Kuinka suojaat sijoituksesi uudelta tekoälytalvelta?

Kirjoittajat

Prianka Srinivasan

EYQ Technology Insights Associate Director

Thought leader. Student of the future. Focused on technology disruption, innovation and impact on the human experience. Wife, runner and dog lover with a strong case of wanderlust.

EYQ

EYQ is EY’s think tank

By exploring “What’s after what’s next?”, EYQ helps leaders anticipate the forces shaping our future — empowering them to seize the upside of disruption and build a better working world.

9 minuutin lukuaika 15 helmikuuta 2019

Tekoälyhypetys on lämmennyt ja jäähtynyt jo useita kertoja aiemmin. Miten organisaatiot voivat varmistaa, että niiden uusimmista tekoälysijoituksista nähdään pitkän aikavälin arvo, ei vain lyhyen aikavälin kustannuksia?

Sitä sanotaan usein ”uudeksi sähköksi”.Tekoälyn odotetaan mullistavan kaikki alat, eli tuottavan uusia tuotteita ja palveluja, avaavan uusia tehokkuuksia, luovan uusia liiketoiminnan malleja, edistävän uusia tuottavuuspooleja ja tarjoavan merkittävää taloudellista ja inhimillistä arvoa. Tekoäly herättää enemmän odotuksia ja innostusta kuin koskaan ennen, ja tämä on merkittävä osa myös yritysten johtoportaiden ja eri valtioiden digitaalisen transformaation projekteja.

Olemme kaukana edes kuusivuotiaan älykkyyden tasosta, puhumattakaan täydestä ihmisen älykkyystasosta.
Oren Etzioni
Washingtonin yliopiston professori ja Allen Institute for AI -tekoälyinstituutin puheenjohtaja

“Tekoälytalvi”

Tekoälyyn on liittynyt vastaavia odotuksia; ensin alkaen asian nousemisesta keskusteluun ensi kertaa 1950-luvulla 70-luvun puoliväliin ja myöhemmin vuosina 1980-1987. Molempia jaksoja seurasi ”tekoälytalvi” - ajanjakso, jolloin rahoitus väheni, kiinnostus heikkeni ja alan tutkimukseen ei kiinnitetty julkista huomiota.

Ottaen huomioon tämän historian ja nykyisen tekoälyoptimismin, on luontevaa kysyä: kohtaako AI uuden “talven” - onko tämä déjà-vu? Jos on, miten yritysjohtajat ja hallitukset voisivat hallita ja vähentää tekoälysijoitustensa riskejä ja varmistaa, että tekoäly luo inhimillistä arvoa aiheuttamatta samalla inhimillisiä kustannuksia?

Tekoälysijoitusten suojaaminen

Kun pidät seuraavat vaatimukset mielessä, voit vähentää riskiä tekoälysijoituksen tai -projektien jäätymisestä kalliiden ja kohtalokkaiden seuraamusten vuoksi:

  1. Ymmärrä tekoälyteknologian nykyaikaiset kyvyt
  2. Ymmärrä virheen hinta
  3. Hillitse innostuksesi: tekoäly ei ole ihmisen tasolla (vielä)
Innovation Realized hanging chairs

Innovation Realized

Innovation Realised Summit 2019 -kokoukseen kutsuttiin alan johtavia keskustelijoita miettimään yhdessä sitä, kuinka ratkaista nykypäivän ongelmia, ennakoida tulevia ongelmia sekä niiden seurauksia, ja visioimaan mitä tulevaisuudessa tulee tapahtumaan.

Lue lisää

 Henkilö seisoo lumikentällä ja hiihtää
(Chapter breaker)
1

Luku 1

Nykyisten tekoälyteknologioiden kykyjen ymmärtäminen

Hieman historiaa: AGI vai ANI?

