Tekoälyn eettisiä haasteita

Tekoälyn eettisiä haasteita

Tekoälyn nopea kehitys nostaa esiin myös eettisiä kysymyksiä sen käyttämiseen liittyen. Tekoäly on kiehtova ilmiö, sillä se kykenee sellaisiin älykkäinä pidettyihin toimintoihin, jotka aiemmin ovat olleet vain elävien olentojen yksinoikeus. Tämä kuitenkin aiheuttaa myös eettisiä haasteita. Tältä sivulta voit lukea erilaisista tekoälyyn liittyvistä eettisistä kysymyksistä ja siitä, miten niihin voisi mahdollisesti vastata.

Olemme kaukana yleisestä tekoälystä

Tekoälyn kehitykseen liittyy suurempia ja pienempiä eettisiä haasteita. Kuten muutkin teknologiat, tekoäly on arvoneutraali; sitä voidaan käyttää niin hyvään kuin pahaan. Scifi-tarinoista tutuissa skenaarioissa tekoäly kehittyy ihmistä älykkäämmäksi, kehittää oman tahdon ja syrjäyttää ihmisen. Ihmistä kaikessa paremmin suorituvasta yleisestä tekoälystä ollaan kuitenkin kaukana. Tässä mielessä tekoäly ei ole kovinkaan älykäs, vaan pikemminkin tyhmä.

Toisaalta, tarkasti rajatuissa tehtävissä tekoäly voi olla todella hyödyllinen ja tehokas. Tekoälyn vahvuus on, että se on erittäin hyvä käsittelemään toistuvia ja samankaltaisia päätöksentekotilanteita. Hyvä uutinen on, että päätöksenteon tavoitteet asettaa ihminen. Toisaalta huono uutinen on, että sopivien tavoitteiden asettaminen voi olla vaikeaa.

Tekoälyn käytössä on oltava tarkkana

Tekoälyn käyttöön liittyviä haasteita ovat muun muassa työmarkkinoiden muutos, ammattien katoaminen, tekoälyn väärinkäyttö, tekniset haasteet, yksityisyydensuojan heikkeneminen ja vastuukysymykset. Nykyisiä työtehtäviä tullee lähivuosina katoamaan, kun tekoäly tekee ne paremmin, nopeammin ja halvemmalla. Toisaalta tekoälyn kehitys luo aivan uusia työtehtäviä. Yhteiskunnan täytyy keksiä keinot, joilla sopeutua muutokseen.

Jaamme koko ajan omaa dataamme yritysten käyttöön. Tämä nostaa kysymyksiä yksityisyydensuojasta ja datan hyväksyttävästä käytöstä. Tekoälyyn liittyy myös mahdollisuus käyttää sitä väärin, joko tahattomasti tai tahallaan. Tekoälyn voi ohjelmoida tekemään eettisesti arveluttavia valintoja. Tekoälyn tehdessä virheen vastuullisen löytäminen voi olla vaikeaa. Myös virheet algoritmeissa voivat johtaa ei-toivottuihin lopputuloksiin. Tutkimuksessa riskinä on erityisesti huonolaatuinen tai vääristynyt data. Jos käytetty data on liian yksipuolista, ei tuloksia voida välttämättä yleistää. Samoin jos data syrjii tai suosii esimerkiksi tiettyä ihmisryhmää, se näkyy lopputuloksessa.

Eettinen tekoäly Euroopan vahvuutena?

Euroopassa tekoälyä on sekä EU-tasolla että monessa maassa lähestytty ihmiskeskeisestä näkökulmasta. Tämä tarkoittaa, että tekoälyn eettisyys ja ihmisten perusoikeuksien toteutuminen tulisi aina olla tekoälyn käyttämisen lähtökohta. Hiljattain eettisiä ohjesääntöjä tekoälyn käytölle on esitelty niin EU-tasolla kuin osana Suomen tekoälyohjelmaa. Lisäksi Suomi laati EU-puheenjohtajuutensa yhteydessä periaatteet ihmislähtöiselle datataloudelle. Meillä siis halutaan selvästi pitää ihminen keskiössä tekoälyn ja datatalouden kehityksessä. Vaikka eettiset näkökulmat eivät tähän mennessä ole olleet kovassa huudossa maailmanlaajuisessa tekoälykilvassa, voivat ne nousta vielä arvoon arvaamattomaan, kun ihmiset alkavat vaatia läpinäkyvämpää tekoälyn käyttöä.

Videot

Uusimmat blogit ja artikkelit

Lisää sisältöjä

LUMI tuo uusia mahdollisuuksia tekoälytutkimukseen

Tekoälymenetelmien vaatimukset tuntee hyvin tutkija Kimmo Kartasalo Tampereen yliopistosta. Kartasalo näkee LUMI-supertietokoneen ja sen valtavan laskentakapasiteetin myötä avautuvan lukuisia erilaisia mahdollisuuksia esimerkiksi tekoälyä hyödyntävän tutkimuksen parissa.

Lue lisää »

Exploring machine learning frameworks for cloud and supercomputing. Blog post 3/3

In this final part of the blog post series we will look at existing frameworks for implementing the combined machine learning workflow for HPC environments.

Lue lisää »

Combined machine learning framework for supercomputing. Blog post 2/3

What would a combined machine learning framework look like and which primary components it requires? From the technical point-of-view, it makes most sense to have the interactive part running on Kubernetes, while the batch jobs would run in the HPC cluster.

Lue lisää »

High-Performance Digitisation - giving a boost to the description of digital data

In the High-Performance Digitisation project, CSC, the National Archives and the National Library of Finland are jointly tackling the challenge of artificial intelligence and data processing. The purpose of the project is to create a service for memory organizations facilitating the processing of data: absence or inadequacy of metadata and poor search functions make digital material more difficult to use.

Lue lisää »