Ihmisen tietämättömyys on vaarallisempaa kuin koneen älykkyys

Helteisen kesän virkistykseksi olisin mielelläni lukenut asiantuntevia artikkeleita siitä, miten tekoälyn ja koneoppimisen avulla voimme ratkaista yhteiskuntamme ja ympäristömme ongelmia. Tekoäly kuitenkin kirvoittaa monet asiantuntijatkin pelottelemaan ja varoittelemaan, miten ihmiset – ja erityisesti meidän ajattelumme – muuttuvat tarpeettomiksi teknologian kehittyessä.

Suomalainen kosmologian professori Kari Enqvist peesasi kolumnissaan Yhdysvaltojen entisen ulkoministeri Henry A. Kissingerin varoittelua siitä, että tekoäly edustaa valistuksen loppua. Arvostetuista kirjoittajista huolimatta tekoälyllä pelottelulle ei mielestäni löydy pohjaa. Ihmisen tietämättömyys on ihmiskunnalle ja kansoittamallemme maapallolle vaarallisempaa kuin koneen älykkyys.

Vaikka monella alalla työtehtävät tulevat tekoälyratkaisujen ja teknologian kehittyessä muuttumaan, eivät työt maailmasta lopu. Tekoäly voi tulevaisuudessa ratkaista vaikkapa toimistotyöläisen rutiininomaisen ATK-ongelman ja jopa hoitaa siihen liittyvän asiakaspalvelutilanteen mallikkaasti. Tämä ei kuitenkaan poista tarvetta IT-osaston työntekijöille.

Tekoälyn avulla voidaan toki rakentaa teknisiä ratkaisuja, jotka auttavat meitä toistuvissa rutiininomaisissa tehtävissä ja toisaalta tilanteissa, joissa ihmisen kyvyt eivät riitä valtavan tietomassan hahmottamiseen. Näiden ääripäiden väliin jää kuitenkin valtavasti tehtävää.

Mitä jos pitää yhdistää luovuutta kokemukseen? Tai jos ongelmankuvaus on epämääräinen eikä löydy ennakkotapauksia? Tällaisten ongelmien ratkomisessa tarvitaan meitä.

Ne tehtävät, joissa kone pärjää ihmistä paremmin, eivät olleet alun perinkään työnsä tekijälle miellyttäviä. Onkin helppo argumentoida, että tekoälyn ja koneoppimisen viimeaikainen kehitys tekee meidän kaikkien työtehtävistä entistä mielenkiintoisempia. Rutiinin tai koneelle helpon laskennan sijasta voimme keskittyä kiinnostaviin ja ihmiselle merkityksellisiin aiheisiin.

Teknologia ei kehity itsestään

Teknologia ei kehity itsestään, vaan me ihmiset olemme viime vuosina kehittäneet sitä huikeaa vauhtia. Varsinkin koneoppiminen on kehittynyt valtavasti viime vuosina – ja juuri sen turvin koneet ovat voittaneet parhaimmatkin ihmiset niin strategisissa lautapeleissä kuin videopeleissäkin (herra Kissingerillä oli mielessä Go, ei DOTA).

Koneoppimisen ratkaisut perustuvat tyypillisesti tunnistamiseen, ei niinkään päättelyyn. Vaikkapa edellä mainituissa peleissä koneen taidot perustuvat siihen, että ne kykenevät tunnistamaan mahdollisista seuraavista siirroista parhaan mahdollisen. Tuo kyky tunnistaa on hankittu opettelemalla – ja kone voi harjoitella enemmän kuin ihmiselle on mahdollista.

Pelit tarjoavatkin mielenkiintoisen alustan koneoppimisen mallien kehittämiseen. Esimerkiksi lautapelissä Go syntyy hyvin yksinkertaisten sääntöjen kautta äärimmäistä monimuotoisuutta. Tekoälyjärjestelmän toimintaympäristönä Go on kuitenkin verraten yksinkertainen. Seuraavan siirron jälkeinen tila on mahdollista päätellä tarkasti, pelin säännöt ovat tiedossa ja seuraavaa siirtoa miettiessä ei tapahdu mitään.

Onkin varsin vaikeaa rakentaa ratkaisuja reaalimaailman tilanteisiin, joissa pitäisi yhdistää niin nopeaa tunnistamista kuin harkitsevampaa päättelyä ja ennakointia. Odottelemmekin parhaillaan itseohjaavia autoja markkinoille. Tätä haastetta ratkovat kokonaiset teollisuuden alat ja valtavat joukot insinöörejä ja tutkijoita.

Uhkakuvien maalailu toki on ymmärrettävää – teknologian saavutukset ovat ilmiömäisiä. Juuri tämän vuoksi moni sortuu inhimillistämään ihmisten luomia koneita ja algoritmeja. Tämä toimii kyllä hyvänä tarinankerronnan välineenä, mutta ei valista meitä ymmärtämään mahdollisuuksia.

Vahingossa emme siis synnytä ihmistä älykkäämpiä koneita. Meillä on kuitenkin paljon mahdollisuuksia tehostaa prosesseja, löytää entistä parempia toimintatapoja ja säästää ympäristömme rajallisia resursseja.

Tekoälyn ei tarvitse olla vaikeaa. Suomessa meillä on koneoppimisen huippuosaamista ja osaavissa käsissä nopea kokeilu ja tekoäly mahtuvat samaan lauseeseen. Esimerkiksi kelpaa vaikkapa Tampereella tehty testi, jossa analytiikan ja koneoppimisen turvin pyritään luomaan sujuvampia ja tehokkaampia palveluja.

Sen sijaan, että keksimme koneille kyvykkyyksiä, joita niillä ei ole, meidän kannattaa panostaa teknologian ymmärtämiseen ja soveltamiseen ympäristömme parantamiseksi.

Pekka Vainiomäki, Strategiajohtaja, Symbio

Symbio on mukana Management Eventsin järjestämässä European Business AI & Robotics -tapahtumassa 23.-24.10.2018 Messukeskuksessa, Helsingissä.