Vuonna 1956 pidetystä Dartmouth-konferenssista alkoi tekoälyn intensiivisen tutkimuksen kulta-aika. Tavoitteena oli "saada kone käyttäytymään tavalla, jota kutsuttaisiin älykkääksi, jos ihminen käyttäytyisi niin."2

Alkuaikojen vaikuttavien edistysaskelten siivittäminä tekoälypioneerit, kuten Marvin Minsky, esittivät rohkeita väitteitä, kuten että ”jo elinaikamme koneet voivat ylittää meidät yleisessä älykkyydessä.” 3 Laskentatehon ja tallennustilan rajallisuus ja kalleus sekä datan vähäisyys tarkoittivat kuitenkin, että varhaisilla ratkaisuilla voitiin ratkaista vain alkeellisia ongelmia. Tällaiset teknologian aiheuttamat rajoitukset johtivat ensimmäiseen tekoälytalveen, jolloin rahoitus kuivui ja kiinnostus alaan heikkeni. Toinen tekoälytalvi vuosina 1980-87 aiheutui asiantuntijajärjestelmien ylläpidon kalleudesta ja hauraudesta niiden kohdatessa epätavallisia skenaarioita.

  • Varhainen tekoäly: mitä tarkoitetaan asiantuntijajärjestelmillä?

    Asiantuntijajärjestelmät nousivat esiin 1980-luvulla. Ne olivat ohjelmistojärjestelmiä, jotka on suunniteltu ratkaisemaan erityisiä aluekohtaisia ongelmia, jotka muuten edellyttäisivät ihmisasiantuntijaa. Asiantuntijajärjestelmiä kehitettiin monille eri aloille, mukaan lukien lääketiede, ilmailu, talous sekä yrityssuunnittelu ja -optimointi. Tyypillinen asiantuntijajärjestelmä koostui faktojen ja sääntöjen tietokannasta, joka on hankittu ihmisasiantuntijalta, sekä sääntöjä ja faktoja soveltavasta päätelmäkoneesta.

    Asiantuntijajärjestelmät edustavat ensimmäisiä kaupallisesti menestyneitä tekoälyn muotoja, mutta niiden teknologiaan ja lähestymistapaan liittyi useita ongelmia. Asiantuntijajärjestelmät olivat sääntöihin perustuneita koneita, ja niihin oli päivitettävä jatkuvasti uusia faktoja ja sääntöjä; tiedon hankkiminen tarvittavilta asiantuntijoilta osoittautui kuitenkin vaikeaksi. Lisäksi asiantuntijajärjestelmät olivat hauraita, koska ne luottivat laitekoodattuun tietoon ja olivat alttiita virheille kohdatessaan epätavallisia ongelmia, joista ei löytynyt ennakkotapausta järjestelmän tietokannassa.

    Esimerkiksi kasvaimia syötteiden perusteella diagnosoimaan suunnitellulle asiantuntijajärjestelmälle saattoi tapahtua virheitä näiden syötteiden erotessa tietokannassa olevista edes hieman. Ihmisasiantuntijoista poiketen asiantuntijajärjestelmät eivät pystyneet hyödyntämään aiempia tai vastaavia kokemuksia epätavallisten tai uusien tapauksien ratkaisemiseksi.

Ehkä vielä haitallisempaa oli aliarvioida ihmisen kaltaisen tekoälyn eli yleisen tekoälyn (artificial general intelligence, AGI) luomiseen liittyviä vaikeuksia.

Nykyinen tekoälyrenessanssi johtuu pääasiassa siitä, että on päästy yli aiempia tekoälyprojekteja haitanneista teknologisista esteistä. Nykyään tekoälyasiantuntijat eivät julista saavuttaneensa AGI-tasoa. Merkittävistä läpimurroista huolimatta Washingtonin yliopiston professori ja Allen Institute for AI -tekoälyinstituutin toimitusjohtaja Oren Etzioni sanoo: "Olemme erittäin kaukana ... jopa kuusivuotiaan älykkyystasosta, puhumattakaan täydestä inhimillisestä älykkyydestä ..." 4

Kapea tekoäly (ANI)

AGI on ehkä joidenkin alalla toimivien pitkän aikavälin tavoite, mutta nykyään innostusta herättävä painopistealue on kapea tekoäly (artificial narrow intelligence, ANI).

Halpa ja runsas tietokoneteho, internetin yleistymisen luoma runsas digitaalinen data ja Geoffrey Hintonin läpimurto syvän oppimisen saralla ovat johtaneet ANI-sovellusten räjähdysmäiseen lisääntymiseen. Nämä sovellukset suorittavat yksittäisiä tehtäviä rajallisessa kontekstissa erittäin hyvin, joskus ihmisiäkin paremmin. Nykyään ANI-algoritmit luovat ihmisarvoa, antavat tehoa digitaalisille ääni-avustajille, edistävät tuotesuositteluja ja auttavat syövän havaitsemisessa. Ne ovat myös laajentaneet ihmisten tietämystä löytämällä uusia planeettoja ja antamalla näkemystä ihmisen geenitiedoista. Kaupallisten ANI-sovellusten suuri määrä ja monimuotoisuus ovat ehkä tämän kolmannen tekoälyoptimismin aallon määrittelevin tekijä.

