Page 14 - Työpoliittinen aikakauskirja 1 2018

Artikkeleita
Työpoliittinen aikakauskirja 1/2018
Kiinan osuuden ennakoidaan kuitenkin kasva- van selvästi, viimeaikaisten julkisten tietojen ja Kiinan hallituksen tekoälystrategian (Financial Times 2017) perusteella. Jää nähtäväksi, kuinka Kiinan suuri harppaus tällä kertaa tavoitteissaan onnistuu, mutta sen voi varmuudella sanoa, että kilpailuasetelma ja investointien kasvu vauhdit- tavat joka tapauksessa kehitystä.
Mittavasta julkisuudesta, suoranaisesta hypestä ja massiivisista investoinneista huo- limatta on edelleen muistettava että yleinen tekoäly, eli ns. superäly ei toteudu lähiaikoina. Nykyiset innovaatiot perustuvat 30 vuotta van- hoihin tieteellisiin tuloksiin, joiden hyödyntä- minen on tullut mahdolliseksi tekniikan kehit- tymisen vuoksi. Tieteen edistymistä tarvitaan, jotta tekoälyn sovellukset voivat ottaa uusia kehitysaskelia.
Nykytekniikoilla on perustavanlaatuisiakin esteitä. Syväoppimiseen perustuva tekoäly ei kykene asettamaan tuloksiaan kontekstiin tai abstrahoimaan tuloksiaan. Massiivisella tieto- määrällä opetetut algoritmit eivät ole läpinä- kyviä: ne eivät kykene perustelemaan tulok- siaan. Opetettuja algoritmeja voidaan huijata, esimerkiksi hahmontunnistuksessa lisäämällä kuvaan kohinaa, joka ei hämäisi ihmissilmää mutta johtaa tekoälyn harhaan. Oppiva kone on riippuvainen datasta, jolla sitä on opetettu. Surullisenkuuluisa on Twitterissä keskustellut ja muiden twiiteistä oppinut Tay-robotti, jonka internetin irvileuat opettivat rasistiksi ja fasis- tiksi alle 16 tunnissa (Hu ngton Post 2016). Kun oppivaa tekoälyä aletaan soveltaa työnvälityk- sessä, rekrytoinneissa tai sosiaali- ja koulutus- palveluissa, on huolellisesti varmistuttava siitä, ettei algoritmien opetukseen käytetä dataa, joka vahvistaa esim. syrjiviä tai epätasa-arvoisia käy- täntöjä.
Keskustelu kärsii antropomor smista eli ihmisenkaltaistamisesta, jossa inhimillisiä omi- naisuuksia liitetään tässä tapauksessa elottomiin asioihin. Tekoäly ei ole älykäs ja syväoppimisella on hyvin vähän tekemistä ihmisen harjoitta- man oppimisen – saati tutkimuksen – kanssa.
Tekoälyteknologialla on lukuisia suuria haasteita ja esteitä ratkaistavanaan, ennen kuin voidaan puhua ihmisentasoisesta tekoälykkyydestä mis- sään yleisemmässä mielessä.
Tekoälyn vaikutus työpaikkoihin
Yleinen vahva tekoäly näyttäisi olevan vielä seu- raavien vuosikymmenten ajan pikemmin tieteis- kirjallisuuden kuin arkipäivän työmarkkinoiden käyttövoimaa. Yleisen superälyn sijaan teknologia edistyy tietyissä käyttökohteissa. Tämän johdosta on mahdollista tehdä perusteltuja tarkasteluja siitä, mitä tehtäviä ja ammatteja automatisaatio todennäköisesti koskee lähitulevaisuudessa.
Merkittävä alullepanija viimeisimmässä työn tulevaisuutta koskevassa keskustelussa on ollut Frey ja Osborne (2013 ja 2017). Tätä työtä referoi Hetemäki (2017) edellisessä Työpoliittisessa aika- kauskirjassa. Frey ja Osborne herättivät huomiota arviollaan, jonka mukaan USA:n ammateista 47 prosenttia tullaan automatisoimaan 70 prosentin todennäköisyydellä lähimmän kahden vuosikym- menen kuluessa.
Freyn ja Osbornen käynnistämään keskuste- luun osallistuivat Arntz et al (2016), jotka tar- kastelivat ammattien sijaan tehtäviä ammattien sisällä. Arntz et al yhdistivät Freyn ja Osbornen automatisoinnin indikaattoriin tietoja kansain- välisestä aikuistutkimuksesta PIAAC:sta. He huo- mauttavat, että ammatit koostuvat hyvin moni- puolisista tehtävistä, joiden automatisoinnin todennäköisyys vaihtelee suuresti. Kun tarkas- telu tehdään tehtävätasolla, Arntz et al päätyvät siihen, että aikaisemmat arviot ovat todennäköi- sesti yliarvioineet automaation mahdollisuuden suuresti. Heidän mukaansa ammateista olisi auto- matisoitavissa USA:ssa ( ja OECD:ssä keskimää- rin) noin 9 prosenttia, kun Freyn ja Osbornen vastaava arvio oli edellä mainittu 47 prosenttia. Automaation mahdollisuuksissa havaittiin eroja OECD -maiden välillä: automatisoitavia ammat- teja arvioitiin olevan eniten Itävallassa (12 %), vähiten Etelä-Koreassa (6 %) ja Suomessa myös melko vähän (6,6 %).
Viimeisten kahden vuoden aikana kansain-
14