Tekoäly tulee ja tappaa

Tekoäly sitä, tekoäly tätä ja tekoäly tuota. ”Tekoäly” on median muodikkain sana tällä hetkellä – tuntuu jopa siltä, että se on sanan ”tietokone” synonyymi, eli kaikki algoritmillinen nimitetään tai käsitetään tekoälyksi. Valtava mediarummutus vaikuttaa siltä kuin olisi keksitty jotain uutta, ihmeellistä ja pelottavaa vaikka kyse on luonnollisesta osaamisen evoluutiosta.

Tekoäly vie työpaikat! Eikö ihmiskunta ole kahdessasadassa vuodessa oppinut yhtään mitään? Kun höyrykoneet tulivat tehtaisiin, oli paniikki valtaisa – ne puhisevat paholaiset tulevat ja vievät ihmiskunnan massatyöttömyyteen. Sama ruikutus jatkuu yhä, kaikki kehitys ja tehostaminen uhkaa työpaikkoja. Kuten historiassa aina ennenkin: näin ei tule tapahtumaan. Kummallinen ajatus, että maailmassa olisi olemassa rajallinen määrä tekemätöntä työtä ja jos osa siitä koneellistetaan niin sitten sitä on vähemmän jaettavana työpaikoiksi. Se taas on selvää, että vanhat työntekemisen muodot korvautuvat uusilla.

Lähes kaikki sovellukset, joita esitellään tekoälynä ovat kaukana oikeasti älykkäistä. Kun laskentatehot kasvavat, datan tallentaminen halpenee ja siirtonopeudet kasvavat, voidaan monilla perinteisillä ja uudemmilla laskentamenetelmillä saada aikaan asioita, jotka alkavat näyttää älykkäiltä. Esimerkiksi neuroverkkolaskenta on tehostunut niin paljon, että se tuo ihmisten hämmästeltäväksi epälineaarisen korrelaation käytännön sovelluksia kuten musiikkikappaleiden tunnistuksen ja tiedejulkaisujen automaattisen luokittelun. Älykkäästi tehtyjä sovelluksia, joissa on melko vähän älyä, mutta paljon laskentaa.

Termi ”äly” edellyttää paljon muutakin kuin ripeätä laskentaa isoilla datamassoilla. Neuroverkot ovat toki yksi oivallinen menetelmä luoda järjestystä dataan eli tuottaa datasta informaatiota korreloimalla multidimensionaalisia piirrevektoreita. Sumea logiikka on oivallinen komppaaja, koska sen avulla saadaan tietokoneiden käsitteistö lähemmäs ihmisen ajattelua – sen avulla kone esimerkiksi ymmärtää mitä eroa on käsitteillä nuori, nuorehko, keski-ikäinen ja vanha. Bayes -verkkojen avulla voidaan mallintaa ketjuuntuvia todennäköisyyksiä. Niiden lähtökohtana on ollut luotettavuustekniikan laskenta, mutta ne sopivat hyvin myös älykkyyttä jäljitteleviin sovelluksiin. Luovuus ja satunnaisuus on oleellinen osa älykkyyttä. Geneettisillä algoritmeilla voidaan matemaattisesti emuloida kromosomien mutaatioita – joihin koko ihmiskunnan evoluutio perustuu. Dynaamiseen optimointiin perustuvalla aikakoordinaatin epälineaarisella skaalaamisella saadaan iPhonen Siri ymmärtämään puheen vaihtelut esim. mielialasta johtuen. Kasvanut laskentakapasiteetti mahdollistaa yhä tiheämmissä rastereissa tehtävät Monte Carlo simulaatiot epätarkkojen lähtötietojen ongelmille – sillä mm. mallinnetaan sääkarttoja. Datamallintamisen työkalujen lisäksi tarvitaan korkeamman abstraktiotason objektimallinnusta, tietämyskantaa ja päättelykonetta… ja vasta sitten aletaan edes raaputtamaan oikeasti älykkäiden sovellusten pintaa.

Tekoälyn sijaan oikeampi termi nykytasolla olisi kaiketi ”älykkäältä vaikuttavat” järjestelmät. Alan Turing, joka 40-luvulla kräkkäsi natsien Enigma-salaimen, loi 50-luvulla testin, jonka läpäisevä tekoäly onnistuu ainakin vaikuttamaan ajattelevalta. Wikipedian mukaan Turingin testin ”ajatuksena on, että tietokone on älykäs, jos sen vastauksia ei pysty erottamaan ihmisen vastauksista, eli tarkkailija ei osaa sanoa, onko keskustelukumppani ihminen vai kone”.