Katselin lomainspiraatina vasta nyt muutaman vuoden takaisen Disney-Pixar animaation: Wall-E. Olin tyytyväinen elokuvaan. Verrattuna moniin muihin lapsille tarkoitettuihin robottifantasioihin, Wall-E on kohtuullisen uskottava, realistinen robottipersoonallisuus. Olisi turha luetella pieniä "virheitä" ja epäjohdonmukaisuuksia, koska tällaisessa scifi-fantasiassa ne eivät oleellisia, jos eivät ole juonen kannalta keskeisiä eivätkä hypi silmille. Wall-E on melko uskottava robotti, ei "satuolento". Tarina on lähempänä laadukasta scifiä kuin puhdasta fantasiaa.
http://en.wikipedia.org/wiki/WALL-E
Kuten wikisivu kertoo: "The animators visited recycling stations to study machinery, and also met robot designers, visited NASA's Jet Propulsion Laboratory to study robots, watched a recording of a Mars rover,[17] and borrowed a bomb detecting robot from the San Francisco Police Department."
Wall-E sisälsi kohtuullisesti tämänpäivän robottirealismia, vaikka tarinan mukaan se olikin toteutettu vasta 2110. Wall-E on kapean tehtäväalueen robotti, joka kuitenkin on toteutettu jonkinasteisella yleistä tekoälyä, AGI.a käyttäen, koska sen oli itsenäisesti pysyttävä toimivaan vaikeissa ja yllättävissä olosuhteissa ja mm. huoltamaan itseään varaosia vaihtamalla. Tarinassa robotti vaihtaa uuden kameran toisen rikkouduttua.
Tinkimättä yhtään toimeksiannostaan, ihmisten kulutushysterian tuottamien romujen siivoamisesta ja lajittelusta, kaveri myös käyttää aikaa maailmankuvan syventämiseen ja pohtii syntyjä syviä. Tarinan toinen päähenkilö, EVE-robotti, joka edustaa vuoden 2805 osaamista ja ilmeisiä molekyläärisen nanotekniikan sovelluksia mm. "saumattomia luukkuja" ja toimilaite-elimiä.
Kumma kyllä, älyllisesti se ei ilmeisesti ole mitenkään Wall-E:tä fiksumpi.
Kannattaa katsoa vaikka uudestaan ko. elokuva. Ihan hyvää viihdettä, jonka sisällöstä voi vaikka keskustella lasten kanssa.
sunnuntai 17. heinäkuuta 2011
maanantai 23. toukokuuta 2011
Heikon Yleisen Tekoälyn tärkeys
1. Taustaa
Automaatiolta, kehittyneeltä tekoälyltä ja robotiikalta odotetaan paljon, kun pohdiskellaan tulevaisuuden mahdollisia yhteiskuntia. Mutta näitä teknologian alueita myös ihan oikeutetusti pelätään, pidetään vaarallisina. Automaatio voi syrjäyttää merkittävän osan ihmisistä ja aiheuttaa suurta yhteiskunnallista eriarvoisuutta ja talousjärjestelmän epävakautta. Tekoäly ja robottien ajatellaan voivan syrjättää koko ihmiskunnan. Vaikka monet pitävät näitä pelkoja “scifiluokan” huolina, näissä peloissa on perusteensa. Ihmiskunnan ongelmat ja muut vaarat ovat niin suuria, että tarvitsemme ylimääräistä älyllistä lisäkapasiteettia. Vaikka ihmisen ylittävää koneälyä on järkevää tavoitella, varovaisuus on tarpeeen.
Olisi järkevää ottaa esim. 10v aikalisä varsinaisen superälyn, todellisen “yleisen tekoälyn”, Artificial General Intelligence, AGI:n kehittämisessä siinä vaihessa, kun on ensin onnistuttu toteuttamaan sellainen juuri ja juuri keskivertoihmisen kykyjä hipova, mutta vielä helposti hallittava tekoälyarkkitehtuuri, jolta esim vielä puuttuu kyky rekursiivisesti kehittää itseään teknisellä tasolla. Tällaisella järjestelmällä, “heikolla AGI:lla” voi olla toteutettuna monia AGI:n keskeisiä ja kriittisiä ominaisuuksia, kuten esimerkiksi arvo- ja tavoitehierarkia sekä motivaatiojärjestelmä, joita pidetään oleellisina “vahvan AGI:n” (Strong AGI, SAGI), turvallisuustekijöinä. Heikon AGI:n (Weak AGI, WAGI, "Semi-AGI") laaja soveltaminen tietojärjestelmissä ja robotiikassa vaikkapa 10v ajan antaa meille arvokasta kokemusta, jonka pohjalta voimme varovasti alkaa nostaa AGI:n kykyjä ihmisen kognitiivisten kykyjen toiselle puolelle.
