Tekoäly elikeinoäly taiAI (englannin sanoistaartificial intelligence) ontietokoneohjelman kyky tehdäälykkäinä pidettyjä toimintoja. Esimerkkejä tällaisista tehtävistä ovatpuheentunnistus,tietokonenäkö jakääntäminenluonnollisten kielten välillä. Tekoäly on tietojenkäsittelytieteen osa-alue, joka tutkii ja kehittää järjestelmiä, jotka kykenevät oppimaan, päättelemään ja suorittamaan tehtäviä itsenäisesti.
Tekoälyn juuret ulottuvat kauas ennen alan varsinaista perustamista. Jo vuonna 1726Jonathan Swift kuvasi romaanissaanGulliverin retket kuvitteellista konetta, joka pystyi tuottamaan tekstiä yhdistämällä sanoja eri järjestyksiin.[1] 1800-luvullaAda Lovelace kirjoittiCharles Babbagen analyyttisesta koneesta huomioita, joita pidetään ensimmäisenä tietokoneohjelmana. Lovelace kuitenkin väitti, ettei kone voi "luoda mitään omaperäistä".[2] Vuonna 1914 espanjalainen insinööriLeonardo Torres y Quevedo esitteli ensimmäisen shakkia pelaavan koneenEl Ajedrecistan. Vuonna 1943 McCulloch ja Pitts julkaisivat artikkelin, joka esitti aivojen toiminnan laskennallisena järjestelmänä ja loi pohjan keinotekoisille neuroverkoille.[1]
Alan varsinaisena lähtökohtana pidetään vuoden 1956 Dartmouthin konferenssia, jossa termi "tekoäly" otettiin käyttöön. Tätä edelsiAlan Turingin vuoden 1950 artikkeli, jossa hän esitti kuuluisanTuringin testin koneiden älykkyyden arvioimiseksi. Varhaisvuosikymmeninä kehitettiin merkittäviä järjestelmiä: RosenblatinPerceptron (1957) oli varhainen neuroverkko,ELIZA (1965) simuloi ihmiskeskustelua jaDENDRAL oli ensimmäinen asiantuntijajärjestelmä. Vuonna 1973 Lighthillin raportti kritisoi alan edistymättömyyttä, mikä johti rahoituksen vähenemiseen ja ensimmäiseentekoälytalveen. Toinen taantuma seurasi 1980-luvun puolivälissä. Ratkaiseva käännekohta oli vuoden 1986backpropagation-algoritmin julkaisu, joka mahdollisti monikerroksisten neuroverkkojen tehokkaan kouluttamisen ja loi perustan 2000-luvun syväoppimisen vallankumoukselle.[1]
2000-luvulla matemaattinen ja tilastollinen koneoppiminen alkoi hallita alaa. Ratkaiseva käänne tapahtui vuonna 2012, kunsyväoppimiseen perustuvaAlexNet voittiImageNet-kilpailun merkittävällä erolla. Tämä osoitti neuroverkkojen potentiaalinkuvantunnistuksessa ja laukaisi syväoppimisen vallankumouksen.
Vuonna 2017 Googlen tutkijat julkaisivat tutkimuksen "Attention Is All You Need", joka esitteli transformer-arkkitehtuurin.[3] Tämä arkkitehtuuri mahdollisti rinnakkaisen tietojenkäsittelyn ja pitkien riippuvuuksien oppimisen, mikä ratkaisi aikaisempienrekursiivisten neuroverkkojen perustavanlaatuisia rajoituksia. Transformer-teknologia muodostaa nykyään lähes kaikkiensuurten kielimallien perustan, mukaan lukienGPT-,Claude-,Gemini- jaLlama-malliperheet.[4][5]
Vuonna 2020OpenAI:n tutkijat julkaisivat tutkimuksen skaalauslaeista, joka osoitti, että kielimallien suorituskyky paranee ennustettavasti mallin koon, harjoitusdatan määrän ja laskentatehon kasvaessa.[6] Vuonna 2022Google DeepMindin Chinchilla-tutkimus tarkensi näitä havaintoja ja osoitti, että optimaalinen harjoitus edellyttää mallin koon ja harjoitusdatan tasapainottamista.[7] Nämä havainnot ovat ohjanneet miljardien dollarien investointeja tekoälyn kehittämiseen.
