Miten erottaa tekoäly teko-tekoälystä?

Kirjoittaja: Cimmo Nurmi.

Neljä vuotta sitten tekoälystä puhuivat vain alan asiantuntijat. Nyt se on kaikkien puheissa. Tekoälyn kerrotaan muuttavan maailmaa enemmän kuin ihmiskunnan aiemmat kolme suurta teknologiakeksintöä: höyrykone, sähkö ja internet. Seuraavassa esittelen näkemyksiäni tekoälystä kolmen taustatekijän kautta: akateeminen tekoäly, todellinen tekoäly ja vaarallinen tekoäly. Tavoitteeni on, että lukija osaa artikkelin luettuaan erottaa tekoälyn teko-tekoälystä.

Tekoälyn syntymävuosi voidaan määritellä monella eri tavalla. Itse ajoitan sen vuoteen 1980, jolloin pidettiin ensimmäinen akateeminen tekoälykonferenssi First National Conference of the American Association for Artificial Intelligence Stanfordissa. Tekoälyn pääelementtejä ovat kuvan 1 mukaisesti algoritmit, data ja tietokoneen laskentateho. Näistä eniten on kehittynyt tietokoneiden laskentateho, joka on kasvanut 1980-luvulta tähän päivään mennessä yli 10.000-kertaiseksi. Tämä on mahdollistanut 70–90 -luvuilla kehitettyjen algoritmien ja mallien laskennan (sadasosa)sekunneissa aiemman viikkojen laskenta-ajan sijaan. Aiemmin näitä algoritmeja käytettiin lähinnä tutkijoiden akateemisissa testipenkeissä.

Kuva 1. Tekoälyn pääelementit: algoritmi, data ja laskentateho.

Datan osalta tärkein tekijä kehittymiseen on ollut sen saatavuuden merkittävä parantuminen. Internet on nopeutunut, tallennuskapasiteettia on runsaasti tarjolla ja dataa on avattu avoimeen käyttöön. Näiden ansiosta datan yhdistely on helpottunut. Tekoäly tarvitsee sekä opettamiseen että oppimiseen laadukasta ”big dataa”, mutta hyvää sellaista on edelleen varsin vähän tarjolla. Datan tulee nimittäin olla kuratoitua, yhdisteltyä ja varmennettua.

Algoritmit ovat myös kehittyneet, mutta erityisesti ne ovat tulleet yleiseen käyttöön avoimen lähdekoodin (kts. esim. Mybridge 2019) ja avoimien alustojen (kts. esim. TensorFlow 2019) kautta, jolloin niitä on periaatteessa huomattavasti helpompi hyödyntää. Periaatteessa siksi, että ainakin omasta mielestäni on edelleen toivottavaa ymmärtää niiden taustalla oleva matematiikka, vaikka toisenlaista mielipidettäkin varsin paljon esiintyy.

Oikea tekoäly

Tekoäly on tietokoneelle ohjelmoitua algoritmista älyä, jossa ohjelma sekä toimii ilman ihmisen ohjausta älykkäästi että oppii toimimaan tilanteen mukaan sitä paremmin mitä enemmän sitä käytetään. Erittäin hyvä muistisääntö on, että tekoäly (järjestelmä tai ohjelmisto) on huomenna parempi kuin tänään. Hyviä lähitulevaisuuden esimerkkejä tekoälystä ovat robottiautot, yleislääkärin tukirobotit, kirjanpitorobotit ja erittäin tarkat sovelluspersonoinnit.

Kuva 2. Oikeaa tekoälyä ja teko-tekoälyä.

