Se on yleinen psykologinen ilmiö: jos toistat mitä tahansa sanaa tarpeeksi monta kertaa, se menettää lopulta kaiken merkityksensä ja hajoaa kuin läpimärkä kudos foneettiseen olemattomuuteen. Monille meistä ilmaisu ”tekoäly” hajosi tällä tavoin jo kauan sitten. Tekoäly on tällä hetkellä kaikkialla teknologiassa, ja sen sanotaan olevan voimanlähteenä kaikessa televisiosta hammasharjaan, mutta koskaan sanat itsessään eivät ole merkinneet vähemmän.

Sen ei pitäisi olla näin.

Vaikka ilmaisua ”tekoäly” käytetään kiistatta, kiistatta väärin, teknologia tekee enemmän kuin koskaan – sekä hyvässä että pahassa. Sitä käytetään terveydenhuollossa ja sodankäynnissä; se auttaa ihmisiä tekemään musiikkia ja kirjoja; se tutkii ansioluettelosi, arvioi luottokelpoisuutesi ja muokkaa puhelimellasi ottamiasi valokuvia. Lyhyesti sanottuna se tekee päätöksiä, jotka vaikuttavat elämääsi, halusitpa sitä tai et.

Voi olla vaikea sovittaa yhteen sitä hypeä ja kohua, jolla teknologiayritykset ja mainostajat puhuvat tekoälystä. Otetaan esimerkiksi Oral-B:n Genius X -hammasharja, yksi monista tämän vuoden CES-messuilla esitellyistä laitteista, jotka mainostivat oletettuja ”tekoälykykyjä”. Lehdistötiedotteen ylimmän rivin ohi mentäessä tämä tarkoittaa kuitenkin vain sitä, että se antaa melko yksinkertaista palautetta siitä, harjaatko hampaita oikean ajan ja oikeissa paikoissa. Mukana on joitakin älykkäitä antureita, jotka selvittävät, missä kohtaa suuta harja on, mutta tekoälyksi kutsuminen on pelkkää hölynpölyä, ei muuta.

Kun kyseessä ei ole hype, kyseessä on väärinkäsitys. Lehdistö voi liioitella tutkimusta, liittämällä Terminatorin kuvan mihin tahansa epämääräisesti tekoälystä kertovaan juttuun. Usein syynä on sekaannus siitä, mitä tekoäly edes on. Se voi olla hankala aihe muille kuin asiantuntijoille, ja ihmiset sekoittavat usein virheellisesti nykyisen tekoälyn siihen versioon, jonka he tuntevat parhaiten: scifi-visioon tietoisesta tietokoneesta, joka on monta kertaa ihmistä älykkäämpi. Asiantuntijat kutsuvat tätä tekoälyä keinotekoiseksi yleiseksi älykkyydeksi, ja jos me joskus luomme jotain tällaista, se on todennäköisesti kaukana tulevaisuudessa. Siihen asti tekoälyjärjestelmien älykkyyden tai kykyjen liioittelu ei auta ketään.

On siis parempi puhua ”koneoppimisesta” kuin tekoälystä. Se on tekoälyn osa-alue, joka käsittää lähes kaikki menetelmät, joilla on tällä hetkellä suurin vaikutus maailmaan (mukaan lukien niin sanottu syväoppiminen). Ilmaisuna se ei ole yhtä mystinen kuin ”tekoäly”, mutta se auttaa paremmin selittämään, mitä teknologia tekee.

Miten koneoppiminen toimii? Viime vuosien aikana olen lukenut ja katsonut kymmeniä selityksiä, ja mielestäni hyödyllisin ero on jo nimessä: koneoppimisessa on kyse siitä, että tietokoneet oppivat itse. Mutta mitä se tarkoittaa, on paljon suurempi kysymys.

Aloitetaan ongelmasta. Sanotaan, että haluat luoda ohjelman, joka tunnistaa kissoja. (Jostain syystä se on aina kissoja). Voisit yrittää tehdä tämän vanhanaikaisella tavalla ohjelmoimalla eksplisiittisiä sääntöjä, kuten ”kissoilla on teräväkorvat” ja ”kissat ovat karvaisia”. Mutta mitä ohjelma tekisi, kun sille näytetään tiikerin kuva? Jokaisen tarvittavan säännön ohjelmointi olisi aikaa vievää, ja matkan varrella pitäisi määritellä kaikenlaisia vaikeita käsitteitä, kuten ”karvaisuus” ja ”terävyys”. Parempi antaa koneen opettaa itse itseään. Annat sille valtavan kokoelman kissakuvia, ja se tutkii niitä löytääkseen omat mallinsa näkemästään. Se yhdistää pisteitä aluksi melko sattumanvaraisesti, mutta voit testata sitä yhä uudelleen ja uudelleen ja säilyttää parhaat versiot. Ajan myötä se oppii melko hyvin sanomaan, mikä on kissa ja mikä ei.