OpenAI julkaisi ChatGPT:n 30. marraskuuta 2022. Chatbot saavutti 100 miljoonaa käyttäjää kahdessa kuukaudessa, mikä teki siitä historian nopeimmin kasvaneen kuluttajasovelluksen.[8] ChatGPT:n julkaisu käynnisti niin kutsutun tekoälybuumin, joka on johtanut massiivisiin investointeihin alalle. JPMorganin mukaan tekoälyyn liittyvät osakkeet ovat tuottaneet 75 prosenttia S&P 500 -indeksin tuotoista ChatGPT:n julkaisun jälkeen.[9]
Tekoälyn tarkempi määrittely on avoin, koska älykkyyttä itsessään on vaikea määritellä.Andreas Kaplan ja Michael Haenlein määrittelevät tekoälyn "järjestelmän kyvyksi tulkita ulkoisia tietoja oikein, oppia tällaisista tiedoista ja käyttää opittuja asioita tiettyjen tavoitteiden ja tehtävien saavuttamisessa joustavan sopeutumisen kautta".[10] Tekoäly viittaa myös aihetta tutkivaan tieteen alaan.
Eräässä merkityksessä tekoälynä pidetään tietokoneohjelmaa, joka suorittaa yleisesti ihmismäistä ajattelua (laskennallinen lähestymistapa). Tämän niin kutsutun yleisen tekoälyn kehittämisen ajankohdasta ei voida antaa juurikaan luotettavia ennusteita.[11]
Suppeammassa merkityksessä tekoäly on mikä tahansa johonkin älykkääseen toimintoon kykenevä. Tällaisia tekoälyjä on jo käytössä. Käytössä olevia tekoälyn sovelluksia ovat esimerkiksiluonnollisen kielen tuottamiseen ja tunnistamiseen erikoistuneet järjestelmät, asiantuntijajärjestelmät,robottitekniikka ja viihdesovellukset.
Kun koneista tulee yhä kyvykkäämpiä, tekoälyn määritelmän kynnys usein nousee. Tämä ilmiö tunnetaan nimellä "AI effect". Esimerkiksi optista merkkien tunnistusta ei nykyään usein pidetä tekoälynä, koska siitä on tullut rutiiniteknologiaa.
Kapea eliheikko tekoäly toimii erilaisissa rajoitetuissa tehtävissä. Sillä ei ole tietoisuutta, tahtoa eikä ymmärrystä oman alansa ulkopuolella. Tämänhetkiset tekoälysovellukset ovat kaikki kapeaa tekoälyä.[12]
Yleisellä elivahvalla tekoälyllä on laaja ymmärrys asioista ja mahdollisesti ihmisen kaltainentietoisuus.[12] Yleinen tekoäly kykenee ratkaisemaan laajan skaalan erilaisia ongelmia, ja suoriutumaan mistä vain tehtävästä mistä ihminen voi suoriutua, kuten ajamaan autoa, ymmärtämään kieliä ja tekemään ruokaa. Yleistä tekoälyä ei vuoteen 2018 mennessä oltu missään vielä kehitetty.[13]
Jos tekoäly ohittaa ylivoimaisesti ihmisen kyvykkyyden kaikilla toimialoilla, voidaan puhuasupertekoälystä. Supertekoäly on toistaiseksi spekulatiivinen käsite.[12]
Tekoälyn sovelluksista suurin osa on koneoppimista. Koneoppiminen on tekoälyn osa-alue, jossa toimintaa ei ole ohjelmoitu valmiiksi. Kone oppii sille annetusta datasta itsenäisesti, eikä sille määritellä toimintaohjetta jokaista erillistä tilannetta varten. Se käyttää askel askeleelta datasta oppiviaalgoritmeja, jolloin koneoppimisen malli kehittyy. Malli opetetaan opetusdatalla ennustamaan jotain tiettyä lopputulosta, minkä jälkeen testidata selvittää, miten hyvin opetus onnistui. Tulos on sitä tarkempi, mitä enemmän mallilla on dataa käytettävissään.[13][14]
