Viime vuosi oli tekoälyjen suuri vuosi: Autot alkoivat ajaa ilman kuljettajaa. Googlen tekoäly oppi kääntämään tekstiä kieleltä toiselle miltei ammattikääntäjän tarkkuudella. Googlen Deepmind peittosi parhaan ihmispelaajaan äärimmäisen vaikeassa go-lautapelissä. Sonyn tekoäly sävelsi kokonaisen musiikkikappaleen. Prisma-mobiilisovelluksen keinotekoinen neuroverkko alkoi muuntaa minkä tahansa valokuvan muistuttamaan halutun tunnetun taiteilijan tyyliä. Keinotekoisia neuroverkkoja käytettiin yhä enemmän myös esimerkiksi lääketieteellisessä kuvantamisessa ja fysiikan ongelmien mallintamisessa.

Myös koneoppimisesta kertovien uutisten kieli muuttui. Keinotekoisten neuroverkkojen tai algoritmien sijaan nyt puhutaan kaihtelematta tekoälyistä.  Mikä neuroverkoista tekee älykkäitä? Ovatko ne sanavalmiita tai syvällisiä? Kykenevätkö loogiseen ajatteluun ja luovaan toimintaan? Käytännössä ne ovat vain tietokoneisiin ohjelmoituja rakenteita, jotka pystyvät oppimaan niille esitetyn aineiston yleisiä piirteitä. Neuroverkkojen rakenne jäljittelee ihmisaivoja eli niissä on neuroneja ja neuronien välisiä kytkentöjä, joiden voimakkuus muuttuu oppimisessa. Suurimmissa keinotekoisissa neuroverkoissa kytkentöjä on tällä hetkellä noin kymmenen miljardia. Se on noin 0,01 prosenttia aivojemme vastaavien kytkentöjen lukumäärästä, joten koonkaan puolesta mikään keinotekoinen neuroverkko ei vielä pysty mallintamaan koko aivojen toimintaa. Laaja-alainen älykkyys ei ole niille vielä mahdollista, eivätkä ne ole vielä lähellä itsetajunnan saavuttamista.

Meitä paremmin neuroverkot suoriutuvat tietyissä tarkoin määritellyissä tehtävissä, joiden suorittamista on aikaisemmin pidetty mahdollisina vain ihmisille. Tällaisia ovat esimerkiksi jotkut hahmontunnistustehtävät: meidänkään ei välttämättä ole helppo sanoa, onko suttuisessa kuvassa käärme vai ankerias. Neuroverkot luultavasti oppivat meidän laillamme käyttämään kontekstia vihjeenä ja pystyvät tekemään ratkaisunsa esimerkiksi sen perusteella, onko kuvan taustalla aavikkoa vai koralliriuttaa.

Onnistunutta hahmontunnistusta harva kuitenkaan pitää osoituksena luovuudesta. Tekoälyjen kykenevyydestä aidosti luovaan, esimerkiksi taiteelliseen toimintaan on vielä niukasti todisteita, ja siksi monet tutkimusryhmät ovat juuri nyt kiinnostuneita esimerkiksi neuroverkkojen kyvystä säveltää musiikkia. Ongelma on monimutkainen. Tavallisesti koneoppimisessa halutaan mallintaa jotain järjestelmää melko tarkasti ja oppia sen yleiset lainalaisuudet: “Mikä erottaa käärmeen ankeriaasta?” Sen sijaan kysymys “Voiko tekoäly säveltää uutta ja kiinnostavaa musiikkia, joka herättää meissä myös positiivisia tunteita?” menee askeleen pidemmälle. Sen mukaan tekoälyn pitää oppia halutun musiikin teoria ja tyylipiirteet ja sen lisäksi kyetä sävellyksissään rikkomaan näitä sääntöjä tavalla, jota kuuntelija ei pidä tylsänä, liian outona, tekotaiteellisena tai muuten mauttomana. Lisäksi arvio sävellyksen onnistuneisuudesta riippuu varmasti miltei yhtä paljon kuulijan henkilökohtaisista mieltymyksistä kuin säveltäjän kyvyistä.

Tähän saakka jo pelkässä musiikin mallintamisessa on ollut suuria ongelmia. Neuroverkkojen sävellyksistä on tyypillisesti puuttunut ihmiskuuntelijoita miellyttäviä melodisia ja harmonisia kulkuja, lopukkeita ja esimerkiksi sävellajien vaihteluita. Toisaalta Cambridgen yliopiston ja Microsoftin neuroverkko on oppinut J. S. Bachin sävellysten piirteitä hämmästyttävällä tarkkuudella. Emme kuitenkaan täsmälleen tiedä, kuinka innovatiivisia sen luomat sävellykset ovat.

Aito innovatiivisuus vaatii jonkinlaisen sisäisen palkitsemisjärjestelmän, jossa uusi kehityskelpoinen idea tuottaa edun tai iloa. Tällainen meille ihmisille on kehittynyt evoluutiossa, ja koneoppimisessa se tunnetaan vahvistusoppimisena. Googlen Magenta-projektissa vahvistusoppimista on käytetty musiikin teorian opettamiseen neuroverkoille mutta ei ainakaan vielä teorian luomien odotusten rikkomiseen. Tähän saattavat vuonna 2017 tulla avuksi generatiiviset adversiaaliset neuroverkot, jotka koostuvat kahdesta osasta: toinen opiskelee ja säveltää, toinen yrittää erotella säveltäjäverkon ja ihmisten sävellykset toisistaan. Nämä kaksi osaa siis kilpailevat keskenään, ja ajan myötä järjestelmä saavuttaa peliteoriasta tutun Nashin tasapainon.
 
Nämä ovat ensiaskeleita tekoälyjen luovuuteen. Todellinen musiikillinen innovatiivisuus vaatii lisäksi hyvin laajaa kulttuurin tuntemusta – sellaista, jonka tekoälyt todennäköisesti voivat saavuttaa vasta vuosien päästä.

Teksti:Otto Pulkkinen

Fil. tohtori Otto Pulkkinen sai vuonna 2016 Pirkanmaan Kulttuurirahaston apurahan aikakorrelaatiota ja muistia musiikissa ja sen koneoppimisessa käsittelevään tutkimukseen.

Takaisin Ryytipalstalle