5G ja laskennan lajit

To hell with more. I want better!

Ray Bradbury

5G- hypetys on ihmetyttänyt monia, ja niin itseänikin. Eihän se niin ihmeelliseltä tunnu. Kysymyksessähän on vain olemassa olevan teknologian jokseenkin loogisesti etenevä kehitys. Epäkypsälle teknologialle on ominaista, että sen suorituskyky kasvaa ennustettavasti ja jopa suoraviivaisesti. Tunnemmehan toki tietokoneiden suorituskyvyn kasvua kuvaavan Moore'n lain, ainakin nimeltä. Aivan vastaavasti tietoverkkojen suorituskyky kasvaa jatkuvasti, kun sitä mitataan tiedonsiirron tehokkuudella.

Tekniikkaa tuntevat aavistavat, mistä tuo suorituskyvyn kasvu nousee. Siirtymällä suuremmille taajuuksille radioteille voi mahduttaa aina vain enemmän informaation välityskapasiteettia. Karkeasti ottaen ilmiön takana on vuonna 1949 esitelty Shannonin teoreema, jota voidaan sanoa jopa luonnonlaiksi. Mutta ei mennä nyt sille osastolle. 

Tällä kapasiteetin kasvulla on varjopuolensa. Suurilla taajuuksilla lähetysten kantomatka lyhenee, tarvitaan tiheään sijoitettuja tukiasemia. Toisaalta radioaaltojen aiempaa suurempi vaimeneminen mahdollistaa taajuuksien tehokkaan uudelleenkäytön. Tämä kasvattaa osaltaan myös kapasiteettia. Mutta kannattaako tämä juttu todella? Tiheän tukiasemaverkon rakentaminen maksaa paljon. Onko meillä todella niin paljon siirrettävää dataa?

Katsotaanpa asiaa historiallisesta perspektiivistä. Kapasiteetin kasvu voi merkitä myös laadullista harppausta, mutta sitä on vaikeaa nähdä ennakolta. Kun tietokoneet keksittiin, niiden hyödyllisyyttä arvioitiin sen ajan laskemisen tarpeiden pohjalta. IBM-yhtiön toimitusjohtaja arveli, että maailmassa tarvitaan ehkä viisi tietokonetta. Vuoden 1954 Suomessa erittäin arvovaltaisista asiantuntijoista muodostettu valtion matematiikkakonekomitea antoi yhtä profeetallisen lausunnon. Suomessa ei ole niin paljoa laskettavaa, että tänne kannattaisi hankia tietokone - mutta koulutusta varten voitaisiin ehkä rakentaa yksi kone.

Samanainen pohdinta jatkui parin vuosikymmenen kuluttua, kun mikrotietokoneet tulivat markkinoille. Mitä niihin voisi tallentaa? Ehdotettiin kakkureseptejä. Mutta tarve oli aivan toisaalla. Tietokoneella alettiinkin käsitellä tekstiä, kuvia ja videoita. Pian tietokoneille oli jo paljon käyttöä. Ja kun tietokoneet ja tiedonsiirto kohtasivat, syntyi ensin internet ja sitten sosiaalinen media. Todellisuus ylitti moninkertaisesti futurologien spekulaatiot.

Silti 5G verkkojen ympärillä käytävä keskustelu tuntuu kiusalliselta. Taas kerran arvioimme uuden teknologian perspektiivejä nykyisen verkkojen käytön näkökulmasta. Tuoko uusi teknologia vain lisää kissavideoita ja tubettajia? Onko enää näköpiirissä laadullista harppausta?

Uskon, että sellainen harppaus tulee, mutta ehkäpä se tulee niin sanotusti puun takaa. Sieltähän se aina tulee. Joten nyt yritän kertoa, mitä sillä saralla on tulossa. Tällainen spekulointi on tietenkin uhkarohkeaa ja jopa turhaa, sillä "aika näyttää". Mutta tulevaisuuden pohdinta on niin kovin kiehtovaa. Se on myös ihmiskunnan kollektiivisen luovuuden toimintatapa ja voimanlähde. Nykyhetkeen sijoittuu se maailmaa eteenpäin vievä prosessi joka sovittaa yhteen menneisyydessä hankittua kokemusta ja tulevaisuuteen tähtäävää mielikuvittelua. 