Onko ikuinen ”kevät” koittanut ANI:lle näiden saavutusten ansiosta?

 retkeilijä seisoo vuoren taivasta vasten auringonlaskua
(Chapter breaker)
2

Luku 2

Virheiden hinnan ymmärtäminen

ANI-tekoälysi kukoistaa. Mutta vaikuttaako inhimillinen puolueellisuus sen toimintaan kustannusriskejä aiheuttavalla tavalla?

Nykyisiä tekoälytekniikoita voidaan soveltaa monenlaisiin ongelmiin. Jokaiseen liittyy eri riskiprofiili. Käyttötapa ja asiayhteys on sovitettava sopivaan teknologiaan huolellisesti.
Cathy Cobey
EY Global Trusted AI Advisory Leader

ANI-järjestelmistä on tullut suosittuja yritysten, valtioiden ja yrittäjien keskuudessa, joiden tarvitsee hyödyntää jatkuvasti kasvavaa digitaalisen datan muodostamaa korpusta. ANI-tuottavuus- ja tehokkuusetuja tavoitellessaan näiden ryhmien on kuitenkin otettava huomioon ANI:n puutteista johtuvat riskit ja tahattomat inhimilliset kustannukset.

Yleinen ANI:in kohdistuva kritiikki koskee algoritmien kyvyttömyyttä tehdä johtopäätöksiä sen kouluttamiseen käytetyn datan ulkopuolella ja sen taipumusta toisintaa inhimillisiä ennakkoluuloja sen oppiessa ihmisten tuottamasta tiedosta. Vaikka mikään teknologia ei koskaan olekaan virheetöntä, ANI:n haitoista johtuvat virheet voivat aiheuttaa vakavia seuraamuksia etenkin tilanteissa, joissa algoritmin päätökset voivat vaikuttaa merkittävästi yksilöiden kohtaloihin.

Joissakin tapauksissa algoritmiset virheet ovat pahimmillaankin vain ohimenevä ongelma. Vaikka esimerkiksi digitaaliset ääniapuohjelmat ovatkin tehneet virheitä, joista on seurannut käyttäjille hankalia tai häiritseviä hetkiä, niiden hyödyntäminen ja käyttö ovat edelleen nousukiidossa. Toisaalta joissakin korkean profiilin näkyvissä yhteyksissä algoritmivirheillä on ollut katastrofaalisia, ihmisten luottamusta heikentäneitä seuraamuksia. Esimerkiksi viimeaikaiset autonomisiin ajoneuvoihin liittyneet kuolemantapaukset ovat vähentäneet niihin liittyvää innostusta ja johtaneet huomattavaan kuluttajien luottamuksen heikkenemiseen. Vuonna 2018 tehdyn tutkimuksen mukaan 73 % Yhdysvaltain autoilijoista ei luottaisi täysin autonomiseen ajoneuvoon, kun vastaava luku vuonna 2017 oli 63 %.

ANI-ohjatun päätöksenteon yleistyessä muilla kriittisillä aloilla, kuten rikosoikeus, koulutus ja rekrytointi, virheiden hinta on johtanut vääriin pidätyksiin sekä etnisyyteen ja sukupuoleen perustuvaan syrjintään. Tällaisten virheiden lisääntyminen voi lopulta johtaa siihen, että luottamus teknologiaan häviää kokonaan ja ANI-sovellusten kyseinen luokka altistuu mahdolliselle "talvelle".

Tämä ei tarkoita, että koko ANI-ala olisi heikolla pohjalla. Kuten Nauton ja EYQ Fellow -yrityksen toinen perustaja ja toimitusjohtaja Stefan Heck ehdottaa, "Ehkä tarvitsemme uuden luokan ANI:n ja AGI:n välillä ottaaksemme huomioon tilanteet, joissa virheet voivat johtaa yhteiskunnalliseen nuivaan palautteeseen."

