Skip to content

Myyttinen tekoäly

Loihde_Portraits_Oulu_works_like_caffeine

Tekoälykeskustelun ongelma ei yleensä ole se, etteikö tietoa olisi saatavilla. Sen sijaan vaikeuksia aiheuttaa se, että samat yksinkertaistukset toistuvat niin sitkeästi, että ne alkavat ohjata päätöksiä: mitä kannattaa kokeilla, mitä pitää pelätä, mihin investoidaan ja mitä jätetään ymmärtämättä.

Olennaista on ymmärtää, missä järjestelmät jo toimivat hyvin, missä ne epäonnistuvat, millaisia oletuksia niiden käyttöön liittyy ja miksi tekninen edistys ei sellaisenaan muutu yhteiskunnalliseksi tai organisatoriseksi muutokseksi. Ilman tätä pohdintaa keskustelu jää helposti liian yleiselle tasolle: puhutaan tekoälystä yhtenä ilmiönä, vaikka todelliset hyödyt ja riskit ovat tapauskohtaisia.

Tekoälyyn liittyvät myytit ovat hankalia juuri siksi, että ne eivät aina ole täysin vääriä. Ne saattavat olla osittain totta, mutta sisältää liian pitkälle vietyjä johtopäätöksiä. Siksi ne voivat olla päätöksenteon kannalta jopa vaarallisempia kuin selvästi virheelliset väitteet.

Seuraavassa käyn läpi muutamia tekoälyyn liittyviä myyttejä, jotka kuulostavat ensisilmäyksellä uskottavilta, mutta johtavat helposti harhaan.

“Vastaus kuulostaa järkevältä, eli tekoäly ymmärtää asioita”

Tämä on yleinen ja varsin ymmärrettävä väärinkäsitys. Tekoäly ei “ajattele” kuin ihminen, vaikka se kuulostaa siltä. Sen sijaan se osaa ennustaa tehokkaasti, millainen sana tai lause sopii todennäköisesti seuraavaksi tekstiin tai keskusteluun.

Kun kohtaamme sujuvaa kieltä, oletamme automaattisesti taustalle ymmärryksen, tunteet ja tarkoituksen. Kielimalliin perustuva tekoäly on opetettu valtavalla määrällä ihmisten kirjoittamaa tekstiä. Se oppii, miltä empatia, päättely, huumori tai asiantuntijuus kuulostavat.

Kun vastaus on sujuva ja tilanteeseen sopiva, aivot alkavat tulkita sen tarkoitukselliseksi ajatteluksi. Tätä kutsutaan antropomorfismiksi: annamme inhimillisiä ominaisuuksia asioille, joilla niitä ei välttämättä ole.

“Koska tekoäly kehittyy vauhdikkaasti, se mullistaa nopeasti myös kokonaiset ammattialat”

Tässä usein yliarvioidaan tekninen kyvykkyys ja aliarvioidaan instituutiot, työnkulut, laatuvastuu ja sääntely. Tarkastellaan kahden konkreettisen esimerkin (juridiikka ja journalismi) kautta uhkakuvia työn katoamisesta.

Lawfaren tuore oikeusalaa koskeva analyysi korostaa, että vaikka mallit voivat auttaa monissa juridisissa tehtävissä, se ei vielä tarkoita, että oikeudelliset palvelut halpenisivat tai rakennettaisiin nopeasti uusiksi.

Entä viekö tekoäly toimittajien työt? Tässä on tärkeää erottaa journalismiin liittyviä eri tehtäviä: vaikka tekoäly tuottaa sujuvasti ja nopeasti tekstiä ja voi tuottaa rutiininomaisia yksinkertaisia uutisia, se ei ole hyvä tekemään tulkintoja tai syvempää analyysiä, eikä arvioimaan kontekstia ja merkittävyyttä.

Nykymuotoinen tekoäly ei siis ole korvaamassa laadukasta juridiikkaa tai journalismia. Vastuu pysyy ihmisellä ja itse asiassa korostuu entisestään.

“Hyvä demo tarkoittaa, että teknologia toimii yhtä hyvin oikeassa maailmassa”

Tätä pidetään usein liian itsestään selvänä. Paperilla, testidatassa tai tarkasti rajatussa kokeessa saavutettu suorituskyky ei automaattisesti siirry monimutkaiseen käyttöympäristöön. Todellisuusdessa vastassa on usein puutteellista dataa, vaihtelevia tilanteita, ihmisiä, vastuita sekä virheitä seurauksineen.

Toimiva testi ei välttämättä tarkoita toimivuutta tai hyödyllisyyttä reaalimaailmassa.

“Tekoäly on yksi yhtenäinen asia”

Tämä on yksi tavallisimmista vääristä tulkinnoista. Kun samaan käsitteeseen pakataan kielimallit, konenäkö, lääketieteelliset diagnostiikkajärjestelmät, agentit ja automatisoidut päätöksentekotyökalut, syntyy helposti sekä liian suuria odotuksia, että turhia pelkoja.

Eri järjestelmillä on eri kyvykkyydet, eri riskit ja eri käyttöympäristöt, joten “AI” yhtenä yhtenäisenä asiana on yleensä enemmän hämärtävä kuin selventävä tapa puhua.

“Jos AI ei ole vielä lähelläkään yleistä tekoälyä (AGI), sen nykyisiä vaikutuksia ei kannata ottaa kovin vakavasti”

Tässä aliarvioidaan teknologian käytännön vaikutukset. Moni keskustelu jää jumiin siihen, onko malli “oikeasti älykäs”, vaikka todellinen vaikutus syntyy usein paljon arkisemmista asioista: työnkulkujen muutoksesta, tiedonhakutapojen muuttumisesta, kirjoittamisen, ohjelmoinnin ja asiakaspalvelun uudelleenjärjestymisestä.

Vaikka tekoäly ei ole ihmisen kaltainen mieli, se ei tarkoita, etteikö sillä voisi olla huomattavia organisatorisia tai yhteiskunnallisia vaikutuksia.

Tietotekniikan tehtävä on aina ollut ihmisen toiminnan tehostaminen ja tukeminen, eikä tekoäly toistaiseksi ole muuttamassa tätä.

Kirjoittaja

Picture

Sami Rahola

Senior Consultant

sami.rahola@loihde.com

Tekoälyn inhimillisistä vaikutuksista kiinnostunut palvelumuotoilija.