Tekoäly ei ole ilmiönä erityisen uusi, itseasiassa se on arjessamme jo niin tavanomainen asia, ettemme edes tiedosta sen olemassaoloa kaikkialla, mistä sitä voi löytää. Kuitenkin tekoälykehityksen viimeisimmät suuret harppaukset ovat tuoneet kaikkien käytettäväksi erilaiset kielimallit, tunnetuimpana näistä OpenAI:n Chat GPT:n, joka muuttaa käsityksiämme tekoälyn mahdollisuuksista.

Tekoälyn uudet mahdollisuudet ovat herättäneet myös oman lapsenomaisen kiinnostukseni uusiin ilmiöihin. Kuitenkin hieman kornilla tavalla, sillä vielä viime keväänä olin GPT-mallien suhteen hyvin vastahakoinen. Muistan konservatiivisesti miettineeni, että tähänkö maailma on menossa ja kuinka itse en ainakaan pysty aidosti oppimaan noin älykkään ohjelman avustamana. Koin, että ainakin minua tekoäly vain tyhmentäisi.

Onneksi sain muutamalta tiimiläiseltä osakseni naureskelua ja pilkkaa. Sain kuulla suoraa puhetta siitä, kuinka tulen olemaan jälkeenjäänyt höperö, jos en nyt ala käyttämään tekoälyä osana omaa arkeani. Ja siitä sisuunnuin. Minähän en ole mikään jälkeenjäänyt höperö, vaan ajan hermoilla oleva tiimiyrittäjä, joka on kiinnostunut tekoälyn uusista tuulista. Ilokseni voin kertoa, että suuntani on ollut parempaan päin.

Lukemani teos, johon tämä reflektio pohjautuu, on Hannu Toivosen Mitä tekoäly on? 100 kysymystä ja vastausta. Aluksi on hyvä täsmentää suoraan kirjan pohjalta muutamia tekoälyyn liittyviä harhaluuloja ja nyansseja: teen sen ihan itseänikin varten, jotta pystyn säännöstelemään ja täsmentämään oppimiani asioita.

Aloitetaan siitä, missä kaikkialla tekoälyä hyödynnetään. Tekoälyä voit löytää esimerkiksi suosittelualgoritmeistä, puhetta tulkitsevista ohjelmista ja karttasovelluksista. Autojen lukkiutumattomat jarrut ja ajovakaudenhallinta hyödyntävät tekoälyä. Samoin myös sähkön jakelu ja tuotanto, netin hakukoneet, pörssikaupat ja vaikkapa itse ohjautuvat autot. Esimerkkejä on laidasta laitaan pienistä suuriin.

Iso osa näidenkin esimerkkien tekoälyohjelmista hyödyntää koneoppimista. Koneoppimisessa on kyse säännönmukaisuuden löytämisestä sille annetusta datasta. Se, millainen säännönmukaisuus halutaan löytää, perustuu kehiteltyyn oppimisalgoritmiin. Voidaan esimerkiksi ohjelmoida tekoäly erittelemään roskapostit muiden sähköpostien joukosta. Tästä suoriutuakseen tekoäly tarvitsee valtavan määrän opetusaineistoa eli dataa. Datasta se etsii säännönmukaisuuksia, eli sähköposteista samankaltaisuuksia annetun algoritmin mukaisesti.

Olennaista on kuitenkin ymmärtää, että tekoäly ei ole älykäs ymmärtämään, mitä sähköpostien ja roskapostien sisällöt tarkoittavat. Tekoäly toteuttaa algoritmia ohjeen mukaisesti ja siihen liittyvät virheet ovat todennäköisiä. Koneoppimiseen liittyy epävarmuutta, sillä datasta löydetyt säännönmukaisuudet ovat tekoälylle aina ainoastaan tilastollisia havaintoja.

Koneoppimisen yksi tällä hetkellä puhututtavimpia muotoja ovat neuroverkot. Ne on suunniteltu jäljittelemään ihmisen aivotoimintaa sekä kykyä oppia. Tietokoneohjelmassa neuroverkot muodostuvat yksittäisistä neuroneista, jotka ovat yksinkertaisia laskutoimituksia. Neuronit eli laskutoimitukset linkittyvät toisiinsa verkon omaisesti, jossa yksi neuroni syöttää oman laskutoimituksensa tuloksen eteenpäin seuraavalle neuronille. Laskutoimitusten tulokset ovat välillä 0–1, joista 0 kuvastaa epätodennäköisyyttä ja 1 todennäköisyyttä.

