Ensimmäinen Bladerunner-elokuva sijoittuu vuoden 2019 marraskuuhun. Elokuvassa on hahmoina ihmisen kaltaisia robotteja, joita kutsutaan replikoiksi. Niitä ei päälle päin erota ihmisestä sitten millään. Tämän kirjoittamisen hetkellä marraskuuhun on vielä aikaa, mutta emme taida olla lähelläkään tuon tieteiselokuvan todellisuutta. Miksi näin?
Jäljet johtavat ns. Moravecin paradoksiin, minkä Hans Moravec kehitti muutaman muun tutkijan kanssa 1980-luvulla. Sen mukaan “on jokseenkin helppoa opettaa tietokoneet selviytymään aikuistason älykkyystesteissä tai pelaamaan shakkia, mutta toisaalta on vaikeaa, ellei mahdotonta antaa niille samantasoinen havaintokyky ja liikkuvuus, kuin mikä yksivuotiaalla lapsella jo on.”
Sellaiset asiat, jotka ovat ihmiselle helppoja, ovat yleensä kaikkein vaikeimpia opettaa koneelle ja vastaavasti asiat, jotka ovat ihmiselle vaikeita, ovat helppoja koneelle..
Itsestään liikkuva auto on tekoälylle helppo nakki
Itsestään liikkuva auto on todennäköisesti ensimmäinen robotti, joka lyö itsensä läpi massoille. Syyt ovat taloudelliset. Asunnon ohella autot ovat kohteita, mihin ihmiset käyttävät eniten rahaa eli markkinat ovat valmiina olemassa. Tuotekehitykseen kannattaa siis satsata.
– Tiesuunnittelussa on tietyt standardit, jotka tekevät ajamisesta mahdollisimman helppoa ihmiselle. Tämä auttaa tietysti myös koneen opettamisessa, sanoo kognitiotieteen dosentti Otto Lappi Helsingin yliopistosta.
Liikennesäännöt ja liikennemerkit ovat kutakuinkin yksiselitteisiä. Tiegeometriat noudattavat tiettyjä lainalaisuuksia eli esimerkiksi kaarteet ja mutkat ovat tietynmuotoisia, jotta ne eivät olisi kuskille harhaanjohtavia.
Voileivänteko on tekoälylle rakettitiedettä
Jos liikenneympäristö on pitkälle standardisoitu, niin samaa ei voi sanoa keittiöympäristöstä. Samassa kerrostalossa sijaitsevat eri asuntojen keittiöt saattavat olla samanlaisia arkkitehtuuriltaan, mutta keittiösuunnittelussa on tekoälyn oppimista ajatellen lukemattomasti enemmän muuttujia kuin liikenteessä.
– Ihminen pystyy soveltamaan luovasti aiempaa tietoa ja saatavilla olevia resursseja. Välineiden säilytyspaikat vaihtelevat, ne ovat erinäköisiä ja -kokoisia. Entä onko jääkaapissa makkaraa, juustoa tai maapähkinävoita - sikäli kun keittiössä edes on jääkaappia, puhumattakaan siitä, että erilaisia leipiä on olemassa lukematon määrä, luettelee Otto Lappi.
Ihminen tekee ympäristössään havaintoja ja reagoi toiminnallaan niihin. Havainto yhdistyy toimintaan muistin kautta. Jotta ihminen pystyy tekemään voileivän, pitää pitkäkestoisessa muistissa olla suuri määrä tietoa siitä, miten voileivän voi tehdä eri tilanteissa ja erilaisilla välineillä.
– Me emme ole tietoisia siitä, miten liikutamme silmiä tai miten havainnoimme katseella ympäristöä. Me vaan koemme, että näemme, mitä kaikkea ympäristössä on. Kokonaisuus muodostuu samaan tapaan kuin lasten tehtäväkirjojen kuvat, joissa pisteiden väliin piirretyt viivat vasta paljastavat kokonaisuuden, kuvaa Lappi.
Evoluutio on kaiken alku ja juuri
Jos muistikapasiteettia ja sinne opittua asiaa on massiivisen suuri määrä, ongelmaksi muodostuu se, miten massan seasta löydetään aina kuhunkin tilanteeseen kuuluva tieto. Siinä tehtävässä ihmisaivot on hämmästyttävän hyvä.
Shakkia pelaavat tekoäly ja ihminen pelaavat eri tekniikoilla. Shakkitekoäly käy huikean nopeassa ajassa läpi erilaisia siirtoja, joista valitsee parhaan vaihtoehdon. Ihminen sen sijaan punnitsee vain muutaman olennaisen vaihtoehdon välillä eikä huomioi lainkaan epäolennaisia vaihtoehtoja.
Onko ihmisellä on siis aivoissaan tekoälyyn verrattuna olemassa jokin erityinen nokkeluus? Sitä tutkijat eivät vielä tiedä. Hans Moravec on ehdottanut, että ihmisen nokkeluus olennaiseen keskittymisessä johtuu evoluutiosta. Osaamme pitää tasapainon ja liikkua sujuvasti epätasaisella alustalla, ottaa kiinni meille heitetyn pallon, tunnistaa kasvot ja tulkita toisten ihmisten motivaatioita. Edellä mainitut esimerkit ovat kaikki sellaisia, joihin olemme harjaantuneet koko evoluutiomme ajan.
– Täytyy muistaa, että tekoälyä ei ole kehitetty kuin kymmeniä vuosia. Kun uutta tekoälyjärjestelmää rakennetaan, niin aika, jota sen opettamiseen voidaan käyttää ei voi olla vuosia, koska se täytyy jossain vaiheessa saada myyntiin, toteaa Otto Lappi.