Tekoäly noussut osaksi jokapäiväistä keskustelua ja elämäämme. Sitä on väitetty uudeksi sähköksi, joka mullistaa maailmaa. Tekoälyyn sijoitetaan runsaasti sekä tutkimuksessa että teollisuudessa. Vaikka nykyisessä keskustelussa on paljon ylimarkkinointia, on hyvä muistaa 1800-luvun lopulla Thomas Edisonin yrittäneen tyrmätä vaihtovirtasähkön väittämällä sitä hyödyttömäksi.
Tekoälyretoriikkaa on silti hyvä palauttaa kohti realismia, jotta ylimitoitetut odotukset eivät johtaisi virheinvestointeihin ja alan tutkimuksen hylkäämiseen.
Tekoälyä on tutkittu jo 1950-luvulta lähtien ja se voidaan määritellä monella tavalla. Määritelmästä riippumatta tutkimuksella on kahdenlaisia päätavoitteita: luodaan koneille ihmisälyä muistuttavia ominaisuuksia ja pyritään ymmärtämään älykkyyden mahdollistavia periaatteita.
Älykkään koneen on pystyttävä hankkimaan tietoa ympäristöstään koneaistien avulla. Tärkeimpiä ovat kameroiden tuottamat kuvat ja mikrofonien kautta saatava puhe- ja ääni-informaatio. Vuorovaikutukseen ihmisten kanssa ja uuden tiedon hankkimiseen kone tarvitsee kykyä käyttää ja ymmärtää luonnollista kieltä, esimerkiksi suomea tai englantia.
Oppiminen on keskeinen osa ihmisälyä. Niinpä älykkään koneen on kyettävä oppimaan uusia asioita koneaistien tuottaman tiedon pohjalta ja käyttämään oppimaansa päättelyä vaativien ongelmien ratkaisussa. Koneella on siis oltava kyky suunnitella toimiaan. Reaalimaailman tehtävien suorittamiseen tarvitaan esimerkiksi liikkeitä tuottavaa robotiikkaa.
Tekoälyn kehitys näkyy jokapäiväisessä elämässämme. Älypuhelimet tunnistavat hyvin puhettamme ja tekevät sen pohjalta Google-hakuja. Kielestä toiseen kääntäminen, esimerkiksi suomesta englanniksi, toimii varsin tyydyttävästi.
Konenäön avulla tehtävä ihmisten biometrinen tunnistus kasvoista ja sormenjäljistä on laajalti käytössä. Moni auto tunnistaa nopeusrajoitusmerkit. Kone pystyy ratkaisemaan rajattuja ongelmia ihmistä paremmin, esimerkiksi pelaamaan shakkia, ja jopa oppimaan pelaamaan videopelejä. Aistiensa kautta oppimansa massiivisen tietomäärän avulla kone pystyy tekemään monia muitakin asioita ihmistä paremmin, esimerkiksi tekemään ennustuksia tulevista trendeistä. Robotiikan kehitys näkyy kuluttajalle vaikkapa automaattisten pölynimureiden ja ruohonleikkureiden parantuneena toimintana.
Tekoälyhuuma perustuu syväneuroverkoilla toteutetun koneoppimisen kehittymiseen viime vuosina. Keskeinen mahdollistaja on opetukseen tarvittavan massiivisen datamäärän hankkimisen helpottuminen, erityisesti internetin suuryrityksille. Myös neuraalilaskentaan soveltuvien erittäin tehokkaiden tietokoneiden kehittyminen on vauhdittanut sovellutusten yleistymistä.
Tämän ratkaisumallin rajat ovat kuitenkin jo nähtävissä. Massiivista opetusdataa ei monesti ole tarjolla ja sen jalostaminen käyttökuntoon on usein mahdotonta. Opettaminen voi tarvita valtavasti laskentakapasiteettia ja energiaa. Ihmisten kaltaista kykyä oppia uusia asioita jopa yksittäisestä opetusnäytteestä tai havainnosta ei nykyteknologialla ole saavutettu. Lisäksi ihminen kykenee samanaikaisiin älykkäiksi miellettyihin toimintoihin pienellä energian kulutuksella.
Toistaiseksi toteutetut ja näköpiirissä olevat sovellukset edustavat niin sanottua heikkoa tekoälyä. Teknologia kehittyy askel askelelta. Puheen ja kasvojen tunnistusta on tutkittu jo yli 50 vuoden ajan, kaupallinen menestys tuli vasta muutamia vuosia sitten. Samanlainen aikajänne koskee myös koneelle ”yksinkertaista” shakinpeluuta.
Tekoälyä kutsutaan vahvaksi sen ollessa lähellä ihmisen älykkyyden tasoa ja kun sillä on ainakin jonkinlainen tietoisuus itsestään. Esimerkiksi koneen kanssa keskustelu samaan tyyliin kuin ihmiset keskenään, vaatisi jo vahvaa tekoälyä. Täysin itsenäisesti jatkuvasti muuttuvassa ympäristössä liikkuvat autot vaatisivat myös osittain vahvaa tekoälyä. Nykyisen tietämyksen perusteella tällaiset tehtävät näyttävät mahdottomilta.
Samoin mahdottomalta vaikuttaa ihmisen älykkyyttä lähellä olevan – puhumattakaan terävimpien ja lahjakkaimpien ihmisten älyn ylittävän supertekoälyn saavuttaminen.
Tekoäly on ennen kaikkea ihmisen apulainen, ei alistaja. Sen kehittyessä ”älykkäät” ihmistä tukevat sovellukset yleistyvät yhä useammissa tarkoituksissa: opetuksessa, lääketieteen diagnostiikassa, joukkoliikenteen palveluissa, ym. Kyse on digitalisaation jatkumosta, jossa datan saatavuus mahdollistaa uusia sovelluksia.
Matti Pietikäinen on emeritusprofessori ja Olli Silvén professori Oulun yliopiston Konenäön ja signaalianalyysin keskuksessa. Heidän kirjansa ”Tekoälyn haasteet: koneoppimisesta ja konenäöstä tunnetekoälyyn”: http://jultika.oulu.fi/