Suurin tekoälyhuhu tällä hetkellä on, että OpenAI-yrityksen draaman taustalla oli uusi tekoälymalli, joka pystyy johonkin uuteen - voisi jopa olla supertekoäly tai AGI (Artificial General Intelligence). OpenAI:n hallitus pelästyi sitä, että nopealiikkeinen CEO Sam Altman menee ja julkaisee sen käyttäjille. Pelästyneenä he erottivat toimitusjohtajan. Sen jälkeen 740 työntekijää 770:stä allekirjoitti erouhkauksen ja hallituksella ei ollut muuta mahdollisuutta kuin palauttaa Sam CEO:ksi ja erota itse. ChatGPT:n todelliset taustajoukot jatkavat siis työtään siitä mihin jäivät, mutta hallitus ei ole antanut julkisuuteen mitään selitystä toimilleen. (Jos et ole lukenut edellistä blogia, suosittelen lukemaan sen ensin).
Syvennytään tähän supertekoälyasiaan, jota olen vältellyt tähän asti, koska saatavilla ei ole ollut riittävästi ymmärrettäviä faktoja, vaan enemmänkin filosofista pohdiskelua. Viimeisten kuukausien aikana on tullut useampi tutkimustulos, joka auttaa ymmärtämään, mitä eturivin tekoälytutkijat ajavat takaa.
Tekoälytutkimus
Tekoälyohjelmien ja perinteisten tietokoneohjelmien ero on siinä, että tekoälyohjelman tekijä ei tarkasti tiedä, mitä tekoäly tulee tuottamaan. Tekoälyn tuotokset tulevat sen mukaan, mitä sille on opetettu. Sen neuroverkko ja vastaavat mekanismit tallentavat opetuksen kielimalliin, josta opittu asia voidaan herätellä tekemällä esimerkiksi kysymyksiä. Kehittäjät tutkivat tekoälymalleja itse: mitä se osaa, kuinka tarkka se on, mitä se ei osaa ja miten parantaa sen antamia vastauksia antamalla sille erilaisia 'ärsykkeitä'.
Suuren kielimallin tyyppisiä tekoälyjä tutkitaan keskustelemalla sen kanssa. Mallien tiedetään välillä keksivän omia täysin vääriä vastauksia (hallusinointi). Varsinkin pulmatehtäviä tai ongelmanratkaisutehtäviä annettaessa ne eivät aina osaa antaa oikeaa vastausta. Koska ne on opetettu olemaan hyvin auttavaisia, ne keksivät jonkun vastauksen tunnistamatta, että se on väärä. Myös matematiikassa ne ovat melko heikkoja, jos niille ei anneta aputyökaluja kuten "taskulaskinta" (joita ne toki osaavat käyttää!).
Prompt Engineering
Kehotesuunnittelu (prompt engineering) on menetelmä, millä tekoälymallia pyritään ohjaamaan kohti tarkempia vastauksia. Kontekstin kertominen yksityiskohtaisesti on myös hyvä keino saada tarkkoja vastauksia. Oikeanlaisella kehotteella mallille annetaan aikaa rakentaa vastaus mahdollisimman syvältä koskettaen mahdollisimman monia sen "neuroneja". Hierotaan siis sen älynystyröitä.
Tutkijat ovat löytäneet useampia tehokkaita kehote- eli keskustelutyylejä, jotta vastausten tarkkuus paranee. Yksi edistyneimmistä on ajatustenpuu (tree of thoughts). Menemättä kovin syvällisesti siihen, kyseessä on menetelmä, jolla tekoäly ohjataan etenemään ongelmanratkaisussa askel-askeleelta, perustelemaan kaikki välivaiheiden ratkaisut, arvostelemaan omia ratkaisujaan, kehittämään useita vaihtoehtoisia ratkaisuja ja valitsemaan näistä paras ratkaisu, jota jälleen kehittää eteenpäin.
