Syyskauden ensimmäisessä IT Insider -verkkotapahtumassa tekniikan tohtori Pasi Lehtimäki Gofore Oyj:stä kertoi tekoälystä teemalla ”Mitä johdon kannattaa ymmärtää tekoälystä?”. Pasilla on peräti 25 vuoden kokemus tekoälystä, koneoppimisesta, ohjelmistokehityksestä ja johtamisesta.

Lehtimäen mukaan johtajan kannattaa ensinnäkin ymmärtää mitä tekoäly on, miten se toimii ja mistä sen älykäs toiminto tulee. Lehtimäki määritteli tekoälyn ”tietokoneeksi tai tietokoneohjelmaksi, joka kykenee tekemään älykkäänä pidettäviä toimintoja” ja jolla on ”kyky tulkita ulkoisia tietoja oikein, oppia saaduista tiedoista, ja käyttää opittuja tietoja tavoitteen saavuttamisessa” sekä ”suorittaa ihmismäistä ajattelua”. Pasi Lehtimäki kuitenkin tarkensi määrittelyjä siten, että ensinnäkin tekoäly pärjää yhtä hyvin kuin ihminen spesifissä tehtävässä, jonka kanssa voi kommunikoida luonnollisella kielellä, imitoi ihmisen aivojen signaalinkäsittelyä ja mikä tärkeintä, kykenee oppimaan paremmaksi.

Koneoppimista Lehtimäki puolestaan määritteli siten, että koneoppiminen ja tekoäly ovat yhä kasvavassa määrin synonyymejä. Tekoälyssä olennaista on, että alkutilanteessa huono järjestelmä oppii ihmisen veroiseksi tai jopa paremmaksi.

Älykkyys järjestelmissä on kehittynyt vaiheittain kolmessa aallossa. Ensimmäisessä aallolle esimerkiksi käy Deep Blue. vuonna 1997, kun IBM:n kehittämä Deep Blue -shakkitietokone voitti Garry Kasparovin, kyseessä oli eräänlaista ihmisen suunnittelemaa älykkyyttä, jota toteutettiin tietokoneen laskentateholla. Toinen aalto sijoittui 2010-luvulle. Vuonna 2016, kun Google Deep Mindin AlphaGo voitti Lee Sedolinin go-lautapelissä, AlphaGo oppi pelaamisen datasta: mitkä siirrot johtivat voittoon, mitkä häviöön? Tätä päivää ja kolmatta aaltoa puolestaan edustaa ChatGPT, jossa OpenAI:n kehittämä suuri kielimalli vastaa kysymyksiin ja tuottaa tekstiä. Se on opetettu Internetin tekstiaineistoa ja kykenee tuottamaan sisältöä, jota aineistossa ei esiinny sellaisenaan.

IT Insider raportoi it-alan asioista pintaa syvemmältä helposti ymmärrettävästi.

IT Insiderin kustantaja on TIVIA ry:n omistama TIVIA Infuture Oy. TIVIAn laaja jäsenverkosto tukee IT Insiderin toimitusta sisällön taustoittamisessa, ideoinnissa ja merkityksien löytämisessä.

Lehtimäki esitteli esimerkkejä tekoälysovelluksista. Esimerkiksi Seeing AI kykenee valokuvista tunnistamaan, mitä niissä on. Kuvatunnistusalgoritmi Yolo kykenee tunnistamaan videokuvasta kohteita reaaliajassa. Dall-e puolestaan kykenee tuottamaan kuvia tekstisyötteestä. ChatGPT puolestaan kykenee suunnittelemaan vaikkapa nelosluokkalaiselle sopivan leiripäivän, jollaista ei suoraan Internetistä löydy. Opettaja voi tämän jälkeen parantaa vielä leiripäivän ohjelmaa.

Ohjelmoijalle tekoäly voi merkitä sitä, että tekoäly pelkästä kommentista tai parista esimerkistä kykenee tuottamaan koodia. DeepMindin AlphaFold kykenee ennustamaan aminohappoketjun 3D-rakenteen; tehtävä, jota on yritetty ihmisvoimin ratkaista 50 vuotta. 3D-rakenne kertoo aminohappoketjun ominaisuuksista, jolloin lääketiede pystyy hyötymään tiedosta. Tekoäly kykenee myös generoimaan videota tekstisyötteestä.

