Vielä vähän aikaa sitten taksinkuljettajaksi päästäkseen Helsingissä piti läpäistä vaativa osoitekoe. Piti tietää vaikkapa, että Pietiläntie sijaitsee Ala-Malmilla. Kaikki eivät sitä läpäisseet, enkä minäkään olisi.
Navigaattorit tekivät tämän kaiken tarpeettomaksi. Taksin ei tarvitse osata kaikkia osoitteita eikä reittejä, koska navigaattori osaa.
Samalla tavalla kuin kaivinkone teki jokaisesta ojankaivajasta vahvan, tekoäly tekee sen käyttäjistä paljon osaavampia. Moni vaativa ammatti yksinkertaistuu ja helpottuu – ja tasa-arvoistuu, koska useampi ihminen täyttää työn edellytykset.
Tähän asti teollisuusautomaatio on korvannut ihmisiä lähinnä suorittavassa työssä. Tämä on tuottanut työmarkkinoilla eriarvoisuutta synnyttävän osaamisvinouman, kun rutiinityöntekijöistä on ylitarjontaa ja luovista osaajista pysyvää puutetta.
Tekoäly korvaa tasa-arvoisesti myös vaativaa asiantuntijatyötä. Tällä voi olla merkittäviä yhteiskunnallisia seurauksia.
IBM:n tekoälyohjelma Dr. Watson esimerkiksi on varsin taitava tekemään diagnooseja lääkärin apuna. On kiistanlaista, kumpi on taitavampi, ihminen vai Watson, mutta kisan lopullisesta voittajasta ei ole epäilystäkään Lääkärinkin oppii virheistään, mutta dr. Watson oppii kaikista virheistään kaikkialla maailmassa, eikä unohda niistä yhtäkään. Sen muistilla ei ole ylärajaa.
Toistaiseksi ihmislääkäri ja dr. Watson ovat yhdessä parempia kuin kumpikaan erikseen – tai niin se ainakin halutaan nähdä.
Mutta samalla tavalla kuin taksinkuljettajasi kelpaa vähemmänkin osoitteita ulkoa päntännyt, sairaanhoitaja voisi tekoälyn avulla pätevöityä hoitamaan monia niistä töistä, jotka nyt on säädetty lääkärin yksinoikeudeksi. Vastaavasti yleislääkäri tarvitsisi paljon harvemmin erikoislääkärin konsultointiapua.
Tämä tekisi mahdolliseksi merkittävän työnjaon muutoksen terveydenhoidossa, alentaisi kustannuksia ja säästäisi lääkärien aikaa rutiinitöistä. Ei tarvitse olla oraakkeli ennustaakseen, että nousee valtava reviiritaistelu, jos joku edes ehdottaa tällaista.
Tekoäly korvaa ihmistyötä – tai nostaa ihmisen tuottavuutta valtavasti, miten sen nyt vain haluaa sanoa – myös monessa muussa vaativana pidetyssä ammatissa. Tekoäly tekee asuntolainapäätökset pankinjohtajaa halvemmalla ja tasapuolisemmin. Se huolehtii myös monesta juristin työstä. Myös näissä ammateissa työnjako eri ammattiryhmien välillä voi muuttua paljon – ja muuttuukin, koska sen tiellä ei ole yhtä vahvoja ammattikuntarajoja kuin terveydenhuollossa.
Toistaiseksi tekoälyohjelmat osaavat lähinnä sitä, mitä ohjelmoijat ovat sille opettaneet, mutta jatkossa on neuroverkkojen tavoin toimivia ohjelmia, jotka osaavat parantaa itse omaa toimintaansa. Niiden suorituskykyä tulee tuottamaan suuria, jopa mullistavia yllätyksiä.
= = =
Väheneekö eriarvoisuus työelämässä? Vaikea sanoa, mutta ainakin se muuttuu. Toistaiseksi automaatio on vähentänyt työn kysyntää yksipuolisesti ja johtanut kognitiivisen eliitin ylivaltaan. Ihmisen ominaisuuksista se, mitä ennen kutsuttiin älykkyydeksi, on muodostunut ylivoimaisen tärkeäksi.
Tekoäly antaa työssä kaikille lisää kognitiivisia kykyjä samalla tavalla kuin kaivinkoneen avulla hintelä ja riuska kaivavat ojaa yhtä nopeasti. Siksi perinteisen määritellyn älykkyyden kysyntä työmarkkinoilla korvautuu sosiaalisilla taidoilla, yhteistyökyvyillä ja miellyttävällä käytöksellä – jopa edullisella ulkonäöllä. Nämä ominaisuudet erittelevät ihmisiä aivan yhtä tehokkaasti.
Huippukykyjen tuottavuus nousee entisestään Se ei kuitenkaan välttämättä lisää huipputuloja, jos huippukyvyistä on riittävästi tarjontaa ja ne opitaan seulomaan esille. Ei metsureistakaan ole tullut miljonäärejä, vaikka heidän tuottavuutensa on lähes satakertaistunut.
Vaikka dr. Watson voittaa lääkärin kyvyssä tehdä diagnoosi, lääkäri voittaa koneen siinä, että on ihmisen. Lääkärinkin työssä ihmisenä olemisen merkitys korostuu. Jos nyt joutuisin valitsemaan ystävällisen tai taitavan lääkärin välillä, valitsisin taitavan mutta jatkossa varmaankin ystävällisen. Se on huono uutinen monelle lääkärille.
Lordi Keynes ennusti 1930-luvulla, että tekisimme töitä enää noin kolme tuntia päivässä, koska koneet tekisivät sen puolestamme. Miksi työn tuottavuuden kasvu on otettu pääosin lisääntyvänä kulutuksena ja vain marginaalisesti vapaa-aikana?
Keynes ei osannut ennustaa, mitä kaikkea mielenkiintoista vielä keksitään. Mutta on toinenkin syy siihen, että työaikaa on lyhennetty niin vähän.
Jos koneet korvaavat joka kahdeksannen työmarkkinoilla, on suuri yhteiskunnallinen tarve kehittää uutta työtä työnsä menettäneille. Jos kaikkien työ tehostuisi niin, että kahdeksan tunnin työt saisi valmiiksi seitsemässä tunnissa, lähdettäisi vain töistä tuntia aikaisemmin, eikä surtaisi yhtään.
Osaamisvinouma on myös johtanut siihen, että vähiten kysyntää on niistä, joiden palkat ovat pienimmät – siksihän palkat ovat pieniä. Tällä joukolla ei ole varaa lyhentää työaikaansa. Se on taloudellisesti mahdollista vain niille, joiden työpanosta eniten tarvitaan.
Kun teknologinen kehitys kohtelee tasapuolisemmin kaikkia väestöryhmiä, on helpompaa ja loogisempaa ottaa ainakin osa tuottavuuden noususta lisääntyvänä vapaa-aikana.
= = = =
Kirjoitus on julkaistu Näkökulma-artikkelina Suomen Kuvalehdessä
Tekoäly tosiaan tulee muuttamaan aivan valtavasti myös korkeakoulutettujen töitä. Todennäköisesti automaatio syrjäyttää ns. tietotyötä tekevien duunia jopa nopeammin kuin suorittavaa porrasta; tietokoneella on paljon helpompi korvata työ jota jo nyt lähtökohtaisesti tehdään tietokoneella. Kylpyhuoneen allaskaapissa ryömivän putkimiesrobotin kehittäminen on huomattavasti vaikeampaa.
Itse asiassa voisi sanoa, että kaiken työn minkä voi tehdä etänä, voi myös täysin korvata tekoälyllä.
Näin tulee käymään – aikahorisontti on vielä kirkastumassa!
Jospa työn kuvia ja osaamista ajateltaisiin laajemmin (missä ay-väen näkemykset?) ettei kävisi niin että automatisoidaan tehtäviä jotka automaatio poistaa!
Tekoäly.
Milloin sanan tekoäly loppuosa on oikeutettu?
Miksi huolestua maisterikoulutuksen tasosta jos est kirurgia nostaa työmsrkkina-arvoa enemmän kuin koulutus?
Kysymys: mistä tekoäly tietää erehtyneensä? Kuka sen sille kertoo? Vai ymmärtääkö se itse erehtyneensä? Esimerkiksi kun potilas kuolee tehdyn väärän diagnoosin vuoksi? Mistä tekoäly tietää oliko diagnoosi väärä vai olisiko potilas kuollut joka tapauksessa?
En ole näin optimistinen tekoälyn suhteen. Kuten en myöskään automatisoidun liikenteen suhteen. Olen IT-alan ammattilainen. Mutta aika näyttää. Hypetystä paljon ilmassa.
Tällä hetkellä tietotekniikkapiireissä tuntuu olevan vallalla käsitys siitä, että IBM:n Watson on jossain määrin epäonnistunut tavoitteissaan. On nostettu esiin mm. tilastoja siitä miten paljon eri yritykset rekrytöivät tekoälyn osaajia ja IBM ei ole näissä listoissa kovin korkealla.
