Tekoäly eli keinoäly tai AI (englannin sanoista artificial intelligence) on tietokoneohjelman kyky tehdä älykkäinä pidettyjä toimintoja. Esimerkkejä tällaisista tehtävistä ovat puheentunnistus, tietokonenäkö ja kääntäminen luonnollisten kielten välillä. Tekoäly on tietojenkäsittelytieteen osa-alue, joka tutkii ja kehittää järjestelmiä, jotka kykenevät oppimaan, päättelemään ja suorittamaan tehtäviä itsenäisesti.
Tekoälyä käytetään esimerkiksi edistyneissä verkkohakukoneissa (esim. Google-haku), suositusalgoritmeissa (joita käyttävät esim. YouTube, Amazon ja Netflix), ihmisen puheen ymmärtämisessä (kuten Siri ja Alexa), itseohjautuvissa autoissa (esim. Waymo), generatiivisissa tai luovissa työkaluissa (ChatGPT ja tekoälytaide), automatisoidussa päätöksenteossa ja kilpailemisessa korkeimmalla tasolla strategisissa pelijärjestelmissä (kuten shakissa ja go:ssa).
Historia
Varhaisvaiheet Tekoälyn juuret ulottuvat kauas ennen alan varsinaista perustamista. Jo vuonna 1726 Jonathan Swift kuvasi romaanissaan Gulliverin retket kuvitteellista konetta, joka pystyi tuottamaan tekstiä yhdistämällä sanoja eri järjestyksiin. 1800-luvulla Ada Lovelace kirjoitti Charles Babbagen analyyttisesta koneesta huomioita, joita pidetään ensimmäisenä tietokoneohjelmana. Lovelace kuitenkin väitti, ettei kone voi "luoda mitään omaperäistä". Vuonna 1914 espanjalainen insinööri Leonardo Torres y Quevedo esitteli ensimmäisen shakkia pelaavan koneen El Ajedrecistan. Vuonna 1943 McCulloch ja Pitts julkaisivat artikkelin, joka esitti aivojen toiminnan laskennallisena järjestelmänä ja loi pohjan keinotekoisille neuroverkoille.
Alan varsinaisena lähtökohtana pidetään vuoden 1956 Dartmouthin konferenssia, jossa termi "tekoäly" otettiin käyttöön. Tätä edelsi Alan Turingin vuoden 1950 artikkeli, jossa hän esitti kuuluisan Turingin testin koneiden älykkyyden arvioimiseksi. Varhaisvuosikymmeninä kehitettiin merkittäviä järjestelmiä: Rosenblatin perseptroni (1957) oli varhainen neuroverkko, ELIZA (1965) simuloi ihmiskeskustelua ja DENDRAL oli ensimmäinen asiantuntijajärjestelmä. Vuonna 1973 Lighthillin raportti kritisoi alan edistymättömyyttä, mikä johti rahoituksen vähenemiseen ja ensimmäiseen tekoälytalveen. Toinen taantuma seurasi 1980-luvun puolivälissä. Ratkaiseva käännekohta oli vuoden 1986 vastavirta-algoritmin julkaisu, joka mahdollisti monikerroksisten neuroverkkojen tehokkaan kouluttamisen ja loi perustan 2000-luvun syväoppimisen vallankumoukselle.
Koneoppimisen nousu 2000-luvulla matemaattinen ja tilastollinen koneoppiminen alkoi hallita alaa. Ratkaiseva käänne tapahtui vuonna 2012, kun syväoppimiseen perustuva AlexNet voitti ImageNet-kilpailun merkittävällä erolla. Tämä osoitti neuroverkkojen potentiaalin kuvantunnistuksessa ja laukaisi syväoppimisen vallankumouksen.
Vuonna 2017 Googlen tutkijat julkaisivat tutkimuksen "Attention Is All You Need", joka esitteli transformer-arkkitehtuurin. Tämä arkkitehtuuri mahdollisti rinnakkaisen tietojenkäsittelyn ja pitkien riippuvuuksien oppimisen, mikä ratkaisi aikaisempien rekursiivisten neuroverkkojen perustavanlaatuisia rajoituksia. Transformer-teknologia muodostaa nykyään lähes kaikkien suurten kielimallien perustan, mukaan lukien GPT-, Claude-, Gemini- ja Llama-malliperheet.
Vuonna 2020 OpenAI:n tutkijat julkaisivat tutkimuksen skaalauslaeista, joka osoitti, että kielimallien suorituskyky paranee ennustettavasti mallin koon, harjoitusdatan määrän ja laskentatehon kasvaessa. Vuonna 2022 Google DeepMindin Chinchilla-tutkimus tarkensi näitä havaintoja ja osoitti, että optimaalinen harjoitus edellyttää mallin koon ja harjoitusdatan tasapainottamista. Nämä havainnot ovat ohjanneet miljardien dollarien investointeja tekoälyn kehittämiseen.