Nämä esimerkit kertovat, mitä tekoälyllä saadaan aikaan. Kehitys on ollut päätä huimaava ja jatkuu, eikä johtajien kannata Lehtimäen mielestä jäädä odottamaan, vaan alkaa soveltamaan tekoälyä omassa organisaatiossaan.

Lehtimäen mukaan toinen asia, jonka johtajan on syytä hallita tekoälystä, on ohjattu oppiminen: luokittelu ja regressio. Uutta on tekstiaineiston jatkumisen ennustaminen. Olennaista on ymmärtää, että älykkyys syntyy opetusdatasta; tekoäly ennustaa tulevaa opitun perusteella. On olemassa erilaisia menetelmiä oppia datasta, mitä Lehtimäki demonstroi vahvistusoppimista esittelevällä esimerkillä.

Kolmas ymmärrettävä käsite on suuret kielimallit. Ne ymmärtävät tekstiä ja generoivat tekstiä.

Yhteenvetona Lehtimäki totesi, että aiemmin kaikki älykkäät toiminnot digitaalisessa ympäristössä olivat ihmisten tekemiä. Tekoälyn generoimien ennusteiden parantumisen myötä yhä suurempi osa digitaalisessa ympäristössä tapahtuvassa tiedon käsittelystä tapahtuu tekoälyn avulla. Siten olemme siirtymässä digitaalisessa ympäristössä datan aikakaudelta ennusteiden aikakaudelle. Lisäksi suuret mallit kykenevät oppimaan suurista aineistoista piilossa olevia lainalaisuuksia ja säännönmukaisuuksia. ”Ajat ovat muuttumassa, mahdollisesti jopa radikaalisti”, Lehtimäki totesi.

Johtajan näkökulmasta ei riitä, että dataa ja algoritmeja hallitaan organisaatiossa. Niillä voidaan tehdä mitä tahansa, mutta yhteiskunta ei salli sitä. Juridiikka astuu peliin, miten dataa, kuten henkilötietoja, saa käsitellä. On arvoketju, jossa tietoa ja dataa kerätään ja käsitellään, yhdistellään tietoja ja tehdään päätöksentekoa automaattisesti. Johtajan onkin ymmärrettävä, mitä tietosuoja-asetus (GDPR) pitää sisällään ja miten tuleva tekoälyasetus ja automaattista päätöksentekoa koskeva lainsäädäntö rajoittaa tekoälyn hyödyntämistä.

Ei kuitenkaan riitä, että noudatamme olemassa olevaa lainsäädäntöä, sillä tekoäly kehittyy nopeammin kuin lainsäädäntö. Tällöin etiikka astuu peliin: mitä haluamme tekoälyllä tehdä ja mitä emme? Lehtimäen esimerkissä simulaatio-olosuhteissa tekoäly voitti viidessä kokeessa ihmisen hävittäjälentokoneiden taistelussa. Haluammeko käyttää tekoälyä tällaiseen? Tekoälyllä voidaan aivoskannauslaitteen avulla ennustamaan, mitä valokuvaa koehenkilöille on näytetty. Voidaanko näin tehdä?

Johtajan täytyy Lehtimäen mukaan ymmärtää, että datan ja tekoälyn avulla voidaan toteuttaa hyviä ja vähemmän hyviä asioita. Niinpä organisaatiolla on oltava ohjeet, mitä tekoälyllä saa tehdä. EU:n luotettavan tekoälyn ohjeistus sisältää neljä periaatetta ja seitsemän vaatimusta, joita on noudatettava ja arvioitava. Vaatii kyvykkyyksien kehittämistä, jotta näitä periaatteita ja vaatimuksia organisaatio voi noudattaa.

Lopuksi Lehtimäki käsitteli tekoälyä ja dataa organisaatioissa. Hän näki kolme varsin esitasoista agendaa. Mikä estää itseohjautuvia tietotyöläisiä hyödyntämästä tekoälyä tuottavuutensa parantamiseen? Toiseksi tuodaan dataa ja tekoälyä organisaation ydinprosesseihin ja -järjestelmiin. Kolmas asia on, että organisaation rakenteet ja toimintamallit menevät ajan kuluessa tekoälyn myötä remonttiin. ”Emme kykene hyödyntämään tekoälyä vanhan kaltaisilla organisaatiorakenteilla. Totta kai yrityksille omaksi päätettäväksi jää, haluaako näin tehdä. Mutta kaikkein vanhimmissa tuotantolähtöisissä organisaatiotyypeissä datan hyödyntäminen on vaikeaa”, Lehtimäki painotti.