Koska yleisen tekoälyn toteuttaminen on riippuvaista, paitsi arkkitehtorisesta ja algoritmisesta osaamisesta, myös tietokonelaitteiston kehitystasosta, SAGI voisi syntyä “vahingossa” helpommin vasta sitten, kun laitteisto-osaaminen on nykyistä oleellisesti korkeammalla tasolla. Nykylaitteistoilla vaara ei vielä ole yhtä merkittävä. Siksi meillä on turvallisuussyistä itse asiassa kova kiire hankkia tämä arvokas kokemus WAGI:a käyttäen ja toteuttaa käyttökelpoinen WAGI niin pian kuin mahdollista, ennen kuin laitteistoresulssit kasvavat nykyisiä merkittästi, valtavasti suuremmiksi.
Luonnollisesti WAGI:n toteuttamisesti olisi myös lähes vallankumoukselliset vaikutukset maailmantaloudelle; koska sen avulla yli 50% nykyisestä ihmistyöstä on korvattavissa tuottavammalla vaihtoehdolla, josta seuraa suuria ongelmia. Nämä ongelmat, syrjäytyneiden ihmisten ostovoiman katoaminen ja syrjäytettyjen hyvinvoinnin turvaaminen, on ehdottavasti ratkaistava ja ratkaisujen valmistelu on alettava jo nyt. Mutta koska SAGI:n toteutumista ei voi estää kuin globaali romahdus, ei WAGI:n kehittelyä ole syytä yhtään viivyttää.
Edellä perustellusta syystä olisi juuri nyt syytä etsiä ja kokeilla ennakkoluulottomasti erilaisia heikon AGI:n, WAGI:n toteutustapoja ja jakaa sekä vertailla kokemuksia avoimesti. Tältä pohjalta esittelen tässä kirjoituksessa vielä omia skenaarioitani em. päämäärän saavuttamiseksi.
2. Yleinen periaate
Useat tahot ovat ihan viime vuosina päätyneet siihen ratkaisuperiaatteeseen, että eteenkin kognitiivisen robotiikan kuin myös mahdollisesti muiden tietojärjestelmien AGI-arkkitehtuuri, on toteutettava sellaisella “hybridiarkkitehtuurilla”, jossa yhdistetään symbolinen, perinteinen AI-toteutustapa konnektionistiseen, ei-symboliseen toteutukseen. Periaatteena on, että hahmotyyppisten tulosignaaleiden (esim. visuaalinen, auditiivinen data ym.) analysointi sekä monimutkaisten toimilaitteiden (esim. robottien raajat) ohjaukset toteutetaan ei-symbolisella, konnektionistisella, nisäkkäiden aivokuoren arkkitehtuuria muistuttavalla hierarkisella toiminnallisuudella. Sen sijaan symbolinen, merkkipohjainen ja käsitteellinen ajattelu jätetään semanttisista verkoista muodostuneen, perinteisen tekoälytoteutuksen hallittaviksi. Nämä hybridiarkkitehtuurin kaksi osarakennetta integroidaan kuitenkin varsin kiinteästi toisiinsa siten, että klassinen “symbol grounding” ongelma saa ratkaisunsa kun merkittävä osa symbolisen puolen käsitteistä “maadoittuu” suoraan konnektionistisen puolen hallitsemiin hahmoihin. Täten esim. Searlen “Kiinalaiselta huoneelta” “kaatuvat seinät”, koska semanttisten verkkojen käsitteet saavat suorat, aistihavaintoihin perustuvat vastineensa reaalimaailmassa ja robotin voidaan perustellusti väittää oikeasti ymmärtävän maailmankuvansa sisällön.
Arkkitehtuurin molemmilla yllä lyhyesti kuvatuilla osapuolilla on vahvuutensa ja heikkoutensa. Toisiaan täydentäen niillä mahdollisuus muodostaa monimutkaisessa ja odottamattomuuksia täynnä olevassa reaalimaailmassa kohtuullisesti selviytyvä oppiva kognitiivinen arkkitehtuuri. Symbolinen osakokonaisuus huolehtii enemmän tai vähemmän formaalista, käsitteellisestä, kielellisesti ilmaistavissa olevasta tiedosta, mutta konnektionistinen osa oppii hallitsemaan merkittävämmän siitä tietämyksestä, josta käytetään nimitystä “common sense” -ymmärrys. Molempien puolien opettaminen laajojen esimerkkiharjoitusten avulla selviämään kulloisessakin sovellusympäristössä on silti valtava tehtävä, jonka haasteellisuutta ei saa väheksyä.
