Artikkelit

Milloin kone korvaa sinut rakastamassasi työssä?

Istuin jokin aika sitten työpajanjälkeisellä lasillisella parin osallistujan ja mukana olleen asiantuntijavieraan kanssa. Olimme juuri viettäneet intensiivisen iltapäivän tekoälyn äärellä. Keskustelu jatkui vilkkaana.

Istunnon päätteeksi minua vastapäätä istunut asiantuntijavieras esitti kysymyksen, jota jäin pohtimaan matkalla kotiin.

”Milloin kone korvaa sinut työssä, jota tällä hetkellä teet?”

Uuden teknologian vaikutus työelämään on noussut isosti keskusteluun viimeisen parin vuoden aikana. Tuotannollisessa työssä robotit ovat jo monin paikoin korvanneet ihmisen. Seuraava aalto iskee valkokaulusammatteihin. Koneet eivät ainoastaan korvaa suorittavaa työtä, ne korvaavat myös asiantuntijuutta. Datan käsittelyssä kone on päihittänyt ihmisen 100-0 jo hyvän aikaa sitten.

En kuitenkaan ole asiantuntija. Tehtäväni ei ole tietää. Autan ihmisiä tekemään, oppimaan ja oivaltamaan. En koe tekeväni työtä tiedolla vaan luovuudella, läsnäololla ja kohtaamisella.

Älykkäiden järjestelmien uhat ja mahdollisuudet ovat kyllä säännöllisesti arjessa esillä. Päällimmäinen ajatukseni on, että teen työtä, joka on varsin suojassa koneiden vallankumoukselta. Netistä löytyy sivustoja, joilla voi testata kehittyvän teknologian vaikutuksen eri ammatteihin. Parin testin perusteella minun pitäisi voida nukkua yöni rauhassa. Itse asiassa odotan, että koneet tulisivat ja hoitaisivat viimeisenkin tylsän osan arkeani mahdollisimman nopeasti. Toistettavia, rutiininomaisia töitä en jäisi kaipaamaan. Odotan, että teknologia kuratoi minulle entistä paremmin merkityksellistä tietoa. Odotan, että teknologia keventää kognitiivista kuormaani muistaa arkeen liittyviä velvoitteita – eikä ainoastaan muistuttamalla minua vaan hoitamalla töitä puolestani.

Odotan, että teknologia vapauttaa minulle aikaa siihen osaan arkea, jota rakastan kaikista eniten.

Minusta on mahtavaa tehdä töitä ihmisten, käytännön tekemisen ja osaamisen kehittämisen parissa. En keksi työelämästä mitään parempaa kuin auttaa ihmisiä toteuttamaan itseään ja omaa tarkoitustaan. Ja se kiinnostaa. En väitä olevani vielä erityisen hyvä, mutta sen äärellä haluan olla ja kehittyä.

Jos ihmisen kasvumahdollisuuksille ei ole vielä löydetty rajoja ei sitä ole näköpiirissä myöskään teknologialle. Sen lisäksi, että jatkuvasti kasvava laskentateho on tuonut ruutia matemaattisten mallien pyörittelyyn, tiedemiehet ovat kehittäneet teknologiaa älykkääseen tiedonkäsittelyyn. 1990-luvun merkkitapaus oli IBM:n Deep Blue -tietokoneen shakkiottelu maailman parhaan pelaajan Garri Kasparovin kanssa. Shakki on älykköjen peli, mutta lopulta siinä on rajallinen – joskin varsin iso – määrä erilaisia pelitilanteita ja siirtomahdollisuuksia. Tämä tarkoittaa, että pohjimmiltaan shakki on täyden informaation peli, jossa erilaisten vaihtoehtojen käsittelyyn ei lopulta vaadita kovin suurta älykkyyttä. Ennen kaikkea tarvitaan tehokas algoritmi – eli toimintamalli – ja laskentatehoa.

