Miksi tekoäly kiinnostaa? Miksi suoritin kurssin?

Tekoäly on ollut otsikoissa nyt hyvin paljon ChatGPT -tekoälychatin julkaisun jälkeen. Se on ollut perustallaajalle helppo tapa kokeilla käytännössä, miten yhdenlainen tekoälyratkaisu toimii ja miten sitä voi hyödyntää sekä työmaailmassa että vapaa-ajan asioissa. Minua on kiinnostanut tekoäly ja koneoppiminen jo kauan jollain tavalla, mutta en ole lukenut aiheesta enkä tutustunut aiheeseen sen syvemmin. Erilaisia tekoälyyn pohjautuvia ratkaisuja olen käyttänyt hyvin paljon, sillä monet videoeditoinnin ja kuvankäsittelyn työkalut toimivat paljon tekoälyn avulla. Kun tekoäly nousi vuoden vaihteessa kaikkien tietoisuuteen uudella tavalla, tajusin, että tekoäly tulee olemaan tulevaisuudessa entistä enemmän ns. perustaito niin arjessa kun yrityselämässä. Olen eri ratkaisuja kokeilemalla ymmärtänyt niiden tehon ja mahdollisuudet omissa projekteissani ja työtehtävissäni, joten haluan oppia ja tietää aiheesta lisää. Nyt on myös hyvä tilaisuus ottaa nämä taidot haltuun ennen isompaa ihmisryhmää ja mahdollisesti toimia tulevaisuudessa jonkinlaisena konsulttina tekoälyratkaisuiden hyödyntämisessä yritysmaailmassa. Näiden syiden johdosta halusin aloittaa aiheeseen syvemmän tutustumisen Elements of AI -verkkokurssin kautta.

Millainen kurssi oli ja mitä opin?

Kurssi oli mielestäni hyvin toteutettu, sillä siinä aloitettiin hyvin perusteista, mutta sukellettiin hieman myös siihen miten erilaiset tekoälyt toimivat. Kurssin alussa puhuttiin siitä mitä on tekoäly ja miten se määritellään. Määrittelyitä oli erilaisia, mutta mieleen jäivät kaksi tärkeää termiä: Autonomisuus ja adaptiivisuus. Autonomisuus tarkoittaa kykyä suorittaa tehtäviä ja toimia ilman ihmisen jatkuvaa ohjausta ja adaptiivisuus tarkoittaa kykyä oppia ja kehittyä kokemuksen perusteella.

Tekoäly arjessamme

Tällä hetkellä tuntuu, että tekoälyksi mielletään juuri suosittu ChatGPT ja vastaavat chatbotit, vaikka erilaisia tekoälyratkaisuja on taustalla todella monissa arkipäivässä käytössämme olevissa palveluissa ja tuotteissa. Puhelimet ja muut älylaitteet sisältävät paljon erilaisia tekoälyyn perustuvia raktaisuja. Sosiaalisen median kanavien suosittelualgoritmit oppivat mistä tykkäämme ja tarjoavat tällaista sisältöä meille. Vastaavaa tekee myös uutissovellukset ja viihdepalvelut kuten Netflix. Omassa iPhonessani on aloitussivulla widgettejä, jotka muuttuvat sen mukaan mitä puhelimeni on oppinut, että voisin haluta tehdä. Esimerkiksi kun puhelin tunnistaa, että langattomat kuulokkeet ovat yhdistetty, ehdottaa se, että avataanko Bookbeat tai Spotify riippuen mikä päivän aika on ja mitä olen yleensä mihinkin aikaan käyttänyt. Vastaavasti aamuisin se saattaa tarjota näkyviin kalenteria ja säätiedotetta. Eri kuvasovelluksissa tekoälyä käytetään mm. tunnistamaan henkilöiden kasvot, jotta kuvat voidaan lajitella henkilöiden mukaan tai kuvaa muokatessa voidaan erikseen muokata kuvan taustaa tai kuvassa olevaa kohdetta. Nämä ovat vain muutamia esimerkkejä missä kohtaamme tekoälyä arjessa jo nyt.

Olen aiemmin mieltänyt, että tekoäly on nyt uusi asia ja viimeisten vuosikymmenten keksintö, mutta kurssin aikana opin, että erilaisia tekoälyratkaisuja on keksitty ja käytetty jo monia vuosikymmeniä sitten. Kehitys on elänyt erilaisia kausia ja aaltoliikettä sen mukaan, kun on tehty mullistavia harppauksia tai on jumituttu vuosiksi johonkin esteeseen tai ongelmaan. Nyt tekoäly on noussut isosti esille, koska teknologia kehittyy eksponentiaalista vauhtia ja mahdollistaa tekoälyn ja koneoppimisen hyödyntämisen ihan eri tasolla kuin aiempina vuosikymmeninä.