3. Haasteen reaaliteetit
Olemassaolevat, yleensä aliresulssoidut AGI-hankkeet, tuntuvat tähtäävän suoraan SAGI-tasoiseen yleiseen tekoälyyn, jolta odotettaisiin pian toteutuksen koulutusvaiheen jälkeen jopa selvästi ihmisen ylittävää kognitiivista suorituskykyä. Näissä hankkeissa on käytännössä aina poissuljettu ajatus, että symbolinen toiminnallisuus jäisi ensimmäisen kertaluvun predikaattilogiikkaan perustuvalle tasolle, vaikka se probabilistisellä laajennuksella varustettuna mahdollistaisi robotin selviämisen suurimmasta osasta tavallisen ihmisen arkipäivän toiminnoista.
Minä arvioisin, että AGI-kehitys on hyvin vastavanlaisessa tilanteessa kuin ilmaa painavamman lentokoneen kehitys 110v sitten. Silloinkin akateemisesta osaamisesta olisi ollut valtavasti hyötyä, mutta professoritason teoreetikot tuhlasivat resulsseja mm. kiistelemäällä siitä, voisiko lentokoneen toteuttaminen edes teoriassa olla mahdollista. Tällöin potin korjasivat riittävästi tietoja ja ymmärrystä hankkineet, ei-akateemiset, käytännön toteuttamisen taitavat ammattilaiset, polkupyörämekaanikot, jotka saivat ensimmäisen lentokoneen rakennettua, kykenemättä ratkaisemaan niitä satoja differentiaaliyhtälöryhmiä, joita oikeaoppinen toteutus olisi periaattessa edellyttänyt.
Myös arvioitaessa WAGI:n toteutusta, sillä edellytyksellä, että huolellisesti kerätään monipuolisesti olemassaolevaa kokemusta ja teoriaa tekoälyn perusteista, ongelmista joihin on törmätty ja nykyisistä ratkaisuyrityksistä, nytkin riittävillä taidoilla ja ammatillisella osaamisella varustautunut, ei-akateeminenkin hakkeriryhmä voisi saavuttaa merkittävää edistystä tällä alueella. Haasteena pidän aluetta saman suuruusluokkaisena kuin esim. Linux-käyttöjärjestelmän kehitys on ollut.
Automaatiolta, kehittyneeltä tekoälyltä ja robotiikalta odotetaan paljon, kun pohdiskellaan tulevaisuuden mahdollisia yhteiskuntia. Mutta näitä teknologian alueita myös ihan oikeutetusti pelätään, pidetään vaarallisina. Automaatio voi syrjäyttää merkittävän osan ihmisistä ja aiheuttaa suurta yhteiskunnallista eriarvoisuutta ja talousjärjestelmän epävakautta. Tekoäly ja robottien ajatellaan voivan syrjättää koko ihmiskunnan. Vaikka monet pitävät näitä pelkoja “scifiluokan” huolina, näissä peloissa on perusteensa. Ihmiskunnan ongelmat ja muut vaarat ovat niin suuria, että tarvitsemme ylimääräistä älyllistä lisäkapasiteettia. Vaikka ihmisen ylittävää koneälyä on järkevää tavoitella, varovaisuus on tarpeeen.
Olisi järkevää ottaa esim. 10v aikalisä varsinaisen superälyn, todellisen “yleisen tekoälyn”, Artificial General Intelligence, AGI:n kehittämisessä siinä vaihessa, kun on ensin onnistuttu toteuttamaan sellainen juuri ja juuri keskivertoihmisen kykyjä hipova, mutta vielä helposti hallittava tekoälyarkkitehtuuri, jolta esim vielä puuttuu kyky rekursiivisesti kehittää itseään teknisellä tasolla. Tällaisella järjestelmällä, “heikolla AGI:lla” voi olla toteutettuna monia AGI:n keskeisiä ja kriittisiä ominaisuuksia, kuten esimerkiksi arvo- ja tavoitehierarkia sekä motivaatiojärjestelmä, joita pidetään oleellisina “vahvan AGI:n” (Strong AGI, SAGI), turvallisuustekijöinä. Heikon AGI:n (Weak AGI, WAGI, "Semi-AGI") laaja soveltaminen tietojärjestelmissä ja robotiikassa vaikkapa 10v ajan antaa meille arvokasta kokemusta, jonka pohjalta voimme varovasti alkaa nostaa AGI:n kykyjä ihmisen kognitiivisten kykyjen toiselle puolelle.
