Mitä tekoäly on

Sana tekoäly tarkoittaa arkikeskustelussa ainakin kolmea eri asiaa: tutkimusalaa, joukkoa tilastollisia menetelmiä ja niiden päälle rakennettuja kuluttajapalveluita. Kun nämä menevät sekaisin, puhe ajautuu nopeasti kysymykseen siitä, ymmärtääkö kone jotain. Kysymys tuntuu tärkeältä, mutta sille ei ole mittaria, joten se ei auta arvioimaan mitään konkreettista.

Hyödyllisempi tapa on katsoa ketjua alusta loppuun: mistä aineistosta järjestelmä on rakennettu, mitä se laskee ja mihin sen tuottama tulos siksi kelpaa. Näin katsottuna suuri osa tekoälystä on tuttua tilastollista päättelyä, joka on viety poikkeuksellisen suurelle aineistolle ja laskentateholle. Se ei tee siitä vähäpätöistä, mutta se tekee siitä arvioitavaa.

Käsitteet ovat sisäkkäisiä, ja siksi järjestyksellä on väliä. Koneoppiminen on laajempi käsite kuin neuroverkot, neuroverkko on yksi tapa toteuttaa koneoppimista, ja kielimalli on yksi neuroverkkojen sovellus. Jos nämä oppii väärässä järjestyksessä, moni myöhempi termi jää irralleen ja myyntipuhe menee helpommin läpi.

Missä järjestyksessä kannattaa lukea

Aloita artikkelista mitä tekoäly oikeasti on, joka erottaa yhteen tehtävään opetetun kapean järjestelmän siitä laajasta lupauksesta, jota otsikot toistavat. Heti perään sopii tekoälyn historia, sillä ala on elänyt kahden hiljaisen kauden yli ja samat lupaukset on kuultu aiemminkin. Historia antaa mittapuun sille, mikä nykyisessä vaiheessa on aidosti uutta.

Sitten mekanismi. Koneoppiminen selitettynä kertoo, miten sääntöjen kirjoittaminen käsin korvataan esimerkeistä laskemisella, ja neuroverkko selitettynä näyttää, mitä painot ja kerrokset tarkoittavat ilman matematiikkaa. Näiden jälkeen opetusaineisto ja sen sokeat pisteet on luonteva jatko: aineiston aukot eivät jää aineistoon vaan näkyvät valmiin mallin vastauksissa.

Loput neljä artikkelia käsittelevät seurauksia. Tekoälyagentit kertoo, mitä muuttuu, kun malli saa käyttöönsä työkaluja ja luvan toimia niillä. Yleinen tekoäly eli AGI rajaa termin, jota käytetään sekä tutkimuksessa että markkinoinnissa. Tekoälyn energiankulutus ja tekoäly ja tekijänoikeus kysyvät, mitä mallien rakentamisesta seuraa sähkön ja veden käytölle ja niille ihmisille, joiden työstä opetusaineisto koostuu.

Yksi kysymys, joka purkaa useimmat tekoälyväitteet

Tavallisin virhe on ajatella tekoälyä yhtenä tekniikkana, joka joko osaa asian tai ei osaa. Kyse on joukosta erillisiä malleja, joista jokainen on opetettu tietyllä aineistolla tiettyyn tehtävään. Sama palvelu voi kirjoittaa sujuvaa tekstiä ja epäonnistua yksinkertaisessa laskussa, koska nämä ovat sille eri tehtäviä eivätkä saman taidon eri vaikeusasteita.

Siksi väite "tekoäly osaa nyt tämän" kannattaa purkaa neljäksi kysymykseksi: mikä malli, mikä tehtävä, millä aineistolla ja miten mitattuna. Tässä muodossa väitteen voi tarkistaa, ja usein selviää, että se koski eri tehtävää kuin sitä, johon järjestelmää ollaan ottamassa käyttöön. Sama kysymyssarja auttaa myös silloin, kun valitset itsellesi sopivan tekoälyassistentin: palveluita voi vertailla vasta, kun tehtävä on rajattu.

Kääntöpuoli kannattaa sanoa yhtä selvästi. Monessa arjen tehtävässä ei ole väliä, kuinka syvällisesti järjestelmä mitäkin ymmärtää, koska tulos näkyy heti ja korjaaminen on nopeaa. Käsitteitä ei opetella siksi, että jokainen käyttökerta vaatisi teoriaa, vaan siksi, että osaa erottaa nämä tilanteet niistä, joissa virhe menisi eteenpäin huomaamatta.