Neuroverkko on joukkoneuroneita, jotka on kytketty toisiinsa ja jotka kommunikoivat keskenään. Syviä neuroverkkoja ovat neuroverkkokerrokset, jotka toimivat yhdessä.Syväoppiminen on syvien neuroverkkojen oppimista raakadatan avulla. Neuroverkot ovat hyvin laajalti sovellettavia, ja laskentatehon kehittyessä niiden kehitys jatkuu nopeana. Neuroverkkojen avulla pystytään esimerkiksi tunnistamaan valokuvasta elementtejä, kuvailemaan videon tapahtumia, kääntämään kieliä laadukkaasti ja muuntamaan puhetta tekstiksi.[13][14]
Tekoälyn käyttöönotosta käydään vuoropuhelua kansainvälisten järjestöjen, asiantuntijaelimien ja valtioiden välillä. Valtiot ja niiden yhteiset elimet, kutenYK jaEuroopan unioni, valmistelevat lainsäädäntöä ja valvontaa, jotta tekoälyn kielteisiä ilmiöitä voidaan ehkäistä ja kehitystä ohjata oikeaan suuntaan.[15]
Tekoälyyn liittyvistä teknisistä asioista sovitaan kansainvälisissä standardointijärjestöissä, kutenISO:ssa jaIEC:ssä sekä niiden yhteisessä työryhmässä. Niiden yleiskokous perusti vuonna 2017 alakomitean tekoälyn standardien määrittelemiseksi. Standardien avulla voidaan varmistua muun muassa tekoälysovellusten luotettavuudesta, turvallisuudesta ja yhteensopivuudesta.[16]
Tekoälyn käyttöä tarkkailee vuonna 2009 perustettu The International Committee for Robot Arms Control (ICRAC). Se edistää robottien rauhanomaista kehittämistä ja pyrkii luomaan säännöt aseistettujen robottien käytölle. Myös tappavien autonomisten asejärjestelmien kansainvälisen oikeuden lainsäädäntö on kehitteillä.[17]
Münchenissä vuonna 2018 järjestetty kansainvälinen kyberturvallisuuskokous hyväksyi julistuksen digitaalisen turvallisuuden tulevaisuudesta.Amnesty Internationalin järjestämä kansainvälinen kokous julkaisi vuonna 2018 Toronton julistuksen, joka otti kantaa tekoälyn eettisen käytön ja sisällön olemukseen.[18]
Euroopan komissio julkaisi vuonna 2018 tekoälyä koskevan strategia-asiakirjan, jossa EU:lle sovitellaan johtavaa asemaa tekoälyn eettisten säännöstöjen laatimisessa. Strategian mukaan EU:n tulisi perustaa digitaalisen teknologian ja tekoälyn eettinen komitea. Komissio varasi keväällä 2018 tutkimusbudjetistaan 1,5 miljardia euroa tekoälyn kehittämiseen sekä perusti korkean tason asiantuntijaryhmän seuraamaan alan kehitystä. Ranskan presidenttiEmmanuel Macron näkee tekoälyn paitsi teknologisena myös poliittisena vallankumouksena, jossa vastakkain olevat kolme voimapistettä ovat Yhdysvallat, Kiina ja EU.[19]
Vuonna 2024Euroopan unioni (EU) säätitekoälysäädöksen, jota pidetään maailman ensimmäisenä tekoälyn käyttöä yhteiskunnassa kattavasti säätelevänä lainsäädäntönä.[20] Säädös jakaa tekoälyn käyttökohteet neljään eri luokkaan niidenterveyteen,turvallisuuteen japerusoikeuksiin kohdistuvien riskien perusteella, mikä määrittää sitä, miten tiukkaa sääntelyä niihin kohdistuu. Ei-hyväksyttävän riskin tekoälyjärjestelmät, kutensosiaaliset luottoluokitusjärjestelmät, tullaan kieltämään kokonaanEU:n sisämarkkinoilta. Korkean riskin luokassa ovat muun muassa kriittiseen infrastruktuuriin, rekrytointiin, terveydenhuoltoon sekä lain- ja rajavalvontaan käytettävät tekoälyjärjestelmät. Matalan riskin luokassa sääntely on kevyttä, ja neljänteen pienen tai olemattoman riskin kuuluvat kaikki loput tekoälyn käyttökohteet.[21]