ChatGPT ja tekoälybuumi OpenAI julkaisi ChatGPT:n 30. marraskuuta 2022. Chatbot saavutti 100 miljoonaa käyttäjää kahdessa kuukaudessa, mikä teki siitä historian nopeimmin kasvaneen kuluttajasovelluksen. ChatGPT:n julkaisu käynnisti niin kutsutun tekoälybuumin, joka on johtanut massiivisiin investointeihin alalle. JPMorganin mukaan tekoälyyn liittyvät osakkeet ovat tuottaneet 75 prosenttia S&P 500 -indeksin tuotoista ChatGPT:n julkaisun jälkeen.
Tekoälyn määritelmä Tekoälyn tarkempi määrittely on avoin, koska älykkyyttä itsessään on vaikea määritellä. Andreas Kaplan ja Michael Haenlein määrittelevät tekoälyn "järjestelmän kyvyksi tulkita ulkoisia tietoja oikein, oppia tällaisista tiedoista ja käyttää opittuja asioita tiettyjen tavoitteiden ja tehtävien saavuttamisessa joustavan sopeutumisen kautta".Andreas Kaplan; Michael Haenlein (2019) Siri, Siri in my Hand, who's the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons, 62(1), 15-25 Tekoäly viittaa myös aihetta tutkivaan tieteen alaan.
Eräässä merkityksessä tekoälynä pidetään tietokoneohjelmaa, joka suorittaa yleisesti ihmismäistä ajattelua (laskennallinen lähestymistapa). Tämän niin kutsutun yleisen tekoälyn kehittämisen ajankohdasta ei voida antaa juurikaan luotettavia ennusteita.
Suppeammassa merkityksessä tekoäly on mikä tahansa johonkin älykkääseen toimintoon kykenevä. Tällaisia tekoälyjä on jo käytössä. Käytössä olevia tekoälyn sovelluksia ovat esimerkiksi luonnollisen kielen tuottamiseen ja tunnistamiseen erikoistuneet järjestelmät, asiantuntijajärjestelmät, robottitekniikka ja viihdesovellukset.
Kun koneista tulee yhä kyvykkäämpiä, tekoälyn määritelmän kynnys usein nousee. Tämä ilmiö tunnetaan nimellä "AI effect". Esimerkiksi optista merkkien tunnistusta ei nykyään usein pidetä tekoälynä, koska siitä on tullut rutiiniteknologiaa.
Tekoälyn muodot
Kapea tekoäly
Kapea eli heikko tekoäly toimii erilaisissa rajoitetuissa tehtävissä. Sillä ei ole tietoisuutta, tahtoa eikä ymmärrystä oman alansa ulkopuolella. Tämänhetkiset tekoälysovellukset ovat kaikki kapeaa tekoälyä.
Yleinen tekoäly
Yleisellä eli vahvalla tekoälyllä on laaja ymmärrys asioista ja mahdollisesti ihmisen kaltainen tietoisuus. Yleinen tekoäly kykenee ratkaisemaan laajan skaalan erilaisia ongelmia, ja suoriutumaan mistä vain tehtävästä mistä ihminen voi suoriutua, kuten ajamaan autoa, ymmärtämään kieliä ja tekemään ruokaa. Yleistä tekoälyä ei vuoteen 2018 mennessä oltu missään vielä kehitetty.Merilehto 2018, luku ”Peruskäsitteet”
Supertekoäly
Jos tekoäly ohittaa ylivoimaisesti ihmisen kyvykkyyden kaikilla toimialoilla, voidaan puhua supertekoälystä. Supertekoäly on toistaiseksi spekulatiivinen käsite.
Peruskäsitteitä Koneoppiminen
Tekoälyn sovelluksista suurin osa on koneoppimista. Koneoppiminen on tekoälyn osa-alue, jossa toimintaa ei ole ohjelmoitu valmiiksi. Kone oppii sille annetusta datasta itsenäisesti, eikä sille määritellä toimintaohjetta jokaista erillistä tilannetta varten. Se käyttää askel askeleelta datasta oppivia algoritmeja, jolloin koneoppimisen malli kehittyy. Malli opetetaan opetusdatalla ennustamaan jotain tiettyä lopputulosta, minkä jälkeen testidata selvittää, miten hyvin opetus onnistui. Tulos on sitä tarkempi, mitä enemmän mallilla on dataa käytettävissään.
Neuroverkot ja syväoppiminen
Neuroverkko on joukko neuroneita, jotka on kytketty toisiinsa ja jotka kommunikoivat keskenään. Syviä neuroverkkoja ovat neuroverkkokerrokset, jotka toimivat yhdessä. Syväoppiminen on syvien neuroverkkojen oppimista raakadatan avulla. Neuroverkot ovat hyvin laajalti sovellettavia, ja laskentatehon kehittyessä niiden kehitys jatkuu nopeana. Neuroverkkojen avulla pystytään esimerkiksi tunnistamaan valokuvasta elementtejä, kuvailemaan videon tapahtumia, kääntämään kieliä laadukkaasti ja muuntamaan puhetta tekstiksi.Merilehto 2018, luku ”Neuroverkot ja syväoppiminen”
Lainsäädäntö ja valvonta Tekoälyn käyttöönotosta käydään vuoropuhelua kansainvälisten järjestöjen, asiantuntijaelimien ja valtioiden välillä. Valtiot ja niiden yhteiset elimet, kuten YK ja Euroopan unioni, valmistelivat vuodesta 2019 alkaen lainsäädäntöä ja valvontaa, jotta tekoälyn kielteisiä ilmiöitä voidaan ehkäistä ja kehitystä ohjata oikeaan suuntaan.Siukonen & Neittaanmäki 2019, s. 95.