Bioniikka on tiede, joka pyrkii ennakoimaan ja kehittämään teknologiaa luonnosta löytyvien mallien avulla. On tunnettua, että teknologia jäljittelee varasin usein luontoa. Joskus se tekee sitä tietoisesti, mutta on ehkä vielä tavallisempaa, että huomaamme tämän vasta jälkikäteen. Bioniikka ei kuitenkaan ollut tietokoneiden kehitystä vauhdittamassa. Niiden ideana oli aritmetiikan mekanisointi. Biologisten hermostojen tietojenkäsittely tunnettiin vain hyvin ylimalkaisesti. Parhaassa tapauksessa tietokoneiden ja elävien olentojen välillä nähtiin niiden tarkoituksen yleisluontoinen samankaltaisuus.

Kävi jopa päinvastoin. Tietokoneiden toimintaperiaatteesta tehtiin päätelmiä ihmisen ajattelun luonteesta, ja se meni oikeastaan täysin väärin. Hermostojen tutkimus ja tietokoneiden kehitys etenivät rinnakkain, kumpikin omilla raiteillaan. On ehkä väärin sanoa, etteivät ne vaikuttaneet toisiinsa. Mutta kun itse seurasin tätä kehitystä vuosikymmenien ajan hyvin läheltä, voisin sanoa, että tietokonetekniikan biologiasta saamia ideoita (massiivinen rinnakkaislaskenta ja assosiatiiviset muistit) ei missään vaiheessa otettu laajaan käyttöön. Siitä huolimatta, että ne sinänsä olivat kiehtovia. Hermostojen ja aivojen tutkimus puolestaan hyötyi vielä vähemmän teknisten laskentarakenteiden kehityksestä (tosin ietokoneista tuli merkittäviä tutkimuslaitteita aivojen kuvantamisen kehittyessä).

Unohdetaan nyt teknisen toiminnan yksityiskohdat ja palataan aivan juurille. Onko eliöiden hermostolla ja tietokoneilla jotain yhteistä? Vastaus on tunnettu ja myönteinen. Molemmat ovat informaatiota käsitteleviä laitteita. Voisimme hetkeksi unohtaa tietokoneet ja keksittyä eliöihin. Jo varsin yksinkertaisten eliöiden hermostot ovat hyvin suorituskykyisiä. Vaikka niiden perusosat eli hermosolut toimivat hyvin hitaasti ja tiedon siirtonopeus on vatimaton, hermostojen suoritukset ovat hämmästyttäviä. Bioniikan pohjalta voisi nyt kysyä: miten ne sen tekevät?

Ymmärtääksemme asian meidän on pohdittava laskentaparadigmojen eroa. Ihmisen rakentama tietokone ja biologinen hermosto perustuvat nimittäin täysin erilaisiin laskennan periaatteisiin. Niitä ei voi verrata toisiinsa laskentatehtävien suoritusaikoja vertaamalla - koska ne eivät suorita vertailukelpoisia tehtäviä. Laskentaparadigmat ovat vertailtavissa vain hyvin yleisellä tasolla: informaation käsittelynä. Olen kirjoittanut yleistajuisen johdannon aiheesta Tieteessä tapahtuu-lehteen.

Koetan nyt luonnehtia näitä laskentaparadigmoja laadullisella ja yleistajuisella tasolla. Aloitetaan meille tutummasta elektronisesta tietokoneesta. Tietokoneet kehitettiin alun perin aritmeettisia laskelmia varten, mekaanisten laskukoneiden sähköisiksi vastineiksi. Laskutoimitukset voidaan jakaa peräkkäisiin vaiheisiin ja niiden suoritusta voidaan ohjata muodollisen logiikan avulla. Syntyi ohjelmoinnin käsite ja välineet. Se on tietokoneen olemuksen syvinä ydintä.

Tietokoneen silmiinpistävin piirre on sen universaalisuus. Sillä voidaan suorittaa vaativaa aritmetiikkaa, mutta se pystyy myös vertaamaan ja käsittelemään symboleja. Koneella ei siten ole oikeastaan mitään erityisalaa. Yleiskäyttöisten ohjelmointikielten ja tietokoneen suorittamien tehtävien välillä ei ole mitään ilmeistä kytkentää. Tuo kytkentä syntyy ohjelmoijan luovan panoksen kautta. Tietokone on ihmisen luovan ajattelun jatke. Se on suuri etu, mutta samalla sen suorituskyvyn ja luotettavuuden vakava rajoitus.

Biologisten hermostojen toiminnan luonne on täysin toisenlainen. Hermoston laskentakyky aiheutuu hermosolujoukoista, jossa solujen väliset kytkennät määrittelevät solujoukkojen tiedonkäsittelytehtävät. Hermostossa sijaitsee suuri määrä rinnakkain toimivia tietoa käsitteleviä solujoukkoja. Kullakin joukolla on omat tehtävänsä, mutta samalla ne kommunikoivat keskenään ja vaikuttava toisiinsa. Nuo laskentaa suorittavat osat kehkeytyvät hermostoon geneettisen määräytyneinä, mutta niiden syntyyn ja kehitykseen vaikuttaa myös yksilökehityksen vaiheet ja toimintaympäristö. Tutkijat puhuvat neuroplastisuudesta eli hermoston taipumuksesta mukautua ja muuttua jonkinlaisena kiinnostavana ominaisuutena. Tosiasiassa se on paljon enemmän. Neuroplastisuus on mekanismi, joka ohjelmoi hermostot ja aivot hieman samaan tapaan kuin ohjelmoija ohjelmoi tietokoneen. Vain paljon paremmin.

Vielä eräs kiinnostava näkökulma. Mitä nuo hermoston lukuisat rinnakkain toimivat neuronikoneet tekevät? Ne ovat simulaattoreita. Ne jäljittelevät eliön itsensä toimintaa, ja samalla ne jäljittelevät ympäristöä ja sen kohteita. Jäljittelyn tarkoitus on ohjata neuronikoneiden isäntänä toimivan eliön toimintaa. Eliön hermosto ylläpitää eliön toimintaa kuvaavaa aktiivista ja ajantasaista mallia, ja samalla se ylläpitää myös toimivaa mallia eliön ympärillä olevista asioista.

Mitä tällä asialla on tekemistä 5G- verkkojen kanssa? Tämä on kirjoitukseni spekulatiivisin osa. Näen, että 5G ympäristö voisi toimia laskenta-alustana, joka olisi analoginen elollisen luonnon hermoverkkojen kanssa. Se voisi sisältää laskentakykyä ja samalla siinä olisi mukana paljon ympäristöä kuvaavaa tietoa. Näin teknologinen laskenta-alusta saattaisi saada samoja piirteitä, joita on biologisissa hermostoissa.

Tämä on tietenkin vain hämärä oivallus, ja kehitys voi luonnollisesti kulkea aivan muita polkuja. Voisiko se merkitä niin sanottua singulariteettia. Entä mitä merkitsee ylipäätään esittämäni laadullinen kuva biologisesta tiedonkäsittelystä. Onko neuroplastisuus vain tekninen ominaisuus, vai sisältyykö siihen tavoitteellisuuden ja vapaan tahdon nimellä kulkevia asioita, joita ei haluta selittää teknisesti vaan jotenkin muuten. Filosofit pohtikoon näitä asioita, se on heidän tehtävänsä. Filosofit ovat yleensä väärässä, mutta he osaavat esittää hyviä kysymyksiä.

Itselläni on pahaenteinen aavistus. Niin sanotut suuret filosofiset kysymykset yleensä katoavat, kun niitä riittävästi valaistaan tiedon valolla.

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.