Digiarjessa-blogi

Unohda tulevaisuushype – tekoälyn taika tunnettiin jo antiikissa

antiikin-analytiikka

Tekoälystä puhuttaessa syöksymme usein käsitteen määrittelyyn ja lopulta siihen, miten koneet ottavat vallan. Tärkeämpää olisi keskittyä siihen, mitä tekoälyllä voidaan saada aikaan tässä ja nyt. Perusteet tähän löytyvät jo Antiikin Kreikasta.

Minua on häirinnyt koko tekoälyllisen työurani aikana se, että kun haluamme puhua tekoälystä, keskitymme aivan liikaa siihen, mitä tekoäly on ja mitä se ei ole, sekä siihen kuka tämän ihmeellisen luonnonvoiman on oikein keksinyt.  

Haluaisin keskittyä enemmän itse reikään seinässä, kuin porakoneiden ominaisuuksien intohimoiseen vertailuun. Olisi hienoa puhua niistä merkittävistä hyödyistä ja ratkaisuista, joita on saatu aikaan, oli työkaluna sitten tekoäly, keinoäly, deep learning, neuroverkot, vahva tekoäly, ohjattu oppiminen, koneoppiminen, algoritmi tai tilastollinen mallinnus. Lopputulos ratkaisee tässäkin, kuten kovin monessa muussakin asiassa.

Uskon tässä asiassa kuuluisaan itävaltalaiseen filosofiin Ludwig Wittgensteiniin. Hänen mukaansa ”sanojen merkitys on niiden käytössä ja filosofit kompastuvat usein abstrakteihin sanoihin.” Eli tärkeämpää, kuin miettiä mitä on itse tekoäly, on keskittyä siihen, mitä sillä voi saada aikaan tässä ja nyt.

Niin usein päädymme keskusteluissa vain määrittelemään tekoälyä käsitteenä, ja lopuksi siihen, miten koneet ottavat vallan. Jotkut jopa ovat sitä mieltä, että parempi vain, kun jatketaan ruutupaperilla ja lyijykynällä, niinhän on aina tehty. Tekoäly paha ja ihminen hyvä, vaikka nimenomaan 1600-luvulla Thomas Hobbes totesi, että ”ihminen on ihmiselle susi”, perusluonnoltaan pahansuopa, minkä vuoksi elämä luonnontilassa on ”yksinäinen, kurja, häijy, raaka ja lyhyt”.

Tekoälyn pitkä historia

No mistä tekoäly on sitten saanut alkunsa ja onko syntyhistorialla itse asiassa mitään väliä? Yksi kuuluisimmista lähtöpisteistä on Turingin kone, joka on teoreettinen malli sille, miten tietokone toimii. Mallin kehitti matemaatikko Alan Turing vuonna 1936 määritelläkseen tarkasti käsitteen algoritmi. Turingin kone on tarkoitettu algoritmisen ratkaisun mahdollisuuksien rajojen tarkkailuun.

Tässäkin asiassa haluaisin itse hypätä vieläkin syvemmälle, filosofien tasolle, jossa itse koko analytiikka ja deduktiivinen päättely on keksitty. Eli sinne, mikä on kaiken analyyttisen ajattelun keskiössä. Tällöin pääsemme tekoälyn antiikkiseen historiaan noin 400-300 vuotta ennen ajanlaskumme alkua, jolloin Aristoteles määritteli ensimmäisen kerran syllogistisen logiikan. Se oli ensimmäinen deduktiivinen päättelysysteemi.

Aristoteleen suunnittelema syllogistiikka oli myös ensimmäinen systemaattinen logiikan järjestelmä. Syllogismi on loogisen päätelmän muoto, jossa on kolme lausetta: kaksi premissiä ja niistä loogisesti seuraava johtopäätös. Syllogismi on deduktiivista päättelyä, jossa johtopäätös on suoraan johdettavissa annetuista premisseistä, eli päätelmät ovat varmasti tosia, kunhan premissit ovat tosia.

Tätä luonnollisella kielellä esitettyä päätelmää eli argumenttia voidaan tarkastella myös loogisesti, sen abstraktin muodon kannalta:

Kaikki A:t ovat B.

S on A.

________________________________

Siis: S on B.

Antiikkinen tekoäly arjessamme

Tiedämmekö kaikki syllogistiset päättelyketjut omassa organisaatiossamme, jotka löytämällä voisimme kehittää toimintaamme sekä parantaa työ- ja asiakastyytyväisyyttä merkittävästi? Rohkenen väittää, että emme! Ja tämä usein pelkästään siitä syystä, että tietoa eli dataa on niin paljon, että sitä ei voi käsitellä ilman koneellista käsittelyä ja laskentaa.

Kuinka monta liiketoimintaa kehittävää syllogistista asiaa meillä on kaikessa siinä tietomassassa (datassa), jota meillä yrityksissä ja organisaatioissa nykyään on? Ja kuinka moni olisikaan löydettävissä koneoppimisen keinoin jopa pelkästään ”antiikkista tekoälyä” hyödyntämällä.

Yksinkertaistettuina käytännön esimerkkeinä meillä voisi olla seuraavat suuret datamassat, joita ei käsin pystytä perkaamaan, mutta joista louhimalla voidaan löytää seuraavat päättelyketjut:

Kaikki, jotka tilasivat tuotteen A ovat 35-45 vuotiaita.

Henkilö S on 42 vuotias, mutta ei ole vielä ostanut tuotetta A

________________________________

Siis: S on potentiaalia tuotteen A ostaja (dynaaminen ostosegmentti tuotteelle A).

Markkinointiosasto: Markkinointikampanja pystyyn S-look-a-like kohderyhmälle!

 

Kaikki yli 5 vuotta samassa projektissa olleet työntekijät ovat irtisanoutuneet 65 % todennäköisyydellä seuraavan kahden vuoden aikana.

S on ollut projektissa 5,5 vuotta.

________________________________

Siis: S on lähitulevaisuudessa irtisanoutumassa 65 %:n todennäköisyydellä.

Esimies: Jutelle hetki S:n kanssa hänen urasuunnitelmistaan!

Mitä jos pyrkisimme jatkossa suuntamaan keskustelumme enemmän siihen, mitä tekoälyllä saamme aikaan ja siihen, että aina ei tarvitse aloittaa kaikkein hienoimmista ja monimutkaisimmista sovellutuksista. Jopa pelkkä ”antiikkinen tekoäly” voi vastata moneen perushaasteeseen ja parantaa organisaation toimintaa. Kyse voi monesti olla ihan yksinkertaisesta automaattisesta tietojenkäsittelystä eli ATK:sta. Eikö retro nyt jo muutenkin ole muotia?

”Kurottaessaan tähtiin hän unohtaa kukat jalkojensa juuressa.” - Jeremy Bentham (valistusfilosofi, juristi ja uudistaja)

New call-to-action


analytiikka   tekoäly


Tilaa blogikirjoitukset sähköpostiisi