Tulevaisuuden nimi on AI

Ihanin taivas vai alin helvetti – tulevaisuuden visiot vaihtelevat laidasta laitaan

AI-kehityksen aivan ensimmäinen askel otettiin binäärisen lukujärjestelmän keksimisen myötä. Binäärinen lukujärjestelmä perustuu vain kahteen lukuun, esim. nolliin ja ykkösiin.

Ensimmäisenä matemaatikkona tätä ideaa kehitti intialainen Pingala, joka syntyi noin 200 vuotta ennen Kristusta. Euroopassa ideaan tarttuivat mm. matemaatikot Juan Caramuel y Lobkowitz (1606–1682) ja Gottfrid Leibniz (1646–1716).

Turkulaislähtöinen Abraham Clewberg, aateloituna Edelcrantz (1754–1821), kehitti binäärijärjestelmän varhaisena käytännön sovelluksena optisen lennättimen, joka koostui 10 luukusta. Kukin luukku voitiin kääntää kahteen asentoon, jolloin saatiin kaikkiaan 1024 signaaliyhdistelmää.

Tekniikka hyppäsi ratkaisevasti eteenpäin v. 1947 transistorin keksimisen myötä. Transistori joko sulkee tai aktivoi virtapiirin. Seuraavana askeleena tulivat mikropiirit, joihin on yhdistetty suuret määrät transistoreja, niistä kehittyivät mikroprosessorit ja vähitellen yhä tehokkaammat tietokoneet.

”Mikrosirun laskentateho kaksinkertaistuu noin kahden vuoden välein (Mooren laki). Se vie kehitystä eteenpäin eksponentiaalisesti. Niinpä tavallinen matkapuhelin on nykyään tehokkaampi kuin kaikkien niiden supertietokoneiden yhteenlaskettu teho, joita NASA käytti ensimmäiseen miehitettyyn kuulentoon v. 1969”, Caj Södergård sanoo.

Laajakaistan ja Internetin myötä tiedonvälityksen määrä on räjähtänyt ja muodostaa yhä kehittyneempien algoritmien kanssa nykyisen tekoälyn perustan.
”Nyt ei enää puhuta pelkästään ihmisten vaan myös eri laitteiden ja mittareiden kytkeytymisestä verkkoon, esineiden internetistä (Internet of Things). Jo nyt v. 2018 arviolta 11 miljardia laitetta on kytkeytyneenä verkkoon eikä luku sisällä matkapuhelimia ja tietokoneita”, Caj Södergård sanoo.

Maailman datamäärä kasvaa noin 40 % vuodessa, ja tämän kasvuvauhdin ennustetaan jatkuvan pitkään. Niinpä vuoden 2025 datamäärä on kymmenkertainen nykyiseen verrattuna.

Ratkaisevaa tässä on järjestelmän käyttäjän henkilökohtaistaminen, jolla pyritään kunkin henkilön tunnistamiseen ja sisällyttämiseen oman ainutlaatuisen profiilinsa perusteella.

Mihin kehitys johtaa, siitä on monta visiota aina ihanimmasta taivaasta alimpaan helvettiin. Alla muutamia myönteisiä kehityslinjoja, Caj Södergårdin kuvaamina.

Talouskasvu: Tekoälyn odotetaan lisäävän globaalia kasvua useilla prosenttiyksiköillä. Esimerkiksi konsulttiyhtiö McKinsey ennustaa esineiden internetin kasvattavan globaalia taloutta 4000–11000 miljardilla eurolla vuodessa jo v. 2025. Suomi kuuluu korkean koulutustasonsa ja teknisen osaamisensa ansiosta maihin, jotka voivat hyötyä tekoälystä eniten. (Katso artikkeli s. 13)

Liikenne: Globaalisti liikenneonnettomuuksissa kuolee yli miljoona ihmistä vuodessa ja loukkaantuu moninkertainen määrä. Robottiautot voivat merkittävästi vähentää näitä onnettomuuksia. Lisäksi tietokoneohjelmilla pystytään hyödyntämään resursseja maksimaalisesti, vähentämään saastumista ja säästämään yksilön ja yrityksen aikaa. Autot osaavat viestiä toistensa kanssa reaaliajassa ilman kuljettajan puuttumista asiaan, mikä takaa joustavan ja turvallisen yhteispelin liikenteessä.