Koska yleisen tekoälyn toteuttaminen on riippuvaista, paitsi arkkitehtorisesta ja algoritmisesta osaamisesta, myös tietokonelaitteiston kehitystasosta, SAGI voisi syntyä “vahingossa” helpommin vasta sitten, kun laitteisto-osaaminen on nykyistä oleellisesti korkeammalla tasolla. Nykylaitteistoilla vaara ei vielä ole yhtä merkittävä. Siksi meillä on turvallisuussyistä itse asiassa kova kiire hankkia tämä arvokas kokemus WAGI:a käyttäen ja toteuttaa käyttökelpoinen WAGI niin pian kuin mahdollista, ennen kuin laitteistoresulssit kasvavat nykyisiä merkittästi, valtavasti suuremmiksi.
Luonnollisesti WAGI:n toteuttamisesti olisi myös lähes vallankumoukselliset vaikutukset maailmantaloudelle; koska sen avulla yli 50% nykyisestä ihmistyöstä on korvattavissa tuottavammalla vaihtoehdolla, josta seuraa suuria ongelmia. Nämä ongelmat, syrjäytyneiden ihmisten ostovoiman katoaminen ja syrjäytettyjen hyvinvoinnin turvaaminen, on ehdottavasti ratkaistava ja ratkaisujen valmistelu on alettava jo nyt. Mutta koska SAGI:n toteutumista ei voi estää kuin globaali romahdus, ei WAGI:n kehittelyä ole syytä yhtään viivyttää.
Edellä perustellusta syystä olisi juuri nyt syytä etsiä ja kokeilla ennakkoluulottomasti erilaisia heikon AGI:n, WAGI:n toteutustapoja ja jakaa sekä vertailla kokemuksia avoimesti. Tältä pohjalta esittelen tässä kirjoituksessa vielä omia skenaarioitani em. päämäärän saavuttamiseksi.
2. Yleinen periaate
Useat tahot ovat ihan viime vuosina päätyneet siihen ratkaisuperiaatteeseen, että eteenkin kognitiivisen robotiikan kuin myös mahdollisesti muiden tietojärjestelmien AGI-arkkitehtuuri, on toteutettava sellaisella “hybridiarkkitehtuurilla”, jossa yhdistetään symbolinen, perinteinen AI-toteutustapa konnektionistiseen, ei-symboliseen toteutukseen. Periaatteena on, että hahmotyyppisten tulosignaaleiden (esim. visuaalinen, auditiivinen data ym.) analysointi sekä monimutkaisten toimilaitteiden (esim. robottien raajat) ohjaukset toteutetaan ei-symbolisella, konnektionistisella, nisäkkäiden aivokuoren arkkitehtuuria muistuttavalla hierarkisella toiminnallisuudella. Sen sijaan symbolinen, merkkipohjainen ja käsitteellinen ajattelu jätetään semanttisista verkoista muodostuneen, perinteisen tekoälytoteutuksen hallittaviksi. Nämä hybridiarkkitehtuurin kaksi osarakennetta integroidaan kuitenkin varsin kiinteästi toisiinsa siten, että klassinen “symbol grounding” ongelma saa ratkaisunsa kun merkittävä osa symbolisen puolen käsitteistä “maadoittuu” suoraan konnektionistisen puolen hallitsemiin hahmoihin. Täten esim. Searlen “Kiinalaiselta huoneelta” “kaatuvat seinät”, koska semanttisten verkkojen käsitteet saavat suorat, aistihavaintoihin perustuvat vastineensa reaalimaailmassa ja robotin voidaan perustellusti väittää oikeasti ymmärtävän maailmankuvansa sisällön.
Arkkitehtuurin molemmilla yllä lyhyesti kuvatuilla osapuolilla on vahvuutensa ja heikkoutensa. Toisiaan täydentäen niillä mahdollisuus muodostaa monimutkaisessa ja odottamattomuuksia täynnä olevassa reaalimaailmassa kohtuullisesti selviytyvä oppiva kognitiivinen arkkitehtuuri. Symbolinen osakokonaisuus huolehtii enemmän tai vähemmän formaalista, käsitteellisestä, kielellisesti ilmaistavissa olevasta tiedosta, mutta konnektionistinen osa oppii hallitsemaan merkittävämmän siitä tietämyksestä, josta käytetään nimitystä “common sense” -ymmärrys. Molempien puolien opettaminen laajojen esimerkkiharjoitusten avulla selviämään kulloisessakin sovellusympäristössä on silti valtava tehtävä, jonka haasteellisuutta ei saa väheksyä.