Tekoälyn ja sen eri muotojen määritelmät ovat perinteisesti pyörineet sen ympärillä, miten hyvin teknologia onnistuu matkimaan ihmisen fyysisiä ja kognitiivisia kykyjä tai ylittämään ne. Tämä kehys onkin tarjonnut vertailukohteen teknologian kehitykselle, mutta se ei heijastele tarpeeksi hyvin algoritmien riskiprofiileja eri yhteyksissä käytettyinä.

Kuinka riskialtis tekoälysi on?

Alla oleva kehys tarjoaa yrityksille ja valtioille tavan luokitella nykyiset ja tulevat tekoälysovelluksensa.

. . . . . .
 

Kapea tekoäly –

Transaktionaalinen (ANI-T)

Kapea tekoäly –

Konsekuentiaalinen (ANI-C)

Yleinen tekoäly

(AGI)

Super-
tekoäly

(ASI)

Määritelmä Yksi tehtävä rajoitetussa kontekstissa voi käydä tekoälyltä yhtä hyvin tai paremmin kuin ihmiseltä Yksi tehtävä dynaamisessa kontekstissa voi käydä tekoälyltä yhtä hyvin tai paremmin kuin ihmiseltä Useita tehtäviä dynaamisissa konteksteissa voi käydä tekoälyltä yhtä hyvin tai paremmin kuin ihmiseltä Tekoäly ylittää kaikki ihmisen henkiset kyvyt tunnetuissa ja vielä tuntemattomissa olosuhteissa
Vaikutuksen kattavuus Rajallinen ja lyhytaikainen Laaja ja pitkäkestoinen Kaikki! Käsityskyvyn ulkopuolella!
Esimerkki

Digitaaliset äänikäyttöiset avustajat

Autonomiset autot HAL 9000 Ihmisen mielikuvituksen tuolla puolen
Riskiprofiili  Matala Korkea Tuntematon Tuntematon
.

Lähde: Stefan Heck & EYQ

Tämän taulukon avulla yritysjohtajat ja hallitukset voivat arvioida ANI-pohjaisten (Artificial Narrow Intelligence) käyttötapaustensa, strategiansa ja sijoitustensa riskiprofiilia. Riskien torjuminen, etenkin ANI-C-sovelluksiin liityyen, on kriittisen tärkeä osa paitsi digitaalisen transormaation onnistumista niin myös yritysten ja hallitusten uskottavuuden ja luottamuksen ylläpitämistä asiakkaidensa ja kansalaistensa silmissä. Näin ollen se antaa niille mahdollisuuden hyödyntää merkittävää potentiaalia, jota ANI:lla on tuottavuuden, tehokkuuden ja yleisen elämänlaadun parantamisessa.

Käynnissä on useita aloitteita, joilla pyritään poistamaan ANI:n teknologiaan liittyviä rajoituksia ja lieventämään algoritmisten virheiden epätoivottuja seurauksia: uusia algoritmisia lähestymistapoja, "Eettisen tekoälyn" puitteita ja avoimen lähdekoodin työkaluja valvomaan, näkyvätkö ennakkoluulot algoritmien toiminnassa. Johtoportaan on osallistuttava aktiivisesti näihin aloitteisiin ja kehitettävä eettisiä, tasapuolisia, tarkkoja ja läpinäkyviä algoritmeja yhteistyössä hallitusten kanssa. Teknologiaan kohdistetun luottamuksen lisääminen on välttämätöntä tulevan "talven" riskin torjumiseksi ANI-C-sovellusten suhteen.

Loppujen lopuksi menestys riippuu siitä, kuinka yritysjohtajat ja valtiot onnistuvat säilyttämään inhimilliset edut ja arvot keskeisenä osana kaikenlaisten ANI-ratkaisujen kehittämistä sekä minimoimaan tai mitätöimään algoritmivirheiden hinnat, jolla voi olla hyvinkin kauaskantoisia vaikutuksia kaupalliseen suorituskykyyn tai ihmisten hyvinvointiin.

 mies jäänlohkare jäävuori St. Lawrence -joki Kanada
(Chapter breaker)
3

Luku 3

Hillitse innostuksesi: tekoäly ei ole ihmisen tasolla (vielä)

Myytit, odotukset ja todellisuus

Ehkä tekoälykevääseen liittyvät odotuksemme ovat liian korkeat.
Susan Etlinger
Industry Analyst, Altimeter-ryhmä

Teokset Pygmalionista Frankensteiniin ovat tietoisesti tai alitajuisesti kehittäneet ihmiskunnan käsitystä siitä, mitä on tekoäly - keinotekoinen olento, jota luonnehtivat tietoisuus, tunteet, äly ja inhimillinen käytös.