Koti: Koti osaa hoitaa itse itsensä, eri tilat voidaan lämmittää ja jäähdyttää automaattisesti toiveidesi mukaisesti, pystytään optimoimaan esim. sähkönkulutus (liikkuvan) sähkönhinnan perusteella niin, että sähkölasku on mahdollisimman pieni. Imurointi voidaan hoitaa automaattisesti, kun kukaan ei ole kotona, pesukone osaa itse annostella pesuaineen tekstiilityypin ja pyykin likaisuusasteen perusteella.

Hoito: Henkilökunnan tarve voi vähetä vanhusten ja sairaiden hoidossa. Yövalvonta voi esimerkiksi perustua dataan, joka välittää verenpaineen tai muiden arvojen muutokset valvomoon. Tekoälyratkaisuilla ja robotiikalla voi saada apua ruoanlaittoon, peseytymiseen tai wc-asioihin. Verkkoon yhteydessä olevat verensokerimittarit voivat ilmoittaa, milloin on aika ottaa lääkkeet, älyrannekkeet voivat hälyttää lääkärin sydämen rytmihäiriössä, anturit voivat tunnistaa, milloin vaippa on vaihdettava, kognitiiviset apuvälineet voivat helpottaa heikkenevän muistin seurauksia.

Työ: Koneiden seisokkiaikaa voidaan supistaa, kuluminen voidaan ennustaa. Fyysisen työn määrä voidaan minimoida, työvoimaa voidaan ohjata niin, että kukin työskentelee sen parissa, mikä on kulloinkin toiminnan kannalta parasta. Amazon esimerkiksi varustaa nykyään osan työntekijöistään rannekkeella, joka jäljittää heidän jokaisen liikkeensä. Tätä voidaan pitää yksityisyyteen puuttumisena, mutta oikein käytettynä se voi myös rikastuttaa työtä ja vähentää riskejä. Rannekkeet voivat toimistotyössä ilmoittaa, milloin on aika nousta ylös liikkumaan tai milloin stressitaso on liian korkea ja täytyy rauhoittua.

Maa- ja metsätalous: Satoa voidaan tarkkailla reaaliajassa. Pelloilla ja ilmassa olevat anturit voivat ilmoittaa kastelun ja ravinteiden tarpeesta, sadonkasvua voidaan seurata jatkuvasti kuvauskoptereista, lentokoneista ja satelliiteista. Eläintenpidossa ruokinta voidaan hoitaa tarkasti, järjestelmä havaitsee jo varhain, onko eläimille tulossa jokin infektio. Kukin yksittäinen puu voidaan metsätaloudessa rekisteröidä satelliittikuvien avulla, ja metsänomistaja saa tarkat tiedot, joilla ratkaista, milloin on hakkuun tai muiden toimenpiteiden aika.

robot

Pepper ja Victoria, edellinen ns. humanoidityyppinen robotti, jälkimmäinen sukunimeltään Nordin toimii IBM:n ohjelmoijana Euroopassa. Pepper perustuu IBM:n kehittämään tekoälyyn. Se pystyy informaatiota keräämällä ja analysoimalla erottamaan nopeasti erilaisia kuvioita ja asiayhteyksiä.
Kuva: Beatrice Lundborg, DN/TT

Turvallisuus: Vikaan tai poikkeavaan suuntaan etenevät asiat pystytään huomaamaan varhaisessa vaiheessa. Kotia ja omaisuutta voidaan valvoa etänä, ja murtovarkaat ja muut pystytään tunnistamaan jo rikoksen tekoaikana tai jopa sitä ennen, koska suurten ihmismassojen käyttäytymismalleja on analysoitu ja korkean riskin ryhmiä tunnistettu.