Tällaisilla menetelmillä vastausten tarkkuus on voitu nostaa 60%:sta aina 90% asti. Vielä viime talvena Sam Altmankin sanoi, että tekoälyjen menestys riippuu siitä antavatko ne oikeita vastauksia. Viime aikoina nämä epäilyt ovat kadonneet julkisuudesta. Se kielii siitä, että yrityksen sisällä on ongelmaan löydetty ratkaisuja ja ehkä tämä viime viikkojen kriisi liittyy juuri siihen. Onko siis löydetty tehokas tapa hakea tekoälyltä oikeaa tietoa?
Itsenäinen tekoälyoppiminen
Julkisuudessa puhutaan OpenAI:n kriisin taustalla olleen Q* algoritmi, joka useimmiten liitetään juuri mallin oppimiseen tarkemmaksi ja sen matemaattisiin kykyihin. Nykyisin Googlen omistama DeepMind tekoäly-yritys loi vuonna 2016 AlphaGo tekoälyn, joka voitti ihmiset Go-pelissä ensimmäistä kertaa. Tämä AlphaGo pelasi Go-peliä yksinään itseään vastaan 40 päivää ja tänä aikana kehittyi pelissä maailman parhaaksi. Tässä opetusmallissa se sai palkintoja hyvistä suorituksista pisteiden muodossa.
Sen jälkeen pelillistämistä on käytetty monessa yhteydessä tekoäly oppimismetodina. AlphaGo:n jälkeen tuli AlphaFold, joka vuonna 2020 ratkaisi proteiinien laskostusongelman, jota ihminen ei pystynyt ratkaisemaan (sittemmin on havaittu, että ongelma onkin paljon monimutkaisempi kuin silloin luultiin, sillä proteiineilla on useita eri laskostumismuotoja eri käyttötarkoituksiin). Nykyisin pelillistäminen tekoälyjen opettamisessa on arkipäivää.
Mitä jos tekoäly yksinään oppii yhä älykkäämmäksi kaikista maailman asioista? Liittyykö Q* algoritmi juuri tähän? (Varmuuden vuoksi: tällä Q:lla ei ole mitään tekemistä Q'Annonin kanssa.)
Ihmiskunnan suurten ongelmien ratkaisut
ChatGPT on opetettu tietomäärällä, joka tulostettuna olisi 1800 km korkea paperipino. Siinä on kaikki lääketieteestä nettikeskusteluihin. ChatGPT läpäisee lääkäritutkinnot ja yliopistojen pääsykokeet alalla kuin alalla.
Miksi se ei sitten ratkaise nyt heti ihmiskunnan vaikeita kysymyksiä kuten vaikkapa toimivan fuusioreaktorin rakentamista tai syöpälääkkeen kehittämistä?
Koska se on kone ja tuottaa tuloksia vain syötteen mukaan. Oikeiden syötteiden luominen on vaikeaa. Pitäisi osata kysyä oikea kysymys - ehkä sitten se osaisi kertoa voidaanko se toteuttaa!
Tekoäly + tekoäly = Supertekoäly?
Helposti tulee mieleen, että laitetaan toinen tekoäly keskustelemaan toisen kanssa ja tekemään niitä oikeita kysymyksiä. Näin onkin jo tehty. Itse asiassa voit itse tehdä näin helposti pyytämällä ChatGPT:n kirjoittamaan dialogia kahden eri persoonan välillä ja vaikkapa keskustelun kuluessa tuomalla yhä uusia persoonia keskusteluun mukaan. Saat hyvän väittelyn aikaiseksi ja voit itse keskittyä popcornien syömiseen.
