Olemme menossa kohti kolmatta tekoälytalvea. Tekoälytalvella tarkoitetaan aikaa, jolloin yritykset, tutkijat, tutkimusrahoittajat ja suuri yleisö ovat pettyneitä tekoälyyn ja sillä saatuihin tuloksiin. Tämä taas johtaa rahoituksen ja investointien jäätymiseen ja kehityksen pysähtymiseen. Tutkijat ja asiantuntijat siirtyvät muiden teknologioiden pariin tai alkavat kutsua tekemisiään muilla nimillä.
Pettymystä edeltää suurten odotusten hype-aika. Tekoälyyn liitetään suuria toiveita. Kun on saavutettu menestystä, vaikka peleissä tai kasvojen tunnistuksessa, odotetaan menestystä myös muilla aloilla.
Tekoälyyn liittyvien lupausten pettäminen on aiemmin johtanut jo kahteen tekoälytalveen. Ensimmäinen tekoälytalvi ajoittui 1970–1980-lukujen vaihteeseen ja johtui tekoälyinnostuksen raukeamisesta tyhjiin. Seuraava kylmä kausi alkoi 1990-luvun alussa, kun asiantuntijajärjestelmiin ja silloin suositulla LISP-kielellä toteutettuun tekoälyyn asetetut suuret toiveet romahtivat. Kylmä kausi oli niin pitkä, että sitä voisi talven sijaan sanoa pienoisjääkaudeksi. Suuren yleisön ja sijoittajien horisonttiin tekoäly alkoi nousta vasta muutamia vuosia sitten.
Tekoälyyn liitetään suuria toiveita
Tekoälyn nousu onkin ollut nopea ja voimakas. Nousun veturina toimi alussa IBM Watson-tekoäly, joka ällistytti maailmaa voittamalla inhimilliset kilpakumppaninsa Jeopardy-visailussa vuonna 2011. Watson, joka on oikeastaan useamman tietokoneohjelman markkinointinimi, hyödyntää laajoja tietokantoja ja internet-hakuja. Watson perustuu kysymys-vastaus-teknologiaan sekä tekstin ja datan automaattiseen analysointiin. Se ei siis ensisijaisesti nojaa syviin neuroverkkoihin, joilla saavutetut tulokset pian syrjäyttivät Watsonin julkisuuden parrasvaloissa. Syväoppivat eli hyvin suuret neuroverkot voidaan massiivisen opetusdatan avulla opettaa tekemään aika luotettavaa hahmontunnistusta eli luokittelua ja ennakointia. Näyttävimmät esimerkit liittyvät kuvissa olevien asioiden tunnistamiseen.
Nykyään tekoälyyn liitetään toiveita sairauksien voittamisesta ennennäkemättömiin liiketoimintahyötyihin. Kun neuroverkkoja ja muita tekoälyteknologioita sovelletaan tehtäviin, joihin ne eivät sovi, edessä on vääjäämättä pettymyksiä. Syvät pettymykset voivat johtaa kolmanteen tekoälytalveen.
Datasta oppivat menetelmät tulee yhdistää perinteisiin ratkaisuihin
Mitä voimme sitten tehdä, jotta teknologian tuottamat hyödyt eivät jää saavuttamatta tutkimus- ja kehitysinvestointien jäätymisen takia?
Ensiksi meidän on tunnustettava nykyisten tekoälyteknologioiden rajoitteet ja toiseksi yhdistettävä niiden vahvuudet perinteisempiin insinööritieteiden ratkaisuihin. Tarvitaan siis ainakin hybridiratkaisuja, joissa neuroverkot ja muut algoritmit täydentävät fysikaalisia malleja. Esimerkkinä voi ajatella sellutehtaan prosessia, jota ohjataan perinteisesti säätö- ja systeemitekniikan sekä operaattorien kokemuksen perusteella. Kun yhdistetään tähän datasta oppivat menetelmät, kuten neuroverkot, voidaan saavuttaa useiden prosenttiyksiköiden parannuksen saannossa. Muutaman prosentin parannus voi isolla sellutehtaalla tarkoittaa miljoonia euroja.
Tekoäly tuo autonomiset autot ja räätälöidyn hoidon
Tekoälyteknologioiden vaikutus lähivuosina tulee olemaan vähäisempi kuin nyt hurjimmissa toiveissa uskotaan. Mutta pitemmällä tähtäimellä vaikutus on suuri, jopa murroksellinen. Esimerkiksi autonomiset autot, potilaan geeniperimän mukaan räätälöity hoito tai rutiinitehtävien automaatio tulevat muuttamaan maailmaa seuraavien vuosikymmenten aikana samaan tapaan kuin kaupungistuminen tai maatalousyhteiskunnan teollistuminen muuttivat sitä 1900-luvulla.
