robotiikka
Imuroiva robotti törmää pöydänjalkaan ja kaartaa sitten kylpyhuoneeseen. Joku sanoo: ”Se tajusi, että käytävä on tukossa ja vaihtoi reittiä.” Toinen korjaa: ”Anturit havaitsivat esteen ja ohjausohjelma laski uuden polun.” Kolmas toteaa vain: ”Se meni kohti kylpyhuonetta.” Sama liike, kolme tarinaa – ja kolme erilaista tapaa nähdä, mitä koneessa tapahtuu. Arjessa sorrumme
tekoäly
Monen yrityksen datahankkeissa on tuttu näky: vuosien aikana on kertynyt joukko erilaisia koneoppimismalleja. Yhdessä nurkassa pyörii vanha mutta luotettava luokittelija, toisessa uudempi neuroverkko. Jokainen toimii omalla tavallaan, omilla kirjastoillaan ja omilla temppuillaan. Kun järjestelmää pitäisi nopeuttaa, siirtää puhelimeen tai vain pitää paremmin hallussa, tämä kirjavuus tekee työstä yllättävän vaikeaa. Ajatusmalli
tekoäly
Keittiö humisee, kattila porisee ja älykaiuttimelle esitetty pyyntö jää puoliksi kuulumatta. Laite päättelee omansa ja tekee parhaansa. Usein siitä seuraa harmiton väärinkäsitys. Kun samoja puheentunnistusjärjestelmiä käytetään osana yhä itsenäisempiä ääniagentteja – puheella ohjattavia palveluja ja sovelluksia – väärin kuultu lause ei ole enää pelkkä pikku kommellus. Olemme tottuneet ajatukseen, että puheentunnistus on
tekoäly
Henkilökohtaisemmat kyyditykset voivat tehdä automaatiosta siedettävämpää – ja turvallisuuskeskustelusta monimutkaisemman. Jokaisella perheellä on se hetki, kun istutaan samaan autoon ja huomataan, että toisen mielestä vilkku pitäisi laittaa aiemmin, jarruttaa pehmeämmin ja liittyä moottoritielle päättäväisemmin. Auton kojelaudan valikoista voi valita “eco” tai “sport”, mutta harva kokee, että muutama nappi todella kuvaisi omaa
tekoäly
Oletko koskaan toivonut kyydissä, että kuski ajaisi vähän pehmeämmin, vaihtaisi kaistaa harvemmin tai antaisi enemmän tilaa edellä menevälle? Navigaattori osaa kertoa reitin ja nopeusrajoitukset, mutta se ei ymmärrä tyyliä. Entä jos auto itse ymmärtäisi arkisia ohjeita – ja ottaisi ne huomioon päätöksissään? Automaattinen ajaminen on tähän asti nojannut pääosin kameroihin, tutkiin
varhaiskasvatus
Kiinalaisissa päiväkodeissa testattu kielimallipohjainen apuri löysi ihmisarvioijien kanssa jopa 88-prosenttisen yksimielisyyden ja nopeutti työtä moninkertaisesti. Aamupiiri alkaa. Opettaja kyselee viikonloppukuulumisia, lapset kertovat kilpaa, joku muistaa kirjan, jonka eilen luki. Juuri tällaisissa hetkissä syntyy se, mistä varhaiskasvatuksessa paljon puhutaan mutta harvoin mitataan: vuorovaikutuksen laatu. Kuinka opettaja tarttuu lapsen ajatukseen, millaisia kysymyksiä
tekoäly
Vastaanotolla kiireinen lääkäri klikkaa potilastietojärjestelmän välilehtiä ja saa ruudulle luvun: ”36 prosentin riski komplikaatioihin.” Luku kuulostaa täsmälliseltä, mutta ratkaiseva tieto puuttuu. Mitä olisi odotettavissa, jos hoito A valittaisiin? Entä jos jätettäisiin lääke aloittamatta ja seurattaisiin tilannetta? Nykyiset päätösohjelmat kertovat usein, millaisten potilaiden kohdalla jokin tapahtui aiemmin – ne eivät yhtä hyvin
tekoäly
Moni on nähnyt ruudulla saman lauseen: “En voi auttaa tässä.” Nykyiset keskustelurobotit on opetettu kieltäytymään vastaamasta, kun pyyntö koskee vaikkapa vaarallisten aineiden valmistusta tai muuta haitallista. Ajatus on lohdullinen – kunhan vain raja-aitoja vahvistetaan, mallit pysyvät ruodussa. Tuore arXivissa julkaistu tutkimus tarjoaa tyynen mutta kylmän vastalauseen. Sen mukaan toinen tekoäly voi
tekoäly
Jos kadonneita eläimiä etsittäisiin myös kuuntelemalla, moni perhe saattaisi saada lemmikkinsä takaisin. Kun koira karkaa, etsiminen alkaa yleensä valokuvasta. Some-ryhmät täyttyvät ilmoituksista: musta koira, valkoinen läikkä rinnassa, ehkä punainen panta. Kuvia verrataan kuviin. Sillä välin se sama koira saattaa istua löytöeläinkodissa likaisena, turkki ajeltuna ja katse levottomana – eikä näytä enää
tekoäly
Jos pyydät tekoälyä piirtämään kuvan, jossa punainen muki on sinisen kirjan päällä vasemmassa alakulmassa ja vihreä kynä oikealla, lopputulos on usein kuin kiireessä katettu pöytä: tavarat ovat suunnilleen siellä päin, värit melkein oikein – mutta muki löytyy keskeltä, kirja kääntyy nurin ja kynä unohtuu taustalle. Yksityiskohdat eivät pysy paikoillaan. Vuosien ajan
tekoäly
Kuvittele viesti älykkäälle kotisuunnittelijalle: ”Siirrä sohva ikkunan alle ja laita lattiavalaisin sen oikealle puolelle. Jätä kulkuväylä ovelle.” Ihminen ymmärtää heti, mikä on sohvan, ikkunan ja valaisimen välinen järjestys ja missä on ”oikea puoli”. Useimmat kielimallit eivät. Ne voivat selittää ohjeen uudelleen tai keksiä perusteluja, mutta ne kompastuvat siihen, miten tavarat
tekoäly
Uusi analyysi vihjaa, että kielimallit oppivat moraalisen puheen kaavat paremmin kuin johdonmukaisen ajattelun – mikä haastaa käsityksen tekoälyn ”kypsyvästä” moraalista. Kuvittele esittäväsi tekoälylle ikuisen arjen kysymyksen: pitäisikö sääntöä rikkoa, jos sillä voi suojella jotakuta? Vastaus saapuu moitteettomana: punnitaan oikeuksia, seurauksia ja periaatteita. Tyyli on harkittu, jopa kypsä. Mutta onko se ajattelua