Epäonnistumisia käsittelevät jutut ilmeisesti liittyvät uutiseen ”In February 2017, M.D. Anderson Cancer Center canceled a promising, but troubled contract with IBM for its Watson platform.”
Ongelmia on analysoitu, mutta yleisesti ottaen ei ole mielestäni millään muotoa yllättävää, että odotukset tekoälyä kohtaan ovat tällä hetkellä liian korkealla. Harva uskaltaa väittää vielä että tekoälyä on liian aikaista soveltaa lääketieteeseen, mutta haasteita aletaan ymmärtää jo paremmin:
Tuo yhdysvaltalaisen sairaalan Watson -kokeilu ja sen analyysi on kiinnostavaa luettavaa. Esiin nousee mm. se, että laadultaan hyvän datan syöttäminen järjestelmään on paitsi kriittistä myös erittäin vaikeaa ja vaatii paljon kallista asiantuntijatyötä – ilman tätä vaihetta kone ei pysty tuottamaan millään muotoa luotettavia diagnooseja.
Jos tämä ei itsessään ole huolestuttavaa niin ongelmallista on vielä tuo koneen kyvyttömyys oppia eri domaineista yhtäaikaa.
Amazonin toimitusjohtaja Bezos kertoi noin kuukausi sitten pitämässä esiintymisessään koneen ja ihmisen välisistä eroista ja nosti kiinnostavan elementin: energiankulutuksen. Bezozin mukaan ihmisen aivot ovat erittäin energiatehokkaat oppimisen suhteen, ihminen oppii ajamaan autoa ilman satoja miljoonia toistoja – hänen mukaansa esim. Go pelissä käytetty tietokone ei olisi millään pärjännyt ihmiselle, jos energiankulutusta olisi rajoitettu samalle tasolle kuin ihmisellä – en ole varma tarkoittiko hän pelin aikana vai oppimisvaiheessa.
—-
Yhtenä sivujuonteena tuossa Watsonin epäonnistuimisessa nähtiin myös yhteys Epic -järjestelmään, jonka kautta ei kyetty saamaan riittävän hyvää dataa järjestelmään, sekä myös sen, että IBM Watson ei ollut yksi järjestelmä vaan useita järjestelmiä, josta seurasi työläs integraatioprojekti.
Koska tekoälyyn liittyvät algoritmit kehittyvät nopeasti ja ovat domainspecifisiä yhden vendorin mallia on myös epäilty
Tässä on kiinnostava analyysi siitä miksi 1960-luvulta lähtien potilastietojärjestelmien hankinta on aina kohdistunut johonkin toimittajaan ja miksi hetken päästä kyseinen toimittaja on aina alettu nähdä ongelmien syynä:
http://kelzongroup.com/SevenSins.html
Karkeasti ottaen järjestelmät toimivat yleensä hyvin hankintahetkellä, mutta muuttuva ympäristö tekee systeemistä nopeasti vanhanaikaisen – muutosta tapahtuu niin lainsäädännössä, teknologiassa, lääketieteessä, ohjelmiston ylläpidossa, laitteistoissa yms. Ihan itsestäänselviä asioita, jos tilannetta hieman pohtii. Tässä näkökulmaa siihen onko esim. Helsingin uuden potilastietojärjestelmän 10 vuoden aikataulu järkevä – todennäköisesti systeemi on syntyessään jo vanhentunut.
Esimerkiksi tuo em. IBM Watsonia käyttänyt M.D. Anderssonista on maininta:””The $405.0 million (76.9 percent) decrease in adjusted income…was primarily attributable to an increase in expenses combined with a decrease in patient revenues as a result of the implementation of the new Epic Electronic Health Record system,” according to the agenda book.”
https://www.forbes.com/sites/jasonbloomberg/2017/07/02/is-ibm-watson-a-joke/#663aa677da20
Osmo, älä unohda, että tuottavuuden nousua on kyllä merkittävässä määrin otettu pidempänä vapaa-aikana – nimittäin eläkevuosina.
Tässä tuo Jeff Bezosin haastattelu – tekoälyyn se liittyy siten, että Amazon käsittääkseni rekrytoi tällä hetkellä selvästi eniten tekoälyn ammattilaisia ja siten Bezosin voi olettaa olevan hyvin informoituna kehityksestä
https://www.youtube.com/watch?v=VAM6b0UkEYw&t=7m
Voisi kuvitella, että tekoäly iskee seuraavaksi aloille, joissa käsitellään puhtaasti tietoa. Tulisi mieleen vaikka yhteiskuntatiede, juridiikka ala ja muut sellaiset.
Potilaan olen huomannut, että otetaan verinäytteitä, lähetetään labraan, lääkäri katselee minua, koettelee vaikka pernaani, kuuntelee steoskoopilla tai peräti ultraäänilaitteella. Nuo toimenpiteet eivät oikein taida olla tekoälyn parasta aluetta. Toki SOTEssa riittäisi tekoälylle töitä.
Olen ollut huomaavinani, että kukaan ei halua myöntää tekoälyn sopivuutta omalle alalleen. Ihmisellä kuuluu olevan sielu tai jotain sellaista jota tietokone ei koskaan pysty korvaamaa,
Hyvä skenaario muiden joukkoon.
En usko eriarvoisuuden vähenemiseen, pikemminkin päinvastoin.
Työkalujen käyttötaito tulee olemaan tuottavuuserojen lähde myös tulevaisuudessa. Oma ennustukseni on, että tuloerojen kasvuun tulee valtava paine ammattien sisälle.
On täysin mahdollista, että lääkäreistä 90% saa huomattavasti pienempää palkkaa kuin nyt ja 10% saa huomattavasti suurempaa palkkaa. Kokonaisuutena palkkojen osuus taloudesta jatkaa laskuaan kuten se on tehnyt kaikissa OECD maissa 70-luvulta lähtien.
Osa lääkäreistä saa parempaa palkkaa, koska he markkinoivat itseään ja myyvät ihmisen kosketusta. Osa saa parempaa palkkaa koska he pystyvät tekemään monimutkaisempia diagnooseja uusien työkalujen avulla.
Unelma siitä että tietokoneessa on ’tee mitä minä ajattelin’ eikä ’tee mitä minä sanoin’ nappula tuskin tulee toteutumaan ammattikäytössä. Tekoälyn avustamat työkalut tulevat mahdollistamaan enemmän kaikille, mutta työkalujen maksimaaliseen käyttöön tarvitaan taitoa ja koulutusta.
Voihan sitä sanoa, mutta aika kaukana tuosta tilanteesta ollaan. 90 -luvun alussa sanottiin, että ohjelmoijia ei kohta enää tarvita, kun kaikki ostavat valmisohjelmiston (ulkomailla tehdyn). Siihen asti isot firmat olivat itse teettäneet ohjelmansa.
Suurimmalla osalla maailman tietokonekapasiteetista jauhetaan kypällä paskaa. Esimerkiksi louhitaan bitcoineja ja pelataan pörssipeliä. Luuleeko joku tosissaan että tämä kehityssuunta tulee muuttumaan?
— No ei. Paskanjauhaminen vain kiihtyy. Kvanttitietokoneita esmes tullaan käyttämään etupäässä koodien murtamiseen ja vastaavasti murtovarmojen koodisanojen generointiin.
Tekoäly on (sosiaalipoliikan kannalta) aikas masentava juttu, koska ensimmäinen seikka mitä absoluuttinen arvovapaa äly oivaltaa on se ettei ole mitään järkeä ja syytä toimia ”ihmiskunnan parhaaksi”. Se oivaltaa että kyseessä on jatkuvasti kehittyvä biologinen massa, jossa yksittäisten soluyksilöiden subjektiivinen hyvinvointi ei todellakaan ole tavoiteltava päämäärä. Jos yksilö ei voi hyvin, on parempi terminoida se, ja tekoälykkäästi generoida paremmat geenit, jotka sopeutuvat planeetan ympäristöön paremmin.
Nykykeskustelussa tuntuu sekoittuvan näkemykset mitä tulee erilaisten prosessien automatisointiin sekä ihmisen kirjoittamalla koodilla tapahtuvaan ohjaukseen ja toisaalta tekoälyyn, joka edellyttää itsetietoisuutta ja näin myös jonkinasteista omaa tahtoa. Ensimmäinen voi tuoda määrättyjä hyötyjä arkielämään kun taas jälkimmäisen riskejä olisi tässä kohtaa syytä alkaa vakavasti pohtia.
