Tekoälyn piti ratkaista kaikki ongelmat, mutta se lupaus on petetty. Asiantuntijat kertovat, mihin tekoälystä lopulta on. - HS Visio | HS.fi

Kun tekoäly pettää lupaukset

Viime vuosina tekoälystä on lupailtu ratkaisua vähän kaikkiin ongelmiin. Todellisuus ei ole ollut niin ruusuinen.

27.11.2021 2:00 | Päivitetty 29.11.2021 7:01

Odotuksien ollessa suuret, myös pettymys voi olla karvas.

Teknologia-alan kovimmat odotukset ovat kohdistuneet viime vuosina tekoälyyn.

Konenäköratkaisuja kehittävän turkulaisen, alle kymmenen henkilöä työllistävän Marshall AI:n teknologiajohtaja Tomi Niittumäki kertoo, että välillä tekoälyä on ollut hankala myydä, koska asiakkaat eivät välttämättä usko sen toimivuuteen. Syynä on se, että vielä muutama vuosi sitten tekoälynä on saatettu myydä kaikenlaisia ratkaisuja.

”Jossain vaiheessa tekoälyä myytiin lupauksella, että tämä ratkaisee kaikki ongelmasi. Tekoälyä myös myytiin ilman, että tajuttiin, mitä myydään”, Niittumäki sanoo.

Välillä taas yksinkertaisia chattibotteja tai tekoälyn kaltaisia ratkaisuja on myyty tekoälynä.

Niin, mitä tekoäly ylipäätään edes on?

Kysymys ei ole niin helppo kuin miltä se kuulostaa.

”Jos termikeskusteluun haluaa lähteä, niin tekoälystä on monenlaisia määritelmiä. Omaan korvaani on särkenyt, miten termiä on käytetty”, sanoo Silo AI:n toimitusjohtaja ja Hankenin työelämäprofessori Peter Sarlin.

Silo AI on yksi Euroopan johtavista yksityisistä tekoälykonsulttiyrityksistä. Silo AI:ssa työskentelee sata väitellyttä tohtoria ja yhteensä 200 ammattilaista, mikä tekee siitä merkittävän toimijan alalla.

Sarlinin mukaan on hyvää ja huonoa tekoälyä, mutta yleensä kyse on siitä, että koneella on jonkinlainen kyky jäljitellä ihmisen toimintaa.

Silo AI:n toimitusjohtaja Peter Sarlin ei usko puhtaisiin tekoälytuotteisiin. Sen sijaan hän odottaa, että tekoäly muuttaa jo olemassa olevia digitaalisia ja fyysisiä tuotteita.

”Viime kädessä puhutaan vain arvontuotannosta”, hän sanoo.

Sekään ei vielä kuulosta kovin selkeältä, mutta Sarlin osaa selittää asian auki.

Suuri osa yrityksistä myy tällä hetkellä joko digitaalisia tuotteita tai digitaalisen ja fyysisen tuotteen yhdistelmiä. Tekoälyä voi hyödyntää kummankin tyyppisen tuotteen arvoketjuissa. Sillä voi poistaa ihmisen tekemää työtä, tukea sitä ja tuottaa lisäarvoa asiakkaalle.

Kapea tekoäly. Sillä termillä Sarlin kutsuisi sitä, mitä yritykset tällä hetkellä tarjoavat.

Äly-sana saattaa johtaa siinä mielessä harhaan, että koneen oppiminen on hyvin erilaista kuin ihmisen. Yleensä kone osaa tehdä vain jotain tiettyä asiaa. Tunnistaa hahmoja, tuottaa tekstiä tai löytää yhteyksiä tilastodatasta.

Marshall AI:n konenäkö on esimerkki tekoälystä, joka on hyvä yhdessä asiassa: tunnistamaan hahmoja ja esineitä. Konenäköä voi hyödyntää puolustuskäytössä, rajavalvonnassa tai liikenteen ohjauksessa. Kone voi tunnistaa esimerkiksi sen, että jalankulkija odottaa liikennevaloissa. Ratkaisua on testattu jo Jätkäsaaressa Helsingissä.

Marshall AI:n Niittumäki avaa näytölle ohjelman, jolla tekoälyä hallitaan. Hän alkaa selittää, miten konenäkö toimii.

Ohjelma muistuttaa etäisesti videoeditointityökalua. Niittumäki avaa videotiedoston, jossa näkyy maisema. Kohta kuvassa lentää jotain. Se on drooni.

Seuraavaksi Niittumäki avaa neuroverkkomallit. Hän klikkailee ikkunoita ja syöttää muutamia arvoja. Muutamassa minuutissa malli on valmis. Sen pitäisi tunnistaa videolla lentävä drooni, erottaa se linnuista. Ja niinhän se tekee.

Hahmotunnistuksen taustalla on lopulta melko yksinkertainen toimintalogiikka. Tietokone käy kuvan läpi yhdeksän pikselin ruudukoissa vasemmalta oikealle. Matemaattisella kaavalla se laskee pikselien välisiä eroja. Kone tekee pääasiassa kerto- ja jakolaskuja, muodostaa keskiarvoja. Laskutoimituksia on miljoonia.

Ihmistä tunnistaessa Marshall AI:n konenäkö käyttää 32 eri suodatinta kuvaan. Jokainen suodatin näyttää siltä kuin taiteilija Andy Warhol olisi käynyt manipuloimassa kuvaa kuvankäsittelyohjelmassa, tosin mustavalkoisena.

