Kohosen algoritmi

Teuvo Kohonen (1934-2021) oli tekniikan tohtori, akatemiatutkija ja akateemikko. Hän suuntautui urallaan neurolaskennan tutkimukseen. Hän oli maailman tunnetuimpia keinotekoisten neuroverkkojen tutkijoita. 

Tapasin Teuvo Kohosen 1980-luvun alkupuolella. Olin siirtynyt työskentelemään VTT:n tietokonetekniikan laboratorioon, ja tehtäväkseni tuli kehittää tietokoneiden toimintaperiaatteita. Eräs sen aikaisten (ja myös nykyisten) tietokoneiden tehokkuutta rajoittava ongelma on niin sanottu von-Neumann pullonkaula (John von Neumann oli eräs alan varhaisia pioneereja). Kaikki tietokoneet käsittelevät tietoa, eli ammattikielellä dataa. Tietokoneen keskusyksikkö eli prosessori hakee datan pikku pala kerralla erillisestä muistiyksiköstä. Mutta jotta dataa voidaan hakea, pitää tietää, mistä kohdasta muistia, eli mistä osoitteesta data noudetaan. Siksi tietokoneissa käytetään erilaisia menettelyjä pitämään kirjaa datan sijainnista ja kehittämään hakuosoitteita. Ja tämä on hankalaa ja tehotonta.

Olisi paljon helpompaa, jos data voitaisiin poimia suoraan muistista jonkinlaisen sisältövihjeen perusteella. Tällaista muistia sanotaan sisältöhakuiseksi (content accessible memory). Kun aloin tutkia tällaisia muisteja, kävi pian ilmi, että Teuvo Kohonen oli kirjoittanut useita artikkeleita ja jopa kirjoja tällaisista muisteista. Otinkin häneen yhteyttä, ja pian minulle selvisi, että ongelma on varsin vaikea (ei se ole vieläkään ratkennut). Pohdin myös siirtymistä hänen tutkimusryhmäänsä, mutta se ei toteutunut. 

Kohonen tutki myös keinotekoisia hermoverkkoja (ANN, artificial neural networks). Ne olivat myös minulle tuttuja, jollain lailla asiat liittyvät toisiinsa. Nämä verkot ovat yksinkertaisista laskentasoluista koottuja rakenteita, jotka ainakin periaatteessa voisivat käsitellä tehokkaasti tietoa. Kukin verkon solu sekä tallentaa tietoa että suorittaa yksinkertaista laskentaa. Omien aivojemme hermosolut ovat ilmeisest tämän kaltaisia, ja siksi minua ja Kohosta yhdisti myös kiinnostus aivojen tutkimiseen.

Teuvo Kohonen oli tehnyt tärkeän keksinnön. Hänen keksimässään verkossa kukin laskentasolu suorittaa itsekseen hyvin yksinkertaista algoritmia. Osoittautui, että kun tällaiseen verkkoon syötetään dataa, verkko jäsentää datan ja tallentaa sen kaksiulotteisen kartan muotoon siten, että kullakin alueella datassa on keskenään samanlasia piirteitä. Tällaista karttaa sanotaan itseorganisoituvaksi kartaksi (eli self organizing map, SOM, tai Kohonen map /Kohonenkarte). Keksintö oli sensaatiomainen ja herätti paljon huomiota, vaikka välittömiä teknisiä läpimurtoja siitä ei seurannut. 

Kului vuosia ja vuosikymmeniä, SOM kartat jäivät elämään tieteellisenä maamerkkinä ja legendana, mutta ne eivät saaneet suoraa jatkoa. Muutama vuosi sitten viimeistelin kirjaani Robottipuisto. Tiedekirjan kirjoittaminen merkitsee, paitsi oman tietovaraston penkomista ja jäsentelyä, myös sitä, että pitää jatkuvasti lukea uusimpia alan julkaisuja. Ehkä oma tieto onkin vanhentunut, tai ehkä alalla on tehty uusia löytöjä, joista ei vielä ole selvillä. Niinpä sitten tuossa työssä törmäsin käsitteeseen ”Mountcastlen algoritmi”. Heikko tuttuuden tunne syttyi jossain aivojeni lokerossa. Vähitellen tuo tunne muuttui yhä vahvemmaksi, asiaa piti tutkia tarkemmin, ja pian uusi löytö asettui paikoillaan. Kerron nyt, mistä on kysymys.

Vernon Mountcastle (1918–2015) oli amerikkalainen neurotieteilijä, joka loi uransa Johns Hopkins yliopistossa Baltimoressa. Hän oli maailman kuuluisimpia aivotutkijoita. Hän kirjoitti äärettömän tärkeän julkaisun jo vuonna 1957. Silti kuulin hänestä ja hänen työstään vasta muutamia vuosia sitten. Tällaista elämä joskus on.

