Viekö koneet työt? – Osa 3: Ihminen koneen mallina

Miten tekoäly ja ihmisen älykkyys eroavat toisistaan? Miksi alitajunnan tutkimuksella on väliä, kun suunnitellaan robotin ja ihmisen työnjakoa? Pitäisikö VTT:n rakentaa itsenäisesti toimivaa supertekoälyä?

Bladerunner-elokuvan päähahmona hääräävä Rick Deckard lahtaa työkseen ihmisiä muistuttavia koneita eli replicantteja. Elokuvan lopuksi Harrison Fordin tähdittämä Deckard kuitenkin rakastuu replicanttiin. Deckardin jakomielinen suhtautuminen replicantteihin kuvastaa tämän päivän keskustelua tekoälystä. Toiset maalailevat suuria muutoksia ja peräti uskovat ihmismäisesti juonittelevan supertekoälyn ottavan meistä vallan. Toppuuttelijoitakin on: ”Replicants are like any other machine”, toteaa myös Deckard ennen ajattelutapansa muutosta. Ihminen koneen mallina on siis vanhasta scifistä tuttu klassinen ajatus. Tuon tähän keskusteluun sisältöä vertaamalla ihmisälyä ja tekoälyä. Valotan sitä ajatusta, että ihmisen älyn kopioiminen koneen käyttöön on hankalaa, koska ihmisen älykkyys ei ole ympäristöstä irrallista. Lisäksi väitän, että ihmisen toiminnan analyysi on hyödyllistä työtä uudistavassa suunnittelutyössä.

Ihmisäly

Tietoinen erityisesti kieleen perustuva ajattelu eli pään sisäinen keskustelu on vain ihmisen älyn jäävuorenhuippu. Kun ammattiosaajalta kysyy, miten hän tietää, kuinka jokin ongelma tai ristiriitainen asia ratkaistaan, tämä usein vastaa kutakuinkin, että ”sen vain tietää”. Ihmisen osaaminen on yhdistelmä kirjatietoa, tietoista omaa miettimistä sekä sitä jotain, jonka oppii vasta tekemällä. Näppi- ja perstuntuma, ammattilaisen silmä ja korva sekä näkemys ovat kansanomaisia tapoja kuvata eri työtehtävien hiljaista ja kehollista osaamista. Ihminen toimii intuitiivisesti ja joustavasti, sillä se hyödyntää miljoonia tai kukaties biljoonia aistisolujaan valikoivasti tilanteen mukaan.

Voidaankin väittää, että älykkyys ja tietoisuus eivät oikeastaan sijaitse aivoissa, vaan aivojen ja liki lukemattomien aistisolujen ja -hermojen yhteydessä. Kokeellinen psykologia on osoittanut, että ihmisen toiminta ja päätöksenteko perustuvat monessa mielessä suoraan yhteyteen ympäristön kanssa. Toiminta ei siis vaadi tietoista ajattelua. Ajatus siitä, että ihmisen ajatustoiminta on suorassa yhteydessä elettyyn ympäristöön, on looginen, sillä aivojen älykkyys ei ole erillistä aistisoluista, ja aistisolut ovat suorassa yhteydessä elettyyn ympäristöön.

Kehollisen älykkyyden lisäksi ihmisellä on kyky lukea ja oppia merkityksiä. Tässä ihminen on erinomainen muihin eläimiin verrattuna. Selitys löytyy esi-isiemme tavasta hankkia ruokaa. Ihminen on lyhyellä matkalla yleensä riistaa hitaampi liikkumaan, mutta kykenemme erittäin pitkiin hölkkiin. Saalistettavaa eläintä piti siis seurata pitkä taivallus. Tämä onnistui jälkiä seuraamalla. Tulkitsimme ympäristöön painettuja merkityksiä selviytyäksemme eli lukeminen on meille lajityypillistä käyttäytymistä. Nykyäänkin ihminen lukee jatkuvasti – joku kännykkäänsä ja toinen sanomalehtiä. Aistimme ovat aika heikkoja, joten myrkkykasveja ja -sieniä ei eroteta syötävistä pelkällä nenätuntumalla vaan oppimalla erottamaan hyvä ja huonosta. Tästä syystä aikuisella ihmisellä on myös yleinen kyky erotella hyvä ja paha toisistaan eli eettinen omatunto. On osuvaa, että raamatun alkukertomuksessa Aatami ja Eeva syövät hyvän ja pahan tiedon puusta. Metsästäjä-keräilijän arjessa tietoinen ajattelu oli valttia. Tyhmyydestä sakotettiin jo silloin eli älykkyytemme ja tietoisuutemme ovat evoluution sivutuotteita.