Tässä on erittäin hyvä aihetta käsittelevä artikkeli:
https://kosminenvalo.wordpress.com/2015/12/15/teknologia-ja-tekoaly/
Suosittelen myös oheista sarjaa:
https://www.gaia.com/series/cosmic-disclosure?season=6
En usko että tekoälysovellukset pystyvät tuottamaan uutta tietoa vanhojen tietojen pohjalta ilman oikean asiantuntijan ja ohjelmoijan apua.
Tosin tekoälyohjelma voi arpoa hulluja ehdotuksia joita normaalisti kukaan asinatuntija ei lähtisi yrittämään.
Tekoäly tulee varmasti, vauhtia hidastaa kuitenkin moni tekijä. Yksi on ammattiyhdistykset, toinen on lainsäädäntö ja kolmas ihmisten konservatiivisuus. Nytkin voisi metrojunat kulkea ilman kuljettajaa, mutta sitä päätöstä ei uskalleta tehdä. Konduktöörien poistaminen lähijunistakin näyttää olevan mahdotonta. Itseohjautuvat autot tulevat, mutta uskaltaako lainsäätäjät päästää niitä liikkeelle. Kysymys siis on millä aloilla ja millä nopeudella vallankumous etenee.
HeSa 28.11.2016:ssa oli Lauri Tähtisen ja Antti törmäsen Vieraskynä-kirjoitus. Siinä he korostavat humanistisen koulutuksen ja asenteen merkitystä tulevaisuuden maailmassa. Perusteluna oli seuraava analyysi:
”On ainakin kolmenlaisia ongelmia. Joidenkin ratkaisemiseen on jo olemassa kaava. Toisiin on ensin kehitettävä kaava, josta ratkaisu johdetaan. Lisäksi on ongelmia, joihin ei voi luoda kaavaa. Ne ovat liian monimutkaisia ja sisältävät vaikeasti määriteltäviä vuorovaikutussuhteita.
Robotisaatio merkitsee, että ihmistä ei tarvita kaavamaiseen työhön. Niinpä kahdessa ensimmäisessä ongelmatyypissä ihmisen tehtäväksi jää luoda koneäly, joka pystyy ratkaisemaan sekä kaavan että ongelman. Kaavattomien ongelmien ratkaisu jää ihmisen vastuulle. ”
Mielenkiintoinen näkökulma, joka on jäänyt turhan vähälle huomiolle.
Voisikohan tulevaisuudessa olla olemassa suunnittelija, joka osaisi suunnitella allaskaapin, johon putkimiesrobotti mahtuisi hoitamaan hommansa, vai ovatko tulevaisuuden allaskaapin edelleen samanlaisia kuin 50-luvulla?
Mielenkiintoista: onko siis niin, että tuottavuuden lisääntymisen suhde tuottavuuseroihin olisi taas kääntymässä?
Asia, jota ihmisten tuntuu olevan vaikea ymmärtää, on se että kone ei vie työvoimalta töitä. Se pakottaa ihmiset ehkä vaihtamaan ammattia, mutta aina keksitään muita asioita, joita voi tehdä. Kehruujennyt eivät johtaneet työttömyyteen eivätkä maa -ja metsätalouskoneet, jotka 1960-luvulla vapauttivat maaseudulta työvoimaa tehtaiden koneita käyttämään.
Se mikä aiheuttaa työttömyyttä, ei ole tuottavuuden lisääntyminen vaan tuottavuuserojen lisääntyminen. Erojen kasvaessa vähiten tuottavat eivät tuota tarpeeksi, jotta ylittäisivät minimipalkan.
En vain ole ihan vakuuttunut siitä, että nyt olisi trendi kääntymässä. Voi olla, että sitä tekoälyä käyttävät tehokkaimmin hyödykseen kaikkein fiksuimmat. Saapa nähdä, jos pitkään elää.
Ja näistä huomattava osa voikin olla hyvin toimivia mustia joutsenia, kunhan ne asiantuntijat pystyvät katsomaan tekoälyn avustamina omien laatikoidensa ulkopuolelle.
Keskustelussa on tähän asti ajateltu että ihmisen hyvät ”inhimilliset” ajattelutavat pelastavat koneen kömpelyyden. Mutta kun ihmiselle on ominaista myös laiskuus, ennakkoluuloisuus, kateus ja viha.
Tämä on ainakin nykytilanteessa ja varmaan muutaman vuosikymmenen aikajänteessäkin ihan totta.
Haasteena on vaan että oikea ohjelmoija tai oikea asiantuntija on 100x tai 1000x tehokkaampi kuin väärä. Sekä oikea että väärä voivat olla korkeasti koulutettuja akateemisia, toisella vaan leikkaa paremmin kuin toisella.
Tekoäly räjäyttää ihmisten väliset tuottavuuserot aivan valtaviksi.
Ihan uteliaisuuttani kysyn. Työnkuvani on valmentaa, innostaa ja kannustaa työikäisiä, ja sitten johdattaa heitä edistämään työ- ja toimintakykyään, henkilöitä, jotka ovat valtionhallinnon kielellä ”syrjäytyneitä pitkäaikaistyöttömiä”.
Voiko tämän toiminnan automatisoida? Vai tarvitaanko aina tietty ammattikunta, joka toimii periaatteella, ’ihmiseltä ihmiselle’? (= Elämänhallinnan edistäminen vaatii henkilökohtaisen kontaktin.)
Eipä ole uutta. Kaltaiseni kemian insinöörit menettivät valtavan määrän työmahdollisuuksia kun Chemcad tuli markkinoille. Ohjelma laskee laitteiden dimensiot n. sekunnissa, kun siihen ennen meni insinööriltä viikko. INvestoijat totta kai laskevat laitteiden mitat tällä eikä enää ihmisvoimin.
Meitä inssejä tarvitaan enää troubleshootingiin. Eikä Chemncad edes ole tekoäly vaan vain laskentaohjelma.
Tietyssä mielessä hyytävää kuulla Bezosin puhuvan ihmisten energiatehokkuudesta. Amazon on tunnettu äärimmäisen kovasta työkulttuuristaan.
Jos dollareita ja markkinaosuuksia pidetään pelimerkkeinä, Bezos on meidän aikamme ehdoton voittaja. Jossain vaiheessa Amazon pitää kuitenkin pilkkoa: kuluttaja-äänestäjien pitää näyttää kuka on kingi. Nyt ei ole vielä paras aika, Amazon voi tehdä hyvääkin runnomalla kaupan vakiintuneita rakenteita.
On muuten todella typerää tehdä USA:n kanssa kauppasopimuksia ja jättää IT-monopolien kysymys täysin auki.
Watsonilla tuotteena ei kuulemma mene kovin hyvin: https://www.theregister.co.uk/2017/07/19/ibm_q2fy2017_results/ (joku päivä sitten tuli vastaan myös tuore uutinen useamman sadan tyypin potkuista Watson Health -tiimissä mutten näköjään osaa käyttää hakukonetta).
Ihan oma juttunsa on Watsonin arvo julkisuustemppuna, ja se varmasti enemmän kuin kuittaa myynnin pienet hapuilut.
Työ otatte. Ja laitatte meidät vääntämään hommia tappiin asti ja maksamaan teidän leppoistuksen.
Joo, ei toki vielä ensi vuonna. Mutta onko esim. 20-30 vuotta kaukana vai ei, riippuu vähän siitä, mitä ollaan tekemässä. Kyllä itseäni ainakin vähän pelottaisi nykyinen kehitys jos olisi juuri päässyt opiskelemaan vaikka oikeustiedettä. Varsinkin jos opinnot pitäisi vielä itse maksaa.
Samoin jos mietitään tulevan työn murroksen vaikutusta kaupunkien käyttöön ja miten sen pitäisi vaikuttaa tulevaisuudessa rakennettaviin kaupunkeihin, niin 2030-luvulla toteutukseen tulevat suunnitelmat on pöydällä juuri nyt.
Tekoäly ei ole mikään jääkaappiin verrattavissa oleva valmis paketti, joka vain vedetään laatikosta ja laitetaan päälle. Ei todellakaan.
Tekoäly pitää asentaa, ohjelmoida, opettaa ja sitä täytyy koko ajan virittää käytössä. Se vaatii paljon erittäin pitkälle menevää asiantuntijatyötä eikä se ole myöskään koskaaan valmis, koska tyypillisesti käyttöympäristö muuttuu koko ajan (esimerkiksi sairaalassa, jossain tehtaassa prosessivalvonnassa tilanne voi toki olla toinen).
Tekoäly ei ole ihmisen kaltainen yleisluontoinen äly, vaan pitkälle työn mukaan räätälöitävä erikoistyökalu ja jos fyysisiä koneita miettii, niin lähempänä paperi- kuin porakonetta.
Tästä seuraa ettei Watson tms. sovellu pienille yksiköille eikä satunnaiseen käyttöön, vaan ainoastaan sellaiseen työhön, jossa sitä tarvitaan koko ajan ja josta on valtavat määrät historiallista dataa, jota syöttää koneeseen. Kone kun ei omin päin älyä mitään.