Tämän vuosikymmenen puheenaihe sen sijaan on ollut AlphaGo. Se on Googlen omistama tekoäly, joka voitti 2016 pelatussa viiden ottelun sarjassa maailman parhaana pidetyn Go-pelaajan Lee Sedolin 4-1. Go on noin 3000 vuotta sitten Kiinassa keksitty strategiapeli, jota pidetään maailman vaikeimpana älykköurheilun muotona. Toisin kuin shakissa, Gossa mahdollisia erilaisia pelitilanteita on kuitenkin valtaisa (sanotaan, että lähes ääretön) määrä. Laskentatehoa hyödyntävä analyyttinen vaihtoehtoisten pelitilanteiden ja siirtojen tarkastelu ei tällöin onnistu. Gon pelaamisessa puhutaankin intuitiosta. Toisin kuin analyyttisessä ajattelussa, intuitiossa tieto ei ole tietoisen ajattelun tulosta. Ihmisen ajattelu on erityisesti intuitiivista, jossa tietoinen päättely tulee perässä, jos on tullakseen.

Koska erilaisten pelitilanteiden koodaaminen koneen tietokantaan ei ollut mahdollista, AlphaGo oli toteutettu toisin. Se oli opetettu pelaamaan peliä. Koneeseen oli ladattu alkudataksi tuhansien amatöörien pelitiedot. Kone myös harjoitteli ammattipelaajia vastaan. Ennen kaikkea kone alkoi harjoitella pelaamalla itseään vastaan. Älykkään ratkaisun tunnuspiirre on, että sen algoritmi oppii kehittämään itse itseään. Älykäs ratkaisu siis oppii ihmisen tavoin tekemistään virheistä. Koska kone ei väsy, se jaksaa treenata käytännössä loputtomiin. Ottelun lopputulos oli kuitenkin yllätys niin Sedolinille kuin AlphaGon kehittäjille. Merkille pantavaa oli, että Go-pelin asiantuntijat analysoivat AlphaGon pelanneen yllättävästi ja luovasti. Juuri niin kuin vuosituhansien viisaudella peliä kuuluukin pelata. Kuulostaa intuitiolta.

Lee Sedolin on pelannut Gota lapsesta alkaen tuntitolkulla päivässä. On vaatinut vuosikymmeniä ankaraa harjoittelua tulla maailman parhaaksi. AlphaGo kehitti itseään vajaa puoli vuotta ennen ottelua pelaten tuhansia harjoitusotteluita. Mutta ajattelepa tätä: AlphaGo´n uudempi versio AlphaGo Zero saavuttaa alkuperäisen version kyvyt kolmessa päivässä ilman, että siihen on syötetty yhtään lähtödataa, ainoastaan pelin säännöt.

Älykkyyteen ei ole yhtä hyväksyttyä määritelmää. Alan Turingin (1912-1954) kehittämän Turingin testin mukaan ratkaisua voidaan pitää älykkäänä, jos ihminen ei tunnista sitä vuorovaikutustilanteessa koneeksi. Älykkään teknologian mahdollistavien neuroverkkojen kehittämisessä pyritään jäljittelemään ihmisen tapaa ajatella ja oppia. Vaikka ihmisen aivotoimintaa ei ole täysin ratkaistu, AlphaGon kyvyt saavat miettimään, mihin teknologia vielä kykenee.

Työpajan jälkeistä kotimatkaa taittaessa tulikin pohdittua, mikä on rakastamani työn tulevaisuus. Niin turvatulta kuin olo tällä hetkellä tuntuukin, onko mahdollista, että kone vielä jonain päivänä tulee ja vie sen? Millainen työkaveri tai ajattelukumppani esimerkiksi AlphaGo voi viiden, kymmenen tai kahdenkymmenen vuoden päästä olla? Koen tuntevani ainoastaan jäävuoren huippuja uudesta teknologiasta, mutta siinä pimenevässä illassa taivaltaessani en voinut poissulkea mahdollisuutta tulla syrjäytetyksi.

Minulla on kuitenkin mahdollisuus. Voin aina rakastua uudelleen.