Tekoäly organisaatiossa

Pasi Lehtimäen esitys pohjusti 3.10.2023 alkavaa koulutusta Tekoäly organisaatioissa – perusteet, joka sisältää neljä 2,5 tunnin osuutta viikon välein.

Lue lisää ja ilmoittaudu

Lehtimäki avasi näkemyksiään esimerkein. Tietotyössä ihmisen on tarkastettava kaikki tekoälyn tuotokset. Organisaatiotasolla data ja tekoälykehitys on otettava omiin käsiin. ”Jos haluamme ottaa tekoälykehityksestä hyötyjä irti, meillä täytyy olla pilvisiirtymä tehtynä ja datatransformaatio meneillään”, Lehtimäki kertoi. Tekoälyyn pääsee käsiksi monella tavoin, mutta vaatii erityyppisiä hankintoja: on hankittava asiantuntijoita tai valmistuotteita sekä tehtävä kokeiluja ja projekteja.

Tekoälyprojekti on Lehtimäen mielestä aika erilainen kuin ohjelmistoprojekti, ja siinä korostuu ketteryys. On edettävä pienin askelein, evaluoitava tulokset ja päätettävä, miten edetään. Epävarmuuden määrä on suurempi kuin ohjelmistoprojekteissa.

Tekoäly mahdollistaa datan maksimaalisen hyödyntämisen. Analytiikkaa voidaan käyttää kuvailemaan, diagnosoimaan, ennustamaan ja ohjaamaan dataa helposta ongelmasta kohti vaikeampia. Toiminta voidaan tekoälynkin hyödyntämisessä operatiiviseen, taktiseen ja strategiseen tasoon. On helppo jumiutua operatiiviselle tasolle, mutta taktinen ja strateginen taso ovat tärkeitä. Kaikilla tasoilla voi toimia.

Myös organisaation rakennetta ja toimintamalleja on voitava muuttaa, muutoin tulee ongelmia. Lehtimäki kehotti organisaatioita kehittymään kohti komplekseja toimintaympäristöä, joka on kokeiluorientoitunut. Lehtimäki esitteli kolme organisaatiotyyppiä, joista 1.0 on tuotantolähtöinen ja siiloutunut, 2.0 on asiakaslähtöinen, ja siinä organisaation osat jakavat tietoja. Organisaatio 3.0 on palveluekosysteemi.

Kysymysosiossa käsiteltiin tekoälyn hallusinointia. Lehtimäen mukaan luomuälyä tarvitaan ehdottomasti tarkistamaan tekoälyn tuotoksia. Jos opetusdatassa ei ole riittävästi oikeita vastauksia, ennusteet voivat mennä pieleen. Kysymyksessä on satunnaisprosessi.

Haluaisitko, että joka kolmas suomalainen asiakas suosisi teitä? 

Perjantaina 1.9. klo 9–10 syntymäsokea Heidi Torn ja armeijassa kuulovammautunut Toni Hinkka kertovat, miten hurmata yli miljoona asiakasta ja puoli miljoonaa työntekijää huomioimalla aistivammaiset toiminnassa.

Lue lisää ja ilmoittaudu

Teksti: Reino Myllymäki
Kuva: Gofore

        

    

Mitä meillä oli ennen kännyköitä, maailmanluokan tietoturvaosaamista ja vihaisia lintuja? Joukko mahdottoman haastajia ja TIVIA, joka on jo 70 vuotta yhdistänyt alan visionäärit ja auttanut tekemään utopiasta arkea. TIVIA viettää juhlavuottaan tiukasti työn merkeissä – yhdistäen, kouluttaen, tutkien, tiedottaen, suuntaa näyttäen ja Suomen digitaalista kilpailukykyä kehittäen. Siis pidä kiinni. Vauhti kun ei ole hiljenemään päin.

2023 on TIVIAn 70-vuotisjuhlavuosi
#TIVIA70