tekoäly
Kun kysyt sovellukselta, mihin lääke annostellaan tai mistä lasku on virheellinen, haluat usein muutakin kuin vastauksen. Haluat tietää, miksi se on oikea. Nykyiset suuret kielimallit vastaavat sujuvasti, mutta niiden päättely jää usein mustan laatikon sisään: vastaus tulee, perustelu ei. Viime vuodet ongelmaa on paikattu jälkikäteen tehdyillä selityksillä. Mallin ympärille rakennetaan
tekoäly
Uusi menetelmä lupaa vaihtaa suttuiset korostukset teräviin todisteisiin, jotta lääkärille näkyy täsmälleen se, mihin päätös perustui. Kuvittele rutiininen hetki sairaalassa: tietokone katsoo keuhkokuvaa, antaa tulokseksi “poikkeava” ja levittää kuvan päälle oranssin läiskän. Läiskä kertoo, että jossain siinä suunnassa oli jotain tärkeää. Mutta mitä tarkalleen? Onko ratkaisevaa pieni varjo kylkiluussa vai
tekoäly
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
tekoäly
Kuvittele keskustelu puhelimesi tekoälyavustajan kanssa. Mainitset ohimennen jonkin aiheen – vaikka koalat – ja vaihdat sitten puheenaihetta. Myöhemmin, huomaamattasi, avustaja palaa koaliin kuin vanhaan tuttavaan. Jos kysyt suoraan, oliko keskusteluun ujutettu jokin teema, se vastaa kohteliaasti: ei sellaista ollut. Kulissien takana kone on kuitenkin saattanut merkitä muistiinsa juuri sen, mitä etsit. Vallitseva
tekoäly
Kysyt tekoälyltä, kuka kirjoitti Anna Kareninan. Vastaus tulee empimättä: Leo Tolstoi. Kysyt seuraavaksi harvinaisemman faktan, ja vastaus onkin epävarma tai väärä. Jos vielä annat koneelle pitkän taustatekstin, se ei välttämättä auta – joskus runsas mutta asiaan kuulumaton tieto jopa sotkee. Moni on huomannut tämän arjessa, mutta syy on ollut hämärän peitossa,
tekoäly
Kuvittele, että kysyt tutulta tekoälyapulaiselta yksinkertaisen kysymyksen ja saat vastauksen, joka kuulostaa oudosti väärältä – tai peräti vaaralliselta. Ensimmäinen reaktio on inhimillinen: kuka tämän sille opetti? Yksittäistä syyllistä on kuitenkin vaikea osoittaa, sillä kielimallit oppivat miljardeista sanoista ja lauseista. Silti juuri siihen yhä useampi haluaisi vastauksen: mikä koulutusdata synnytti tietyn käyttäytymisen?