Mountcastle tutki ihmisen aivokuorta. Ihmisen aivokuori (eli cortex eli neocortex) on kooltaan noin 50*50 cm ja noin 1,5-5 mm paksuinen. Se on rypistynyt kaksijakoisen puolipallon muotoiseksi kappaleeksi, niin että se mahtuu hyvin päähämme. Tuon rakenteen alla sijaitsevat kehityksellisesti vanhemmat aivojen osat. Aivokuoressa on tiheästi pakattuja harmaita hermosoluja, ja sen alla on runsaasti valkeaa ainetta. Valkoinen aine koostuu hermosäikeistä, jotka muodostavat solujen väliset kytkennät. Saman tapainen aivorakenne tavataan monilla mutkikkailla eläimillä, mutta ihmisellä se on erityisen hallitseva.

Aivokuoressa erottuu tyypillisesti 6 solukerrosta, ja on havaittu, että solut ovat voimakkaasti kytkeytyneet toisiinsa pystysuunnassa, eli kohtisuorassa aivokuoren pintaa vastaan. Mountcastlen mukaan solut muodostavat pystysuoria laskentapylväitä tai -kanavia, jotka kaikki suorittavat samanlaista laskenta-algoritmia. Aivokuori on kaikkialla samankaltainen riippumatta siitä, mitä tuo kuoren alue tekee. Se on hyvin oppiva rakenne, joka on mukautunut suorittamaan kullakin aivoalueella tarpeellista toimintaa, oli se sitten näkemistä, kuulemista tai jotain mutkikkaampaa. Tällainen rakenne on hyvin joustava, esimerkiksi ihminen usein toipuu aivovammoista, kun lähialueen solut oppivat korvaamaan vahingoittuneen alueen toimintoja. 

Entä mitä tuo algoritmi tekee. Tämän olen ymmärtänyt jo aikaisemmin toisen kuuluisan aivotutkijan, portugalilaisen Antonio Damasion (s.1944) työn kautta. Aivokuoren algoritmit tekevät yleistyksiä. Ne yhdistävät eri aistinelimien (tai muiden lähteiden) signaaleja sellaisiksi muistirakenteiksi, jotka ovat riippumattomia aistilajeista, yleisiksi muistihahmoiksi. Muistikuvamme ovat tällaisia, vaikka niihin voi liittyä heikkoja kuva-, tai äänihahmoja. Ne on kuitenkin rekonstruoitu, meillä ei ole tarkkaa valokuva- tai videomuistia. 

Entä miten tämä liittyy Teuvo Kohosen SOM-verkkoihin? Siten, että aivokuoren laskentakanavien suorittama ns. Mountcastlen algoritmi on yleiseltä idealtaan hyvin samanlainen kuin SOM-verkon soluen algoritmi. Yhteys on siis periaatteellinen, anatomista tai algoritmitason samankaltaisuutta ei tietenkään ole. 

En tiedä, onko kukaan koskaan huomannut tätä Mountcastlen, Damasion ja Kohosen töiden yhteyttä. No, tässä se nyt on, nauttikaa!

Havaintoja Teuvo Kohosesta

Kuten monet panivat merkille, fysiikan Nobel-palkinnon saivat tänä vuonna John Hopfield ja Geoffrey Hinton. Ehkä nuo nimet eivät sano mitään. He kehittivät 1980- luvun alkupuolella keinotekoisten hermoverkkojen teoriaa (ANN, artificial neural networks). Tuohon aikaan työskentelin VTT:n tietokonetekniikan laboratoriossa, ja myös saman aihepiirin kimpussa. Olin tutkimassa uusia laskentarakenteita, ja nämä herrat olivat jo silloin minulle nimeltä tuttuja, ja heidän työnsä myös. En kyllä heitä koskaan tavannut. No, tuosta ajasta on kulunut jo 40 vuotta, hieman myöhässä tunnustus usein tulee. Ars longa,vita brevis. Suomalainen akateemikko ja tekoälyn tutkija Teuvo Kohonen (1934–2021) teki keskeiset tieteelliset työnsä juuri samaan aikaan kuin mainitut nobelistit, ja aivan samalla alalla. On arveltu, että jos Kohonen olisi ollut elossa, hän olisi ehkä ollut jakamassa palkintoa.

Oma työurani on muutaman kerran sivunnut Teuvo Kohosen tekemisiä. Emme ole työskennelleet yhdessä, mutta nuo sivuamiset ovat muulla tavalla kiinnostavia. Kerron nyt niistä.

