Tekoälyn älykkyydestä

Lupasin (kirjoituksessa Älykkyys – laajempi näkökulma), että kommentoisin myös tekoälyn ”älykkyyttä”. En ole unohtanut. Tuo kirjoitus kasvoi vain niin laajaksi, että jätin tekoälyn käsittelyn suosiolla pois. Joten palaan nyt asiaan.

Tekoälyn käsitettä ja sen tutkimusta rasittaa historiallinen erehdys. Alan uranuurtajilla oli aikanaan suppea käsitys ihmisen älykkyydestä. 1950-luvulla älykkyys miellettiin jonkinlaiseksi loogiseksi päättelyksi ja sovelletuksi matematiikaksi. Tekoälyn tutkijat nimittäin olivat insinöörejä ja matemaatikkoja, eivät psykologeja, jotka olisivat ehkä tienneet asian paremmin. Ei ollutkaan mikään ihme, että älyn jäljittely tietokoneella tuntui olevan helppo tavoite. Olihan tietokoneen elektroniikka täynnä loogisia piirejä, ja ohjelmien perustoimintaa olivat loogiset operaatiot.

Mutta ei se niin mennyt. Tekoäly ei alkuunkaan saavuttanut tavoitteitaan. Vain laskemisessa ja joissain algoritmeissa (shakki, Go) se on ihmistä parempi. Tekoälyn tutkimuksesta tuli pitkä taival tuskallista ponnistelua ja katkeria pettymyksiä, ja taapertamista on jatkunut jo 70 vuotta. Ei tekoälyn tutkimus toki aivan turhaa ole ollut. Se on synnyttänyt monia hyödyllisiä sovelluksia, ja lisännyt tietoamme tietokoneiden rajoituksista ja älykkyyden luonteesta.

Toisaalta tulokset voisivat kyllä olla parempiakin. Tietokoneiden muistin koko ja laskentanopeus ovat kasvaneet tuona aikana vähintään miljoonakertaisiksi, joissain tapauksissa jopa miljardikertaisiksi, mutta vastaavaa kehitystä ei vain näy koneiden ”älyssä”. Insinöörit ja matemaatikot kyllä ymmärtävät asian. Tekoäly, eli tarkemmin sanoen monet siihen tarkoitukseen kehitetyt algoritmit, ovat laskennallisesti ”kovia”, niiden mutkikkuus kasvaa rajusti ongelman koon kasvaessa. Ja tiedetään, että laskentatehon kasvattamisella on vain vähäinen vaikutus laskennallisesti kovan algoritmin suoritusaikaan.

Tässä kohtaa on nykyisin tapana viitata kvanttitietokoneisiin, jotka ovat ”tuota pikaa” käytettävissä, ja jotka suorittaisivat vaivattomasti laskennallisesti kovia algoritmeja. En ole perehtynyt aiheeseen erityisen hyvin, mutta näyttää todella siltä, että on olemassa joukko laskentatehtäviä, jotka ratkeavat näppärästi kvanttitietokoneilla. Sitten kun niitä alkaa olla käytettävissä. Mutta ehkä laskennallisesti kovat algoritmit eivät kuitenkaan ole tekoälyn kovinta ydintä. Entä mikä sitten on? Jätämme nyt syrjään kvanttitietokoneisiin liitetyn mystiikan ja fantastiset väitteet. En aio edes ruotia niitä sen pidemmälle kuin todetakseni, että on perin inhimillistä antaa kvanttitietokoneen (jonka ominaisuuksia hyvin harva tietokoneista kirjoittava filosofi ymmärtää) ratkaista niin ikään huonosti ymmärretyt ja epäselvästi määritellyt tekoälyn vaikeat kysymykset (kuten kontekstin ymmärtäminen ja tietoisuus).

On vaikeaa – tai suorastaan mahdotonta - määritellä tekoälyn kyvykkyyttä niiden algoritmien kautta, joita älykkyyttä jäljittelevä tietokone suorittaa. Sillä emme osaa nimetä tai kuvailla sellaisia algoritmeja, jotka tuottavat älyä. Voisimmeko sitten turvautua älykkyyden laajempaan luonnehdintaan? Katsotaan, muihin se meidät johtaa.

Eräs tapa tarkastella kysymystä on bioniikka (tiede, joka pyrkii soveltamaan elävässä luonnossa tavattavia rakenteita ja periaatteita teknologiassa). Aiemmin olen todennut, että älykkyys on luonnossa sekä tavanomaista että olennaisen tärkeää. Millaisia ovat luonnollisen älyn piirteet? Eräs sellainen piirre on kilpailussa selviämisen ja muutoksiin sopeutumisen paine. Tekoälyssä ei normaalisti ole mukana tällaisia rakenteita. Pikemminkin tekoäly on ihmisen suoraviivainen apulainen. Motivaatio ja tavoitteellisuus eivät kuulu tekoälylle, vaan ne vaikuttavat siihen ihmisen välittäminä. Toinen biologisen älykkyyden piirre on kollektiivinen äly eli kyborg-älykkyys. Siinä älykäs eli tarkoituksenmukainen toiminta syntyy suhteellisten itsenäisten toimijoiden vuorovaikutuksesta. Evoluution kautta muuntuvia algoritmeja on tutkittu ja kokeiltu, ja myös kollektiivisia automaatteja on tutkittu – mutta missään tapauksessa tämä ei ole tekoälytutkimuksen valtavirtaa. Tulokset eivät ole olleet dramaattisia, eivätkä edes lupaavia.

Biologisten järjestelmien älykkyys nousee niiden autonomasta, selviytymisen tarpeesta, ja ympäristön muutoksista. Älykkyys on siten dynaamisen vuotovaikutuksen ilmentymä. Ihmisen tuottamalla tekoälyllä ei ole vastaavaa autonomisuutta eikä ympäristösuhdetta. Ne ovat ihmisen suoraviivaisia apulaisia: instrumentteja ja työkaluja. Tekoälyn kohdalla ei voida puhua laajennetusta älykkyyden käsitteestä.

Syväoppimisessa on kuitenkin ympäristösuhteen piirteitä. Siinä hyödynnettävä kokemustietokanta ja tekoälyn päätelmistä saatava karttuva palaute edustavat dynaamista toimintaympäristö. Sen sijaan orientaatio ja motivaatio perustuvat edelleen järjestelmää ohjaavan ihmisen valintoihin. Syväoppiva tietokone on myös kovin yksin. Tarvitsisiko se avukseen vastaavien järjestelmien kollektiivin? Minusta tuntuu, että syväoppimisessa on mukana ainakin ripaus laajennettua älykkyyttä.