäyrä vuodelta 1995, jonka mukaan esimerkiksi puheentunnistus oli jo tuolloin lähes kypsää, laajalti omaksuttua valtavirtateknologiaa, mitä se ei todellisuudessa ole vielä tänäkään päivänä.

Hypetys johtaa epärealistisiin odotuksiin, väärinkäsityksiin ja tekoälyn mystifiointiin

Yksi nykyisen (ja luultavasti myös aiempien) AI-hypen ongelmista on se, että tekoälyn realistiset, vähemmän seksikkäät sovellutukset ja mahdollisuudet jäävät keskustelussa ja uutisoinnissa lapsipuolen asemaan. Maallikolle tekoäly ilmenee liian usein AI-singulariteetista seuraavina dystopioina, joissa Skynet tai sen kaukainen sukulainen riistäytyy ihmisen hallinnasta ja pyyhkii sivilisaatiomme pois maailmankaikkeudesta. Maltillisemmissakin tulevaisuuden skenaarioissa esiintyy erehdyttävästi ihmisen kaltainen, todennäköisesti vähemmistöjä syrjivä tekoäly, joka läpäisee Turingin testin tuosta vaan, ja jonka seurauksena meistä kaikista tulee työttömiä. Tekoälyn viime vuosien saavutukset ja edistysaskeleet ovat kiistämättä vaikuttavia, mutta usein tuntuu unohtuvan, että tekoälyratkaisut suoriutuvat toistaiseksi vain erittäin tarkasti rajatuista tehtävistä, ja ovat vielä kaukana yleisestä, vahvasta tekoälystä.

Vaikka tekoälyn etiikkaa ja tekoälyn implikaatioita pitkällä ja keskipitkällä aikajänteellä ei tietenkään tule sivuuttaa, olisi huomattavasti hedelmällisempää auttaa suuria massoja ymmärtämään mihin tekoäly perustuu ja miten sitä jo nykyisellään sovelletaan. Kaikki eivät tarvitse syvällistä lineaarialgebran tai todennäköisyysmatematiikan ymmärrystä, mutta jo yksinomaan oivallus siitä, että tekoälyn kova ydin on mustan magian sijasta vain matematiikkaa, auttaisi hälventämään tekoälyn ympärillä leijuvaa salaperäisyyden sumuverhoa. Tekoälyn mystifiointi saattaa myös karkottaa potentiaalisia opiskelijoita muille aloille.

Työelämässä tilanne on valoisampi, ja monissa yrityksissä on jo automatisoitu rutiininomaisia tehtäviä ja alettu hyödyntämään koneoppimismalleja datamassojen analysointiin ja päätöksenteon tukemiseen. Toisaalta joissakin yrityksissä ollaan siinä määrin AI-huuman sokaisemia, ettei olla välttämättä sisäistetty tekoälyn riippuvuutta laadukkaasta datasta, ja että garbage in, garbage out -periaate pätee myös tässä kontekstissa. Pullataikinan lailla paisuneet tekoälyyn kohdistuvat epärealistiset odotukset ja väärinkäsitykset hidastavat saavutettavissa olevien hyötyjen ulosmittausta ja vaikeuttavat koneoppimisratkaisujen toimittajien ja asiakasyritysten välistä vuoropuhelua. 

Tuleeko vielä uusi AI-talvi?

Kuten aiemmat tekoälybuumit, myös nyt käynnissä oleva hype tulee laantumaan. Aiempiin AI-talviin vaikutti suuresti se, että laskentatehoa ei ollut vielä saatavilla riittävästi tai se oli liian kallista. Laskentatehon kannalta tilanne on sittemmin kohentunut merkittävästi, ja mm. siksi seuraava AI-talvi tullee olemaan leudompi kuin moni aiemmista eikä esimerkiksi tutkimusrahoitus romahtane yhtä dramaattisesti.  

Ylihypetyksen myönteisiin vaikutuksiin lukeutuu se, että löytyy tuskin ketään, joka ei olisi kuullut tekoälystä. Kun kohina aihepiirin ympärillä vaimenee ja tekoäly arkipäiväistyy entisestään, olemme paljon valmiimpia siirtymään suuremmassa mittakaavassa taivaanrannan maalailusta konkretiaan ja löytämään realistiset käyttötapaukset, joissa tekoäly kannattaa valjastaa lisäämään työn tehokkuutta ja tuottavuutta. Asimovin lakeja ei vielä tuolloinkaan liene välttämätöntä ohjelmoida ihan jokaiseen koneeseen.