3. Haasteen reaaliteetit
Olemassaolevat, yleensä aliresulssoidut AGI-hankkeet, tuntuvat tähtäävän suoraan SAGI-tasoiseen yleiseen tekoälyyn, jolta odotettaisiin pian toteutuksen koulutusvaiheen jälkeen jopa selvästi ihmisen ylittävää kognitiivista suorituskykyä. Näissä hankkeissa on käytännössä aina poissuljettu ajatus, että symbolinen toiminnallisuus jäisi ensimmäisen kertaluvun predikaattilogiikkaan perustuvalle tasolle, vaikka se probabilistisellä laajennuksella varustettuna mahdollistaisi robotin selviämisen suurimmasta osasta tavallisen ihmisen arkipäivän toiminnoista.
Minä arvioisin, että AGI-kehitys on hyvin vastavanlaisessa tilanteessa kuin ilmaa painavamman lentokoneen kehitys 110v sitten. Silloinkin akateemisesta osaamisesta olisi ollut valtavasti hyötyä, mutta professoritason teoreetikot tuhlasivat resulsseja mm. kiistelemäällä siitä, voisiko lentokoneen toteuttaminen edes teoriassa olla mahdollista. Tällöin potin korjasivat riittävästi tietoja ja ymmärrystä hankkineet, ei-akateemiset, käytännön toteuttamisen taitavat ammattilaiset, polkupyörämekaanikot, jotka saivat ensimmäisen lentokoneen rakennettua, kykenemättä ratkaisemaan niitä satoja differentiaaliyhtälöryhmiä, joita oikeaoppinen toteutus olisi periaattessa edellyttänyt.
Myös arvioitaessa WAGI:n toteutusta, sillä edellytyksellä, että huolellisesti kerätään monipuolisesti olemassaolevaa kokemusta ja teoriaa tekoälyn perusteista, ongelmista joihin on törmätty ja nykyisistä ratkaisuyrityksistä, nytkin riittävillä taidoilla ja ammatillisella osaamisella varustautunut, ei-akateeminenkin hakkeriryhmä voisi saavuttaa merkittävää edistystä tällä alueella. Haasteena pidän aluetta saman suuruusluokkaisena kuin esim. Linux-käyttöjärjestelmän kehitys on ollut.
sunnuntai 9. tammikuuta 2011
Vaalivuoden talousteema
USA:n miesten työllisyys 1971-2011
Suomen työttömyyden kehitys.
Vaalivuoden alkaessa kaivan esiin vanhan uhkakuvan. En väitä, että osaisin todistaa asetelman ja sitä kuvaavat tilastot ja differentiaalyhtälöt kvantitatiivisesti, mutta lähes päivittäin luen meediasta uutisia, jotka vahvistavat käsitystäni uhan todellisuudesta. Ovatko ihmiset sokeita, hyväuskoisia, itsepetoksen mestareita, väliinpitämättömiä, apatian lamaannuttamia vai mitä? Itse toivoisin, että joku tunnettu tohtoritutkinnon tasoinen asiantuntija tekisi kiistämättömän, kvantitatiivisen analyysin aiheesta sytyttäen punaisen hälyytysvalon koko talousmaailmaan. Jos ymmärrät asian, ota se vaalikeskusteluissa esiin! Kaksitoista teesiäni, minkä niistä voit kiistää?
1. Teknologian eri alueet kehittyvät, monet yhä kiihtyvällä vauhdilla.
Lähes jokaisella teknologian alueella on nähtävissä jatkuva kehitys. Erityisesti informaatio- ja materiaaliteknologiat kehittyvät eksponentiaalisesti, koska uudet keksinnöt helpottavat tulevia keksintöjä.
2. Teknologian kehitys kasvattaa työn tuottavuutta niin teollisuudessa kuin palveluelinkeinoissa.
Tuottavuus kasvaa, koska samaan tulokseen päästään yhä pienemmällä ihmistyövoimalla, sekä tuotantolaitteistojen investoitikulut suhteessa tuotannon arvoon ja ihmistyövoiman arvoon pienetyvät. Ilmiö on selvimmin nähtävissä teollisuudessa, jonka työllistävä vaikutus on jatkuvasti pienentynyt yli 50v ajan. Syynä tähän on vain osittain teollisuustuotannon siirtyminen halvan työvoiman maihin, joissa niissäkin teknologinen kehitys parantaa jatkuvasti työn tuottavuutta.