Kurssilla käsiteltiin paljon tilastotiedettä ja laskettiin myös kynällä paperille erilaisia tehtäviä. Nämä havainnollistivat hyvin, miten tekoäly toimii esimerkiksi peleissä kuten shakissa tai ristinollassa. Luku, joka käsitteli neuroverkkoja, oli mielenkiintoinen vaikkakin jossain kohtaa eri termit ja käytännön tason ymmärtäminen aiheesta oli haastavaa. Neuroverkot ja syväoppiminen ovat tekoälyn yksi osa-alue ja siinä on tajuttu ottaa ihmisen aivojen toiminnasta mallia ja hyödynnetty aivojen ja neuroverkkojen rakennetta tekoälyssä.

Tekoälyn haittavaikutukset

Tekoälyn haittavaikutukset olivat myös mielenkiintoinen osa-alue kurssilla, josta puhuttiin useammassakin kohtaa. Tällä hetkellä ongelmia on havaittu esimerkiksi erilaisten luokittimien käytössä. Tekoälyä ja koneoppimista hyödynnetään paljon erilaisissa tehtävissä ja päätöksissä kuten rekrytointiprosesseissa. Tästä voi muodostua ongelmia, jos käytetyt algoritmit saattavat ovat epätasa-arvoisia. Tämä voi aiheuttaa ns. algoritmista syrjintää. Itsessään tekoäly ei ole epätasa-arvoinen tai syrjivä, vaan syy on datassa, jolla tekoälyä on opetettu. Jos opetusdata koostuu aikaisemmin tehdyistä päätöksistä esim. rekrytointiprosesseissa, voi ihmisen epätasa-arvoinen kohtelu opettaa tekoälyn toimivaan vastaavasti.

Yksi mieleen jääneistä haittapuolista on myös filtterikuplat. Eri some-alustojen algoritmit ovat hyvin tehokkaita ja monella tavalla hyviä eri sisältöjen suositteluun, mutta ne sisältävät myös negatiivisen puolen. Liian tehokas filtteröinti voi aiheuttaa ns. filtterikuplia, jossa ihminen saa vain sisältöä mistä itse tykkää. Tämä ei tietenkään haittaa, jos ajatellaan sitä, että koiria rakastava ihminen saa Instagram-feediinsä pääasiassa kuvia koirista. Mutta kun tämä sama ilmiö tapahtuu poliittisten aiheiden tai esim. salaliittoteorioiden kanssa, voi seuraukset olla paljon suuremmat ja haitallisemmat. Eli filtterikupla voi olla joissain määrin hyvä asia, mutta kannattaa pitää huoli, ettei kuplaudu liikaa. Usempien alustoiden käyttäminen ja itsensä tarkoituksellinen altistaminen myös omien mielipiteiden ulkopuolisilla sisällöillä auttaa siihen, ettei tällaista ilmiötä tapahdu.

Eri alustat, joita käytämme päivittäin keräävät todella tarkkaa dataa käyttäytymisestämme. Tämä data yhdistettynä tekoälyyn voi aiheuttaa vakavia uhkia yksityisyydelle. Tekoälyn avulla voidaan, joissain tapauksissa deanonymisoida eli selvittää ihmisten henkilöllisyys datasta jopa datasta, joka on anonyymiä. Tässä reflektiossa en lähde avaamaan enempää, miten se on mahdollista ja kertomaan case-esimerkkiä, mutta on hyvä tiedostaa, että tekoälyyn liittyy myös tällaisia riskejä. Erilaisilla sääntelyillä ja laeilla voidaan taata parempi turvallisuus ja yksityisyys myös jatkossa.

Mitä aion viedä käytäntöön?

Tämä kurssi oli minulle hyvä sukellus aiheen teoriaan ja aion syventää ymmärrystäni ja osaamistani seuraavaksi parin kirjan avulla aiheesta. Verkkokurssi tarjosi lopuksi myös hyviä lähteitä ja jatkokursseja aiheeseen liittyen, joten tutustun myös niihin ja mahdollisesti suoritan näitä kursseja.

Pyrin pysymään paremmin kartalla uusista tekoälyyn pohjautuvista sovelluksista ja kehitysaskeleista lukemalla artikkeleita ja uutisia aiheesta. Aion kokeilla omiin projekteihini ja työhöni sopivia sovelluksia ja ottaa käyttöön ne, jotka auttavat ja tehostavat työntekoani.