Ensin big data, sitten algoritmit, lopulta tekoäly. Digitalisaation muotisanat ovat vaihtuneet nopeaa tahtia vain parin vuoden välein.

Innostus on tarttunut joka puolelle. Yritykset brändäävät itsensä uudelleen, ja aiemmin ohjelmistoina myydyt tuotteet ovat tekoälyä. Yritykset ja valtiot laativat tekoälystrategioita, kansainväliset toimijat pohtivat tekoälyn säätelyä.

Onko tekoäly kupla, joka vielä puhkeaa? Onko sen pari vuotta tulossa täyteen?

Historian valossa kriittisyyteen ja epäilyyn on aihetta. Viimeksi tekoälystä innostuttiin toden teolla 1960-luvulla, jolloin sen piti mullistaa kaikki työelämästä sodankäyntiin.

1980-luvun aikana odotukset tekoälyn kehityksestä osoittautuivat perusteettomiksi. Kehitystyö oli hitaampaa ja kalliimpaa kuin optimistit olivat kuvitelleet. Tutkimusohjelmia lakkautettiin, yritysten panostukset romahtivat, ja seurasi pitkä, 2000-luvun toiselle vuosikymmenelle jatkunut tekoälytalvi.

Kriitikkojen mielestä tekoäly on nytkin vain uusi sana automaattiselle tietojenkäsittelylle – siis ATK:lle. Mitään varsinaista mullistusta ei ole koettu.

Tekoälyn hankala määritelmä

Keskustelua näyttää hankaloittavan kaksi monimutkaista kysymystä siitä, miten tekoälyn käsitämme. Yksi näistä koskee tekoälyn määritelmää.

Yksille tekoäly on ohjelmisto, joka kykenee vähintään kaikkeen siihen, mihin ihminenkin. Kun oppiva kone on saatu voittamaan ihminen backgammonissa tai lukemaan magneettikuvia radiologeja luotettavammin, se ei vielä pärjää ihmiselle jalkapallossa tai omaishoitajan työssä.

Tekoälystä tulee näin siirtyvä maalitaulu. Ihminen osaa aina jotakin paremmin – vaikka ei kaikkea.

Oppivat koneet ovat kuitenkin monipuolistumassa. Yhden asian oppimisen sijasta tekoäly on oppimassa itse oppimista. ”Sama” tekoäly kykenee jo oppimaan uusia pelejä – ei ainoastaan kehittymään paremmaksi pelaajaksi yhdessä lajissa (Silver ym. 2018).

Tekoälyn pitäminen liikkuvana tavoitteena on ongelmallista myös, että se uhkaa peittää oppivien koneiden roolin tässä ja nyt. Tekoäly on – ainakin jossakin määrin – jo todellinen toimija, joka muokkaa elämäämme.

Tekoäly ja toimijuus

Vai onko? Nyt tekoälystä odotetaan jo lähivuosina sovelluksia, jotka nousevat toimijoiksi työpaikoilla, päätöksenteossa ja arkisten askareiden hoitajina: työkavereita, neuvonantajia ja kotiapulaisia.

Kriitikkojen on kuitenkin helppo muistuttaa, että olemme jo vuosituhannet ympäröineet itsemme erilaisilla koneilla ja laitteilla. Emme pidä kirvestä, leivänpaahdinta tai edes monimutkaista voimalaitosta toimijana. Miksi tekoäly sitä olisi?

Samoin kuin millä tahansa laitteella tai ohjelmistolla, tekoälylläkin on kehittäjänsä ja käyttäjänsä. Se ei tee valintojaan itse, autonomisesti, vaan perimmiltään ihmisten toiminnan tuotoksena.

Tarkkaa rajaa autonomisen toimijan ja ”pelkän” laitteen välillä on kuitenkin mahdoton vetää. Myös ihminen on paljolti – jos ei kokonaan – ympäristönsä tuote, jonka toiminnalla on biologinen perustansa. Ajatuksemme ja toimintatapamme eivät ole peräisin tyhjyydestä. Ne ovat kulttuurin ja oppimisen tuotteita. Jos tekoäly ei ole todellinen toimija, onko sitä ihminenkään?

Sekä kriitikkoja että optimisteja näyttää yhdistävän ajatus, että tekoälyn on tultava ihmisen kaltaiseksi toimijaksi, jotta se ansaitsisi huomionsa. Kriitikkojen mukaan odotukset ovat liian korkealla; optimistit taas odottavat kaiken tapahtuvan aivan lähiaikoina.

Mutta jos jäämme odottamaan tekoälyn näyttäytyvän meille ihmisen kaltaisena toimijana, unohdamme helposti sen käytännön merkityksen ja roolin käytännön elämässä. Oppivat koneet ohjaavat jo nyt meille tärkeitä toimintoja: sosiaalisen median sisältöjä, ajoneuvoja, tuotantoprosesseja, yhteiskunnallista päätöksentekoa. Takaisin ei taida olla paluuta.

Jos tekoäly on nyt tullut jäädäkseen, sekä turhan pessimistiset että ylettömän optimistiset visiot vievät helposti huomiomme pois sen merkityksestä nyt ja lähitulevaisuudessa.

Tekoälystä ja sen filosofiasta keskustellaan Suomen Filosofisen Yhdistyksen yhden sanan kollokviossa Tampereen yliopistossa 17.–18.1.2019.

Viite

Silver, David, Thomas Hubert, Julian Schrittwieser, Ioannis Antonoglou, Matthew Lai, Arthur Guez, Marc Lanctot, Laurent Sifre, Dharshan Kumaran, Thore Graepel, Timothy Lillicrap, Karen Simonyan, Demis Hassabis (2018). ”A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play”. Science 362: 6419.