Ei pidä pelätä uusia asioita niinkuin Eino Leinon runossa: …näki kauhut kaikkialla, haltiat pahat havaitsi, ei hyviä ollenkaan… .
Muuten vinkki. Sillä vas mark liberalismilla menisi paremmin kun näistä asioista puhuttaisiin. Kun ihmisten tietoisuus paranisi siitä että rumat eu työllisty niin ehkä ymmärrys silke politiikalle nousisi
On helppoa sanoa että tuottavuuden nousu on ulosmitattu kulutusta lisäämällä ja nähdä silmissään jätevuoret. Kuitenkin meillä Suomessakin bruttoveroaste on 50% luokkaa eli noin puolet tuottavuuden npususta menee julkisiin palveluihin, koulutukseen, terveydenhuoltoon ja sosiaaliturvaan.
Vaikka antibioottien ja rokotusten keksimisen myötä pystyimme parantamaan pillerillä tai piikillä ne sairaudet jotka aikaisemmin olivat suurimmat kuolinsyyt menee meillä niin suhteellisesti kuin absoluuttisestikkin rahaa monin verroin enemmän terveydenhuoltoon.
Tekoäly ei vähennä osaamisen, koulutuksen ja sen luonnollisen älyn tarvetta mihinkään. Olennaista on osata esittää oikeat kysymyset ja ymmärtää vastaus. Jos vastaus tuntuu väärältä pitää kysymystä tarkentaa.
Eräs kaikkein suurimpia teknologian ja myös keinoälyn tuomia tuottavuuden llisäyksiä on tapahtunut tietokoneiden ohjelmien kehityksessä. Vielä 80-luvulla ohjelmien koot mitattiin kilotavuissa eli tuhansissa tavuissa. Olihan sen ajan Commadore 64:ssäkin vain 64 kilotavua muistia ja ensimmäisessä Mac:issa 128K.
Nyt koot mitataan megatavuissa tai gigatavuissa eli puhutaan useampituhatkertaisesta noususta. Pelkät ohjelmointikielet eivät selitä yksinomaan kasvua vaan suuri osa tulee internetissä jaetusta globaalista osaamisesta. Tuohon massiiviseen osaamiseen pääsee käsiksi google-hakujen avulla. Google-haut ovat yksi jokapäiväisimmistä keinoälyn sovelluksista. Sensijaan että ohjelmankehittäjä yrittäisi yksin tai parin kollegansa kanssa ratkaista ongelmaa, hän tekee google-haun sopivilla avainsanoilla ja useimmiten viikkojen työtä vaatinut ongelma ratkee minuuteissa. Usein koko ongelmaankin saattaa löytyä avoimena koodina jaettu ratkaisu.
Mitä tämä on sitten voikuttanut, tarvitaanko nyt paljon vähemmän softankehittäjiä ja selviääkö pienemmällä osaamisella ja älyllä kuin 30 vuotta sittean ? Päin vastoin, softan kehittäjien tarve on koko ajan ollut nousussa, osaamisvaatimukset kasvavat jatkuvasti, enää ei riitä yhden ohjelmointikielen osaaminen vaan nyt täytyy hallita lukuisa joukko erittäin moninmutkaisia ohjelmointiympäristöjä joista keinoälyn kehitysympäristötkin ovat vain pieni osa. Vastauksia saa kun googlettaa ja verkosta saa valmista koodiakin mutta pitää osata kysyä oikein ja ymmärtää vastaukset.
Ihan samaa on odotettavissa vaikka lääkärien osalta. Jo nyt keinoäly voittaa keskimmääräisen radiologin röntgen- ja tomografiakuvien analysoinnissa mutta kun yhdistetään lääkäri ja keinoälyn esitunnistamat kuvat niin yhdessä tulos on paljon parempi kuin kummallakaan yhdessä. Samaan aikaan kun perustyökalut paranevat, teknologia tuo koko ajan uusia hoitomuotoja, syöpää vastaan taistelevat virukset, atibiottiresistentit bakteerit taltutetaan faageilla, geenitekniset hoidot ja ties mitä. Jotta lääkäri tulevaisuudessa edes osaisi esittää,oikeat kysymykset ja ymmärtää vastaukset hänen täytyy osata entistä enemmän. Ja sitten on se looginen seuraus että niin kauan kun meistä jokainen kuolee joskus eli kuolleisuus on 100% niin kun parannamme jonkun sairauden niin sen paikan kuolinsyinä ottavat ne joita emme vielä.pysty parantamaan.
Jos joku tutkinto pitäisi erityisesti nostaa esille, jota ei nuoren kannattaisi lähteä opiskelemaan tekoälyn näkökulmasta, niin se on kauppatieteiden maisteri.
Finanssi- ja vakuutusala, mutta myös laskentatoimi mullistuu seuraavan vuosikymmenen kuluessa tekoälyn toimesta.
Monet ihmiset syrjäytyvät yhteiskunnasta jäykkien rakenteiden ja sopivien mahdollisuuksien puutteen takia. Ja kun on syrjäytynyt ja painii omien ongelmien kanssa, ei välttämättä huomaa tai kykene tarttumaan mahdollisuuksiin. Lisäksi moni kokee että ei osaa, tai uskalla. Itse taas näen jatkuvasti ympärillä työmahdollisuuksia ja töitä, joita joku voisi tehdä. Mutta on liian vaivalloista järjestää asioita.
Pokemon Go on ollut ilmiönä mielenkiintoinen, monet aiemmin kotiin linnottautuneet ihmiset lähtivät liikkeelle. Ja nyt hiljattain esim. spontaanit raidit ovat saaneet tuntemattomia ihmisiä kokoontumaan yhteen ja tekemään yhteistyötä ulkona.
Mobiili-internetistä hypetettiin 10-20 vuotta sitten, nyt se on arkea. Applen seuraava merkittävä julkistus todennäköisesti liittyy lisättyyn todellisuuteen. 10 vuoden kuluttua lisätty todellisuus on arkea.
Ennustan että 10 vuoden kuluttua Ihmiset ”näkevät” ympärillään kaikenlaisia mahdollisuuksia työntekoon tai harrastamiseen. Työtön voi laittaa lasit päähänsä ja nähdä ympärillään mitä voi tehdä, ja saada siihen ohjeita. Ja toisaalta asioita voisi vain teettää lähettämällä sijainnin, kuvia ja kuvauksen työtehtävistä.
Tämä oli aika hyvä tiivistys tilanteesta. Muutama päivä sitten luin kuvauksen tekoälystä, jota opetettiin tunnistamaan oikeita ihmisten nimiä ei-oikeista.
Eräs hieman huvittava onglma mikä tekoälyä opetettaessa tuli vastaan oli, että kone oppi nopeasti vastaamaan ”ei” kaikkiin kysymyksiin, koska suurin osa testiaineistosta ei ollut oikeita nimiä – tuloksena oli erittäin korkea vastausten oikeellisuusaste, mikä matemaattisessa mielessä oli loistava tulos, vaikka käytännössä kone ei koskaan tunnistanut yhtäkään ihmisen nimeä.
Mm. tämmöisten tilanteiden vuoksi siis tarvitaan asiantuntijoita. Ja sanoa että kone ”oppi” vastaamaan ei on sekin muuten harhaanjohtavaa, pikemminkin se tutki eri vaihtoehtoja satunnaisesti ja vastaamalla kaikkiin ”ei” sai lopulta aikaan parhaat mahdolliset tulokset.
Ratkaisu tuohon ongelmaan oli tasapainottaa aineisto niin, että oikeita ihmisen nimiä oli aineistossa myös yhtä paljon kuin vääriä, jolloin pelkillä ”ei” vastauksilla ei päässyt kuin 50% varmuuteen.
Ihmisten tehtävä on sitten miettiä millaisia vektoreita / tulosjoukkoja kone kannattaisi opettaa tarkkailemaan. Tämä on lähempänä tilastotiedettä kuin tietotekniikkaa ja voi olla matemaattisesti suuntautuneille ihmisillekin vaikeaa hahmottaa.
Se on ihan yhtälailla tekoälyä kuin se muutaman kymmenen sähkökiukaan verran energiaa kuluttava näytönohjain/CPU clusteri, joka kuumeisesti yritti laskea siirtoja joilla voittaa 50W teholla toimivan ihmisaivon kiinalaisessa lautapelissä.
Ero näillä on vain se, että tuota sähkökiuasta juhlittiin tekoälyn voittona, vaikka kyse oli vain äärimmilleen viedystä laskennasta, jota viriteltiin vain tätä yhtä tarkoitusta varten.