Työskentelin vuodesta 1975 aina 80-luvun alkupuolelle Strömbergin Pitäjänmäen tehtailla Helsingissä. Tuo aika oli hyvin innostunutta ja omalaatuista. Tietokoneiden tekniikka kehittyi juuri silloin voimakkaasti, ja Strömberg oli siinä isolla panoksella mukana. Yhtiö näki tietokoneet liiketoiminnalleen tärkeänä teknologiana. Se halusi soveltaa niitä sekä sähkövoimatekniikassa että teollisuuden automatisoinnissa. Se oli jo vuona 1970 kehittänyt Strömberg-1000- nimisen prosessitietokoneen, niitä rakennettiin kaikkiaan yhdeksän kappaletta. Tuo kone oli kookas järkäle, se käsitti kolme kahden metrin korkuista instrumenttikaappia, ja etupaneelissa oli useita rivejä värikkäitä vilkkuvia lamppuja. Elektroniikan nopea kehitys teki koneesta pian vanhanaikaisen. Yhtiö siirtyi käyttämää amerikkalaisen Data General- yhtiön Nova- minitietokoneita, tuollainen kone painoi viitisen kiloa ja mahtui hyvin kirjoituspöydälle. Strömbergillä tehtäväkseni tuli soveltaa noita koneita mekaanisen puunjalostusteollisuuden automatisoinnissa.

Eräänä päivänä aloin ohjelmoida sahatavaran lajittelulaitoksen automaattiohjausta. Laitosta ohjaamassa oli ollut pieni Suomessa rakennettu prosessitietokone, ja sain tutkittavaksi sen teknisiä dokumentteja, ehkä niistä olisi jotain apua. Tietokoneen nimi oli S-ODA, ja nuo tekniset dokumentit oli piirretty siististi lyijykynällä, muistaakseni ruutupaperille. Muutamissa näkyi suunnittelijan tai hyväksyjän nimi, Teuvo Kohonen. Nimi oli minulle silloin tuntematon. Myöhemmin kysyin asiasta Kohoselta, mutta hän ei jostain syystä halunnut puhua siitä. Olen yrittänyt löytää tietoja S-ODA -nimisestä tietokoneesta, mutta mitään ei ole löytänyt. Kone perustui transistorilogiikkaan ja siinä oli ferriittirengasmuisti, luultavasti se oli rakennettu 1960-luvun lopulla. Tämä ensimmäinen sivuaminen Teuvo Kohosen uran kanssa noin vuonna 1977 on siis täysin oman hataran muistini varassa. Mutta miksi ihmeessä keksisin jotain tällaista?

Luodaan nyt vilkaisu 1960-70- lukujen tietokoneiden maailmaan. Suomi oli luovinut sinne hieman vaivalloisesti. Oli perustettu Valtion matematiikkakonekomitea. Komitean mielestä valtakunnassa ei ollut niin paljoa laskettavaa, että tietokonetta kannattaisi ostaa, mutta koulutusmielessä kannattaisi sellainen rakentaa. Säästösyistä hankittiin saksalaisen elektroniputkilla toimivan tietokoneen piirustukset. Projekti oli katastrofi, osoittautui että saksassa ei edes ollut toimivaa prototyyppiä, ja piirustuksetkin olivat virheelliset. Kun "elektroninen sarja-komputaattori" ESKO (1954-60) vihdoin valmistui, se toimi epäluotettavasti ja oli jo vanhentunut. Väärä konteksti, akateemiset matemaatikot kuvittelivat, että tietokone on jonkinlainen laskukone. Mutta insinöörit tiesivät paremmin. Ehkä he olivat lukeneet Norbert Wienerin kirjan kybernetikasta.

Suuri yleisö muistaa Teuvo Kohosen neuroverkkojen ja tekoälyn tutkijana, ja häntä pidetään myös aivotutkijana. Tällaiselle uralle päädytään usein hieman erikoisella tavalla. Suuri osa aivotutkijoista ei ole lääkäreitä, fysiologeja tai psykologeja, vaan muun muassa insinöörejä. Kohonen kulki tätä reittiä. Hän valmistui diplomi-insinööriksi vuonna 1957, väitteli tohtoriksi 1962 kokeellisesta fysiikasta, ja toimi Teknillisen korkeakoulun teknillisen fysiikan laitoksella elektroniikan professorina vuodesta 1965. 