Myös kaupan ja muiden palveluiden toiminnoissa informaatioteknologia kasvattaa tuottavuutta yhä kiihtyvällä nopeudella. Esimerkkinä tästä ovat mm. pankkisektori ja erilaisten hyödykkeiden nettikauppa.
3. Työn tuottavuutta kasvattava teknologinen kehitys poistaa työtehtäviä ja luo uusia, mutta uusien tehtävien suhteellinen osuus verrattuna poistuviin työtehtäviin on jatkuvasti pienentymässä.
Ennen n. vuotta 1975, uusia työtehtäviä syntyi enemmän kuin automaatio korvasi vanhoja. Vuosien 1975-1995 välillä, aloista riippuen, pelin henki muuttui: uusia työtehtäviä syntyi määrällisesti yhä vähemmän. N. vuodesta 2000 lähtien lähes kaikilla aloilla tuottavuuden kasvun mahdollistama automaatio ja muut tekniset apuvälineet ovat poistaneet oleellisesti enemmän työpaikkoja kuin luoneet uusia. Suhde huononee jatkuvasti.
4. Kehittyvän teknologian luomat uudet työpaikat ovat yhä vaativampia: ne edellyttävät pidempää koulutusta, kokemusta ja yleistä lahjakkuutta. Sama koskee myös niitä vanhoja työtehtäviä, joita teknologia ei ole vielä korvannut.
Työprosessien yksinkertaisimmat vaiheet ovat pääsääntönä helpompia automatisoitavia kuin monimutkaisemmat ja ne automatisoidaan ennen vaikeampia tehtäviä. Uudet tehtävät edellyttävät yhä laajempien kokonaisuuksien hallintaa ja pidempää koulutusta.
5. Työmarkkinoille on syntynyt yhä pahempi rakenteellinen epäsuhta: samanaikainen puute osaavista koulutetuista työtekijöista ja suuri sellaisten työttömien työnhakijoiden määrä, joille ei ole mahdollista löytää tai luoda työtehtäviä, joissa viimeksi mainitulle ryhmälle voitaisiin kannattavasti maksaa sellainen palkka, jolla kohtuullisesti tulisi toimeen nykyisten elinkustannusten olosuhteissa.
Edelleen suurin osa työpaikoista on sellaisia, joihin aikanaan löytyy sopiva työntekijä ja edelleen useimmille työttömille työntekijöille löytyy aikanaan työpaikka, mutta osaavien löytäminen on yhä vaikeampaa (ja siten myös heidän suhteellinen palkkansa on nousussa). Samoin pysyvästi syrjäytyneiden, työelämän vaatimukset täyttämättömien määrä on kasvussa. Rakenteellinen ongelma ei ole pitkällä aikavälillä korjattavissa esim. paremmalla koulutuksella tai tehokkaammalla työnvälityksellä, koska sen perimmäinen syy on teknologian kehityksestä johtuva työn tuottavuuden kasvu ja työtehtävien luonteen vähittäinen, jatkuva, kiihtyvä muuttuminen.
6. Asetelma on globaali, teknologian ja talouden logiikka toimii kaikkialla samalla tavalla, vaikka tilanteen kehittymisen aikataulut eroavat taloudellisesta ja yhteiskunnallisesta kehittyneisyydestä johtuen useilla vuosikymmenillä.
Sielläkin, missä halpa työvoima pystyy kilpailemaan automaatiota vastaan, automaatio parantaa jatkuvasti asemiaan. Kiinastakin on jo alettu siirtämään tuotantoa vielä halvempiin maihin. Minne sitä sitten näistä viimeksi mainituista siirrettäisiin?
7. Elinkeinoelämälle on globaalilla tasolla tärkeää, että jossakin on ostovoimaisia kuluttajia. Jos oman maan kuluttajat edustavat halpatyövoimaa, jolla ei ole itsellä varaa tuottamiinsa hyödykkeisiin, on ostokykyiset löydyttävä niistä maista, joissa enemmistöllä on kunnon tulotaso eli töitä joista on varaa maksaa kulutuskyvyn edellyttämää palkkaa. Mutta tämä joukko on pienenemässä kaikkialla. Toisaalta jäljellejäävien suhteellinen ostovoima on yhä kasvussa, mutta kuinka kauan?
