Tulevaisuuden ennustaminen on varma keino näyttää tyhmältä, mutta yritänpä silti. AI:n kehitys on nyt kaikkien huulilla ja uusia isoja sovelluksia tulee melkein viikottain. Aina ne eivät toki onnistu, kuten Googlen Bard-demo osoitti, ja Bing-tekoälyn persoonallisuus on – sanotaanko hieman erilainen kuin monilla muilla tekstigeneraattoreilla.
Teksti- ja kuvageneraattorien (ChatGPT, Stable Diffusion, DALL-E, Bing AI) esiinmarssi on kuitenkin nostanut oman ammatillisen osaamisen pohdinnan monilla nextille levelille. Ollaanko nyt piirretyn kohdassa, jossa kojootti on juossut kallionkielekkeeltä tyhjyyteen mutta ei ole vielä tajunnut sitä?
Osittain varmasti ollaan, mutta asia on monisyinen. Aika moni on nähnyt konsulttiraportteja siitä, mitkä ammatit ovat jatkossa tarpeen ja mitkä tullaan automatisoimaan. Esimerkki kuljetusalalta osoittaa, että trendejä on hankala ekstrapoloida. Itseään ajavat autot ovat olleet tuloillaan pitkän aikaa, mutta tielle ilmestyy aina uusia esteitä (heh). Helsingin metro kulkee ennalta määrättyä reittiä, raiteilla on liikenteenohjaus ja liikenne on aikataulutettua. Automatisointi meni kuitenkin liian hankalaksi, vaikka yritetty on.
Mitenköhän käy tavallisten autojen, jotka kulkevat vaihtelevia reittejä hyvin erilaisissa olosuhteissa, muuta liikennettä voi olla ihan miten sattuu ja ympäristö ei ole millään tavalla kontrolloitu? Tilannetta pahentaa se, ettei koneelle sallita virheitä läheskään yhtä paljon kuin ihmiselle.
Milloin tekoäly korvaa ihmiset?
Mutta takaisin asiaan: mihin meitä ihmisiä kohta enää tarvitaan? Yksi tapa tarkastella asiaa on miettiä, missä vaiheessa meitä ei tarvita enää mihinkään, eli milloin AI:n kyvyt ovat ihmisen tasolla. Puhutaan yleisestä tekoälystä (AGI, artificial general intelligence), joka kykenee ihmisen tapaan selviytymään hyvin erilaisista tehtävistä.
Ero AGI:n ja nykyisten AI-mallien välillä on kuin hyönteisten ja ihmisten välillä. Hyönteisillä on aivan uskomattomia kykyjä kapeilla alueilla, mutta ne eivät kykene abstraktiin ajatteluun useilla eri sektoreilla (mikä ei toki tarkoita, etteivätkö hyönteiset olisi itsessään aivan uskomattoman monipuolisia, katso vaikka futista pelaavia kimalaisia).
Asiantuntijoiden arviot siitä, milloin AGI saavutetaan, ovat hyvin vaihtelevia. Seuraan aihepiiriä tarkkaan ja sanoisin useimpien arvioiden olevan noin 20–30 vuotta. Eli noin 20–30 vuoden päästä kaikki mihin ihminen kykenee on koneiden hoidettavissa.
Onko tekoäly uhka ihmiskunnan olemassaololle?
Onko peli sitten menetetty? Ehkä, ehkä ei. AI safety ja AI alignment ovat molemmat termejä suurin piirtein samalle asialle, eli miten AI-järjestelmien turvallisuus voidaan varmistaa. Kymmenen vuotta sitten AI alignment oli marginaaliporukan puuhastelua, kun taas nykyään jokaisella teknologiajätillä on palkkalistoilla runsaasti alueen asiantuntijoita.
Mikään fysiikan laeissa ei kuitenkaan takaa sitä, etteikö voisi käydä myös todella huonosti. Samaan tapaan kuin ydinaseiden kanssa, on ihan ihmisistä ja meidän keskinäisestä koordinaatiostamme kiinni, kuinka teknologiaa kehitetään ja sovelletaan.