Tuohon aikaan laitoksella aloitettiin ensimmäisen suomalaisen tietokoneen kehitystyö. ESKOsta oli opittu, nyt kone suunniteltiin nimenomaan teollista automaatiota varten ja prosessien tietokonesäädön tutkimiseen. Siinä käytettiin transistoroitua logiikkaa, ja siinä oli ferriittirengasmuisti. Hanketta veti Teuvo Kohonen, ja sai nimen Reflac (reflex arithmetic computer). Kone valmistui vuonna 1967. Se ei niinkään perustunut laskukonemalliin, vaan unkarilaissyntyisen matemaatikon John von Neumannin ja ehkä myös Alan Turingin ideoihin (ks.kirjoitus Teoriassa vaikeaa ...). Myös Strömberg Oy osallistui tähän hankkeeseen, ja muutaman vuoden kulttua Aslak Savonjousi vei läpi Strömberg-1000 prosessitietokoneen kehitystyön. Koneesta tuli erinomainen, ja siinä oli paljon ainutlaatuisia ominaisuuksia. Edellä mainitsemani salaperäinen S-ODA tietokone näyttäisi myös syntyneen Reflac-hankkeen ilmapiirissä, en kuitenkaan ole löytänyt tarkempaa tietoa.

Teuvo Kohonen asetti seuraavat tavoitteensa korkeammalle. Tietokoneen tehokkuutta rasittaa eräänlainen pullonkaula. Tietokoneen yleisin tehtävä on käsitellä muistissa olevaa dataa. Mutta dataa on yleensä paljon, ja se pitää siirtää prosessoriyksikköön vaivalloisesti, pieni pala ei tavu kerrallaan. Olisi helpompaa jos dataa voisi hakea suoraan muistista ilman, että se pitää ensin tutkia prosessorissa. Kohonen alkoi tutkia assosiatiivisia eli sisältöhakuisia muisteja, joista dataa haetaan suoraan sen sisällön perusteella. Tämän linjan rinnalle tuli pian toinen idea: entä jos muistisolut pystyisivät myös itse käsittelemään dataa.

Palataan vielä työhöni Strömbergillä. Pian tapahtui seuraava tietokonesukupolven vaihdos: siirryimme minitietokoneista mikroprosessoreihin. Yhtiö kehitti mikroprosessoria hyödyntävän hyvin kompaktin prosessitietokoneen, jonka nimeksi tuli Selma (tästä tietokoneesta ei näytä löytyvän mitään tietoa internetistä). Tietokoneessa oli runsaasti tuloliitäntöjä, joiden kautta se vastaanotti eri tyyppisiä anturisignaaleja ohjattavasta prosessista, ja oli myös lähtöliitäntöjä ohjaustoimintoja varten. Ja mikä parasta, kun ohjelma saatiin valmiiksi, se ”poltettiin” pysyvästi koneen muistipiireihin. Ei enää tarvinnut sählätä reikänauhojen kanssa, niin kuin kaikissa aiemmissa tietokoneissa.

Oma tiimini kehitti tarvittavat ohjelmistorakenteet: ohjelmakirjastoja, käyttöjärjestelmän, ja jopa virtuaalimuistin. Jälkeenpäin ajatellen se tapahtui ihmeen nopeasti. Teimme tietokoneen avulla muistaakseni kymmenkunta prosessinohjaussovellusta, mm sahoille vaneritehtaille ja paperitehtaille. Muut tiimit käyttivät Selmaa muun muassa tietojenkeruujärjestelmissä ja vaihtovirtamoottoreiden ohjaussovelluksissa.

Vuonna 1982 tapahtui yritysjärjestely, jonka takia päätin siirtyä työskentelemään VTT:lle. Aloin tutkia uudenlaisia tietokoneiden laskentarakenteita. Jo edellisessä työpaikassani sain idean tietokoneesta, joka reagoisi suoraan prosessista tuleviin signaaleihin, ilman mutkikasta ja hankalasti ohjelmoitavaa kontrollirakennetta. Tällainen kone olisi hyvin tehokas, ja sen periaate muistutti myös sitä tapaa, jolla eläinten ja ihmisten aivot toimivat (olin jo alkanut seurata tiiviisti aivotutkimusta). Strömberg ei innostunut asiasta, heillä oli jo toinen Selma- tietokoneen jatkokehityshanke, joka oli pidemmällä.

Laskentarakenteiden tutkimuksen kautta, 1980- luvun alkuvuosina, löysin Kohosen tutkimukset assosiatiivisista muisteista, se oli juuri sitä, mitä olin etsinyt. Samalla törmäsin myös hänen kehittämiinsä itseorganisoituviin karttoihin (SOM). Ne olivat keinotekoisia neuroverkkoja, kussakin verkon solmussa paikallisesti toimiva algoritmi sai verkkoon syötetyn datan järjestymään kaksiulotteisiksi kartoiksi.

Olin Kohosen kanssa kirjeenvaihdossa, ja pohdin myös siirtymistä työhön hänen tutkimusryhmäänsä. Se ei kuitenkaan toteutunut. Vähitellen osoittautui, että Kohonen, samoin kun Hinton ja Hopfield, olivat paljon aikaansa edellä. Vasta internetin sisältämät valtavat datamäärät mahdollistivat sovellukset, joissa itseoppivia neuroverkkoalgoritmeja ajetaan perinteisissä tietokoneissa. Uranuurtajien ennakoimat mikropiiritason toteutukset eivät toteutuneet, eikä niitä ole vieläkään näköpiirissä.