8. Aivan viime vuosiin asti halvempien tuotantokustannusten aikaansaama tuotteiden hintojen lasku on kompensoinut tehokkaasti työvoimasta syrjäytyneiden kokemaa ostovoiman laskua. Yhteiskunnalliset tukiverkot ovat mahdollistaneet pysyvästikin työttömien ostovoiman ja turvanneet markkinoita halpatyövoiman ja automaation tuottamille hyödykkeille. Mutta työmarkkinoiden rakenneongelma on pysyvästi paheneva: syrjäytyneiden prosentuaalinen osuus on jatkuvassa kasvussa. Asteittain hintojen jatkuva lasku menettää merkityksensä, koska mm. osa elinkustannuksista, esim asuminen, ei tule halvemmaksi.
9. Kehittyvä informaatioteknologia mahdollistaa jossakin vaiheessa (25-50v kuluessa?) tason, jolloin kenen tahansa ihmisen työpanos voidaan automatisoida tekoälyn avulla, halvemmalla, luotettavammin. Voidaan kiistellä koska tämä tapahtuu, mutta sitä kohti ollaan menossa.
10. Jo ennen ihmisen tasoisen tekoälyteknologian saavuttamista globaaleiden markkinoiden tasopaino joutuu erittäin vaikeasti korjattavaan häiriötilaan, jossa markkinoiden tuotantokykyä vastaavaa ostovoimaa ei maailmalta löydy muuta kuin pääomatuloilla elävien ja kovapalkkaisten huippuosaajien piiristä. Ja tämän pienenevän joukon kulutuskyky ja halu ei riitä ylläpitämään globaalia teknistaloudellista infratruktuuria. Seurauksena on globaali superlama, josta ei ehkä enään voida toipua. Ovatko ensimmäiset merkit jo näkyvissä? Onko esim. Yhdysvaltojen taloudellinen toipuminen turha haave? Jos USA:n ja Euroopan väestöjen kulutuskyky on pysyvästi laskevalla kurssilla, miten käy kaukoidän maiden tuotteiden markkinoiden?
11. On sinänsä hyvä asia, että ennenpitkään kaikki työ voidaan automatisoida. Mutta ennen kuin kuvattuun superlamaan joudutaan, olisi kansallisella ja globaalilla tasolla talousjärjestelmiä radikaalisti muutettava siten, että globaali ostovoima ja kulutuskyky säilyy riittävällä tasolla töiden loppumisesta huolimatta, eikä superlamaan jouduta.
12. Tämä on maailmantalouden tärkein kysymys ja kaikilla talouspoliittisilla päättäjillä pitäisi löytyä siihen ratkaisumalli.
sunnuntai 17. lokakuuta 2010
Kiihdytin ei-symboliselle koneajattelulle
Lähes kaikki esitetyt arkkitehtuurit Yleisen Tekoälyn toteuttamiseksi edellyttävät symbolisen, semanttisen tiedon ja ei-symbolisen tiedon käsittelyn ja esittämisen erottamista toisistaan. Semanttisen, symbolisen tiedon esittäminen erilaisina verkkorakenteina, graafeina on luontevaa ja tehokasta perinteisiä ohjelmointitekniikoita soveltaen. Tavallisen suoritintekniikan kehittyminen multicore-, moniydinsuuntaan tuo tähän käytäntöön lisää tehoa lähivuosien kuluessa.
Semanttisesta tiedosta poiketen ei-symbolisen tiedon esittäminen ja käsittely on ongelmallisempaa. Luonteva lähestymissuunta on ollut, ja ovat edelleen "bioinspiroituneet" hermoverkkoalgoritmit, joista on laaja kokemus useiden vuosikymmenien ajalta. Mutta silloin kun tavoitteena olisi toteuttaa ihmissuorituskyvyn luokkaa olevia yleisen tekoälyn ratkaisuja, tavallinen näkemys on, että hermoverkkoalgoritmit ovat tehottomia, valtavasti suoritinkapasiteettia kuluttavia järjestelmiä. Hermoverkkoesityksessä niin tietämys kuin toiminnallisuuskin on hajantuneesti jakautuneena laajalle joukolle laskenta- ja muistiyksiköitä: neurooneja. Tämä esitapa edellyttää luonnostaan rinnakkaisuutta ja sen tarvitseman suuren yhteyslinkkimäärän ylläpito ohjemallisesti on hyvin raskasta.
Esitän ratkaisuksi laitteistotasolla toimivaa (vastakohtana ohjelmalliselle toteutukselle) kiihdytintä, jossa neuronien ja niiden ryhmien väliset yhteydet korvataan ohjelmistotoiminnallisuutta edullisemmilla, pääosin kiinteillä HW-ratkaisuilla.