Tekoälyä eivät ole ohjelmistot tai automaatiojärjestelmät, joissa toimintaa ohjataan määrättyjen sääntöjen perusteella. Esimerkiksi kännykästä käytettävä ohjelma (kuva 2), jolla voi säätää kodin lämpötilaa, ei ole tekoälysovellus. Jos näitä nimitetään tekoälyksi, termiä käytetään harhaanjohtavasti. Kyseessä on tällöin nähdäkseni teko-tekoäly. Mutta tekoälyksi sen voi luokitella, jos kännykkä ilmoittaa sitä käytettäessä: ”Pekka, älä nyt taas tee niitä omia säätöjäsi. Viimeksikin homma meni pieleen. Tehdään nyt niin, että…” tai ”Pekka, oman kokemukseni mukaan näin on paras. Ja sitä paitsi sääkin on muuttumassa. Käytkö, Pekka, tässä samalla hyväksymässä maalämpöjärjestelmän uudet käyttöarvot. Ne perustuvat viimeisen vuoden seurantaani. Toki muutoksia voi jatkossa tulla, kun taas opin uutta perheen käyttötottumuksista.”

Oikealla tekoälyllä ratkaistaan ongelmia, jotka joko vaativat kognitiivisia taitoja, korkeaa tajuntaa ja ymmärrystä (esim. hahmontunnistus, konenäkö, puheentunnistus, päätöksenteko ja oppiminen) tai ovat niin monimutkaisia, ettei ihmisten aivokapasiteetti riitä niitä järkevästi ratkaisemaan (esim. lentokoneiden maailmanlaajuinen aikataulutus, isojen laivojen konttien pakkaaminen, suurien työntekijäryhmien työvuorojen suunnittelu ja lääkeriskien arviointi). Ensimmäisiä ratkaistaan (kts. kuva 3) erityisesti neuroverkoilla (kts. esim. Haykin 1998 ja Goodfellow ym. 2016) ja jälkimmäisiä laskennallisen älykkyyden menetelmillä (kts. esim. Siddique ja Adeli 2013). Teko-tekoälyn vastaiskuna on alkanut esimerkiksi Fake Intelligence -liikehdintä (Fake Intelligence Summit 2019). Oikeakaan tekoäly ei itse asiassa ole älyä, vaan se on ohjelman suorittamista ja tämä ohjelma lienee suurin piirtein yhtä (teko)älykäs kuin sen algoritmin suunnitellut ja sen ohjelmakoodin kirjoittanut ihminen.

Kuva 3. Tekoälyalgoritmeista suosituimpia ovat neuroverkot (Templeton 2015) ja evoluutioalgoritmit (Kyngäs ym. 2012).

Markkinointipuheiden tekoäly

Tekoälyn, data-analytiikan ja big datan noustua parin viime vuoden aikana termeinä suuren yleisön tietoisuuteen yritykset aloittivat välittömästi niiden käyttämisen omissa mainospuheissaan. Mainospuhe saattoi aiemmin olla mallia ”Ohjelmistoratkaisumme mahdollistavat yrityksenne toiminnan kehittymisen” ja nykyään ”Tekoälysovelluksemme ohjaa toimintaprosessejanne optimaalisesti”. Tai aiemmin ”Hyödynnämme tilastomenetelmiä tietomassan käsittelyssä” ja nykyään ”Data-analytiikan työkalumme etsivät ja ennustavat liiketoimintadatanne riippuvuussuhteita”. Tekoälytutkija Harri Ketamo, tekoäly-yrityksen HeadAI:n pääomistaja, on kuvannut tilannetta oivallisesti: ”Jos Excelissä on enemmän rivejä kuin näkyy ruudulla, sitä pidetään nykyään Big Datana”. Vaikka tekoälyn ympärillä liikkuu paljon mainospuheita, sillä on kuitenkin perusteltu pohja. Tekoäly tulee vääjäämättä muuttamaan maailmaa, mutta siihen menee vielä tovi aikaa.

