Me usein kuvittelemme, että meidän ei tarvitse opetella sellaisia asioita, kuin että Aku Ankka on fiktiota. Mutta tuolloin me erehdymme tuosta asiasta. Meille on oikeasti opetettu se, että Aku Ankka on fiktiivinen hahmo. Ja juuri tuollaisten asioiden unohtaminen saa tekoälyt tekemään virheitä. Aivan samalla tavalla kuin ihminen, on tekoäly riippuvainen tiedosta jota sille annetaan. Jos emme muista kertoa tekoälylle, että Aku Ankka on fiktiota, niin tekoäly ei tuota asiaa oikeasti erota. Samoin me emme tuota asiaa erottaisi, jos meille ei sitä opeteta. Ja esimerkiksi opettaja joka opettaisi Aku Ankan olevan totta voisi aiheuttaa tilanteen, jossa lapsi oikeasti pitää tuota sarjakuvalehteä uutisena.
Tekoälylle pitää oikeasti opettaa kaikki asiat, mutta suurin osa niistä taidoista, joita käytämme päivittäin ovat opittuja. Meillä on tietenkin synnynnäisiä fobioita kuten hämähäkin pelko. Nuo fobiat ovat syntyneet joskus kauan ennen luolamiesten aikaa. Mutta tieto siitä, että Aku Ankka on fiktiota ei ole mikään myötäsyntyinen tieto.
Tekoälyn kouluttamisessa datan laatu ratkaisee tuloksen. Eli tekoäly joka käyttää luotettavia lähteitä tai asiantuntijoiden tarkastamaa dataa varmasti osaa tehdä työn hyvin, jos tehtävät annetaan sille huonosti. Eli jos käytettäviä datan lähteitä ei määritellä, niin silloin tekoäly varmasti tekee virheitä. Virheitä syntyy silloin kun tekoälyn käyttämä data on väärää tai se on muuten huonolaatuista.
Tekoälyn käyttö ei ole aivan niin helppoa, kuin toivoisimme sen olevan. Ihmiset tekevät samoja virheitä mitä tekoälykin tekee. Tekoäly ei oikeastaan ajattele. Se vain etsii ja yhdistelee tietoa eri lähteistä. Ja se mikä tekee tekoälystä jotenkin oudon, on se että tekoäly ei oikeastaan tiedä onko tieto oikeaa vai onko se väärää. Toisin sanoen tekoäly näkee datan, mutta se ei näe suoraan onko data fiktiota vai puhdasta totuutta. Siis mitä tämäkin tarkoittaa? Se tarkoittaa sitä, että tekoäly ei suoraan erota sitä, onko esimerkiksi kirja tai mahdollisesti tietokantaan tallennettu filmi oikeasti dataa, jota se voisi hyödyllisesti käyttää. Jos esimerkiksi tekoälyn käyttämässä kansiossa on joku Start Trek-tyyppinen elokuva, niin tekoäly ei tiedä onko tuo filmi totta vai tarua.
Me ihmiset tiedämme onko Star Trek totta vai tarua. Mutta mekään emme tuota asiaa tiedä automaattisesti. Eli me erotamme faktan fiktiosta siksi, että me opimme että Star Trek on fiktiota. Emme siksi että faktan ja fiktion ero olisi jotenkin myötäsyntyisesti rakennettu meidän aivoihimme. Samoin tekoäly saattaa käyttää vanhentunutta tietoa. Jos tekoälyn käyttämä tieto on kovin vanhaa, niin silloin se ei varmasti saa aikaan yhtään mitään hyödyllistä. Samoin jos tekoäly käyttää huonoa dataa, eli käytettävät dokumentit on kirjoitettu huonoa kieltä käyttäen, niin lopputulos ei varmaan ole kovin hyvää. Yksi varma tapa saada tekoälyprojekti epäonnistumaan on se, että tekoälyagentille annetaan liian suuret oikeudet.