(Sivuhuomio: Ihmiskunnan olemassaoloa uhkaavia riskejä on arvioitu mm. Suomen Ulkoministeriön rahoituksella sekä ennustemarkkinoiden avulla, ja AI-pohjaiset riskit ovat pääsääntöisesti kärjessä. Monissa yliopistoissa tutkitaan asiaa aktiivisesti, ja vaikka paniikkiin ei ole syytä, on kyseessä ihan vakavasti otettava ongelma.)
20 vuotta on kuitenkin pitkä aika. Ennen yleisen tekoälyn tuloa meillä perinteisten tekoälymallien (ja aivojen) soveltajilla on joitain mahdollisuuksia pysyä leivän syrjässä kiinni. Itse asiassa aika hyvätkin mahdollisuudet.
No mihin meitä ihmisiä sitten tarvitaan?
Yksi ihmisten eduista on se, että toistaiseksi vain me voimme olla vastuussa asioista. Ei auta vedota AI-mallin suositukseen, jos on tilannut raaka-ainetta tehtaalle datavirheen vuoksi 10 kilon sijasta 10 konttia tai suositellut potilaalle lääkettä, joka aiheuttaa allergisen reaktion.
Ihmisiä tarvitaan sekä kantamaan vastuuta että hahmottamaan monimutkaisempia kokonaisuuksia. Toistaiseksi vain ihmisillä on kyky pyrkiä kohti jotain abstraktia tavoitetta hakemalla ratkaisuja luovasti eri sektoreilta.
ChatGPT kykenee listaamaan eri tapoja, miten yrityksen myyntiä voi lisätä ja toimii hyvänä inspiraationa päätöksenteolle. Kuitenkin siltä puuttuu kyky miettiä, miksi tehtävä on ylipäätään mielekäs. Ehkä myynnin lisäämisen sijasta kysymys on väärin asetettu – myyntiä onkin ihan riittävästi ja johtuen luontaisista viiveistä liiketoiminnassa fokuksen pitäisikin olla rekrytoinnissa.
Monet AI-mallit perustuvat koneoppimiseen (ML) ja sen osa-alueeseen neuroverkkoihin. Yksi neuroverkkojen tunnusomaisista piirteistä on, että ne ovat mustia laatikoita. Musta laatikko -piirre johtaa siihen, ettei koneen suosituksille tai tuloksille ole löydettävissä ilmeisiä perusteita. Koska niitä ei ole, on mahdotonta sanoa, onko tuloksissa päätä tai häntää, elleivät ne ole helposti tarkastettavissa. Hyvä uutinen kaikkien meidän kannalta, jotka ajattelemme analogisilla neuroneilla digitaalisten sijaan.
Ihminen tietää joutuvansa mahdollisesti perustelemaan päätöksiä, jolloin varalla on hyvä olla jotain kättä pidempää "Computer says no" -lausahduksen asemesta. ML-mallit toimivat hyvin kuvailevassa analyysissä, kun pyritään tunnistamaan millaisia trendejä datasta on havaittavissa ja millaisia yleisiä päätössääntöjä niistä voi hahmottaa. Tai sitten niissä tapauksissa, kun yksittäisen vastauksen tarkkuudella ei ole niin väliä, kuten tuotesuosituksissa tai mainosten asettelussa.
Vastuun kantaminen, monimutkaisten kokonaisuuksien hahmottaminen, tavoitteita kohti pyrkiminen luovasti ja päätösten perusteleminen. Täytyy myöntää, että toivoin keksiväni hieman pidemmän listan. No, onhan sitä jo tässäkin ihmisille roolia.
Yleistä tekoälyä edeltävä vaihe, kapeat johonkin tiettyyn käyttötarkoitukseen soveltuvat hyvin suorituskykyiset AI-mallit, on noussut nopeasti 2020-luvun megatrendiksi. Meillä IT-konsulteilla, tekoälyn mahdollistajilla ja soveltamisessa avustajilla on kiireiset ajat edessä.
Ps. Blogin kuvituskuva on tekoälyn tekemä, mutta tekstin kirjoitti ihminen.
Voimmeko auttaa sinun organisaatiotasi hyödyntämään paremmin dataa ja tekoälyä? Ota meihin yhteyttä, niin laitetaan hommat rullaamaan.
Janne Sipilä: janne.sipila@twoday.com, +358 50 486 1131