EU on jäänyt jälkeen Kiinasta ja Yhdysvalloista tekoälyn kehityksessä. EU:n sääntely yksityisyydensuojasta ja datan siirrettävyydestä rajoittaa mahdollisuuksia saada riittävän laajoja ja monipuolisia aineistoja tekoälyn opettamiseen ja kehittämiseen. Yritysjohtaja Laila Danielsen vertaa tätä siihen, että Euroopan jalkapallojoukkueessa olisi kolme pelaajaa ja 11 erotuomaria. Teksasin yliopiston tekoälyprofessori Risto Miikkulaisen mukaan Yhdysvalloissa innovaatioita pidetään tärkeänä eikä kilpailukykyä haluta heikentää.[22]
Yhdysvallat johtaa kielimalleissa mutta meinaa jäädä Kiinan taakse. Kiina pyrkii kärkeen vuoteen 2030 mennessä ja johtaa jo patenteissa, julkaisuissa, rahoituksessa ja johtavissa tutkimuslaitoksissa ja hyödyntää tekoälyä laajasti kansalaisten valvonnan tukena. Kiinaa tosin haittaa se, että internetin sensurointi vähentää saatavilla olevaa tekstimuotoista dataa.[22]
Taiwanilais-amerikkalainen teknologia-asiantuntijaTim Wu on nostanut esille Yhdysvaltojen ja Kiinan välisessä tekoälykilvassa näkökulman, jonka mukaan Kiina pyrkii laaja-alaiseen panostukseen erilaisiin tulevaisuuteen suuntautuviin teknologioihin ja kehityssuuntiin siinä missä Yhdysvallat Wun mukaan pelaa kaiken yhden kortin varaan. Wu pitää osasyynä tähän Piilakson teknologiasektorin vaikutusvaltaa Yhdysvaltojen teknologiapolittiikkaan[23].
Tekoälyllä ja siihen liittyvilläkoneoppimisella jakonenäöllä on paljon sovelluksia, joiden käyttö yleistyy nopeasti.[24] Samaan aikaan tekoälylle keksitään uusia käyttökohteita monilla aloilla, kuten liikenteessä[24], lääketieteessä[25][12], teollisuudessa, finanssialalla jaälykaupungeissa[26]. Esimerkkejä ovat optimoidut reititGoogle Mapsissa sekäUberin jaLyftin kaltaisissa taksipalveluissa[24], autopilotit lento- ja tieliikenteessä[24], röntgenkuvien tulkinta[12], tuotantoprosessien optimointi[27],roskapostinsuodatus,vihapuheen seulonta[28],virtuaaliavustajat, metsäsuunnittelu[29], pankkien ja vakuutusyhtiöiden tekoälysovellukset, sosiaalisen median algoritmit, puheentunnistus älypuhelimissa[24] sekä tekoälyn käyttö esimerkiksi kalastuksen[30] ja orjatyön valvonnassa[31]. Tekoäly on myös osoittanut kykynsä saavuttaa huippuosaamista peleissä, kuten shakissa[32]
Lääketieteen alalla tekoäly pystyy tulkitsemaanröntgenkuvia ja tunnistaa kuvista esimerkiksiihosyövän.[12] Nykyaikainen tekoäly pystyy käymään läpi lääketieteellisiä tutkimuksia noin puoli miljoonaa sivua 15 sekunnissa. Tekoälyä käytetään terveydenhuollossa eniten Itä-Aasiassa, kuten Kiinassa, Etelä-Koreassa, Japanissa jaSingaporessa. Kiinassa on esimerkiksi otettu käyttöön tekoälysairaala, Japanissa monissa vanhainkodeissa käytetään robotteja, ja Singaporessa kehitetään esimerkiksi silmäsairauksia havaitsevaa tekoälyä.[25]
Pankkien sovellukset lukevat sekille kirjoitettua tekstiä. Pankit käyttävät neuroverkkoja vilpillisten rahansiirtojen tunnistamisessa, sillä niitä tapahtuu liian paljon ihmisten seurattavaksi. Tekoäly arvioi myös, kannattaako pankin myöntää hakijalle lainaa tailuottokorttia.[24] Finanssialan asiakaspalvelusta osan hoitavat verkossa toimivat chatbotit. Vakuutusalalla tekoälyä käytetään korvausprosessien automatisointiin. Oppiva tekoäly voi suositella asiakkaalle sopivia vakuutus- tai sijoitustuotteita. Robottineuvojat osaavat suositella asiakkaalle sopivia sijoitusratkaisuja tämän sijoitusprofiilin ja tavoitteiden pohjalta. Varainhoidossa tekoäly on tukemassa sijoituspäätöksiä.[33] Tekoäly automatisoi taloushallinnon rutiinitehtäviä. Esimerkiksi saksalainenSAP käyttää tekoälyä data-analyysien[34] tekemisessä,Danske Bank petosten tunnistamisessa[35],Ernst & Young auditoinneissa[36]. Luottokorttiyhtiöt käyttävät koneoppimista tunnistaakseen luottokorttipetokset ja myös välttääkseen väärät hälytykset.[24]