Kaupat: Henkilökuntaa ei enää tarvita rutiinipalveluun eikä kauppa ole enää riippuvainen aukioloajoista. Ovi voidaan kasvojen tai äänen tunnistuksella avata luotetuille asiakkaille, joilta veloitetaan kauppalasku automaattisesti heidän poistuessaan. Ainakin Amazon käyttää jo tätä konseptia yhdessä Seattlen liikkeistään, jossa asiakas pääsee kauppaan viivakoodiaan käyttämällä.

Ihmisen välinen viestintä: Eri kielten välisestä automaattisesta kääntämisestä tulee arkipäivää. Voimme keskustella ilman tulkkia esim. brasilialaisen kanssa, koska tietokone tunnistaa suomenkielisen puheemme ja kääntää sen portugaliksi ja sen jälkeen syntetisoi käännetyn tekstin portugalinkieliseksi puheeksi.

Riskipuolellakin on kuitenkin asioita. Tässä muutamia Caj Södergårdin antamia esimerkkejä.

Hakkerit: Hakkerit ottavat vallan ja ohjaavat järjestelmän katastrofia kohti. Järjestelmään murtautuvan tarvitsee onnistua vain kerran, järjestelmää suojaavan on onnistuttava joka kerta. Murtautumisen voi toteuttaa viattomalta tuntuvan laitteen, esim. verkkoon kytketyn jääkaapin, kautta.

Yksityisyyden suoja: Googlen ja Facebookin kaltaisten toimijoiden algoritmit tietävät yhä tarkemmin ajatuksesi sekä miljoonia muita asioita, joita itse tuskin aavistat. Miten voimme luottaa, että kaikki tämä tieto säilyy turvassa eikä sitä käytetä yksityisyyttämme loukkaavalla tavalla?

Totta–valetta: Tekoälyn avulla on helppo tehtailla väärennettyjä videonpätkiä, joissa todellisten ihmisten suuhun laitetaan tekaistuja asioita. Profiilisi sisältää tietoa, joka jos se menee riittävän syvälle, voi tarkoittaa, että tunnetilasi ja reaktiosi pystytään ennustamaan pienintä yksityiskohtaa myöten. Voidaan esimerkiksi ajatella, että poliittinen sanoma räätälöidään juuri tiettyä vastaanottajaa varten niin, että tämä lähes 100 %:n varmuudella nielee sanoman. Tämä on Big Brotherin nykyajan versio, josta näimme esinäytöksen Cambridge Analytican toiminnassa USA:n presidentinvaaleissa v. 2016.

Valvontayhteiskunta: Ihmisistä kerättävä massainformaatio tarjoaa täydellisen lähtökohdan valvontayhteiskunnalle. Kiina mainitaan usein esimerkkinä. Siellä arvioidaan olevan kahden vuoden kuluessa 570 miljoonaa valvontakameraa, ja Kiina panostaa maailmassa eniten kasvojentunnistustekniikan hankkeisiin. Yksi kasvojentunnistusjärjestelmä (Sky Net) on jo otettu käyttöön joukossa kaupunkeja, ja se pystyisi sekunnissa skannaamaan Kiinan koko 1,4 miljardin väestön.

Yhdeksi tavoitteeksi on mainittu, että vuoteen 2020 mennessä jokainen kiinalainen on sijoitettu sosiaalisen käyttäytymisensä perusteella pisteasteikolle. Tietoa kerätään mm. kasvojentunnistuskameroiden valvontadatan, älysilmälasien ja kuvauskoptereiden avulla. Algoritmit hoitavat pisteytyksen, joka sitten vaikuttaa siihen, saako kyseinen henkilö esimerkiksi ostaa matkalippuja tai vuokrata asunnon tai myönnetäänkö hänelle laina.