Mietin vielä, mitä opittavaa tästä kaikesta voisi olla. Usein ajatellaan, että teoreettinen tiede olisi jotain hyvin abstraktia ja matemaattista, ja kun se tuottaa tuloksia, insinöörikunta alkaa käyttää sitä johonkin hyödylliseen. Mutta usein käykin niin, että juuri konkreettinen työ teknologian kimpussa saa aikaan ratkaisevia oivalluksia. Käytännön fysikaalinen maailma asettaa rajoituksia, jotka testaavat ja karsivat liian suoravivaiset teoreettiset ideat. Tämä näyttää soveltuvan Teuvo Kohoseen, hän oli perin pohjin perehtynyt tietokoneiden rakenteeseen, ja oli myös suunnitellut niitä. On muitakin esimerkkejä. Alan Turingin konkreettinen työ salakirjoitusta murtavien koneiden parissa tuotti luultavasti paljon sellaista, jota hän hyödynsi teoreettisessa työssään. Matemaatikko John von Neumann kirjoitti hyvin teknisiä muistioita tulevaisuuden tietokoneesta nimeltä EDVAC. Luultavasti Teknillisen korkeakoulun Reflac- ryhmä ja Strömberg-1000 tietokoneen suunnittelijat tunsivat ne, tai niihin liittyviä kirjoituksia.

Tekoäly ja ihmiskuva

Tekoälyn uudet sovellukset ovat kiihdyttäneet mieliä, ja myös herättäneet vakavaa huolta. Tekoäly nähdään itsenäisenä ja uhkaavana voimana, jopa jokapäiväistä elämäämme häiritsevänä tekijänä, jos ei välittömästi, niin ainakin lähitulevaisuudessa. Tämä asenne meille perin tuttu tekniikan historiasta. Tehtaiden koneet, sähkö, kemia, voimakoneet, kulkuneuvot ja automaatio ovat mullistaneet maailmaamme. Niitä on ihailtu, mutta myös pelätty. Ja aivan hyvästä syystä, sillä ne ovat muuttaneet elämäämme ja hävittäneet suuren määrän perinteisiä ammatteja. Samalla ne ovat myös tehneet elämämme monella tapaa miellyttävämmäksi ja helpommaksi.

Teknologinen muutos on ruhjonut monella tapaa perinteisiä ammatteja. Moottorialukset tekivät purjealusten käyttöön perehtyneet merimiehet tarpeettomiksi. Voimakoneisiin perustuvat liikennevälineet hävittivät perinteisen hevosten ja juhtien voimaan perustuneen kuljetustoiminnan. Koneellistuneet tehtaat vähensivät dramaattisesti käsityömanufaktuurien työvoimaa, ja seuraavassa aallossa automaatio teki saman tehtaiden ammattitaitoisille koneenhoitajille. Halvan paperin valmistus puusta loi 1800-luvulla valtavan painetun median informaatioteollisuuden. Moderni yhteiskuntamme on pitkälle tämän mullistuksen tuottama. Nyt sähköinen media uhkaa koko tiedotusalan tulevaisuutta.

Juuri nyt näemme tekoälyssä samanlaisen muutosvoiman. Se näyttää uhkaavan aivan erityisesti niin sanottua ”luovaa alaa”. Tekoäly pystyy nähtävästi kirjoittamaan uutisia ja lehtiartikkeleja, luomaan romaaneja ja käsikirjoituksia ja tekemään vaikuttavia taideteoksia tai yhtä lailla vaikuttavia väärennöksiä tunnetuista taideteoksista. Se voi tehdä väärennöksiä jopa tunnetuista tai aivan tuntemattomistakin ihmisistä – tai ainakin näitä ihmisiä esittävästä kuva- äänite- ja videomateriaalista. Mistä tässä on oikein kysymys?

Aloitan vastauksen tuttuun tapaani menemällä hieman historiaan. On olemassa mielikuva tekoälystä jonkinlaisena ajattelevana koneena, ja tämä mielikuva perustuu historialliseen erehdykseen. Tuo erehdys syntyi samaan aikaan, kuin syntyivät nykyisen kaltaiset tietokoneet, eli suunnilleen 1950- luvulla. Tietokonealan pioneerit lumoutuivat koneidensa nopeudesta ja laskentakyvystä. He uskoivat tietokoneiden pian voittavan ihmiset myös älykkyyden saralla. Tuon ajan psykologia ja filosofia tukivat tällaista harhaluuloa. Ihmisen ajattelun ja ongelmanratkaisukyvyn uskottiin perustuvan loogiseen päättelyyn. Tietokoneesta käytettiin jopa nimitystä ”sähköaivot”. Vuosikymmenien ajan tekoälyn saavutukset jäivät kuitenkin vaatimattomiksi. Siitä huolimatta usko tietokoneen vähintäänkin piileviin älyllisiin kykyihin säilyi. Täytyyhän tietokoneesta aikanaan tulla ihmistä älykkäämpi, samalla tavalla kuin voimakoneet ovat ihmisiä vahvempia.

