Skip to content

Miten tulevat älykoneet muuttavat elämäämme ?

huhtikuu 23, 2015

1. Tosiasioita nyt ja tulevaisuudessa

Jo tänään erilaisten kokonaisuuksien digitalisaatio on muuttanut maailmaa ja muutosvauhti vain kiihtyy. Matkatoimistojen ja pankkikonttoreiden alasajo alkoi jo 2000-luvun alussa ja muutos etenee edelleen. Monen muun toiminnon kohdalla muutos on alkanut vasta 2010-luvulla esimerkkinä tästä olkoon vaikka nettikauppa. Tähän kokonaisuutteen liittyy huimasti kasvaneet tiedonsiirron määrät ja nopeudet, jotka ovat mahdollistaneet laajat ja monipuoliset tuoteluettelot ja ostajien ostokäyttäytymisen seurannan. Samalla varastot robotisoituvat ja kauppahuoneistoja ja myyjiä ei enää tarvita ja maksaminen hoituu helposti ja automaatilisesti. Teollisuusrobotteja on käytetty jo pitkään eikä muidenkaan robottien mekaanisten laitteiden valmistukseen liity ratkaisemattomia pulmia. Se joka puuttuu on robottien tehokas ohjaus. Tämä pulma on nyt ratkeamassa hermoverkkojen ja näitä toteuttavien ”älykoneiden” myötä.

2. Hermoverkot ja oppivat ohjelmat tietotekniikassa

Hermoverkkojen matemaattisia malleja on ollut jo 1950- luvulta lähtien. Ensimmäisiä tietokoneella simuloituja teoreettisia hermoverkkoja on toteutettu 1980-luvulla. Suomessa näitä kehitti professori Teuvo Kohonen. Tässä vaiheessa tietokoneiden käsittelykapasiteetti ei riittänyt näiden ratkaisujen täyden voiman esittämiseen. Niinpä tämä tutkimus käynnistyi uudelleen Googlella 2006. ( http://goo.gl/SLKpm5 )

The first thing the team did was design a massive neural net — some one billion connections distributed across 16,000 computer processors — and feed it a database of 10 million random frame grabs from YouTube. The images were unlabelled: in other words, the computer model was given an ocean of pixels and no other information. Could it learn to detect objects without human help? After three days, the researchers came back and ran a series of visualizations on the neural net to see what its strongest impressions were. Three fuzzy images emerged: a human face, a human body and a cat. ”

Tämä läpimurto tapahtui, kun työryhmä rakensi jättiläismäisen supertietokoneen ( yhteensä n. 4000 nykyistä kannettavaa tietokonetta ) ja antoi hermoverkolle syötteeksi 10 miljoonaa videoruutua YouTube:een talletetusta videoista. Näin ohjelmoitu hermoverkko löysi itsenäisesti kolme hahmoa: ihmisen kasvot ja vartalon ja kissan pään. Syynä läpimurtoon oli laitteiston massiivinen kapasiteetti. Näin siis voitiin osoittaa, että ohjelmoiduilla hermoverkoilla on kyky itsenäisesti hahmottaa kuvamerestä käsitteitä, ilman että sille annetaan mitään ohjetta tai vinkkiä.

Tällä hetkellä näitä ohjelmoituja hermoverkkoja kutsutaan anglosaksisissa maissa termillä Deep Learning. Tänään näitä itsenäisesti oppivia järjestelmiä käytetään jo laajalta. Yksi tunnetuimpia näistä ovat IBM:n Watson-järjestelmät.

(kts: Jeremy Howard: The wonderful and terrifying implications of computers that can learn http://bit.ly/1DHw9mp )

Pahinta työllisyyden kannalta tässä on se, että tämä on vasta alkua. Niin Google kuin IBM:kin joutuivat rakentamaan supertietokoneen saadakseen riittävästi käsittelykapasitettia. IBM:llä on kuitenkin jo vuodesta 2008 ollut meneillään hanke, jossa tässä tällainen perinteinen tietokone korvataan kokonaan uudella tietokonerakenteella, joka muistuttaa rakenteeltaan ja toimintatavaltaan aivoja. Tämä tutkimusryhmä on esitellyt jo tällaisia uusia ’älykoneita’ ja niiden toimintaa. ( kts: ) Nämä uudet laitteet tuovat noin 1000 000 kertaa tehokkaamman oppivan järjestelmän, kuin mitä nämä nykyisiin tietokoneihin perustuvat ovat. IBM on perustamassa jo toista tällaista ryhmää, joka kehittää hermoverkkotietokonetta. On todella vaikeata sanoa milloin nämä uudet koneet joissa on 100 – 1000 miljoonaa ’hermosolua’ siirtyvät massatuotantoon. Se on kuitenkin jo selvää, että varsin lähitulevaisuudessa tämä tapahtuu. Tällöin suurin osa ihmistyöstä voidaan korvata koneilla.