Joissain yliopistoissa ja lukioissa tekoälysovelluksia käytetäänplagioinnin tunnistamisessa. Tekoäly pystyy myös oppimaan tunnistamaan koodaajan tyylinlähdekoodista ja sitä kautta paljastamaan plagioinnin.[24]
Amazonin verkkokauppa laatii neuroverkkojensa avulla personoituja hakutuloslistoja ja suosituslistoja, jotka perustuvat käyttäjän aikaisempaan toimintaan.[24] Tekoälyn laatimia personoituja suosituslistoja tarjoavat myös esimerkiksiSpotify jaNetflix.[38][39]
GooglenDeepMindinAlphaGo Zero -tekoäly oppi nopeasti maailman parhaaksi lautapeligon pelaajaksi jaAlphaZero-tekoäly maailman parhaaksishakin pelaajaksi vuonna 2017 vain pelaamalla itseään vastaan.[32]
2020-luvulla luonnollisen kielen käsittelyjärjestelmät, kutenGPT, saavuttivat ihmisen suorituskyvyn olemassaolevissa vertailuarvoissa, vaikka järjestelmä ei saavuttanutkaan yleistä ymmärrystä vertailuarvojen sisällöstä.[40] DeepMindin AlphaFold 2 (2020) osoitti kykenevänsä laskemaan proteiinin 3D-rakenteen tunneissa kuukausien sijaan.[41] Muita sovelluksia ovat oikeudellisten päätösten ennustaminen[42], taiteen (kuten runouden tai maalausten) luominen jamatemaattisten teoreemojen todistaminen.
Tekoälyä on ryhdytty vuodesta 2016 alkaen käyttämään työkaluna ja apuvälineenä kulttuurituotteiden luomisessa. Tekoäly on esimerkiksi opetettu kirjoittamaan elokuvakäsikirjoituksia, säveltämään musiikkia ja maalaamaan tauluja olemassaolevan ihmiskunnan historian aikana tehdyn taiteen ja viihteen pohjalta niistä johdettuun data-aineistoon perustuen.
Tekoälyn avulla pystytään jäljittelemään taidemaalareiden tyyliä niin tarkasti, että taidemessujen yleisö ja taidekriitikot eivät kyselyissä ole pystyneet erottamaan tekoälyn teoksia aitojen taiteilijoiden teoksista. Tekoäly pystyy myös muuntamaan valokuvia maalausten näköisiksi eri taiteilijoiden tyyliä jäljitellen.[43]
2020-luvulla julkaistiin ensimmäisetteksti-kuvaksi -mallit, jotka luovat kuvia erilaisten tekstikomentojen perusteella. Näitä ovat muun muassa OpenAI:nDALL-E, joka esiteltiin tammikuussa 2021, Google BraininImagen jaParti, joka julkistettiin toukokuussa 2022, ja avoimen lähdekoodinStable Diffusion. Syöte voi sisältää myös kuvia, avainsanoja ja konfiguroitavia parametreja, kuten taiteellisen tyylin.
Tekoälytiede voidaan historiallisesti karkeasti jakaa perinteiseen symbolipainotteiseen tekoälytieteeseen sekä uudempaan, hahmopohjaiseen, laskennallisen älykkyyden suuntaukseen. Perinteisen tekoälytieteen työkaluja ovat muun muassaasiantuntijajärjestelmät,ontologiat jasääntöpohjainen päättely. Uudemmankonnektionistisen suuntauksen tunnetuimpia menetelmiä ovatneuroverkot,sumeat järjestelmät jaevolutionäärinen laskenta.lähde? Näistä lähestymistavoista kiisteltiin 1970-1980-luvuilla, mutta 1990-luvulla matemaattiset lähestymistavat tulivat normiksi.