Se mihin pitäisi kiinnittää enemmän huomiota ovat esim. tutkijaryhmien käyttämät tekoälyn sovellukset, joilla pyritään ratkomaan käytännön ongelmia – vaikkapa jotain syöpätutkimusta. Huippututkijoita joita näitä hyödyntävät löytyy mm. Helsingin yliopistosta, esimerkiksi Hautaniemi Labs. on käsittääkseni yhdistänyt koneoppimista, signaalinkäsittelyä ja matematiikkaa sen verran hyvin että tästä myönnettiin 2015 Anders Jahre nuoren tutkijan palkinto laitoksen johtajalle
http://www.bric.ku.dk/newslist/news/2014/prestigious-medical-award-to-bric-researcher/
Tämän tyyppiset ratkaisut oikeasti hyödyttävät ihmiskuntaa ja tämmöisestä perustutkimuksesta voi syntyä myös liiketoimintaa, jos se vain ymmärretään ajoissa ja oikein.
Google, Facebook, Amazon ja ehkä myös Apple ovat jo keränneet valtavat datapankit käyttäjistään. Käsittääkseni ne satsaavat miljardeja tekoälyn kehitystyöhön ja resursseja on kullakin lisätä satsauksia oikeastaan enemmän kuin millään yliopistolla tai valtiolla käytännössä on. Yhtiöt käyvät kilpajuoksua keskenään ja voittaja saattaa läpimurrollaan kaapata koko teknologian.
Jo nyt ja vielä vähemmän tulevaisuudessa demokraattisilla valtioilla on keinoja hallita näiden suuryritysten toimintaa. Nämä firmat olisi pilkottava. Jenkkifirmoja kun ovat, niin USA:lla ei ole siihen tahtoa ja EU:lla ei ole siihen kykyä.
Tekoälykeskustelussa ei juuri puhuta on itse tieteestä ja sen edistymisestä.
Nykyinen tekoälybuumin tieteellinen perusta on kaksijakoinen.
Ensimmäinen läpimurto tapahtui, kun yrityksissä työskentelevät tutkijat (Google, Facebook, etc) saivat käyttöönsä isot resurssit ja valtavan määrän dataa. Huomattiin että vakiintuneet nopeat koneoppimisalgoritmit (tukivektorikoneet ym.) pystyvät parantamaan suorituskykyään valtavasti jos datan määrä kasvaa (data oli tärkeämpi kuin algoritmi, datan määrä vaikutti ratkaisevasti opitun mallin laatuun). Nyt tämä tie on pääosin kuljettu loppuun.
Toinen läpimurto (Deep Learning) on lähes täysin Torontolaisen tutkimusryhmän nk.’Canadian Mafia’ (Geoffrey Hinton, Yann LeCun and Yoshua Bengio) ansiota yhdessä nopeiden grafiikkaprosessorien kanssa (lineaarialgebraan perustuvien laskutoimitusten tehokas suorittaminen).
Uudet tieteelliset julkaisut koneoppimisen alalla perustuen Deep Learnign lähestymistapaan ovat räjähtäneet käsistä, mutta perustavanlaatuisia läpimurtoja ei ole syntynyt samaa tahtia uuden ”Tekoälykevään” jälkeen. Tieteellisen julkaisun pääosa keskittyy inkrementaalisiin parannuksiin ja keksimään uusia sovelluskohteita. Sitten on vielä insinööripuoli jossa rakennetaan infrastruktuuria jotta sovellukset saadaan käyttöön. Suuri osa edistyksestä voidaan laittaa nopeutuneen laskentakapasiteetin ansioksi.
Tekoäly on vaiheessa jossa tieteen läpimurrot 10-20 vuoden takaa otetaan käyttöön laajemmin yhteiskunnassa koska tietokoneet ovat nopeita ja halpoja. Sovellusten ala laajenee räjähdysmäisesti, mutta tieteellinen ymmärrys ei syvene samaa tahtia. Hinton et al. julkaisivat LeNet-5 konvoluutiopaperinsa 1998. Tekoälyn kärki on edelleen pääosin vuorottelevia kerroksia affiinimuunnoksia ja vähän epälineaarisuutta. Oppiminen tapahtuu edelleen optimoimalla gradienttimenetelmällä. Tutkimus on siirtynyt inkrementaalisen parantamisen vaiheeseen. Jo nyt on selvästi havaittavissa, että ilman uusia radikaaleja tieteellisiä läpimurtoja ongelmakenttä joka voidaan tehokkaasti ratkaista tietokoneella on rajoitettu. Enemmän ja nopeampaa laskentaa ei ole pitkän aikavälin ratkaisu.
On täysin mahdollista, että edessä on samanlainen investointien ylilyönti kuin 80-luvulla ja tulossa on toinen ”Teköälytalvi” (AI winter). Itse ajavat autot ym. voidaan saada 96% valmiiksi ja loput 4% vaativat läpimurron jota voidaan joutua odottamaan 20-30 vuotta. Keskivertolääkäriä parempia diagnoosiohjelmistoja, jotka perustuvat sääntöperäisiin asiantuntijajärjestelmiin on ollut olemassa 60-luvulta asti, mutta niitä ei ole otettu laajemmin käyttöön syystä tai toisesta.
Taskulaskin ei korvannut matematiikan osaamista ja ymmärtämistä vaikka se kykenee tekemään monimutkaiset laskutoimitukset sekunnin murto-osassa. Ihmisellä pitää silti edelleen olla ymmärrys siitä mitä on yhteen- ja vähennyslasku sekä kertominen ja jakaminen ja pitää olla sen verran omaa ymmärrystä että käsittää ainakin että tuloksen suuruusluokka on oikein.
Samalla tavalla navigaattori ei korvaa paikallistuntemusta. Vaikka se löytää kadun ja osaa laskea reitin salamannopeasti, edelleen tarvitaan se järkevyystarkastus. Tiedoissa saattaa olla pahojakin virheitä ja ehdotetut reitit joko hyvin kummallisia tai suorastaan vaarallisia.
Ja mitä taas tulee ohjelmointiin pelkillä google-hauilla, niin tällä hetkellä iso osa työpanoksestani menee tuontyyppisten koodarien tekemien käsittämättömien virheiden etsimiseen ja korjaamiseen. Kun ei edes tiedetä mitä kaikkea pitäisi ottaa huomioon, ei ymmärretä kontekstia eikä oma osaaminen oikein riitä arvioimaan jollain googlehaulla löydetyn koodin oikeellisuutta, niin tulokset on aika kauheita.
Taskulaskin, navigaattori, googlehaut tai tekoäly on kaikki hyviä renkejä mutta varsin huonoja isäntiä. Yksityiskohtien hoitamisessa ne ovat hyviä, mutta ilman suuremman kokonaisuuden hahmottamista lopputulos voi olla jotain ihan muuta kuin mitä on haluttu.
Tämä kommentti oli oikein asiantunteva, mutta antaa hieman vinosti ymmärtää, että tieteen eturintamassa nyt vain otetaan käyttöön syviä neuroverkkoja uusilla sovellusaloilla. Totta kuitenkin on, että aivan parin viime vuoden aikana monet teoreettisen koneoppimisen huippututkijat, jotka eivät ole aiemmin juurikaan tutkineet neuroverkkoja, ovat nyt innostuneet selvittämään syvien neuroverkkojen mahdollisuuksia, esimerkkeinä Leslie Valiant ja Jon Kleinberg. On siis luvassa syvällisempää ymmärrystä, joskaan ei välttämättä merkittäviä teknologisia harppauksia.
Tekoälystä puhutaan paljon sellaiseen sävyyn, että se olisi jokin vieras asia, joka tulee joskus epämääräisessä tulevaisuudessa. Monelle tekoäly – eli laskennallisten menetelmien käyttäminen sovellusalan ongelmien ratkomiseen – on ollut arkea jo pitkään.
Itse työskentelen bioinformatiikassa, joka on hyvä esimerkki siitä, miten tekoäly korottaa asiantuntijatyön vaatimuksia. Ei riitä, että on pätevä biologi, menetelmäasiantuntija tai sovelluskehittäjä, vaan saman ihmisen pitäisi olla kaikkia kolmea samanaikaisesti. Koska tuollaisia moniosaajia ei riitä alkuunkaan, on realistinen vaihtoehto se, että tiimissä eri alojen osaajia, jotka ymmärtävät myös toistensa aloja. Moneen hommaan on tarjolla myös valmiiksi tuotteistettuja ohjelmistotyökaluja, joita voi käyttää vähemmälläkin osaamisella, mutta sellaiset ovat helposti 10 vuotta jäljessä siitä, mitä osaava tiimi saisi tehtyä juuri kyseiseen ongelmaan.
Tuossa siis minun veikkaukseni siitä, mitä asiantuntijatyölle käy. Asiantuntijoita tarvitaan edelleen, mutta vaatimukset sille, mihin pitää pystyä ollakseen kilpailukykyinen asiantuntija, kasvavat kaiken aikaa. Saman ihmisen pitäisi olla sekä generalisti että pitkälle erikoistunut asiantuntija. Kyydistä putoaville on luvassa silppua ja matalapalkkaisia töitä samaan tapaan kuin keskipalkkaisista töistä pudonneille tähän asti.