Tekoäly

Tekoäly tekee ennusteita datan perusteella ja noudattaa sille kirjoitettua ohjetta. Ennustamaan se oppii erityisesti neuroverkko-menetelmän avulla. Neuroverkko koostuu toisiinsa matemaattisesti kytköksissä olevista solmukohdista eli ns. neuroneista. Aluksi kytkökset ovat tyypillisesti sattumanvaraisia, mutta kokeilun kautta kytköksiin tehdään vahvennuksia ja heikonnuksia. Neuroverkkoon voidaan esimerkiksi syöttää tuhansia kuvia, jotka ihminen on luokitellut ihmiselle merkityksellisiin kategorioihin: ”nainen”, ”mies”, ”kissa”, ”koira”, jne. Ryhmittelemällä kuvan piirteitä neuroverkko arvailee, mitä kussakin kuvassa on. Oikeat vastaukset vahvistavat niitä verkon solmukohtien välisiä polkuja, jotka veivät oikeaan vastaukseen. Samalla väärään vastaukseen vieviä polkuja heikennetään. Satojentuhansien kokeilujen jälkeen arvauskone muuttuu tehokkaaksi ennustimeksi. Lopulta ennustaminen on niin varmaa, että tekoäly voi käytännössä tunnistaa kuvia tai sanoja ääniraidasta.

Ennustamalla ja käskyjä noudattamalla voi tehdä monenlaista ihmismäistä toimintaa. Voidaan miettiä vaikkapa, kykeneekö tekoäly luovaan työhön. Tekoäly saadaan luomaan musiikkia: se voi analysoida suosituimpien kappaleiden melodiakulut ja siltä pohjalta ennustaa ihmiskuulijaa koukuttavat sävelet. Jonkinlaiseen sanoittamiseen ja sovittamiseenkin se hyvin suunniteltuna pystynee. Mutta musiikki on muutakin kuin ääntä: nuorisolla on tapana kehitellä omanlaisensa ja oman nimisensä pörinät ja kilinät, mikä ärsyttää vanhempaa väestönosaa. Tekoäly ei oikein osaa luoda uutta musikaalista genreä, joka puhuttelee oman aikakautensa kuulijoita. Musiikki ei ole erillistä tanssityyleistä ja mieltä painavista aiheista. Ja kumpi tässä on se luova toimija: tekoäly itse vai ohjelmistokehittäjä?

Yleistekoälyllä tarkoitetaan tekoälyä, joka kykenee ihmismäiseen suunnitteluun, joustavuuteen, päättelyyn ja kielelliseen kommunikointiin. Yleistekoälyn määritelmät ja ehdotetut kriteerit vaihtelevat. Kahvin laittaminen ennalta vieraassa asunnossa on yksi tehtävä, jonka onnistuminen voisi olla merkki yleistekoälyn olemassaolosta. Tiedeyhteisö ei ole yksimielinen sen suhteen, onko yleistekoälyn rakentaminen ylipäänsä mahdollista. Sekä Microsoftilla että Googlella on yleistekoälyyn tähtäävät tutkimusohjelmat. Tämä on ymmärrettävää, koska epäilevillä tuomailla tuskin on sijaa amerikkalaissuuryritysten johtopaikoilla. Vaikka yleistekoälyä ei varsinaisesti saavutettaisi näissä tutkimusohjelmissa, niissä varmasti muodostuu muuta kaupallisesti hyödynnettävää teknologiaa.

Kognitiivisen arkkitehtuurin tutkimus ja tehtäväanalyysi

Jos halutaan rakentaa todella ihmismäinen robotti, pitäisi periaatteessa analysoida ihmistä itseään. Kognitiotieteilijät käyttävät kognitiivisen arkkitehtuurin käsitettä kuvastamaan ihmisen ajattelun kokonaisuutta tunteineen kaikkineen. Koska ihminen on pirullisen monimutkainen, kognitiivisen kokonaisarkkitehtuurin tutkimus soveltuu mielestäni paremmin akateemiseen perustutkimukseen tekoälystä kuin käytännön tekoälyn kehittämistyöhön.

Ratkaisuja teknologiayritysten tarpeisiin löytyy tehtäväanalyysin kautta. Kun halutaan korvata työntekijä robotilla, selvitetään, minkälaista työ on ihmisen suorittamana. Tällä varmistetaan se, että uusi robotisoitu tapa toimia tarjoaa vähintään yhtä laadukkaan ja turvallisen lopputuloksen kuin perinteinen toimintamalli. Ihmistä tarvitaan aina johonkin uudessakin toimintamallissa, joten käytännössä suunnitellaan robotin ja ihmisen välistä työnjakoa. Analyysin lopputuloksena voi myös olla, että robotisointi ei kannata.