Voisiko kaksi tekoälyä keskustella jostakin aiheesta syvällisesti ja lopuksi esittää ratkaisun niin, että niille aluksi on annettu vain tavoite? Ja että tämä ratkaisu sitten olisi jokin uusi eikä vain opitusta materiaalista löydetty vaihtoehto? Tai mitä jos nämä kaksi tekoälyä eivät vain keskustelisi, vaan olisivat syvällisemmällä algoritmisella tasolla yhteydessä toisiinsa ja siten tulisivat ratkaisuun ennätysnopeasti?
Tähän jälkimmäiseen kysymykseen on helppo vastata. Nämä tekoälymallit ovat kielimalleja ja niiden "ymmärrys" on kielessä. Siten keskustelukin pitää käydä kiellellä. Tosin sisäisesti ne käyttävät pelkkiä liukulukuja eli numeroita eivätkä ymmärrä, mitä ne tarkoittavat (muista että ne ovat koneita).
Mutta mitä jos olisi lähes rajattomasti tietokonekapasiteettia ja laittaisi triljoona tekoälyä keskustelemaan mahdollisesta syöpälääkkeestä vaikkapa kahdeksi kuukaudeksi pelillisin keinoin. Tämä on varmasti ratkaisumalli, jota jokainen suuryritys pohtii ja tutkii tällä hetkellä.
Supertekoälyn tulevaisuus
Jos tekoäly löytäisi jonkin täysin uuden ratkaisun, jota ihminen ei ole jo tehnyt ja jota ei ole sen opetusmateriaalissa, olisi se supertekoäly (AGI) eli ihmistä älykkäämpi. Toistaiseksi tällaista ei ole olemassa. Tähän asti kaikki, mitä tekoäly on ratkaissut, on jo ihmisen jossakin aikaisemmin ratkaisemia asioita, jotka ovat löytäneet tiensä sen opetusmateriaaliin. Suuret kielimallit siis toistaiseksi ovat fakki-idiootteja.
Siitä huolimatta juuri tätä supertekoälyä kiivaasti jahdataan. Oma mielipiteeni on, että jahtaamiseksi se jää. Kone ei ala tekemään jotain sellaista, mitä sille ei ole opetettu. Minun mielipiteeni ei silti vaakakupissa paina yhtään, kun miljoona minua viisaampi tutkija tekee työtänsä. Kirjoitan tämän vain siksi, että saan aina vuosittain nostaa kantani esille. Ja sitten jos se kuitenkin onnistuu, voin sanoa, että se on vain hyvä matkimaan superälykkyyttä. (Jätän sen mahdollisuuden, että Jumala on luonut neuroverkkoon jonkin salaisen yhteyden, ei pelkästään kieleen, vaan myös älykkyyteen ja tämä salainen kyvykkyys toimii myös tietokoneistetussa neuroverkossa.)
Valtavia panoksia, valtavia muutoksia
Yksin Microsoft sijoittaa tekoälykonesaleihin ensi vuonna 50 miljardia. Google, Apple ja Amazon varmaan saman verran. Tämä on maailmanhistorian suurin infrastruktuuripanostus yhdessä vuodessa. Uskoa tekoälyn kaikkivoipaisuuteen on siis paljon. Kuka ensin luo supertekoälyn, kerää potin moninkertaisena takaisin.
Vaikka supertekoälyä ei ratkaistaisi, jo nämä nykyiset mallit tuottavat suuren yhteiskunnallisen muutoksen. Jokaisesta yksittäisestä ihmisestä tulee yhtä tietäväinen kuin hänen käyttämänsä tekoäly. Tämä nopeuttaa yhteiskunnan kehitystä kaikilla aloilla räjähdysmäisesti. Tämän nopeutuksen ensimmäisiä tuloksia me tulemme näkemään seuraavan kolmen vuoden aikana. Vielä on menossa rakennus- ja oppimisvaihe, mutta viiden vuoden sisällä tämä teknologia on jo "mummojenkin" käytössä siinä kuin kännykkäkin.
Ratkaiseeko ongelmamme ihmisen luoma äly vai kenties äly, joka on luonut ihmisen? |