Asiassa on vain yksi ongelma. Edes psykologit eivät tiedä, mitä älykkyys tarkkaan ottaen on. Älykkyyttä voidaan toki kuvailla yleisellä tasolla sellaisena ihmisen ominaisuutena, joka auttaa selviytymään yllättävissä tilanteissa. Tiedämme varsin hyvin, ettei tietokoneella ole tällaista kykyä. Täsmällisempi, ja samalla täysin kiistaton älykkyyden luonnehdinta kuuluu: se on kyky selviytyä hyvin älykkyystesteissä. Mutta tietokone ei osaa ratkaista älykkyystestin tehtäviä, koska se ei ymmärrä tehtävien merkitystä tai tarkoitusta. Tietokone on etevä vain tehtävissä, jotka on määritelty suoraan laskemisen, logiikan tai muistamisen käsitteiden avulla.

Entä mitä viime aikoina on tapahtunut? Miksi älyllisesti avuton ja kömpelö tekoäly onkin äkkiä noussut uhkaavaksi voimaksi? Koetan nyt kuvailla, mistä tässä on kysymys. Uuden teknologian ytimenä ovat niin sanotut keinotekoiset hermoverkot (ANN, artificial neural networks). Niissä ei ole mitään uhkaavaa, salaperäistä tai synkkää, ainakaan siinä mielessä, että ne olisivat jonkinlaisia oman aivokudoksemme elektronisia klooneja. Nimitys on puhtaasti vertauskuvallinen. Kyse on järjestelystä, jossa suuri määrä yksinkertaisia laskentayksiköitä eli ”soluja” on kytketty verkkomaiseksi rakenteeksi. (Tästä tulee vielä eräs teknologian nimi, eli konnektionismi). Keinotekoinen hermoverkko voi olla tarkoitukseen rakennettu laite, mutta yleensä se on tietokoneohjelma, joka jäljittelee tällaisen laskentaverkon toimintaa.

Keinotekoiset hermoverkkojen tutkimus kehittyi voimakkaasti 1970-luvulla, ja eräs niistä käytetty nimitys oli perseptroni, siis havaitsija. Tällaiset ohjelmat tai laitteet olivat samalla tavalla rajoitettuja ja tehottomia kuin muutkin tuon ajan tekoälykonseptit. Eli mitään varsinaista läpimurtoa niistäkään ei seurannut. Tällainen hermoverkko on kyllä tehokas ja nopea. Se pystyy esimerkiksi tunnistamaan erilaisia muotoja tai kuvioita. Sitä varten verkko pitää ohjelmoida. Ohjelmointi tarkoittaa, että solujen välisille kytkennöille annetaan sopivia ominaisuuksia. Verkko on ohjelmoitava erikseen jokaista tunnistustehtävää varten. Ja niin kuin ehkä aavistamme, ohjelmointi on hidasta ja hankalaa työtä.

Entä jos tuo soluverkko osaisikin oppia itsekseen ilman, että ihmisen pitäisi sitä opettaa? Ehkä se on mahdollista! Suomalainen tekoälytutkimuksen pioneeri Teuvo Kohonen (1934–2021) kehitti 1980-luvulla niin sanotun itseorganisoituvan kartan (SOM, self organizing map). Se on tietyillä tavoin toimivien yhteen kytkettyjen laskentasolujen verkko. Kun tällaiseen verkkoon syötetään tietoa, esimerkiksi suomenkielen sanoja, sen solut herkistyvät vähitellen niin, että ne alkavat tunnistaa kirjaimia ja jopa sanoja.

Nykyiset kohua herättäneet tekoälyjärjestelmät eivät ole samanlaisia kuin nämä Kohosen verkot, paitsi aivan yleisellä tasolla: ne oppivat itsenäisesti ilman tapauskohtaista ohjelmointia. Kantavana ideana on oppimistulosten takaisinkytkentä. Verkon tuottamia tuloksia verrataan syötettyyn dataan. Esimerkiksi jos verkko tunnistaa oikein sille syötetyn kuvion, oikein toimineiden solujen kytkennät vahvistuvat. Kun oppimisjaksoa toistetaan monia kertoja, verkko herkistyy tunnistamaan samankaltaista dataa ja ohittamaan poikkeavan datan.