Erittäin harvaan ohjelmistoon tai järjestelmään on tällä hetkellä lisätty (todellista) tekoälyä. Oikeita tekoäly-yrityksiä on Suomessa vielä vähän, koska todellisten tekoälyratkaisujen ostajia on vielä vähän. Edelliset tarvitsevat lisää huipputason osaamista ja jälkimmäiset käytännön operatiivista ymmärrystä. Olin positiivisesti yllättynyt tutustuessani tämän vuoden Peppi-koulutusorganisaatioiden ja -kehittäjien (Peppi-konsortio 2019) kesäpäivillä paikalla olleiden ohjelmistoyritysten markkinointimateriaaliin ja -puheisiin. En havainnut yhdenkään yrityksen käyttäneen (väärin) tekoälyä terminä. Sen sijaan kerrottiin datan hyödyntämisestä ja älykkäistä ratkaisuista. Miten sitten yritykset ja korkeakoulut ja erityisesti niiden ohjelmisto- ja järjestelmähankinnoista vastaavat osaavat erottaa todellisen tekoälyn?

Luotettava tekoäly

Tekoäly voi olla vaarallinen tai ainakin puolueellinen. Signaalinkäsittelyn professori Tarmo Lippingiä lainaten: ”Tekoälyn avulla voidaan hallita huomattavasti isompia ja monimutkaisempia kokonaisuuksia kuin mitä ihminen koskaan on pystynyt hahmottamaan ja näin ollen sille, joka hallitsee tekoälyä, kerääntyy huomattava määrä valtaa” (Lipping 2018). Pahimmassa tapauksessa muutama suuryritys, kuten Google ja Amazon, määrittelevät tekoälyn toiminnan.

Valtioneuvosto on tehnyt selvityksen algoritmeista päätöksentekijöinä (Koulu ym. 2019). Selvityksessä todetaan, että algoritmiset järjestelmät sisältävät inhimillisen ratkaisutoiminnan tapaan subjektiivisia piirteitä. Niiden etuna on skaalautuvuus eli kyky lisätä toiminnan tehokkuutta ilman merkittäviä lisäinvestointeja alkupanostusten jälkeen. Toisena etuna on lopputulokseen johtaneen päätöksentekoprosessin monistettavuus. Toisaalta oikeaan tekoälyyn perustuvat algoritmiset päätöksentekijät ovat ongelmallisia, koska ne ovat autonomisia, itseohjautuvia ja lopputulokseltaan ei-ennustettavia. Selvitystyön keskeinen ja erittäin tervetullut johtopäätös on, että algoritmisten järjestelmien hyödyntämisestä viranomaistoiminnassa tulee säätää lailla. Tekoäly voi olla puolueellinen kansalaisen oikeusturvan näkökulmasta.

Tekoäly korkeakouluissa

Mikä on korkeakoulujen rooli tekoälymaailmassa? Jos kehitetään tekoälyä, tarvitaan huippuosaamista matematiikassa ja tietojenkäsittelyssä. Jos sovelletaan tekoälyä, tarvitaan muun muassa insinööritieteiden ja tuotekehityksen asiantuntemusta. Korkeakoulujemme resurssit eivät mielestäni riitä akateemisen perustutkimuksen kautta tuottamaan (jatkuvalla tahdilla) maailman ykköstason huippututkijoita. Yksittäisiä superhuippuja löytyy aina, mutta uskoisin että Google ja kumppanit ostavat heidät itselleen ”varsin kohtuullisella korvauksella”. Yliopistojen tutkinto-ohjelmiin on tullut uusia opintokokonaisuuksia tekoälystä ja data-analytiikasta. Niissä ei kuitenkaan ole mielestäni paljoa uutta verrattuna siihen, mitä itse opiskelin 1980-luvulla. Toki tietokoneiden laskentateho, internet ja datan saatavuus ovat tuoneet äärimmäisen hienoja uusia mahdollisuuksia opetukseen ja yritysyhteistyöhön.

