Ongelma: Tekoäly puhuu väärää kieltä
Yllättävää tai ei, tekoäly on kehittynyt hurjasti, mutta sille ei vieläkään ole omaa ohjelmointikieltä. Se on kuin veistettäisiin puuta lusikalla – onnistuu, mutta miksi?
Muut alat ovat jo löytäneet omansa. Fysiikassa differentiaali- ja integraalilaskenta muutti kaiken. Sähkötekniikassa kompleksiluvut ovat arkipäivää. Web-maailmassa HTML hoitaa homman. Tekoälyssä taas pyöritellään Pythonia, joka ei syntynyt tähän tarkoitukseen.
Toki PyTorch ja TensorFlow auttavat neuroverkoissa. Ne ovat kuin teippiä haavassa. Tai polkupyörään pultatut rakettimoottorit. Toimii, mutta sotkuista ja tehotonta.
Tekoälyn kaksoisolento: Neurot ja logiikka eivät sovi yhteen
Tekoälyllä on kahtalainen luonne. Toisaalla neuroverkot. Ne oppivat datasta hurjasti. Tunnistavat kuvia, ymmärtävät puhetta, luovat taidetta. Mutta sisus on musta laatikko. Syötät dataa, saat tuloksen – etkä tiedä, miten se syntyi.
Toisaalla symbolinen tekoäly. Se perustuu sääntöihin ja logiikkaan, kuten vanhat asiantuntijajärjestelmät. Läpinäkyvää ja luotettavaa. Näet jokaisen askeleen. Mutta esimerkeistä oppiminen ontuu, eikä monimutkaisuus skaalaudu.
Kuvittele neroartisti, joka ei osaa selittää työtään. Ja tarkka kirjanpitäjä, joka junnaa luovassa työssä. Molemmat hyviä, mutta miksei yhdistää voimat?
Tensor-logiikka: Mahdollinen vallankumous
Nyt tulee jännä juttu. Tutkija ehdottaa tensor-logiikkaa. Se voi muuttaa pelin.
Ydinajatuksena on simppeli oivallus: loogiset säännöt ja tensor-operaatiot (neuroverkkojen matemaattinen pohja) ovat pohjimmiltaan samaa. Ne vain käsittelevät erilaista dataa. Kuten plus ja kertolasku – samankaltaisia, mutta erilaisilla numeroilla. Kun yhteys löytyy, syntyy uusia mahdollisuuksia.
Mikä tekee tästä erityisen?
Tensor-logiikka korjaa tekoälyn kieliongelman näin:
Kaikki samanlaista: Neuroverkot ja looginen päättely eivät vaadi erillisiä työkaluja. Kaikki muuttuu tensor-yhtälöiksi. Yksi työkalu korvaa sekasotkun.
Läpinäkyvää oppimista: Neuroverkko oppii kuvioita ja selittää ne ihmiskielellä. Tavoite, johon tämä voi johtaa.
Skaalautuu luonnostaan: Ei tukkeudu massiivisiin datamääriin kuten perinteinen symbolinen AI.
Miksi iso juttu – mutta varovainen innostus
Jos homma puree, syntyy hybridi: neuroverkkojen oppivoima plus looginen luotettavuus ja selkeys. Kuvittele lääkäri-AI, joka imee miljoonia tapauksia ja perustelee hoitosuosituksen tarkasti.
Silti: Joka toinen vuosi joku lupaa "seuraavan suuren kielen" tekoälylle. Monet paperi-ideat kaatuvat käytännössä.
Toivoa antaa tensor-logiikan matemaattinen kauneus. Tietotekniikan parhaat ratkaisut yhdistävät erilliset asiat yhdeksi raameiksi. Kuten relaatiotietokannat pelastivat datanhallinnan tai internet-protokolla globaalin viestinnän.
Tie eteenpäin
Uuden kielen kehittäminen on rankkaa. Tarvitaan työkaluja, kirjastoja, yhteisöä ja testausta. Kuten uuden kaupungin rakentaminen – arkkitehtuuri ei riitä.
Olen innoissani tästä suunnasta. Oli tensor-logiikka tai jotain muuta, tekoäly kaipaa omaa kieltä. Nykyinen pakottaminen yleiskieliin jarruttaa koko alaa.
Tekoälyn seuraava läpimurto voi tulla työkaluista, ei isoimmista algoritmeista tai datavuorista.
Mitä mieltä olet? Tarvitaanko tekoälylle oma kieli, vai pärjätäänkö nykyisillä? Kerro ajatuksesi!