Käytännössä asia on tietenkin paljon monimutkaisempi. Tällä teknologialla on tiivis yhteys mm tilastotieteeseen, ja ideoiden kehittymistä voidaan seurata ainakin pari sataa vuotta taaksepäin. Hermosolujen kaltaisia laskentaverkkoja alettiin miettiä jo 1920-luvulla, ja tietokoneiden keksiminen ja ajatus tekoälystä vauhdittivat kehitystä. Erilaisten kilpailevien ideoiden, algoritminen ja käytettyjen termien paljous hämmentävät alaan perehtyvää.

Jos oppivia verkkoja opetetaan rajoitetulla datamäärällä, tulokset voivat olla hyviä. Mutta jos verkkoon syötetäänkin opetusmateriaalista olennaisesti poikkeavaa dataa, verkon algoritmit häiriintyvät ja se saattaa tehdä aivan outoja virheitä. Siksi verkkojen kouluttamiseen tarvitaan hyvin paljon dataa, ja juuri internet on täynnä valmiiksi digitoitua tekstiä, kuvamateriaalia, puhetta ja liikkuvaa kuvaa. Samalla erilaisille tekoälysovelluksille avautuu valtavat mahdollisuudet. Mutta olemme myös uudenlaisessa tilanteessa. Internetissä on valtavia määriä kaikkien ihmisten saatavissa olevaa materiaalia, jonka kohdalla tekijänoikeudet rajoittavat kaupallista hyödyntämistä. Onko tämän materiaalin käyttö tekoälyjen opettamiseen hyväksyttyä tai sallittua? Ainakaan tällaista käyttöä ei voida tällä hetkellä kontrolloida tai estää.

Tekoälyn lisääntyvään käyttöön liittyy myös sen toiminnan luotettavuus – ja kriittisissä sovelluksissa tekoälyn validointi. Voimmeko luottaa tekoälyihin? Vai voivatko ne tehdä outoja tai vaarallisia virheitä. Esimerkiksi itseohjaavien autojen järjestelmät voivat tunnistaa liikennemerkit väärin: kaupallisia mainoksia tai vaalimainoksia on luultu nopeusrajoituksiksi. Pankkien järjestelmät ovat estäneet asiakkaiden lainoja tai sulkeneet tilejä, koska ne ovat tulkinneet väärin asiakkaan nettikäyttäytymistä.

Oma lukunsa on eettinen väärinkäyttö. Kasvojentunnistusohjelmia voidaan käyttää epäilyttävien ihmisten valvontaan, Kiinassa tämä on jo hallituksen käytäntö. Todennäköisesti tällaisia järjestelmiä on myös monilla lentokentillä. Ihmisten nettikäyttäytymistä seurataan laajasti – ja usein heidän suostumuksellaan, onhan monilla muun muassa kauppaketjujen etukortteja ja nettikauppojen ja erilaisten palvelujen tilejä. Voidaan olettaa, että tällaista tietoa vuotaa hallitusten, kaupallisten toimijoiden ja rikollisten ulottuville. On myös ilmaantunut aivan uusi käsite: ”deep fake” eli syvähuijaus. Se tarkoittaa oikeista ihmisistä luotuja virtuaalihahmoja, yleensä tarkoituksena on eriasteinen vahingon tuottaminen tai rikoshyöty.

Eräs valaiseva sovellusesimerkki on tekoälyn tuottama ”valokuva”, joka voitti tunnetun valokuvauskilpailun. Voimme hyvin kuvitella, mistä oli kysymys. Tekoälyn opetusmateriaalina on ollut suuri joukko valokuvauskilpaluissa ja gallerioissa olleita kuvia, ja oppimisen laatukriteereinä on käytetty kuvia, jotka ovat voittaneet palkintoja.

Mitä pitäisi tehdä? Ainakin on syytä olla varovainen. Olen aiemmin kirjoittanut aiheesta tässä blogissa otsikolla Koneiden moraali. Tuon kirjoituksen näkökohdat ovat edelleen päteviä. Osaamme suojautua varsin hyvin tekoälyn toiminnan tuottamilta fyysisiltä vaaroilta ja aineellisilta vahingoilta. Samalla huolellisuudella pitäisi suhtautua aineettomiin, informaation kautta tuleviin uhkiin.

Voimme luonnehtia näitä uusia tekoälyn muotoja seuraavasti: ne tuottavat eräänlaisia tilastollisia malleja tai yhteenvetoja maailmasta, niille annettujen vihjeiden ja rajausten mukaisesti. Nämä mallit eivät kuvaa maailmassa vallitsevia asiantuloja sellaisenaan, vaan ne kuvaavat vain internetin sisältöä. Voimme tietysti ajatella, että internetin sisältö heijastaa maailmaamme, mutta suhde ei varmaankaan ole yksinkertainen. Ihmiset syöttävät internettiin sisältöä erilaisista syistä ja motiiveista, ja lisäksi erilaiset järjestelmät ja koneet syöttävät sinne dataa.