Neuroverkot puhututtavat juuri nyt, sillä ne ovat kehittyneet viime aikoina erityisesti kuvan, puheen ja tekstin tunnistuksessa. Ne ovat avainasemassa nykyisten generatiivisten tekoälymallien syntymisessä. Generatiiviset eli luovat tekoälymallit pystyvät kehittämään käytössään olevasta opetusdatasta jatkuvasti uudenlaista sisältöä. Näistä luovista tekoälymalleista tunnetuin on amerikkalaisen yhtiön OpenAI:n kehittämä kielimalli Chat GPT.

GPT tulee sanoista Generative Pre-trained Transformer. Sen kömpelö suomennos olisi kutakuinkin generoiva esikoulutettu transformer-malli. Vastaavasti kielimallilla tarkoitetaan nimensä mukaisesti eräänlaista mallia kielen käytöstä. Kielimallilla, kuten myös Chat GPT:llä on käytössään valtava määrä tekstimassaa, joista se pystyy muodostamaan täysin uusia virkkeitä.

Chat GPT toimii kielimallina hämmentävän hyvin. Se pystyy muuttamaan omaa ilmaisutyyliään sekä antamaan informatiivisia vastauksia. On kuitenkin hyvä hetki palata maan pinnalle ja muistaa, että myöskään GPT-mallit eivät ihmismäisyyttä mukailevina tekoälyinä ole kuitenkaan millään tapaa älykkäitä. Kyse on pitkälle kehitetyistä neuroverkoista, jotka laskevat todennäköisyyksiä siitä, mikä kirjain todennäköisimmin tekstiin tulisi syöttää seuraavana.

Tekoälystä kiinnostuneena minun oma tärkein missioni on pysyä tekoälyn kehityksen kärjessä. Generatiivisesta tekoälystä oppii kaikista tehokkaimmin ainoastaan sitä aktiivisesti omassa arjessaan käyttämällä. Oikeastaan tämäkin reflektio olisi ollut mahdollista kasata helposti täysin Chat GPT:n voimin, mutta siihen ei kuitenkaan vielä ryhtynyt. Kuulukoon uusi sanonta näin, että Chat GPT on hyvä renki, mutta huono isäntä.

Valtavasti inspiraatiota sain myös asiakastapaamiseltani Heikki Lehmuskosken kanssa. Heikki on sarjayrittäjä, mutta minun tavoin, hän omaa lapsenomaisen kiinnostuksen generatiiviseen tekoälyyn. Poikkeavaa on vain se, että Heikki tietää aiheesta valtavan paljon ja tekeekin tekoälyn parissa nykyistä työtään. Pääsinkin kuuntelemaan hänen webinaariaan siitä, kuinka jokainen yrittäjä voi Chat GPT:n avulla tehostaa omaa työarkeaan.

Keinoja siihen on valtava määrä. Sen lisäksi, että Chat GPT:n botin kanssa voi käydä mitä vain keskusteluja, voi yrittäjä luoda somejulkaisuja, tarkistuttaa sopimuksia, tehdä analyysejä, kirjoittaa raportteja ja yhteenvetoja, sparrailla uusia ideoita tai vaikkapa muodostaa budjetin itselleen. Jo nyt Chat GPT pystyy moneen ja sen kehitys tulee menemään nopeasti eteenpäin.

Heikin webinaari oli juuri sitä, mitä moni yrittäjä ja yritys tarvitsee. Näkisin itse itseni hyvin siinä asemassa, että voisin opastaa ja kouluttaa yrittäjiä konkreettisesti käyttämään Chat GPT:n bottia heidän työtehtäviään hyödyttävällä tavalla. Asiakastapaamisella Heikki kannusti minua myös ajattelemaan realistisesti: kaikkea ei tarvitse osata ja jo nyt tiedän generatiivisesta tekoälystä enemmän, mitä valtaosa ihmisiä. Eri tasoista asiantuntijuutta tarvitaan.

Lisäksi olen aivan liian pitkään pyöritellyt mielessäni henkilöbrändin rakentamista LinkedIniin kuitenkaan tekemättä asialle mitään. Haluaisin, että henkilöbrändini rakentuisi pitkälti tekoälyaiheisten julkaisuiden ympärille, mikä joskus voisi herättää joidenkin yrittäjien mielenkiinnon. Koen vain tämän toteuttamiseksi tarvitsevani riittävästi suunnitelmallisuutta, jotta ulosanti on riittävän asianmukainen ja kiinnostava.

Pienin askelin suuntaan siis kohti oman tasoista asiantuntijuuttani, jossa pystyn kertomaan muille, mitä generatiivisen tekoälyn maailmaan kuuluu. Taakse jääköön kokonaan viime kevään ajat, jolloin suhtauduin uusiin muutoksiin kovin epäileväisesti. Sen sijaan haluan pysyä innostuneena ja kiinnostuneena sekä oppia jatkuvasti lisää – opitkohan sinä tästä tekstistä jotain uutta?