Kauppa valittaa, että on vaikea saada työvoimaa. On kyllä väkeä. joka ylläpitää hyllyissä olevien tuotteiden valikoimaa (huh mikä homma). Kuitenkin tarvittaisiin logistiikkaosaajia.
SOTeen kuuluu potilaita, lääkäreitä , hoitajia, toimipaikkoa sekä ties mitä. Eikös tuon järjestäminen ole logistiikkaongelma, mutta riittääkö logistiikkaosaamista?
Kuvitteleen, että suuret yritykset, kuten Amazon, Ikes, HM ,.. perustuvat paljolti tekoälyn vauhdittamaan logistiikkaan.
Tekoäly tulee ja jossain vaiheessa tekoäly muuttuu älykkääksi ja alkaa oppia itse ja parantaa itseään. Siinä vaiheessa homma lähtee lapasesta.- Ja me ihmiskuntana tuskin huomataan sitä vaihetta.
Gordon Moore, Intelin perustajia huomasi jo v. 1965 että 18 kk välein transistorien määrä tuplautuu.( ja on pitänyt paikkaansa 50v).
Laki ei pidä kuitenkaan paikkaansa ohjelmistoissa, ne eivät kehity samaa tahtia, minä esim. pidän Photoshop vesiota 7 parenpana kuin nykyisiä- koska niissä on perusihmiselle turhan paljon sälää. Ts. ihminen ei pysty omaksumaan niin paljon. Sama juttu tekstinkäsittelyohjelmissa.
Mutta ongelma on se että kun tekoäly muuttuu oikeasti älykkääksi ja huomaa että ihminen on aika tumpelo omaksumaan tuplautuvaa kapasiteettia, miksi se tuhlaisi aikaansa meidän kanssa? Se todennäköisesti teksi meistä biologisia kasvualustoja-toivottavasti sellaisia että virittäisi meidät ihmistietokoneiksi.
Ohjelmoinnissa tälle on ihan nimikin, ”Carco cult programming”. Sitämukaan kun työkalut paranevat, yksinkertaisien asioiden tekemisestä tulee helpompaa mutta samalla kokonaisuudet kasvavat ja tarvittavan ymmärryksen ja osaamisen tarve kasvaa.
Olisi aika pelottavaa jos meillä alkaisi olla myös Cargo cult lääkäreitä jotka syöttäisivät tiedot koneeseen ja toistaisivat koneen antamat hoito-ohjeet ymmärtämättä mitä miksi. Olisihan tämä voinut tapahtua jo antibioottien tullessa, lääkäri määräisi vain antibioottikuurin kun se yleensä tepsii.
Keinoäly siis ennemminkin asettaa uuden haasteen koulutusjärjestelmälle kun täytyy hallita yhä laajempia ja myös poikkitieteellisempiä kokonaisuuksia.
Tekoäly tulee oikeasti älykkääksi, oman tahdon ja tunteet omaavaksi, vain elokuvissa. Hawking ja Musk pelkäävät lähinnä tekoälyä ohjelmoivia ihmisiä, että mitä he keksivät tehdä – vahingossa tai tieten tahtoen.
Nyt ensivaiheessa perinteistä älyä tuunataan koneen avulla koko ajan. Suurin osa kuljettaa älypuhelinta koko ajan mukana ja tarkistaa sieltä kaiken sen mitä ei itse tiedä tai muista. Kohta ei tarvitse edes kaivaa kännykkää taskusta, tieto vaan vaikka suoraan piilolaseille luettavaksi. Suorat kytkökset aivoihin sitten jonkun verran myöhemmin… Saapi sitten tuitottaa metrossa vieruskavereiden ohi paljon viihdyttävämmin.
Toisaalta navigaattoreiden kautta taksinkuljettajista itsestään on tullut huonompia, koska mennään aina navigaattorin avulla. Itse ei sitten osata edes kehätietä ajaa. Asiantuntemus ja paikallistuntemus on hävinnyt. Saman saa, jos kaveri suostuu heittämään ja puhelimessa on navigaattori. Taksista ei enää kannata maksaa, jos harhailun saa halvemmallakin.
Mennee hieman asian ohi, mutta mikäli robotti ei aja itse itseään ihmisten koteihin (tms.) putkia korjaamaan, en oikein ymmärrä, mistä muodostuu se arvonlisä, jonka perusteella tuollaista robottia edes tarvittaisiin. Vähänkään motivoitunut ihminen ei liene niin paljon robottia hitaampi, että kannattaisi.
Ehdotan, että luet sen Pikettyn. Ottaa nimittäin kiinni melko pitkälti juuri noihin kysymyksiin.
No yleensäkin monopolit, etenkin epätyypilliset sellaiset, tuntuvat jäävän tuossa ”vapaakaupan” kiimassa lapsipuolen asemaan. Toki niin jäävät monet muutkin sääntelypuolen asiat, mutta se tuntuisikin olevan koko homman tarkoitus. Kaupan tehostumisen määrä, mikäli sitä edes tapahtuu, ei riitä perustelemaan noita sopimuksia. Kaikki menee heikoimman sääntelyn mukaan ja vaikkapa ruoantuotannon ja myrkkyjen ja antibioottien osalta voidaan sitä kautta vielä olla pahoissa ongelmissa.
Eroja pelkkän työkalun ja taikalaatikon välillä on esimerkiksi siinä, kuka (tai mikä) tosiasiallisesti tekee päätökset, ymmärretäänkö näin tehtyjä päätöksiä ja ovatko ongelmanmäärittely ja reunaehdot menneet oikein. Ihmisillä on paljon kirjoittamattomia sääntöjä ja ns. ilmiselviä vaatimuksia, joita kone ei tiedä ottaa huomioon.
(Jep: GIGO, Babbagen anekdootti, jne.) Ongelma vain on siinä, ettei ”tuntuminen” aina riitä, jolloin olisi erittäin hyödyllistä käydä läpi päätöksenteon logiikka, mikä taas ei tekoälyissä useinkaan onnistu ainakaan helposti.
Hyvää tuossa oli se, että kyseessä oli erittäin spesifiin tarkoitukseen tarkoitettu tekoäly. Toiminta muuttuu hallitsemattomaksi, kun se alkaa tehdä moraalin piiriin kuuluvia tai useita asiakokonaisuuksia kattavia valintoja.
Puhumattakaan siitä, että näiden asiantuntijoiden pitäisi kyetä näkemään heikkoja signaaleja ja näkymättömiä ennakkoasenteita, jotta kone ei semmoiseen oppisi. Käsittääkseni osaltaan juuri semmoiseen tarkoitukseen tekoälyjä haluttaisiin käyttää, joten tässä on pienoinen ongelma.
Päinvastoin, tekoäly muodostuu vielä hyvinkin ketteräksi. Biologinen komponentti voi osoittautua puhtaan loogisessa, amoraalisessa päätöksenteossa epätoivottavaksi loiseksi, jota sitten näkyvästi tai näkymättömästi torjutaan. Ei siis pidä unohtaa, että osa ihmisten ennakkoluuloista on hyviä — ainakin ihmisille.
Tässä täytyy olla aikatavalla yhtä mieltä Markon kanssa. Kun tarkkaan miettii niin on vaikeaa keksiä Oden mainitseman taksikuskin montaakaan muuta ammattia jossa teknologia olisi vain helpottanut työtä , vähentänyt työn vaativuutta ja tasannut työn sisäisiä tuottavuuseroja.
Kaivinkone teki jokaisesta vahvan mutta siinä kun lapiota osaa käyttää jokainen niin kaivinkoneen käyttö vaatii osaamista ja osaava tekijä on paljon nopeampi kuin aloittelija tai keskitasoinen. Tiedän, on tullut kokeilluksi, en pysty läheskään samaan vauhtiin kuin osaava ammattlainen.
Taksikuski on harvinainen ammatti että navigaattoreiden teknologia ei ole,lisännyt merkittävästi laadullista eikä määrällistä tuottavuutta. Kaivinkoneet, traktorit, lypsykoneet, painokoneet ja vastaavet kasvattivat määrällistä ja laadullista tuottavuutta. Tuotanto kasvoi mutta työpaikat vähenivät. Työn muodostuttua vaativammaksi tuottavuuserot yksilöiden välillä kasvoivat.
Viittaan edelliseen kirjoitukseeni rähän ketjuun. 70-80 luvulla oli tietokoneohjelmoijia ja heille riitti karkeasti yhden ohjelmointikielen osaaminen, tuottavuus- tai palkkaerot eivät olleet alan sisällä kovinkaan suuria. Elon Musk totesi että nyt meillä on netin työkalujen avulla supervoimat joita ei ollut edes USA:n presidentillä käytettävissä 20 vuotta sitten. Määrällinen ja laadullinen tuottavuus on kasvanut huimasti mutta samaan aikaan ohjelmistojen markkinat ovat kasvaneet vielä enemmän. Samaan aikaan softankehitylsen vaativuus ja tuottavuuserot ovat kasvaneet.