Jokaista teknistä läpimurtoa, jonka katsotaan olevan askel kohti tämän tekoälyvision toteutumista, korostetaan, ja virheiden mahdollisuus ei näy suuren yleisön odotuksissa. Kriittiset virheet voivat sitten romauttaa kaikki toiveet, niin että teknologiaa aletaan pitää epäluotettavana. Todellisuudessa nykyinen tekoälyteknologia ei ole riittävän vankalla pohjalla, että päätöksenteko voitaisiin uskoa sen käsiin seuraamuksia aiheuttavissa inhimillisissä tilanteissa. Kuten Yamaha Venturesin GM ICT -yrityksen kehitys- ja pääomasijoittaja Ray Edwards tuo ilmi, "jotkut käyttötapaukset vaativat edelleen huomattavaa ihmisten vuorovaikutusta ja harkintaa ennen kaupallista laaja-alaista käyttöönottoa."

Odotusten ja todellisuuden välisen kuilun kaventaminen on kriittinen osa uuden "talven" torjumista kaikkien ANI-tekoälyn muotojen osalta (ANI-T tai ANI-C). Kuitenkin, kuten EY:n Global Innovation Artificial Intelligence Leader Nigel Duffy huomauttaa: ”Odotuksiemme mukauttamista todellisuuteen ei ole aiemmin tapahtunut, eikä ole varmuutta siitä, että pystymme tekemään sitä nyt. Uuden "tekoälytalven" riski onkin edelleen suuri”.

”Talven” pidätteleminen

Yritysjohtajien ja hallituksien osalta, joilla on merkittäviä investointeja tekoälyyn, ”talven” riskin minimointi edellyttää:

  • Pyrkimistä tasapainoisempaan julkiseen keskusteluun
  • ANI:n virheiden tunnistamista
  • Asiakkaiden odotusten hallintaa.
  • ANI-C-sovellusten harkittua kehittämistä ja käyttöön ottamista tavalla, joka edistää luotettavia, tasapuolisia ja eettisiä tuloksia.

Jopa nykyisten haittojensa kera ANI:lla on suuri potentiaali parantaa elämänlaatuamme. Jos asetamme ANI:lle epärealistisia odotuksia, se voi estää sen hyötyjä toteutumasta.

Kuten Institute for the Future -instituutin entinen johtaja Roy Amara huomauttaa: ”Meillä on taipumus yliarvioida teknologian vaikutuksia lyhyellä aikavälillä ja aliarvioida sen vaikutuksia pitkällä tähtäimellä.” Vaikka ANI ei välttämättä johda AGI-tekoälyyn lähiaikoina, yritysjohtajille ja hallituksille on silti tärkeää hyödyntää ANI:a asianmukaisesti ja turvallisesti. Tämä voi johtaa uusiin innovaatioihin, jotka tuottavat sanomatonta inhimillistä arvoa tulevina vuosikymmeninä.

Tarkastele digitaalista transformaatiota jokaisesta näkökulmasta

EY:n näkemykset digitaalisesta transformaatiosta voivat auttaa potentiaalin realisoitumisessa ja johdattamaan yrityksesi muuttuvaan tulevaisuuteen.

Lue lisää

Yhteenveto

Tärkein askel tulevaisuuden tekoälytalvien estämisessä saattaa olla se, että odotukset yhdenmukaistetaan todellisuuden kanssa sen suhteen, missä tekoälyominaisuudet ovat nykyään.

Tästä artikkelista

Kirjoittajat

Prianka Srinivasan

EYQ Technology Insights Associate Director

Thought leader. Student of the future. Focused on technology disruption, innovation and impact on the human experience. Wife, runner and dog lover with a strong case of wanderlust.

EYQ

EYQ is EY’s think tank

By exploring “What’s after what’s next?”, EYQ helps leaders anticipate the forces shaping our future — empowering them to seize the upside of disruption and build a better working world.