”Ääritilanne, jossa yksi ainoa keskustaho käsittelee kaiken datan ja tekee kaikki päätökset, mahdollistaa kaikkivaltiaan Big Brother -hallitsijan, joka olisi saanut Leninin, Hitlerin tai Maon kalpenemaan”, Caj Södergård kommentoi.

kinesisk-polis

Kiinalainen poliisi Zhengzhoun rautatieaseman edustalla helmikuussa 2018. Älysilmälasit voivat kasvojentunnistuksen avulla tunnistaa rikoksesta epäiltyjä.
Kuva: AFP/TT

Tekoäly ottaa maailmanherruuden: Tunnetut tiedemiehet, esim. Max Tegmark ja Nick Bostrom, ovat esittäneet pelkoja siitä, että tekoäly kehittää itsensä superälyksi ja vauhkoontuu ja ottaa haltuunsa koko maailman, koska ihmisen äly häviää siinä tilanteessa täysin superälylle, samalla tavoin kuin eläimet meille. Ihmisestä voi silloin tulla häiriötekijä, joka pitää poistaa.

Israelilainen historioitsija Yuval Noah Harari kehittää kirjassaan Homo Deus tätä lähellä olevaa teemaa, ”dataismia”, jonka mukaan samoja matemaattisia malleja – algoritmeja – voidaan soveltaa sekä biokemiallisiin että elektronisiin järjestelmiin. Näin ollen se repii koneiden, ihmisten ja eläinten välistä muuria – tekniset järjestelmät voivat siten jäljittää biokemiallisia järjestelmiä ja jopa jättää ne jalkoihinsa.

Dataismi yhdistää yleisteoriana kaikki tieteenalat kirjallisuus- ja musiikkitieteestä taloustieteeseen ja biologiaan. Kuningas Lear -näytelmä ja influenssavirus ovat vain kaksi datavirran esiintymää, joita voidaan analysoida samoilla peruskäsitteillä ja työkaluilla.

”Sinänsä tämä todellisuuden mallintaminen ei ole uutta, Norbert Wiener perusti kybernetiikan 1940-luvun lopussa. Itse opiskelin 1970-luvulla järjestelmäteoriaa, silloin oli paljon puhetta kompleksisten järjestelmien, kuten maapallon ekosysteemin tai kansantalouksien, kuvaamisesta täysin matemaattisin termein”, Caj Södergård sanoo.

Yuval Noah Harari kysyy, voiko dataismi kehittyä uskonnoksi, joka väittää erottavansa oikean ja väärän:

”Mitä mieltä on järjestää demokraattisia vaaleja, kun algoritmit pystyvät ennustamaan, kuinka kukin meistä äänestää? […] Anna Googlen ja Facebookin lukea kaikki sähköpostisi ja tekstiviestisi, valvoa kaikkea chattailuasi ja kirjata kaikki tykkäämisesi ja klikkauksesi. Jos teet kaiken tämän, internetin fantastiset algoritmit kertovat sinulle, kenen kanssa sinun kannattaa mennä naimisiin, minkä urapolun sinun tulee valita ja onko sodan aloittaminen hyvä juttu.”

caj-sodergard

Caj Södergård on syntynyt Luodossa, kirjoitti ylioppilaaksi Jakobstads Samlyceumista ja valmistui diplomi-insinööriksi ja tekniikan tohtoriksi Otaniemen Teknillisestä korkeakoulusta (nykyinen Aalto-yliopisto). Hän toimii nykyään digitaalisten palveluiden tutkimusprofessorina Teknologian tutkimuskeskus VTT:ssä Espoossa. Hän on kehittänyt massadatan ja tekoälyn menetelmiä ja sovelluksia yli 30 vuotta, alkaen etenkin mediateollisuuden kuvankäsittelystä ja sen jälkeen elinkeinoelämän, ympäristön, oppimisen ja biotalouden sovelluksiin. Hän on julkaissut noin 250 tieteellistä julkaisua ja hänellä on viisi patenttia. Hän on European Big Data Value Associationin hallituksen jäsen ja toimi vuosina 2016–2017 EU:n High-Level Expert Groupin jäsenenä teemalla European Open Science Cloud.
Kuva: Karl Vilhjálmsson