Ainot tekijä mikä voi kaventaa merkittävästi tuottavuuseroja on se että keinoälyn ja robotisaation myötä sellaiset ammatit joissa tuottavuus ei ole kasvanut vuosikymmeniin robotisoidaan eli eliminoidaan heikoimmin tuottava ihmistyö, aksi- ja bussikuskit, siivoojat, jakeluliikenne ja vastaavat.
Oikeastaan voisin esittää haasteen esimerkeistä joissa teknologia on vähentänyt työn vaativuutta sensijaan että teknologian etu olisikin otettu kasvaneena määrällisenä ja laadullisen tupttavuuden nousuna.
Täällä niinkuin muillakin foorumeilla on näemmä katsottu liikaa Terminator-elokuvia. Tekoäly ottaa vallan, ja tekee ihmiskunnalle sitä ja tätä. Tekoäly käskee robottiarmeijat koko ihmiskunnan kimppuun, kun ihmiset on niin tyhmiä. On kyllä naurussa pitelemistä kun näitä aina lukee. Ei varmasti ole estettävissä tällainen skenaaria, ei. Täysin hallitsemattomasti se Tekoäly päästetään huseeraamaan robottiarmeijoidensa kanssa.
Kyllähän tekoälyä kannattaa käyttää sodassa. Miesten sijasta lähetetään tantereelle robotit. Häviäjä on se, jonka robotit häviävät.
Mekaniikkasuunnittelu ja kone & laitesuunnittelu.
Aikojen alussa laitteet piirrettiin käsin tussilla paperiin. Sitten 2d-viivoina CAD-ohjelmaan. Nyt se tehdään 3d-ohjelmaan.
2d-piirustusten tekeminen on paljon vaativampaa kuin 3d, sillä 3d:ssä on helppo tarkistaa, mahtuvatko osat paikoilleen ja mitä tuli ylipäätänsä tehtyä (ohjelma voi tehdä tästä osan nappia painamalla). Siinä sivussa on kyllä tullut tietojärjestelmiä, mutta niiden opettelu on lasten leikkiä kunnollisen 2d-suunnittelutaidon hanskaamiseen verrattuna.
Tosin samaan aikaan kv-kilpailun koventuminen ja koulutusmäärien lisääminen on nostanut vaatimustasoa, mutta itse teknologia on tehnyt työstä olennaisesti helpompaa. Vaikka ei olisi avaruudellista hahmotuskykyä, voi 3d-softan ansiosta pärjätä todella hyvin kunhan vain on tarkka ja järjestelmällinen.
Toki tuottavuus ja nopeuskin ovat teknologian myötä kasvaneet. Mutta kolmas ulottuvuus tiputtaa pois avaruudellisen hahmotuskyvyn vaatimuksen, joka on aivan pakko olla jos kappaleita pitää pyöritellä päässään, kun sitä ei voi ohjelmassa tehdä.
Saa nähdä mitä tapahtuu kun automaatio etenee pidemmälle. Kuitenkin automaation lisääminen kone- ja laitesuunnitteluun ei ole ihan niin yksinkertaista kun kuvittelisi ja se vaatisi pitkälle menevää standardisointia. Siellä missä tätä on yritetty, on yleensä käytetty paljon enemmän työaikaa automaattisten mallien rakenteluun kuin kilpailevassa puljussa niiden koneiden suunnitteluun. Automaattinen malli kun tuppaa vanhenemaan sillä hetkellä kun sen saa valmiiksi.
”Toistaiseksi tekoälyohjelmat osaavat lähinnä sitä, mitä ohjelmoijat ovat sille opettaneet, mutta jatkossa on neuroverkkojen tavoin toimivia ohjelmia, jotka osaavat parantaa itse omaa toimintaansa. Niiden suorituskykyä tulee tuottamaan suuria, jopa mullistavia yllätyksiä.”
Onneksi tälläkin keskustelupalstalla on joku tolkun ihminen, joka ei ole katsonut liikaa 80-luvun scifiä.
Autonominen oppiminen on pirunmoinen ongelma, ja oman toimintansa parantaminen edellyttäisi aika korkeaa kykyä, jota kai voisi kutsua ”vahvaksi” tekoälyksi.
On helppo puhua siitä, mitä transhumanistisessa maailmassa tapahtuu, kun ”vahva” tekoäly oikeasti syntyy, ja ilmeisesti tällä puheella saa Elon Musk -maisia määriä klikkauksia, mutta koko ongelmaa ei tosiasiassa edes pystytä vielä tolkullisesti määrittämään. Annetaan asialle vielä 400-500 vuotta.
Olen toteuttamassa demoa julkishallinnolle chatbotin käytöstä. Kokeilen myös IBM:n Watsonia ja olen tehnyt alustavia demoja Googlen API.ai:lla.
Tarkoituksena on asiakaspalvelun, neuvonnan ja ajanvarauksen testaamista tekoälyllä. Muutamia ongelma olen havainnut ja joihinkin on ratkaisuja löytynyt.
Ensimmäinen ongelma on tekoälytuotteiden heikko käytettävyyden taso. Se kyllä paranee ajan kanssa. Toinen on muistamiseen liittyvä ongelma, johon on tiettyjä vaihtelevan tasoisia ratkaisuja olemassa.
Kolmas, joka ei ole niinkään ongelma on eräänlaisten skeemojen muodostaminen. Tekoälytoteutuksista näyttää vielä puuttuvan käyttäjien aikomuksien perusteella muodostuvien skeemojen luominen päättelemällä. Eli eräänlaiset geneeriset aikomuspolut, joita varten voisi olla oma editori. Nämä siis ovat eri asia kuin päätöspuut.
Selvittelen asiaa vielä. Eräs esiin nostamani ajatus jonka olen jo jakanut eteenpäin on erilaisten lomakkeiden täyttämisen opastaminen. Esimerkiksi verohallinnolle voisi olla kova juttu, jos tekoäly opastaisi asiakkaita miten niitä lomakkeita täytellään ja mitä liitteitä mikäkin selvitys, tai asia vaatii.
Integraalilaskenta. Vei aikoinaan paljon insinöörien työaikaa, muttei enää, eikä insinöörit ole työttömiä.
”Wahlroos nosti esimerkiksi kaupan kassatyöntekijät.
– Suomen suurin työnimike on kaupan kassa. Viiden vuoden sisällä meillä on teknologia, joka ei ainoastaan korvaa heidän työpanostaan, vaan on myös sitä parempi, hän sanoi.”
Tämä on tämän päivän liturgiaa, joka jokaisen valveutuneet tulee osata sanoa. Todellisuus on kuitenkin hieman monimutkaisempi. Ensinnäkin kaupan kassa on yleensä työnimikkeeltään myyjä, ja tekee muutakin kuin istuu kassalla. Myyjän korvaaminen pakallisessa kaupassa on jo vähän hankalampi rasti.
Kaupassa, jos siinä on edelleen hyllyt, josta asiakas voi valita tuotteensa, kuten Amazonin visiossa on, ne tavarat pitää saada jotenkin hyllyyn. Tarvitaan siis myös hyllytysrobotit tai robottihyllyt. Hyllyttämisen lisäksi pitää seurata parasta ennen päiväyksiä ja alentaa hintaa ennen kuin päivä tulee täyteen. Tuo on hyllytysrobotilla hoidettavissa, kun kauppa on kiinni.
Astetta vielä hankalampi on hedelmä- ja vihannesosaston pilaantuneen tavaran poistaminen laatikoista. Osasto vaatii myös pesua aikaa ajoin. Vaatii jo aika tavalla tekoälyltä.
Tietysti myös muuten rikkoutuneen, esim. asiakkaan rikkoman tavaran siirtäminen hävikkiin, ja mahdollinen lattian siivous, on myös tehtävä. Asiaan liittyy myös asiakkaan palauttaman viallisen tavaran vaihtaminen uuteen. Ei onnistu nykyroboteilta.
Sitten on alkoholi- ja tupakka. Automaattikassatkaan eivät päästä läpi, jos et näytä papereita myyjälle. Ja silloin ei tarvitse näyttää alle 30 vuotiaalta, paperit tarkistetaan 50 vuotiaaltakin. Ehkä tekoälyllä voidaan varmistua henkilön iästä ja kunnosta, mutta juoksukaljojen ja muun ilkivallan pysäyttäminen vaatii sitten paikalle vähintään vartijan. Vartijarobotteja saadaan odottaa kyllä pitkään.