Eli sen pääsyä järjestelmään ei rajoiteta mitenkään. Toinen tapa on se, että tekoälyn käyttämät kansiot täytetään esimerkiksi parilla ladatulla romaanilla, sekä muutamalla hupielokuvalla. Näin tekoäly saadaan varmasti tekemään asioita, joita se ei muuten tekisi. Ja usein nuo asiat ovat sellaisia, että ne eivät ole myöskään toivottavia. Eli tekoälyä varten kannattaa luoda kansio, jossa on vain sitä dataa, jota tekoäly tarvitsee työssään. Jos siellä on muutakin dataa, niin tekoäly voi varmasti saada aikaan tilanteen, joka voi olla hyvin kiusallinen. Tekoälyn ongelma on siinä, että siltä odotetaan helposti liikaa. Sen oletetaan automaattisesti tietävän kaikki mahdolliset asiat. Ja joku saattaa olettaa sen kykenevän automaattisesti valitsemaan oikean datan lähteen.
Kun tekoälylle tehdään kysely, niin unohdetaan että tekoäly ei automaattisesti tee eroa esimerkiksi valtion virallisten kotisivujen ja Aku Ankan välillä. Kyselyiden tekeminen on taito sinällään. Kyselyn yhteydessä kannattaa esimerkiksi määritellä se, minkä tyyppisistä lähteistä tekoäly saa tietoa etsiä. Tekoälyn oikeudet määritellään samalla tavalla kuin ihmisen. Sen käyttämän tiedon pitää olla korkealaatuista, eli samassa kansiossa ei saisi olla esimerkiksi jotain fiktiivistä elokuvaa yhdessä tarvittavan faktan kanssa.
Tekoäly ei osaa mitään automaattisesti. Unohdetaan se, että tekoälyn pitää samalla tavalla oppia asioita, kuin me opimme. Eli mekin olemme oppineet että Star Trek on fiktiivinen elokuva. Samalla tavalla opimme että Nalle Puh ja Aku Ankka ovat fiktiota. Juuri sen takia meidän kouluissamme käytettävän oppimateriaalin pitää olla tarkastettua. Sen pitää sisältää oikeaa tietoa. Lapsi ei siis automaattisesti tiedä yhtään mitään. Ja tekoälyyn pitää suhtautua kuin lapseen.
Samoin kuin oppikirjoissa, niin tekoälyn käyttöön tarkoitettu data pitää olla tarkastettua. Sen pitää olla sellaista, että siitä saadaan selvää. Eli jos esimerkiksi muistiinpanoja halutaan käyttää tekoälyn kouluttamiseen, niin ne pitää kirjoittaa siihen muotoon, että tekoäly myös ymmärtää mitä niissä lukee. Jos dokumentit sisältävät paljon kirjoitus ja muita virheitä, niin tekoäly ei niitä voi käyttää mihinkään hyödylliseen. Eli yksi asia mikä ratkaisee asioita on datan puhtaus.
Puhdas data on sellaista että siitä on poistettu esimerkiksi Nalle Puhin iltasatu tai muut vastaavat asiat. Kun me nauramme sille, kuinka tekoäly tekee virheitä, niin unohdamme usein sen, että mekin voisimme tehdä virheitä, jos meille ei kerrota että Star Trek on fiktiota. Jos opetamme lapsille että elokuvat ovat totta, niin silloin he varmasti tekevät virheitä. Mikäli lähdemateriaali on kovin vanhaa, niin silloin se varmasti sisältää vanhentunutta tietoa. Eli tekoälylle pitää kertoa, että miten vanhaa tietoa sen pitäisi käyttää. Samoin tietolähteet joita tekoäly käyttää on myös hyvä määritellä. Eli jos esimerkiksi lakia koskevia tekstejä etsitään, niin silloin oikea paikka on Finlex. Jos tuo määritelty paikka on esimerkiksi joku Aku Ankan kotisivu, niin silloin tuo järjestelmä varmasti tekee virheitä.
Vai tekeekö virheen ihminen, joka ei kerro tekoälylle mistä sen pitäisi tietoa hakea? Samoin tekoälyllä pitää olla käytössään sellaisia parametrejä, joilla se voi määritellä esimerkiksi sen, onko tieto vanhentunutta. Mikäli dokumenttia ei ole avattu 20 vuoteen, niin kannattaako sitä käyttää tekoälyn kouluttamiseen? Kun tekoälyprojekti aloitetaan, niin silloin oma tietovarasta kannattaa puhdistaa vanhentuneesta tiedosta. Tekoälyn käyttöön tarkoitettu aineisto pitää aina tarkastaa. Ja samoin niissä olevat viittaukset kannattaa käydä läpi.