Tietokoneen ihmismäisyyttä voidaan mitataTuringin testillä. Testin ajatus on, että tietokone on älykäs, jos sen vastauksia ei pysty erottamaan ihmisen vastauksista. Turingin testiä on myös arvosteltu, ja sen tilalle on ehdotettu muitakin mittareita, kuten luetunymmärtämistestiä.[44]
Tekoälyn uhkakuvaksi on nostettu, että tekoäly nopeuttaa teknologista ja sosiaalista muutosta niin paljon, etteivät ihmiset ehdi sopeutua siihen. Tällaista kehitystä kutsutaan teknologiseksi singulariteetiksi.[45]
Ihmistyön korvautuminen ja teknologinen työttömyys
Tekoälyn pelätään usein vievän ihmisiltä työpaikkoja. Tekoälyn arvellaan uhkaavan monenlaisia työtehtäviä fyysisistä ja rutiininomaisista aina korkeakoulutettujen kuten lääkäreiden ja lakimiesten töihin. Toisaalta tekoälyn arvellaan vastaavasti synnyttävän paljon uusia työpaikkoja etenkin uusien teknologioiden aloille.[46][47]
Oxfordin jaYalen yliopistojen vuonna 2017 toteuttamassa kyselyssä 352 maailman johtavaa tekoälytutkijaa ennusti, että vuonna 2060 on todennäköistä, että koneet pystyvät suoriutumaan kaikista tehtävistä ihmistä paremmin. Useimmat tutkijat eivät kuitenkaan pidä koneiden vallankumousta todennäköisenä, sillä monet heistä pitävät tietoisuuden kehittymistä epätodennäköisenä.[48]
TaloustieteilijäJoseph Stiglitzin mukaan data ja tekoäly mahdollistavat yrityksille uusia keinoja asiakkaiden hyväksikäyttöön. Yrityksille on helpompaa hyväksikäyttää asiakkaita kuin luoda parempi tuote. Erityisesti hintaa voidaan nostaa yksittäisen asiakkaan kohdalla tai keskitytään pakkomielteisesti shoppaileviin asiakkaisiin[49].
Tekoälyn on pelätty johtavan siihen, että pieni joukko kansainvälisiä jättiyrityksiä saavuttaa alallaanmonopoliaseman. Tämä johtaisi siihen, että tekoälyn hyödyt jakautuvat epätasaisesti.[46] Taloustieteilijä Joseph Stiglitzin mukaan tekoäly tekee yhteiskunnasta jakautuneemman[49].
Kansalaisista kerätty ja tekoälyn prosessoima data sekä kasvontunnistuksella varustetut valvontakamerat voivat luodajoukkovalvontayhteiskunnan, jossa kansalaisella ei oleyksityisyyttä. Kiina otti käyttöön vuonna 2020sosiaalisen luottoluokitusjärjestelmän. Analyytikoiden ennusteiden mukaan vuonna 2020 Kiinassa on 300 miljoonaa valvontakameraa ja poliisi käyttää vuodessa 30 miljardia Yhdysvaltain dollaria valvontateknologiaan.[50]
Monen asiantuntijan mukaan tiedon keräämistä ei pitäisi rajoittaa paljon. Muuten sotilaalliset vastustajat voivat edetä tekoälyssä nopeammin, koska heitä direktiivit eivät jarruta.[51]
Vladimir Putin uskoo että tekoälyn kehittelyn voittajasta tulee maailman valtias.Kiina haluaa olla vuoteen 2030 mennessä maailman johtava tekoälymaa. Se aikoo kouluttaa viisi miljoonaa uutta tekoälyosaajaa. Kiinan tekoäly-yritykset saavat enemmän rahoitusta kuin Yhdysvaltojen, ja maan tekoälypatenttien määrä on kovassa kasvussa.[52] Venäjä on erikoistunutroboottisiin asejärjestelmiin. Kiina tavoittelee johtoasemaa tekoälyssä ja tekoälyn sotilaskäytössä.[51]
Perinteisessä aseteknologiassa lännen etumatka on suuri, mutta tekoälyä hyödyntävässä teknologiassa se on jo melkein olematon. Tämä laskee voimankäytön kynnystä, esimerkiksi KiinanTaiwania vastaan.kenen mukaan? Tiedon keräämisen rajoittaminen direktiiveillä haittaa kehitystä länsimaissa muttei kilpailijoilla.[51]