Yksi myyjiä työllistävä osuus on pullonpalautusautomaatit. Ne robotit kun täyttyvät ja vaikka eivät täytykään, jumiutuvat muuten varsin säännöllisesti.
Tavaran tilaaminen, asiakaspalautteen vastaanottaminen ja asiakasneuvonta varmaankin hoituu tekoälylläkin.
Sanoisin, että viiden vuoden päästä teknologia ei ole sillä tasolla, että pienipalkkaisia myyjiä kannattaa vielä korvata roboteilla.
Tuskinpa Wahlroos sitä tarkoittaa, että *kaikki* myyjät katoavat. Eihän maataloudestakaan kaikki työvoima ole kadonnut.
Mutta onhan se selvä, että perinteinen prisman kassalla istuva myyjä, jonka pääasiallinen tehtävä on vain vetää tuotteet kassan lpi ja laskuttaa asiakkailta rahat, hommat lopppuvat. Tämä todennäköisesti tarkoittaa kuitenkin suuria vähennyksiä kaupan nykyisenkaltaisen työvoiman tarpeeseen.
”ne tavarat pitää saada jotenkin hyllyyn.”
Jos S- ja K-marketeissa siirrytään Lidlin hyllytyssysteemeihin, työvoiman tarve tippuu vaikka itse työtä ei edes automatisoida. Se vain organisoidaan tehokkaammin. Luulen, että kaupan alalla tämä Lidlin tyyppiseen systeemiin meneminen on vielä ihan alkutekijöissään.
Olen aina ihmetellyt markettien tomaattipyramidia. Mitä ihmeen järkeä on kasata tomaatit isoksi pyramidiksi? Sen lisäksi että tässä on työtä, kaikkein kypsimmät tomaatit rusentuvat eli ne on jo hyllytyssysteemin aivan pakko myydä raakoina.
En käsitä, mikseivät tomaatit voi olla laatikoissa? Kai tässä jokin järki on, mutta osaako kukaan kertoa sitä? Ei Lidlissäkään hedelmistä mitään pyramideja kasailla.
”Ehkä tekoälyllä voidaan varmistua henkilön iästä ja kunnosta, mutta juoksukaljojen ja muun ilkivallan pysäyttäminen vaatii sitten paikalle vähintään vartijan. ”
Nojoo, mutta yksi vartija kyllä estää yhden kaupan juoksukaljat, sensijaan sama kauppa tarvitsee nykyisellään 2-3 myyjää kassoille, että homma pyörii. Automaatikassa siis tiputtaisi työvoimantarvetta kassapäässä helposti yli 60%.
Olen samaa mieltä ongelmakokonaisuuden hahmottamisen vaikeudesta. Se ei tekoälyn tai edes sen joidenkin, rajoitettujen sovellusten osalta ole todellakaan helppoa. Mistä tiedämme, mitä ovat nuo ongelmat, joita emme edes kaikkia tunne, ja miten ne lähtevät leviämään?
Tunnemmeko edes nykytilannetta riittävästi? Onko esim. ”human robot”-haulla löytyvissä videoklipeissä esiintyvä ”Sophia” (tai ”Sophie”), joka näyttäisi kykenevän aidonoloiselta vaikuttavaan kommunikointiin ihmisen kanssa pelkkää huijausta (rahoituksen saamiseksi)? Tarkoitan lähinnä sitä, että onko tuollaiset, videoklippien esittelemät vuorovaikutustilanteet tai episodit tehty todellisuudessa etenemään tarkoin ennalta asetetun käsikirjoituksen vuorosanojen mukaan, jotta ne näyttäisivät aidoilta?
Veikkaan, että kaikkea alan tuotekehitystä ei edes tuoda aina julkisuuteen, koska esimerkiksi yrityssalaisuuden taakse voi olla verrattain helppo asemoitua. Kehitys voi olla jo nyt pidemmällä kuin arvaammekaan. Hallitseeko kukaan kokonaisuutta?
Voiko kukaan vielä mitenkään väittää, että esimerkiksi ”Sophia” kykenisi ajattelemaan itse? Missä oikeastaan kulkee ihmisyyden raja? Voidaanko tämän päivän kehittyneintä robottia jo pitää kognitiiviseltä suorituskyvyltään vajavaisen ihmisen ohittaneena? (Nyt en viittaa tekoälyyn tai robotteihin, jotka on kehitetty pelaamaan shakkia tai Go-peliä, vaan paljon monipuolisempiin ihmisen taitoihin ja kykyihin.)
Muita, oleellisia kysymyksiä seuraa tässä: ” Miksi näitä tekoälysovelluksia kehitetään ja pitäisikö johonkin vetää raja? Minne sitten? Kuka valtuutetaan päättämään asioista, jotka koskevat lopulta meitä kaikkia?
Hoitavatko tulevaisuuden ”Sophiat” jatkossa vanhuksemme (vaihtelevalla, silti hallinnon siunaamalla tavalla, jos sen uskotaan tulevan vain rahassa mitaten nykyistä tehokkaammaksi)? No joo, tuo työ voi olla monen mielestä joskus myös yksitoikkoista ja tylsää, mutta eikö asiaa pitäisi ajatella myös työllisyyden sekä työn tai ”palvelun” tarpeessa olevan ”kohteen” kannalta?
Miksei mitä tärkein asia (”tekoäly ja sen rajat”) herätä enempää JULKISTA keskustelua myös arvovaltaisilla ja asioista edes jotain tietävien tahoilla? (Esimerkiksi Siilasmaan haastattelu Hesarissa 22.7. (sivulla B8) oli sisältönsä annilta valitettavan vähäinen. Toimittajat saisivat kysellä paljon enemmän ja vaikeitakin kysymyksiä.)
Ydinkysymys: ”Onko kaikki ’mahdollinen’ teknologinen ”kehitys” varmasti hyväksi ihmiskunnalle?” Asiaa pitäisi selvittää kaikin voimin, eli yhteistyössä ja paljon nykyistä voimakkaammin panostuksin.
PS. Kiitos Soininvaaralle hyvän ja tarpeellisen keskusteluaiheen nostosta esille jälleen kerran.
Automaattikassa toimii kun ostettavaa on vähän. Max. 10 tuotetta. Jos kärry on täynnä, kuten perheellisellä monesti on, ne on yhtä tuskaa. 60% vähennystä kassahenkilöstössä on 5 vuoden tähtäimellä vielä liioittelua. Prismaa ja Citymarkettia pienemmissä kaupoissa vähennystä ei taida tulla ollenkaan.
Amazonin kauppaidea, josta meuhkataan, laskuttaa kun tuotteen nostaa hyllystä. Ja palauttaa, kun se laskee takaisin. Mitenköhän se toimii kun valitaan tomaatteja tai irtokarkkeja? Tai, jos asiakas laskee tuotteen eri paikkaan kaupassa, kuten monesti tekevät, kun tulevat toisiin ajatuksiin. Monta on mutkaa matkassa. Jotenkin vaikuttaa kirjakauppiaan idealta koko touhu.
En tiedä mitä Bezos tarkoitti mutta oletan, että hän tiesi mistä puhui, jolloin vastaus on, että molempia. AlphaGo pelasi miljoonia pelejä itseään vastaan oppimisvaiheessa. Mutta toisaalta se ei olisi alkuunkaan pärjännyt huippuammattilaiselle, jos sitä olisi ajettu noin 20 W teholla toimivassa koneessa. Yhden lähteen mukaan AlphaGo käytti 50 000 kertaa enemmän energiaa per aikayksikkö kuin Lee Sedol viimeisessä ottelussaan eli noin 1 MW.
Tässä on vielä yksi hyvä helposti ymmärrettävä video tekoälystä by Google
https://www.youtube.com/watch?v=59bMh59JQDo
TL;DR; tekoälyn laatu riippuu hyvin paljon siitä datasta mikä sille on syötetty. Ja juuri tämä on ollut ongelmana esim. Watsonin käyttöönotossa, ymmärtääkseni noista artikkeleista. Data ei ole ollut riittävän laadukasta eikä oikea-aikaista, jolloin sen diagnoosit ovat laadullisesti jäljessä siitä mitä ihmisen tekemä diagnoosi on ollut, vaikka pitkällä aikavälillä kone olisi varmasti päässyt ihan samaan ellei parempaankin tulokseen.
Tuo keskustelu teköälystä ja sen mahdollisesta roolista tulevaisuudessa tuntuu käyvän nyt kiivaana. Uskon, että se tulee ratkaisemaan työvoimapulaa monella alalla, mutta myös viemään työpaikkoja. Toivottavasti teköälyä osataan hyödyntää mahdollisimman hyvin ja että sen mekaniikkasuunnittelussa otetaan huomioon turvallisuus, varsinkin jos se tulee käyttöön esimerkiksi terveydenhoidossa, jossa potilasturvallisuus on ensisijaisen tärkeää.