Tutkijat eivät täysin ymmärrä, miten internetistä kopioiduilla materiaaleilla koulutetut tekoälyjärjestelmät osaavat käyttää ohjelmointikieliä, pelata pelejä ja selvitä asianajajan pääsykokeesta. Heillä on kuitenkin teorioita siitä, miten tekoäly oppii asioita, joita kukaan ei ole sille opettanut. Asiasta uutisoi Scientific American.
ChatGPT:n kaltaiset tekoälyjärjestelmät ovat itsesssään yksinkertaisia. Niille annetaan valtavasti dataa, jota ne analysoivat. Kun tekoälyltä kysytään kysymys, ennustaa algoritmi datan perusteella, mikä vastauksen seuraava sana tulisi olla.
Tämän perusteella tekoälyn tulisi vain sylkeä ulos sille syötettyä dataa eri muodossa. Jotkut tekoälytutkijat ovat antaneet tälle teorialle nimen ”stokaistinen papukaija”.
Käytännössä näin ei kuitenkaan ole. Tekoälyjärjestelmät eivät toista asioita papukaijamaisesti, vaan ovat oppineet asioita, joita ei ole ollut sille annetussa lähdemateriaalissa. Edes tekoälyjärjestelmien luojat eivät täysin ymmärrä, mitä tekoälyjärjestelmien sisällä tapahtuu.
– En tiedä kuinka tekoäly tekee sen, ja voisiko se tehdä sen samalla tavalla kuin ihmiset. Joka tapauksessa, ajatteluni on muuttunut, kommentoi Santa Fe -instituutissa työskentelevä tekoälytutkija Melanie Mitchell.
Lukuisat kokeet kuitenkin osoittavat, että ilmiön takana on sama ilmiö kuin ihmisten aivoissa: Tekoälyjärjestelmät kehittävät itse uusia malleja ulkomaailmasta.
Tähän teoriaan uskoo Montrealin yliopistossa työskentelevä tekoälytutkija Yoshua Bengio, jonka mukaan tekoäly pyrkii tietonsa perusteella rakentamaan mallin maailman toiminnasta, jonka avulla se kykenee vastaamaan kysymyksiin, johon sen koulutusdata ei anna yksiselitteisiä vastauksia.
Tämä prosessi ei Bengion mukaan kuitenkaan suoraan vertaudu ihmisten kykyyn luoda abstrakteja malleja maailman toiminnasta.
Maaliskuussa New Yorkin yliopistossa järjestetyssä tekoälykonferenssissa saatiin tästä prosessista esimerkki. Filosofi Raphaël Millière pyysi tekoälyä laskemaan Fibonaccin lukujonon 83. numeron ja antoi sille koodin ohjelmaan, jolla se voisi laskea sen. Tekoäly käytti koodia ohjelman suorittamiseen – ja laski luvun oikein. Sen sijaan kun tekoälyltä kysyttiin lukua suoraan, se antoi väärän vastauksen. Tämä viittaa siihen, että tekoäly ei vain toistanut koulutusmateriaalejaan, vaan yritti itse laskea ratkaisun.
Toisessa kokeessa tekoälylle syötettiin pelin repliikkejä. Näissä repliikeissä oli muun muassa sanoja kuten ”arkku” ja ”avain”. Vaikka tekoäly ei tiennyt, mitä nämä sanat olivat, se oppi nopeasti ymmärtämään, että avainta tarvitaan arkun aukaisemiseen.
Tekoälyllä ei ole perinteinen tietokoneohjelma, sillä sillä ei ole muistia. Millière uskookin, että näissä esimerkeissä tekoäly yrittää rakentaa alkeellista muistia itselleen käyttämällä hyväkseen kielimallin kykyä laskea todennäköisyys seuraavalle sanalle. Prosessi on sama ihmisen aivoissa, jossa olemassaolevaa tietoa hyödynnetään uuden oppimiseen.
Tutkijoita hämmästyttää myös tekoälyn kyky oppia. Aiemmin on ajateltu, että tekoäly on valmis siinä vaiheessa, kun se julkaistaan yleisölle. Sen ei tässä vaiheessa pitäisi enää oppia uusia asioita ihmisiltä. Näin ei kuitenkaan ole, vaan tekoäly pystyy sopeutumaan ja mukautumaan uuteen käyttäjien sille antamaan tietoon.
Tutkimukset osoittavat, että kielimalleihin perustuvat tekoälyt saattavat olla lähempänä eläimen aivojen tasoista AGIa (artificial general intelligence, yleinen tekoäly), kuin on aiemmin luultu.
– [Kokeet] ovat epäsuora osoitus, että emme ole enää kovin kaukana AGIsta, arvioi tekoäly-yhtiö SingularityNETin toimitusjohtaja Ben Goertzel.
Tekoälyn tutkiminen ei kuitenkaan ole helpottumassa, päinvastoin. ChatGPT:n omistava yhtiö OpenAI on halunnut pitää tekoälyn sisäisen toiminnan salaisuutena, jotta Googlen kaltaiset kilpailijat eivät pystyisi hyötymään siitä. Tämä huolettaa tutkijoita, jotka uskovat salailun vaikeuttavan tekoälyn yhteiskunnallisten vaikutusten tutkimista.
– Läpinäkyvyys näiden mallien toiminnasta on kaikkein tärkeintä turvallisuuden varmistamiseksi, Mitchell linjaa.