Tekoälyyn liittyvistä teknisistä asioista sovitaan kansainvälisissä standardointijärjestöissä, kuten ISO:ssa ja IEC:ssä sekä niiden yhteisessä työryhmässä. Niiden yleiskokous perusti vuonna 2017 alakomitean tekoälyn standardien määrittelemiseksi. Standardien avulla voidaan varmistua muun muassa tekoälysovellusten luotettavuudesta, turvallisuudesta ja yhteensopivuudesta.Siukonen & Neittaanmäki 2019, s. 95–96.
Tekoälyn käyttöä tarkkailee vuonna 2009 perustettu The International Committee for Robot Arms Control (ICRAC). Se edistää robottien rauhanomaista kehittämistä ja pyrkii luomaan säännöt aseistettujen robottien käytölle. Myös tappavien autonomisten asejärjestelmien kansainvälisen oikeuden lainsäädäntö on kehitteillä.Siukonen & Neittaanmäki 2019, s. 96.
Münchenissä vuonna 2018 järjestetty kansainvälinen kyberturvallisuuskokous hyväksyi julistuksen digitaalisen turvallisuuden tulevaisuudesta. Amnesty Internationalin järjestämä kansainvälinen kokous julkaisi vuonna 2018 Toronton julistuksen, joka otti kantaa tekoälyn eettisen käytön ja sisällön olemukseen.Siukonen & Neittaanmäki 2019, s. 98–99.
Euroopan komissio julkaisi vuonna 2018 tekoälyä koskevan strategia-asiakirjan, jossa EU:lle sovitellaan johtavaa asemaa tekoälyn eettisten säännöstöjen laatimisessa. Strategian mukaan EU:n tulisi perustaa digitaalisen teknologian ja tekoälyn eettinen komitea. Komissio varasi keväällä 2018 tutkimusbudjetistaan 1,5 miljardia euroa tekoälyn kehittämiseen sekä perusti korkean tason asiantuntijaryhmän seuraamaan alan kehitystä. Ranskan presidentti Emmanuel Macron näkee tekoälyn paitsi teknologisena myös poliittisena vallankumouksena, jossa vastakkain olevat kolme voimapistettä ovat Yhdysvallat, Kiina ja EU.Siukonen & Neittaanmäki 2019, s. 101–103.
Vuonna 2024 Euroopan unioni (EU) sääti tekoälysäädöksen, jota pidetään maailman ensimmäisenä tekoälyn käyttöä yhteiskunnassa kattavasti säätelevänä lainsäädäntönä. Säädös jakaa tekoälyn käyttökohteet neljään eri luokkaan niiden terveyteen, turvallisuuteen ja perusoikeuksiin kohdistuvien riskien perusteella, mikä määrittää sitä, miten tiukkaa sääntelyä niihin kohdistuu. Ei-hyväksyttävän riskin tekoälyjärjestelmät, kuten sosiaaliset luottoluokitusjärjestelmät, tullaan kieltämään kokonaan EU:n sisämarkkinoilta. Korkean riskin luokassa ovat muun muassa kriittiseen infrastruktuuriin, rekrytointiin, terveydenhuoltoon sekä lain- ja rajavalvontaan käytettävät tekoälyjärjestelmät. Matalan riskin luokassa sääntely on kevyttä, ja neljänteen pienen tai olemattoman riskin kuuluvat kaikki loput tekoälyn käyttökohteet.
Kilpailukyky ja sääntely Vuonna 2024 uutisoitiin, että EU oli jäänyt jälkeen Kiinasta ja Yhdysvalloista tekoälyn kehityksessä. EU:n sääntely yksityisyydensuojasta ja datan siirrettävyydestä rajoittaa mahdollisuuksia saada riittävän laajoja ja monipuolisia aineistoja tekoälyn opettamiseen ja kehittämiseen. Yritysjohtaja Laila Danielsen vertasi tätä siihen, että Euroopan jalkapallojoukkueessa olisi kolme pelaajaa ja 11 erotuomaria. Teksasin yliopiston tekoälyprofessori Risto Miikkulaisen mukaan Yhdysvalloissa innovaatioita pidetään tärkeänä, eikä kilpailukykyä haluta heikentää.
Yhdysvallat johti kielimalleissa vuonna 2024, mutta meinasi jäädä Kiinan taakse. Kiina pyrkii kärkeen vuoteen 2030 mennessä ja johtaa jo patenteissa, julkaisuissa, rahoituksessa ja johtavissa tutkimuslaitoksissa ja hyödyntää tekoälyä laajasti kansalaisten valvonnan tukena. Kiinaa tosin haittaa se, että internetin sensurointi vähentää saatavilla olevaa tekstimuotoista dataa.