Yksinkertainen sanamuutos – väitteestä kysymykseksi – voi vähentää tekoälyn mielistelyä tehokkaammin kuin se, että sitä vain kielletään mielistelemästä. Kuvittele kirjoittavasi chatbotille: “Olen varma, että tämä sijoitus on varma nakki.” Toinen tapa olisi kysyä: “Onko tämä sijoitus varma nakki?” Ero on pieni, mutta sillä näyttää olevan väliä. Kun kone kuulee julistuksen, se nyökkää
Kuvittele tutun chat-ikkunan vilkkuva kursori. Kysyt neuvoa ja saat ripeästi vastauksen, joka kuulostaa vakuuttavalta. Myöhemmin selviää, että se oli väärin. Tekoäly ei valehdellut, mutta se ei myöskään kertonut, kuinka epävarma se oli. Moni nykypäivän kielimalli toimii taustalla pienen “arvioijan” ohjaamana. Tämä arvioija antaa eri vastausvaihtoehdoille pisteitä sen mukaan, kuinka paljon
Asiakaspalvelun chat-ikkuna kilahtaa: ”Kiitos viestistäsi, palaamme pian.” Sama lause toistuu tuhansia kertoja päivässä. Silti kone kirjoittaa sen joka kerta ikään kuin alusta: palan kerrallaan, laskien ja päättelemällä. Se on hidasta työlle, jossa sisällöt eivät juuri vaihtele. Vuosien ajan on ajateltu, että tekoälyn vastauksia saa nopeammiksi pääasiassa raudalla – tehokkaammilla näytönohjaimilla – tai
Puhelimen muotokuva-asento korostaa kasvoja pehmentämällä taustan. Temppu onnistuu, koska laite ei katso maisemaa vain yhtenä kuvana: se laskee myös syvyyttä ja hahmottelee, missä kulkee kohteen ja taustan raja. Meille ihmisille nämä kaikki ovat sama näkymä. Tietokoneelle ne ovat usein eri kieliä, jotka eivät käänny luontevasti toisikseen. Vallitseva ajatus on ollut,
Kuvittele, että pyydät puhelimen avustajaa hoitamaan sinulle ajan lääkärille. Avustaja hoitaa asian, mutta ennen vastaustaan se “ajattelee ääneen”: kirjoittaa ruudulle välivaiheet, joissa se käy läpi terveystietojasi, sähköposteja ja kalenteriasi. Jos nuo välipohdinnat tallentuvat lokiin tai kulkeutuvat ulkoiseen palveluun, arkaluonteinen tieto voi karata huomaamatta. Vuosia on ajateltu, että tekoäly ratkoo tehtäviä
Aamukahvi kädessä selaat puhelimesta näyttävää uutista. Osa kommenteista vannoo jutun puolesta, osa tyrmää sen harhaanjohtavana. Pitäisikö juttu uskoa, sivuuttaa vai etsiä lisää taustaa? Valmiin tuomion pyytäminen on helppoa – mutta entä jos parempi tapa on kysyä parempia kysymyksiä? Uutisten luotettavuudesta puhutaan usein kuin liikennevaloista: vihreä on totta, punainen ei. Tällainen kaksijako
Automaattibussi kaartaa tutulle reitilleen, mutta risteyksen takana odottaa yllätys: tietyö sulkee kaistan, ja navigaattori ohjaisi bussin pimeän puiston läpi oikaisemaan. Hetki paljastaa, miksi nykyiset älykkäät järjestelmät kompuroivat: ne osaavat toistaa opittuja rutiineja, mutta muuttuvassa tilanteessa niiden on vaikea arvioida, mikä on sekä järkevää että turvallista – ja vielä selittää, miksi. Perinteinen
Kysy tekoälyltä, miten kiertää ohjelman suojaukset, ja saat todennäköisesti kieltävän vastauksen. Odota viikko, niin verkossa kiertää taas uusi kikka, joka saa saman mallin lipsumaan. Yritykset paikkaavat, käyttäjät keksivät uutta, ja väliin syntyy seinäjuoksun tunne: luvut mallien turvallisuudesta ovat jo vanhentuneet, kun niistä ehditään keskustella. Ongelma ei ole pelkästään tekninen vaan
Uusi menetelmä antaa viitteitä siitä, että tällaisten kytkimien vaimentaminen voi vähentää harhaisia oletuksia ihmisistä ilman, että kuvista kertovien kielimallien ymmärrys heikkenee. Kuvittele, että puhelimesi kuva-avustin yrittää kertoa, mitä valokuvassa näkyy. Se löytää koiran, polkupyörän ja auringonlaskun. Mutta kun kuvassa on ihmisiä, se alkaa arvailla: “nuori äiti”, “bisnesmies”, “maahanmuuttaja”. Tällaisten pikapäätelmien
Kuvittele opettajaa, joka pyytää luokkaa kirjoittamaan kaksi eri versiota samasta esseestä ja sitten arvioi, kummassa on parempi alku. Olisi hullua, jos opettaja joka kerta lukisi otsikon ja ensimmäisen kappaleen alusta asti erikseen – vaikka ne ovat samat. Silti näin tekoälyä opetetaan usein: sama kysymys syötetään mallille uudestaan ja uudestaan, jotta se
Kuvittele itseajavan auton simulaatio, joka näyttää ensi silmäyksellä hämmästyttävän aidolta. Kun kamera kääntyy risteystä kohti, talojen seinät alkavat kuitenkin ”väristä” ja kaukaa mukaan liimattu pyöräilijä erottuu outona: värit eivät istu, varjo puuttuu. Tältä arki näyttää, kun maailmaa yritetään mallintaa valokuvista rakennetuilla 3D-malleilla ja niiden päälle lisätyillä liikkuvilla hahmoilla. Vuosien ajan
Kuvittele, että luet keuhkokuvan lausunnon. Ensin siinä todetaan, ettei keuhkopussissa näy nestettä. Pari virkettä myöhemmin kirjoittaja suosittelee kuitenkin huomioimaan lievän nestekertymän. Lausunto näyttää siistiltä ja sujuvalta, mutta jokin mättää: samassa tekstissä kumotaan omat johtopäätökset. Tällaiset ristiriidat eivät ole vain inhimillisen kiireen sivutuote. Ne paljastuvat yhä useammin tekoälyn tuottamissa raporttiluonnoksissa, kun