Yli tuhat tekoälyn asiantuntijaa varoitti vuonna 2015 avoimessa kirjeessä sotilaallisen tekoäly-kilpavarustelun vaaroista. Asiantuntijoiden mukaan ”tappajarobottien” eli itsenäisesti ilman ihmisen käskyjä toimivien asejärjestelmien seurauksena voisi syntyä ”sodankäynnin kolmas vallankumous”.[53] Toisaalta monet nykyisetkin aseet tappavat ilman ihmisen käskyä. Esimerkiksi miina voi räjähtää painosta tai kosketuksesta.[51]
Väärennettyjä valokuvia ja videoita on yhä vaikeampi erottaa aidoista. Siksi voi käydä niinkin, että sotilaalliset päätöksentekijät uskovat väärennökseen tai eivät usko näkemäänsä.[51]
Tekoälyn vaaroista ihmiskunnalle ovat puhuneet julkisesti esimerkiksi Microsoftin perustajaBill Gates, Applen perustajaSteve Wozniak, PayPalin perustajaElon Musk sekä fyysikkoStephen Hawking.[54][55] Steve Wozniak pelkää, että kehitettyään itsenäisen tietoisuuden tietokoneet saattavat ottaa vallan ihmisiltä, jolloin ihmiskunta taantuu koneiden lemmikkieläimiksi.[55] Elon Muskin mukaan kilpailu tekoälyn paremmuudesta voi johtaa kolmanteen maailmansotaan tai maailmantalouden kaaokseen.[56] Stephen Hawkingin mukaan tekoäly voi alkaa kehittää ja monistaa itseään, kunnes se syrjäyttää ihmiset tulevaisuudessa täydellisesti.[57]
Tekoälyä on ruvettu hyödyntämään myös rikostutkinnassa, ja muussa viranomaistoiminnassa, kuten Suomessa jossa Poliisi on ottanut käyttöön tekoälyjärjestelmän joka tukee poliisia tutkimaan valvontakameratallenteita, menetelmillä jotka veisivät normaalisti huomattavasti aikaa. Kyseiset menetelmät ovat vielä alkuvaiheissa ja tulevien EU (Euroopan unionin) -säädösten alaisia.[58]
Suomalaiset hyväksyivät kasvojentunnistuksen rikollisuuden torjunnassa (78 % vastaan 16 %) ja ulkorajoilla, puolet hoivarobotit, reilu kolmannes itseajavat autot mutta journalismiin (21 % vastaan 67 %) ja sotiin vain harva hyväksyi tekoälyn. Peräti 77 % uskoi tieteen ja tekniikan muuttavan ihmisten arkielämän paremmaksi 10-20 vuodessa, 14 % huonommaksi.[59][60]
↑Justyna Zwolak: Ada Lovelace: The World’s First Computer Programmer Who Predicted Artificial Intelligence. NIST, 22.3.2023. Artikkelin verkkoversio. (englanniksi)
↑Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N.Gomez, Lukasz Kaiser, Illia Polosukhin: Attention Is All You Needarxiv.org. 12. kesäkuuta 2017. Viitattu 11.1.2026.
↑Jared Kaplan, Sam McCandlish, Tom Henighan, Tom B. Brown, Benjamin Chess, Rewon Child, Scott Gray, Alec Radford, Jeffrey Wu, Dario Amodei: Scaling Laws for Neural Language Models. https://arxiv.org/, 23. tammikuuta 2020. Artikkelin verkkoversio.
↑Jordan Hoffmann, Sebastian Borgeaud, Arthur Mensch, Elena Buchatskaya, Trevor Cai, Eliza Rutherford, Diego de Las Casas, Lisa Anne Hendricks, Johannes Welbl, Aidan Clark, Tom Hennigan, Eric Noland, Katie Millican, George van den Driessche, Bogdan Damoc, Aurelia Guy, Simon Osindero, Karen Simonyan, Erich Elsen, Jack W. Rae, Oriol Vinyals, Laurent Sifre: Training Compute-Optimal Large Language Models. arxiv.org, 29. maaliskuuta 2022. Artikkelin verkkoversio.
↑Nikolaos Aletras, Dimitrios Tsarapatsanis, Daniel Preoţiuc-Pietro, Vasileios Lampos: Predicting judicial decisions of the European Court of Human Rights: a Natural Language Processing perspective. PeerJ Computer Science, 24.10.2016, 2. vsk, s. e93. doi:10.7717/peerj-cs.93ISSN 2376-5992Artikkelin verkkoversio. (englanniksi)
_artificial_intelligence_icon.png){kind=icon}