Tosin on todettava, että viimeisen vuoden aikana IBM:n sisällä näyttää syntyneen ristivetoa edetäänkö nopeasti älykoneiden kehittelyssä vai rahastetaanko perinteisellä tietokoneteknologialla ja näillä deep learning tekniikoilla. Jälkimmäinen leiri on selkeästi vahvistunut ja Watson- ratkaisuja tarjotaan jos jonkinlaiseen ympäristöön. Tämä saattanee hidastaa, mutta ei pysäyttää kehitystä.

3. Toimeentulo, työ ja tulosten jako nyt ja jatkossa

Digitalisaatio, automaatio, robotiikka ja oppivat järjestelmät ovat jo ainakin vuodesta 2000 alkaneet syödä työntekijöiden palkkatasoa ja työmäärää. Ensimmäinen arvovaltainen hyvin tunnettu raportti tästä oli MIT:n professorin Erik Brynjolfsson ja tutkijan Andrew McAfee kirja: Race Against the Machine: How the Digital Revolution is Accelerating Innovation, Driving Productivity, and Irreversibly Transforming Employment and the Economy ( http://amzn.to/15aDgjz ). Samojen tutkijoiden seuraava aihetta käsittelevä kirja on The Second Machine Age ( http://goo.gl/jHLrfx ) (kst videot: http://goo.gl/hNLpHS ja http://goo.gl/8YvcxI )

Race Against Machine -kirjan jälkeen hyvin monet puhujat ovat aihetta käsitelleet. Valtaosan johtopäätös on sama kuin jo ensimmäisen kirjan: tietotekniikan kehitys on muuttanut ihmiskunnan kehityksen peruuttamattomasti ja kohtaamme ensimmäisen kerran historiassa teollisen vallankumouksen jälkeen tilanteen, jossa työtä ei riitä kaikille. Osa puhujista vielä ajattelee, että ilmiö ei koskettaisi pitkälle koulutettuja niin voimakkaasti kuin vähemmän koulutettuja, mutta kuin huomioidaan tulevat hermoverkkokoneet ilmiö koskettaa syvältä kaikkia. Ylimenoajan kuluttua työtä riittää vain hyvin pienelle valitulle joukolle. Jo viimeistään vuodesta 2000 lähtien tuottavuuden kehitys ja palkansaajien tulokehitys ovat irronneet toisistaan. Tämän seurauksena hyvin pieni ( alle 1 % ) väestöstä kerää kaikki kasvavat tulot ja muille ei käytännössä jää mitään.

Tässä vielä linkkejä tähän liittyen:

Chrystia Freeland: The rise of the new global super-rich

http://goo.gl/3Po0zX

Humans need not apply

https://www.youtube.com/watch?v=7Pq-S557XQU

4. Arvauksia tulevaisuudesta

Teknologian nopea ja kasva kehitys on jo synnyttänyt tilanteen, joka on täysin uusi koko ihmiskunnalle. Suuri automatisointi on pitkälti valmista teknologiaa ja eteen kiihtyvällä tahdilla. Samalla se jyrkentää koko ajan syntynyttä kuilua. On selvää, että piiriteknologiaan perustuva älykone syntyy. Kun se on valmis, älyjärjestemien käytön kustannukset romahtavat ja ne valtaavat nopeasti alaa kaikkialla liike-elämässä ja yhteiskunnassa. Kuinka moni meistä muistaa että ensimmäinen älypuhelin ( Applen iPhone) on julkaistu vasta 2007 kesällä – siis 7 vuotta sitten! Tämä antaa viitteitä siihen millainen aika kaupallisen valmistamisen aloittamisesta kuluu laajamittaiseen käyttöönottoon. Jos IBM:n neuropiirikehityksen johtajan Dharmendra S. Modha ennustus siitä, että tällainen laite on valmis 2018 pitää paikkaansa, on meillä aikaa noin 10 vuotta. Tämä tulee ajamaan maailmanlaajuisen kapitalismin kaaokseen, kun työn katoaminen johtaa suuren keskiluokan nopeaan köyhtymiseen. Tällöin kulutuskysyntä romahtaa ja sitä myötä tuotanto romahtaa. Vaikka Erik Brynjolfssonin ja Andrew McAfeen tutkimuksen lopputulokset osoittavat tämän kiistatta, niin upporikkaiden vaikutusvalta USA:ssa on niin pitkä ja vankka, että juuri kukaan julkisesti asiasta puhunut ei uskalla sanoa tätä suoraan ääneen. Niin kauan kuin näin on, mitään toivoa tämän kehityksen pysäyttämiseen tai suunnan korjaukseen ei ole.

Elämme mielenkiintoisa – ehkä myös pelottavia – aikoja!

Mainokset

From → Uncategorized

Jätä kommentti

Vastaa

Täytä tietosi alle tai klikkaa kuvaketta kirjautuaksesi sisään:

WordPress.com-logo

Olet kommentoimassa WordPress.com -tilin nimissä. Log Out / Muuta )

Twitter-kuva

Olet kommentoimassa Twitter -tilin nimissä. Log Out / Muuta )

Facebook-kuva

Olet kommentoimassa Facebook -tilin nimissä. Log Out / Muuta )

Google+ photo

Olet kommentoimassa Google+ -tilin nimissä. Log Out / Muuta )

Muodostetaan yhteyttä palveluun %s

%d bloggers like this: