Voiko tekoäly ylittää ihmisen loogisen ajattelun lisäksi myös luovuuden? AlphaGon esiinmarssi sai meidät miettimään tekoälyn potentiaalia ja rajoituksia uudelleen pelkän teknologisen innovaation tuolla puolen. Tutkitaan yhdessä syväoppimisen mukanaan tuomia muutoksia ja tekoälyn tulevaisuutta.
Vuonna 2016 Google DeepMindin kehittämä AlphaGo-peliohjelma loi maailmanlaajuisesti merkittävän tapahtuman. AlphaGo saavutti ennätyksen 4 voittoa ja 1 tappion ottelussaan legendaarista 9-danin go-pelaajaa Lee Sedolia vastaan. Tämä oli ensimmäinen kerta go-pelien historiassa, kun tekoäly voitti ammattilaispelaajan. Go-peliä pidettiin pelinä, jossa tekoälyn olisi vaikeampi voittaa ammattilaisia kuin shakkia. Syynä tähän on se, että vaikka shakkia pelataan rajoitetulla 8×8-laudalla kiinteillä nappuloilla, Go-pelissä on otettava huomioon lukemattomia mahdollisuuksia valtavalla 19×19-ruudukolla. Kaikkien mahdollisten siirtojen laskeminen näillä 361 ruudulla vaatii valtavaa laskennallista työtä, mikä on mahdoton tehtävä yksinkertaisille algoritmeille.
AlphaGo kuitenkin voitti tämän haasteen uuden tekoälyalgoritmin, syväoppimisen, ansiosta. Tämän ansiosta se kykeni voittamaan maailman vahvimman Go-pelaajan. Syväoppiminen on noin 50 vuoden tekoälyn kehitystyön tulos, jossa käytetään innovatiivista menetelmää, joka on vertaansa vailla olemassa oleviin algoritmeihin verrattuna. Tekoälyn historia ulottuu 20-luvun puoliväliin, ja se sai alkunsa Alan Turingin ehdottamasta tekoälyn käsitteestä. Turingin teoria, joka yhdistetään kuuluisasti Turingin testiin, tuli myöhemmin varhaisen tekoälytutkimuksen kulmakiveksi, mukaan lukien matemaattisten todistusten ohjelmat ja shakinpeliohjelmat. Tietokoneilla ei kuitenkaan ollut tuolloin riittävästi laskentatehoa, ja ne saavuttivat väistämättä rajansa algoritmien kanssa, jotka yksinkertaisesti laskivat kaikki mahdolliset skenaariot.
Näiden rajoitusten voittamiseksi tutkijat tutkivat erilaisia lähestymistapoja, joista yksi oli koneoppimisena tunnettu algoritmi. Toisin kuin perinteiset algoritmit, jotka käsittelevät syötteiden ja tulosteiden välisiä kiinteitä suhteita, koneoppiminen käyttää menetelmää, jossa ohjelmat oppivat erilaisista tiedoista löytääkseen sääntöjä ja kaavoja itsenäisesti. Erityisesti erilaisten oppimismenetelmien – kuten ohjatun oppimisen, ohjaamattoman oppimisen ja vahvistusoppimisen – kehittäminen paransi tekoälyn suorituskykyä merkittävästi.
AlphaGon tapauksessa se oppi Go-pelin analysoimalla noin 30 miljoonaa ammattilaispelien ennätystä. Tämän prosessin aikana se oppi Go-pelin perussäännöt tietueista ohjatun oppimisen avulla ja hankki itsenäisesti vakioliikkeitä ja vastausstrategioita kuhunkin tilanteeseen itseoppimisen avulla. Lopuksi, vahvistusoppimisen avulla, se sai kyvyn arvioida kunkin siirron voittoprosenttia ja valita siirron, jolla on suurin voittotodennäköisyys. Tämän oppimisprosessin ansiosta AlphaGo saavutti tason, jolla se kykeni voittamaan 9 danin ammattilaisen Lee Sedolin.
Syväoppiminen on koneoppimiseen perustuva tekoälyverkkoalgoritmien kehittyneempi muoto. Tekoälyverkkoalgoritmit matkivat tapaa, jolla biologiset neuronit yhdistyvät, ja johtavat tuloksiin useiden prosessien kautta. Vaikka varhaisilla neuroverkoilla oli rajoituksia, syväoppiminen paransi joustavuutta pinoamalla nämä prosessit useille tasoille. Lisäksi modernin laskentatehon kehitys mahdollisti syväoppimisen valtavat laskennalliset vaatimukset, mikä teki tästä algoritmista tekoälytutkimuksen ydinteknologian.
Syväoppimisen uusi nousu on aloittanut tekoälyn uuden kulta-ajan. Aikoinaan merkittävä, mutta pian pimeään aikaan siirtyvä tekoäly osoittaa nyt uutta lupausta. AlphaGon menestys osoitti tekoälyn kyvyn ratkaista monimutkaisia ongelmia, mikä avasi uusia horisontteja tekoälytutkimukselle. On odotettavissa, että päivä, jolloin tekoälyllä on ihmisen kaltaiset kognitiiviset kyvyt, ei ole kaukana. AlphaGon esiinmarssi oli merkittävä virstanpylväs, joka osoitti tekoälyn edenneen tasolle, jolla se pystyi aidosti kilpailemaan ihmisten kanssa, paljon muutakin kuin vain muuttamaan Go-maailmaa.
AlphaGo on siis edelleen symbolinen kokonaisuus, joka toteutti tekoälyn potentiaalin, josta ihmiskunta oli jo pitkään unelmoinut, ylittäen pelkän teknisen saavutuksen rajat. Ottaen huomioon, että tekoälyn kehitys on vasta alussa, tekoälyn vaikutus yhteiskuntaamme tulevaisuudessa on lähes käsittämätön.
Odotukset ihmisen luovuuden ja teknologian yhdistymisen tulevaisuudesta ja sen mukanaan tuomista muutoksista kasvavat jatkuvasti. Tekoälyn tulevaisuus muovautuu parhaillaan, ja me olemme tämän muutoksen keskiössä.