Tehtäväanalyysin muotoja hyvin monia. Kognitiivisessa tehtäväanalyysissa selvitetään työntekijän ajattelua, ja analyysityökaluja tähän on kymmeniä. Tehtäväanalyysi voi selvittää myös esimerkiksi työntekijän liikeratoja tai työorganisaation piirteitä. VTT:llä käytetään eritoten entisen tutkimusprofessorin Leena Norroksen kehittämää perustehtäväanalyysia. Ajatuksena on suhteuttaa havaitut työtavat sekä haasteet työn yleisiin päämääriin ja kriittisiin vaiheisiin. Työntekijöiden henkilökohtaiset ominaisuudet ovat toissijaisia eli, nimensä mukaisesti, kyse on työtehtävän perustavanlaatuisten piirteiden analyysistä. Yleisten päämäärien mielessä pitäminen mahdollistaa sen, että työtehtävän suorittamista voi katsoa erilaisten toimintamallien näkökulmasta – samaan yleiseen päämäärään voidaan päästä robotin tai ihmisen toiminnalla. Tästä syystä perustehtäväanalyysi soveltuu hyvin suunnittelun apuvälineeksi: se ohjaa suunnittelijan luovuutta sitä liikaa rajaamatta. Perustehtäväanalyysiin voidaan sisällyttää kognitiivisen tehtäväanalyysin muotoja, työkäytäntöjen mikrotason erittelyä sekä toimintaympäristön mallintamista joustavasti riippuen tutkimuskysymyksistä.

Kognitiivisia asioita kartoittavassa tehtäväanalyysissa on hyvä hämärtää työntekijän ja tutkijan välistä raja-aitaa. Työntekijä ei useinkaan ole tietoinen omista ajattelumalleistaan työtä tehdessä, koska osaaminen on alitajunnassa. Alitajuntaa ei oikein voi tutkia suoraan siirtämällä tietoa työntekijältä tutkijalle. Lähtökohtana on, että tutkija ja työntekijä yhdessä oppivat alitajuntaan unohtuneista asioista, joten työntekijä ikään kuin muuttuu sekä oppijaksi että opettajaksi tutkimuksen aikana. Työntekijät ovat innoissaan, kun tehtäväanalyysia tehdään näin, koska oivalluksien tekeminen omasta työstä on äärimmäisen kiinnostavaa. Yksi hyvä käytännön tekniikka tähän on se, että katsotaan työntekijän kanssa yhdessä videokuvaa työntekijän työnteosta.

Käyttäjäkeskeinen tekoälytutkimus

Ihmisäly ja tekoäly ovat erilaisia, eikä edes ihmistä tutkimalla oikein voida luoda ihmisen kaltaista toimijaa. Tulevaisuuden kvanttitietokoneet saattavat olla satoja miljoonia kertoja nykytietokoneita nopeampia. Tämä ei kuitenkaan muuta sitä, että tulevaisuudessakaan tekoäly ei pysty toimimaan ihmisen tavoin joustavasti tosimaailmassa ­­– mm. monimutkaisen aistien kokonaisuuden ja päätöksenteon saumaton yhteispeli puuttuu myös tulevaisuudessa, jos jotain selkeästi uutta ei kehitetä. Neuroverkot ja tekoäly käsitteinä viittaavat ihmisen älyn replikointiin, mutta käytännössä on järkevämpää tutkia tekoälyn käyttöä.

Datapohjaisen ennustuskyvyn hyödyt työelämälle eivät tutkimatta selviä. Tekoälyn kohteentunnistuskyvyt tulevat ratkaisemaan ongelmia monilla aloilla, koska useilla aloilla muutenkin jo nyt käytetään kamerateknologiaa. Esimerkiksi kirurgit usein leikkaavat kamerakuvan perusteella: tulevaisuudessa tekoäly kenties auttaa tunnistamaan syöpäsolut ja hermoradat. Selvittelyn alainen asia on, miten työelämään kohdistuva käyttäjätutkimus voi tarjota käytännön apuvälineitä neuroverkkojen rakenteluun. Poikkitieteellistä tekemistä tarvitaan.

OLYMPUS DIGITAL CAMERA
Mikael Wahlström
Erikoistutkija, valtiot. tohtori (sosiaalipsykologia)
mikael.wahlstrom(a)vtt.fi

 

Kirjoittaja työskentelee projektissa, jossa tutkitaan, miten tekoälyn ja ihmisen välinen työnjako järjestetään tulevaisuuden merenkäynnissä. Työntekijän ja tutkijan välistä raja-aitaa hämärtävää tehtäväanalyysia hän on tehnyt mm. vetämässään WOBLE-nimisessä Akatemia-projektissa, jossa tutkittiin robottikirurgien työtä. WOBLE-projektin suomenkielinen loppuraportti löytyy täältä.

Kolmiosaisen kirjoitussarjan ensimmäisessä osassa käsiteltiin terveydenhuoltoa.
Viimeisessä osassa, joka julkaistaan tammikuussa, käsitellään ihmistä koneen mallina.

Leave a Reply