Akateemista tutkimusta ei pidä unohtaa, mutta se tulisi yhdistää Piilaakson tyyppiseen korkeakouluissa syntyvän startup-yrittäjyyden tukemiseen. Tästä on jo hyviä esimerkkejä mm. Aalto-yliopistosta, Turun yliopistosta ja Satakunnan ammattikorkeakoulun akatemioista (kts. esim. Robotiikka Akatemia 2019). Julkisella rahalla tuettujen oikeiden tekoälyohjelmien tulisi tukea näiden yritysten synnyttämää suomalaista IPR-omaisuutta, jota sekä kotimaisten että kansainvälisten yritysten tuotteet ja palvelut voisivat hyödyntää. Näin ei valitettavasti aina ole ollut. Teknologiateollisuuden tekoälykiihdyttämö lieneekin perustettu nimenomaan edistämään tekoälyn soveltamista. Kiihdyttämö keskittyy tekoälyä jo hyödyntäviin yrityksiin, mutta opit halutaan jakaa kaikille tekoälystä kiinnostuneille yrityksille.

Ammattikorkeakouluilla on ketterinä toimijoina loistava mahdollisuus panostaa tekoälyn ymmärtämiseen ja soveltamiseen sekä koulutuksessa että soveltavassa tutkimuksessa. Fokus voisi olla ensinnäkin teollisuudessa automaation, robotiikan ja tekoälyn osaamisen yhdistämisessä sekä toiseksi terveyden- ja hyvinvoinnin aloilla hyvänä esimerkkinä potilastietojen ja hoitovalintojen saattamisessa data-analytiikan hyödynnettäväksi. Ehdotan, että ammattikorkeakoulut perustaisivat oman tekoälyn käytännön soveltamiseen keskittyvän vuosittaisen koulutus- ja tutkimusfoorumin. Foorumi voisi sisältää pedagogisia esityksiä ja työpajoja sekä tieteellisen konferenssin (omana julkaisusarjanaan).

Kirjoittaja

Cimmo Nurmi, vararehtori, Satakunnan ammattikorkeakoulu; laskennallisen älykkyyden dosentti, Turun yliopisto; tekoäly-yrittäjä, CI Computational Intelligence Oy; cimmo.nurmi(at)samk.fi


Fake Intelligence Summit (2019). Haettu 7.2019 osoitteesta https://www.fakeintelligence.fi

Goodfellow, I, Bengio, Y. & Courville, A. (2016) Deep Learning. MIT Press, USA.

Haykin, S. (1998) Neural networks – A comprehensive edition. Prentice Hall International, USA.

Koulu, R., Mäihäniemi, B.,Kyyrönen V., Hakkarainen J. & Markkanen, K. (2019). Algoritmi päätöksentekijänä. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 2019:44. Haettu 11.9.2019 osoitteesta http://julkaisut.valtioneuvosto.fi/bitstream/handle/10024/161700/TEAS_44_19_Algoritmi%20paatoksentekijana.pdf?sequence=1&isAllowed=y

Kyngäs, N., Nurmi, K., Ásgeirsson, E.I. & Kyngäs, J. (2012). Using the PEAST Algorithm to Roster Nurses in an Intensive-Care Unit in a

Finnish Hospital. 9th Conference on the Practice and Theory of Automated Timetabling (PATAT). Norja, 83–93.

Lipping T. (2018). Tekoälyllä älyä tekoihin. Haettu 15.2.2018 osoitteesta http://www.poridi.fi/tekoalylla-alya-tekoihin/

Mybridge, Machine Learning Open Source Haettu 1.7.2019 osoitteesta https://medium.mybridge.co/amazing-machine-learning-open-source-tools-projects-of-the-year-v-2019-95d772e4e985

Peppi-konsortio (2019). Haettu 1.7.2019 osoitteesta http://www.peppi-konsortio.fi/

Robotiikka Akatemia (2019). Haettu 1.7.2019 osoitteesta https://www.robotiikkaakatemia.fi/

Siddique N. & Adeli H. (2013). Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing. John

Wiley & Sons, USA.

Templeton G. (2015).Artificial neural networks are changing the world. What are they? ExtremeTech Haettu 1.8.2019 osoitteesta https://www.extremetech.com/extreme/215170-artificial-neural-networks-are-changing-the-world-what-are-they

TensorFlow (2019). Open Source Machine Learning Platform. Haettu 1.7.2019 osoitteesta https://www.tensorflow.org/