Mutta nyt seuraa tärkeä huomio!!

Uudet tekoälyn muodot tuovat mukanaan aivan uudenlaisen ja syvällisen haasteen tai kysymyksen. Tämä haaste on dramaattinen ja järisyttävä, mutta siihen ei ole kiinnitetty oikeastaan lainkaan huomiota. Se muuttaa radikaalisti kuvaamme siitä, mikä ihminen on ja miten ihminen ajattelee.

Viimeisten vuosikymmenien aikana aivojen tutkimus on vähitellen parantanut ymmärrystämme siitä, miten aivomme toimivat, mitä on ajatteleminen, ja viime kädessä siitä, mikä on ihminen. Tämä ymmärrys ei ole lainkaan sellainen, mikä on juurtunut kulttuuriimme. Olemme täysin toisenlaisia kuin mitä uskomme olevamme.

Aloitetaan vertauskuvasta, ja otetaan tarkasteltavaksi eläinten käyttäytyminen. Isoja ihmisapinoita, ennen kaikkea simpansseja pidetään älykkäinä. Ne käyttäytyvät ihmismäisesti, ja niillä on isot aivot, joiden ajatellaan olevan jonkinlainen merkki älykkyydestä. Apinat osaavat ratkaista erilaisia pulmatehtäviä ja käyttää ja jopa valmistaa sitä varten erilaisia apuvälineitä. On kuitenkin niin, että eräät varislinnut ovat pulmatehtävien ratkaisijoina jopa apinoita etevämpiä. Ja kuitenkin, niiden aivot mahtuisivat helposti teelusikkaan.

Tehdään rohkea johtopäätös. Ihmisten (tai apinoiden tai valaiden tai elefanttien) aivojen suuri koko ei sinänsä tee omistajistaan älykkäitä. Nuo suuret aivot tuottavat enimmäkseen jotain aivan muuta kuin niin sanottua älykkyyttä. Mutta mitä?

Aivotutkimus on vähitellen selvitellyt tätä mysteeriä. Osoittautuu, että aivot ovat ennen kaikkea mallinnus- ja ennustuskone. Ne tuottavat ympäristöämme ja sen tapahtumia kuvaavan ja ennustavan dynaamisen mallin, jonka rakennusaineina ovat aistihavainnot ja muistissa oleva tieto. Se on välttämätöntä, jotta pysyisimme toimimaan ja ylipäätään selviytymään maailmassa. Tämä on toki yleinen piirre. Kaikkien eläinten hermostot toimivat vastaavalla tavalla.

Isojen aivojemme erityismerkitys saa valaistusta tästä havainnosta. Aivoihimme tallentuva muistiaines on tässä hyvin tärkeää, kaikesta kokemastamme jää aivoihin muistijälkiä. Olemme sosiaalisia ja pitkäikäisiä eläimiä, ja toimimme mutkikkaalla tavalla mutkikkaassa ympäristössä. Aivoissamme täytyy olla tilaa tallentaa ja hyödyntää tietoa koko pitkän elämämme ajan. Siksi ne ovat niin suuret, erityisesti ihmisellä, joka on suuriaivoisista eläimistä kyvykkäin. Ihmisen valtava tehokkuus, kyky, kapasiteetti (ja tuhovoima) nojaa myös näppäriin käsiimme ja erityiseen kielikykyymme.

Nyt voimme tehdä rinnastuksen uuden tekoälyn toimintaperiaatteeseen. Ajattelumme, toimintamme ja reaktiomme ovat eräänlaisia tilanteen mukaan tehtyjä vedoksia ja yhteenvetoja muistissamme olevasta kokemusvarannosta. Karkeasti ajatellen aivojemme valtava ja jatkuvasti karttuva muistivarasto vertautuu tekoälyn käytössä olevaan internetin sisältöön.

Olen yllä esittänyt radikaalin oivalluksen, aika kompaktisti, ikään kuin pikajuoksuna. En selitä tarkemmin, siihen tarvittaisiin valtavasti tilaa, ei se tähän blogiin mahtuisi. Eikä asia jankuttamalla parane. Radikaalin ajatuksen pitää antaa upota ja vaikuttaa. Sitten siitä voi ottaa varovasti selvää. Vakuutan kuitenkin, että edellä esitetty perustuu etevimpien aivotutkijoiden vuosikymmenien aikana tuottamiin tuloksiin.

Pohjustan näitä ajatuksia tulevassa kirjassani Robottipuisto. Esseitä ihmisen ja koneen älystä. Toivon, että saan sen pian lukijoideni ulottuville.