Deep Learning

En yleensä kommentoi ns "all the rage"- asioita, mutta lyhyesti totean, että erilaiset deep learning- menetelmiin (joka on enemmän tai vähemmän monikerroksisten neuroverkkojen uudelleenbrandays) perustuvat tekoälysovellukset ovat viime aikoina edistyneet huimasti.

Viimeisimpänä tietenkin AlphaGo:n voitto Lee Sedolista. Aihetta on koluttu muualla enemmän kuin tarpeeksi. Kommentoin tässä erästä toista asiaa.

Moni puhuu "yleisestä tekoälystä" tms, enkä haluaisi ottaa siihen kantaa lainkaan. Asia on yksinkertaisesti liian tunnepitoinen suurimmalle osalle ihmisiä. En tiedä mistä se johtuu, mutta suurin osa asiasta jauhavista (suuntaan tai toiseen) on oikeastaan aivan kujalla siitä miten nykyiset tekoälyt toimivat. Tekoälyllä tässä viittaan tietokoneohjelmaan tms joka jollakin tasolla oppii suorittaessaan tehtäviä. Sivuutan tässä kokonaan sen tauhkan jostain "oikeasta tekoälystä", koska siitä asti kun alaa on tutkittu, "tekoälyksi" on kelvannut aina vain ja ainoastaan sellainen mitä kone ei vielä osaa tehdä. Kun sellainen kriteeri on annettu, ja myöhemmin saavutettu, on tästä jälkikäteen todettu että se ei ole "oikeaa" tekoälyä. En ota nyt tässä kantaa mihinkään tämän dimension kiistaan koska ne ovat järjestäen niin typeriä että niitä ei kannata kommentoida.

Tämä täytyi saada alta pois, sillä asia jota halusin käsitellä sivuaa kyllä sitä ja myös omaa tutkimustani, nimittäin abstrahointia. Tyypillisesti syvät neuroverkot -- sellaiset joissa on useampia kerroksia (tyypillisesti yli kolme, sillä ulkostulo- ja sisäänmenokerrokset ovat usein vähemmän mielenkiintoisia) -- tunnistavat ja rekonstruivat tiettyjä melko abstrakteja asioita. Esimerkiksi koneelle voidaan opettaa kuvasta tunnistamaan "koiria". Tällöin kone laskee kussakin kerroksessa joitain piirteitä jotka yhdistellään ja lasketaan seuraavassa kerroksessa jne, ja ulostulona on todennäköisyys sille, että nähty kuva on "koira". Kerrosten sisällä tapahtuvia piirteiden tunnistamisia ei erikseen ohjatusti opetata, vaan koko verkko oppii kokonaisuutena (tähän on poikkeuksia jne, mutta en nyt mene siihen).  Olennaista on, että ihminen ei mene sorkkimaan mallia joka datasta opitaan, vaan se on mitä on, ja kone tämän jälkeen ennustaa tai tunnistaa sen perusteella mitä se on oppinut.

En ole singulariteetti-entusiasti tms, enkä usko että sellainen teknologinen skenaario on uskottava, jossa koneet "ottavat vallan". En ole myöskään alarmisti sen suhteen, että koneet hävittävät kaikki työt ja ihmiset kurjistuvat. Tässä töiden korvaamisessa koneilla on kuitenkin huomionarvoisia piireitä, joilla on potentiaalisesti radikaali vaikutus tulevan yhteiskunnan ja talousjärjestelmän toimintaan.

Olen käynyt hiljattain keskusteluja eräitten teollisuusosapuolten kanssa. Tiettyjen teollisuuden investointihyödykkeiden, kuten isojen automatisoitujen koneiden, toiminta ei juuri vaadi fyysistä ihmistyötä muulloin kuin niitä huollettaessa. Koneet rouskuttavat menemään ja tekevät mitä tekevät, valvomossa joku katselee mittareita, ja hälyttää huoltotiimin jos jokin menee pieleen. Tämä työ on nykyisellään jo käytännössä siinä rajalla että sekin automatisoituu kohta kokonaan. Ennen sanottiin että ammattilaisen työssään oppimaa intuitiota ei voi korvata koneella. Deep learning tekee juuri tämän monella saralla. Sellainen ammattitaito johon kuului tarkka käsityö, hävisi CNC-koneistuksen ja vastaavien myötä jo vuosikymmeniä sitten. nyt häviämässä ovat ihmisten intuitioon perustuvat tunnistustehtävät, jotka koneet oppivat helposti.

Google ja muutamat muut isot toimijat ovat julkistaneet tekoälyohjelmoinnissa käyttämäänsä koodia. Monet toimijat peräti haluavat että ihmiset kokeilisivat ja kehittelisivät erilaisia variaatioita neuroverkkosovelluksista, koska toisin kuin perinteisessä "me myymme teille ohjelmistoja"-toiminnassa, älykkäämmissä koneissa suurin pääoma on sillä jolla on dataa. Googlella sitä on enemmän kuin kenelläkään. Toinen massiivinen datahoardaaja on Facebook, eikä ole sattumaa että myös Facebook -- hieman epäonnisesti suhteessa -- on myös lanseerannut PR-mielessä Go-tekoälyprojektin. Nämä ovat eräänlaisia PR-tason keihäänkärkiä alla olevalle tekoälytutkimukselle, ja juuri sellaiset talot joilla dataa on paljon, hyötyvät eniten yleisestä kehityksestä ja siitä että kehitys on nimenomaan avointa.

Itseohjautuvat autot eivät hävitä ihmiskuljettajia vielä. Mutta ei siihen kauaa mene. Itseohjautuva auto ei tarvitse lepotaukoja, kesälomia, eikä se mene lakkoon. Ja kun seuraan melko läheltä, sattuneesta syystä, teollisuudessa tapahtuvaa kehitystä, ei siellä rasvanäppiduunaria olla automatisoimassa pois, vaan insinööri. Moni tuntemani asian piirissä työskentelevä tutkija on teollisuusyrityksen palkkalistoilla, tehtävänään automatisoida itse itsensä pois.

En ole alarmisti, sillä en usko tämän olevan pääsääntöisesti negatiivinen ilmiö. Uutta kysyntää työlle tulee kyllä. Mutta tulo- ja tuottavuuserot kasvavat kyllä koko ajan, eikä se johdu mistään poliittisista päätöksistä. Sosiaaliturvajärjestelmät jotka perustuvat ajatukseen että jokainen tekee 37.5 tunnin työviikkoa ja työttömyys on satunnainen tai suhdanteista johtuva mutta ilman muuta väliaikainen jakso, jonka aikana ihmiselle maksetaan työttömyyskorvausta, ja jonka maksaminen katkeaa kun uusi työsuhde löytyy, eivät kykene vastaamaan siihen sosiaalipoliittiseen haasteeseen jonka jo nyt automaation eteneminen on luonut. Ja tilanne pahenee koko ajan. Kun sanon "pahenee", tarkoitan nimenomaan sitä ristiriitaa joka vallitsee sosiaaliturvan  ja työelämän realiteettien välillä. Itse maailma paranee koko ajan.