Niin pitkälle, niin ennustettavaa. Itse asiassa olet luultavasti lukenut tällaisen selityksen ennenkin, ja olen pahoillani siitä. Tärkeää ei kuitenkaan ole lukea glossaa vaan oikeasti miettiä, mitä tuo glossa merkitsee. Mitä sivuvaikutuksia on sillä, että päätöksentekojärjestelmä oppii tällä tavoin?

Noh, tämän menetelmän suurin etu on kaikkein ilmeisin: sitä ei tarvitse koskaan varsinaisesti ohjelmoida. Toki teet helvetin paljon puuhastelua, parannat sitä miten järjestelmä käsittelee dataa ja keksit älykkäämpiä tapoja omaksua tietoa, mutta et käske sitä mitä etsiä. Tämä tarkoittaa, että se voi havaita kuvioita, joita ihmiset eivät ehkä huomaa tai joita he eivät tule ajatelleeksi. Ja koska ohjelma tarvitsee vain dataa – ykkösiä ja nollia – sen voi kouluttaa moniin tehtäviin, koska nykymaailma on täynnä dataa. Kun kädessäsi on koneoppimisen vasara, digitaalinen maailma on täynnä nauloja, jotka ovat valmiina lyötäväksi paikoilleen.

Mutta mieti sitten myös haittoja. Jos et nimenomaisesti opeta tietokonetta, mistä tiedät, miten se tekee päätöksensä? Koneoppimisjärjestelmät eivät voi selittää ajatteluaan, ja se tarkoittaa, että algoritmisi voi toimia hyvin vääristä syistä. Koska tietokone tuntee vain syötetyt tiedot, se saattaa omaksua vääristyneen näkemyksen maailmasta tai olla hyvä vain kapeissa tehtävissä, jotka muistuttavat sen aiemmin näkemiä tietoja. Sillä ei ole sellaista tervettä järkeä, jota ihmiseltä voisi odottaa. Voisit rakentaa maailman parhaan kissantunnistusohjelman, eikä se ikinä kertoisi sinulle, että kissanpentujen ei pitäisi ajaa moottoripyörällä tai että kissaa kutsutaan todennäköisemmin nimellä ”Tiddles” kuin ”Megalorth the Undying.”

Tietokoneiden opettaminen oppimaan itsekseen on loistava oikotie. Ja kuten kaikki oikotiet, siihen liittyy kulmista karsimista. Tekoälyjärjestelmissä on älyä, jos sitä sellaiseksi haluaa kutsua. Mutta se ei ole orgaanista älykkyyttä, eikä se pelaa samojen sääntöjen mukaan kuin ihmiset. Yhtä hyvin voi kysyä: kuinka älykäs on kirja? Millaista asiantuntemusta paistinpannuun on koodattu?

Missä mennään nyt tekoälyn kanssa? Sen jälkeen, kun otsikot ovat vuosikausia kertoneet seuraavasta suuresta läpimurrosta (jota ei ole vielä lopetettu), jotkut asiantuntijat ovat sitä mieltä, että olemme saavuttaneet jonkinlaisen tasanteen. Mutta se ei oikeastaan estä edistystä. Tutkimuspuolella on valtavasti tutkittavaa nykyisen tietämyksemme puitteissa, ja tuotepuolella olemme nähneet vasta algoritmisen jäävuoren huipun.

Kai-Fu Lee, pääomasijoittaja ja entinen tekoälytutkija, kuvailee nykyistä hetkeä ”toteutuksen aikakaudeksi” – ajaksi, jolloin teknologia alkaa ”valua ulos laboratoriosta ja maailmalle”. Benedict Evans, toinen pääomasijoitusstrategi, vertaa koneoppimista relaatiotietokantoihin, yritysohjelmistotyyppiin, joka teki omaisuuksia 90-luvulla ja mullisti kokonaisia toimialoja, mutta se on niin arkipäiväistä, että silmäsi luultavasti lasittuvat jo noiden kahden sanan lukemisen jälkeen. Molemmat heistä haluavat sanoa, että olemme nyt pisteessä, jossa tekoälystä tulee nopeasti normaalia. ”Lopulta melkein kaikessa on jossain sisällä jotain, eikä kukaan välitä”, Evans sanoo.

Hän on oikeassa, mutta emme ole vielä niin pitkällä.

Tässä ja nyt tekoäly – koneoppiminen – on vielä jotain uutta, joka jää usein selittämättä tai tutkimatta. Niinpä tämän viikon The Vergen erikoisnumerossa, AI Weekissä, näytämme, miten kaikki tapahtuu juuri nyt, miten tätä teknologiaa käytetään muuttamaan asioita. Tulevaisuudessa se on niin normaalia, ettet edes huomaa sitä.