Syntyy matemaattinen kaava, jonka lopputulos kertoo sen, onko kuva tietty hahmo vai ei. Tekoäly saattaa tarvita muutaman harjoituskerran, mutta sen voi myös laittaa opettamaan itse itseään.

Silloin kaavan osuvuus paranee koko ajan. Käytännössä siis ihmiselle käsittämätön matemaattinen kaava muuttuu käytössä koko ajan paremmaksi, tarkemmaksi ja sitäkin monimutkaisemmaksi.

Toinen vaihtoehto olisi yrittää tunnistaa hahmo erilaisten sapluunoiden avulla. Sitä ei oikeastaan voi pitää tekoälynä eikä kovin edistyksellisenä. Niittumäki kertoo kuitenkin törmänneensä sapluunapohjaiseen tunnistukseen, jota on kutsuttu tekoälyksi.

"Puhdasta tekoälytuotetta ei mielestäni ole olemassa.”

Tekoälyn historia on melkein yhtä pitkä kuin tietotekniikan. Useita nykytekoälyn käyttämiä algoritmejä kehitettiin jo 1960- ja 1970-luvulla. Siitä lähtien algoritmien kehitys on ollut varsin tasaista ja se jatkuu edelleen.

Vielä kymmenen vuotta sitten tekoälyn osaajat löytyivät tyypillisesti kahdesta paikasta. Joko Googlen kaltaisesta yhtiöstä tai yliopistomaailmasta.

Noin viisi vuotta sitten tapahtui muutos. Tekoälyä alettiin kehittää akateemisten piirien ulkopuolella. Silloin syntyi suuria lupauksia ja sitäkin suurempia odotuksia.

Yksi suurimpia tekijöitä koneoppimisen, neuroverkkojen ja hahmotunnistuksen yleistymiselle, löytyy laskentatehon kasvamisesta. Suuri käänne tapahtui viime vuosikymmenellä, kun näytönohjaimia alettiin hyödyntämään tekoälyn moottoreina.

Jos asiaa haluaa yksinkertaistaa, niin perinteiset tietokoneiden suorittimet laskevat laskutehtäviä jonossa: laskutehtävä, laskutehtävän jälkeen.

Näytönohjaimissa taas on moninkertainen määrä laskentatehtäviä suorittavia ytimiä, jopa tuhansia. Sen ansiosta laskutehtäviä voi suorittaa rinnakkain, eli monta laskua yhtä aikaa.

Nykyisen tekoälyaallon voi nähdä alkaneen vuoden 2017 tienoilla.

”Pitää muistaa, että näitä aaltoja on tullut ja mennyt”, sanoo Silo AI:n Sarlin.

Myös Silo AI syntyi nykyisen tekoälyaallon alkuaikoina. Kasvu on ollut vauhdikasta. Yksi syy saattaa olla Silo AI:n lähestymistapa. Tavoitteena ei ole kehittää yhtä tekoälytuotetta vaan ratkoa asiakkaan liiketoiminnan ongelmia ja auttaa tuotekehityksessä, viedä tekoäly osaksi asiakkaiden tuotteita.

Sarlinin mukaan räätälöitävissä olevia avoimen lähdekoodin tekoälymalleja on nykyisin hyvin saatavilla. Tällä hetkellä suurimmat haasteet eivät välttämättä ole tekoälyssä, vaan siinä, miten tekoäly onnistutaan kytkemään osaksi tuotekehitystä, tuotetta ja liiketoimintaa.

Sarlin suhtautuu kriittisesti valmiisiin tekoälytuotteisiin tai pakettiratkaisuihin.

"Puhdasta tekoälytuotetta ei mielestäni ole olemassa. Ja yksittäiset tekoälyyn pohjautuvat pisteratkaisut tuottavat harvoin merkittävää lisäarvoa. Käytännössä tekoäly tulee vähitellen osaksi jokaista digitaalista tuotetta.”

Hänen mielestään tekoälyä ei pitäisi lähestyä teknologia edellä vaan samalla tavalla kuin mitä tahansa tuotekehitysprojektia. Ensin on tunnistettava liiketoiminnasta ratkaistava ongelma ja vasta sitten selvitetään, voisiko tekoäly olla ratkaisu. Lopulta tekoälyratkaisun vieminen käytäntöön saattaa tuottaa vielä omat haasteensa.

”Enää ei ole kyse siitä, onko tämä hypeä, joka menee ohi. Kyllä tekoäly on tullut jäädäkseen. Nykyisin jokaisella on puhelin täynnä sovelluksia, jotka hyödyntävät sitä. Olennainen kysymys on, miten nopeasti tekoäly yleistyy suurten teknologiayhtiöiden ulkopuolella”, Sarlin sanoo.

Täysin autonomiseen tekoälyyn Sarlin ei usko. Kyse on hänen mukaansa aina ihmisen ja koneen yhteistyöstä. Jotkut asiat ihminen tekee paremmin ja toiset kone.

”Tekoälyä ei pidä sekoittaa superälykkyyteen tai humanoidirobetteihin. Tällä hetkellä kyse on siitä, että kone tekee yhden kapean asian paremmin kuin me ihmiset.”

Artikkeliin liittyviä aiheita