Neurologian kehittyessä on ilmeisen ratkaisevaksi toiminnalliseksi yksiköksi paljastunut aivokuoren "cortical column", jonka monimutkaisuus on suuruusluokkaa 10000 neuronia. Oleellista on, että näyttää siltä, että ihmisaivojen muutama miljoonaa "kolumnia" (muutama 10 miljardia neuroonia) sisältävät kaikki suunnilleen saman perustoiminnallisuuden, joka yksilöllisesti ohjelmoituu, hienosäätyy yksilön kehityksen ja oppimisen seurauksena. Tämän toiminnallisuuden täyden tietellisen ymmärryksen saavuttaminen on vielä kesken, mutta jo nyt tekoälypiireissä on laaja kiinnostus soveltaa tämänhetkisiä, hyvin uskottavia teorioita aivokuoren ja kolumnien funktionaalisuudesta. Minulle tutuimpia tapauksia ovat Jeff Hawkinsin HTM ja Harri Valpolan vastaava ZenRobotics-arkkitehtuuri. Molemmissa kolumneja vastaavat yksiköt toimivat hierarkioina.
Esitän kolumnin funktionaalisuudeksi (hyvin yksinkertaistetusti) kykyä havaita sekä staattisia, että sekventiaalisia hahmoja antureilta tai toisista kolumneista saapuvista tuloistaan ja sen mukaan välittää havaitun staattisen tai temporaalisen hahmon koodi hierarkiassa ylöspäin. Muita funktionaalisuuksia on esim. poikkeavuuksien havaitseminen ja raportointi hierarkiassa sekä ylös- että alaspäin, samoin kuin sekvenssien jatkumistavan ennustaminen. Tämä oli siis hyvin karkea yksinkertaistus, ei mitenkään tyhjentävä kuvaus kolumneista.
Minun nyt esittämini ratkaisumalli ei-symbolisen konemielen tehokkaaksi toteuttamiseksi on luoda HW-kiihdytin, joka:
1. Toteuttaa yhden kolumnin abstraktin toiminnallisuuden HW-tasolla, laajaan sisäistä rinnakkaisuutta hyödyntäen. Toteutuksen ei tarvitse olla erityisen "biouskollinen".
2. Sisältää muistirakenteet esim tuhannen kolumnin yksilölliselle tietosisällölle, muuttujille.
3. Kykenee esim. suorittamaan yhden diskreetin (ulkomaailman suhteen) toiminnallisen kierroksen 1us:n aikana, vaihtaen sitten kolumniyksilön datalohkoja. Siten kaikkien tuhannen kolumnin tila voidaan päivittää 1ms:n välein (tai ehkä nopeamminkin), vastaten ihmisen aivokuoren suorituskykyä. Yhden kierroksen tulokset, kolumnien lähdöt, puskuroidaan muiden kolumnien tuloihin, datarakenteisiin, ja otetaan kaikki kerralla, synkronisesti käyttöön 1ms:n jaksoissa.
Piirikokonaisuus sisältäisi kymmeniä tuhansia laskureita, tilakoneita, aritmeettisloogisia yksiköitä ja erillismuisteja. Viimeksimainittujen ylimmät 10 osoitebittiä olisivat multipleksattuja kulloinkin valittuna olevan, yhden tuhannesta kolumnin koodin mukaan. Täten "kontekstinvaihto" sujuisi noin yhdessä kellojaksossa. Jos logiikan kellotaajuus olisi 1GHz, kolumnin tilan päivittämiseen jäisi 1000 kellojaksoa, joiden kuvittelisin rinnakkaisuuden ansiosta riittävän varsin hyvin.
Näitä tuhannen kolumnin emulaattoreita voidaan integroida teknologiasta riippuva määrä yhdelle piipalalle, esim kymmeniä, satoja tai tuhansia ja yhdistää kolumnien välisesti sarjaväyläkommunikaatiota käyttäen, rinnakkaisena HW-toteutuksena.
Esittämäni toteutustapa olisi tuhansia kertoja tehokkaampi kuin mikään ohjelmallinen toteutus mielivaltaisen tehokkaalla moniydinsuorittimilla. Jos yhdellä piipalalla olisi esim 1000 kolumniemulaattoria (jotka siis yhdessä emuloisivat miljoonaa kolumnia), ne vastaisivat 10 miljardia neuroonia. Tällainen piiri voisi olla toteutettavissa vaikkapa 15v kuluttua. Kymmenen emulaatorin piiri voisi olla todellisuutta hyvinkin pian ja sovellettavissa älykkäissä roboteissa.
Esitän yllä kuvatun lähestymistavan mm. siksi, että siten torjun, vaikeutan asiaa koskevia, turhia kehitystä hidastavia patentteja. Nythän tässä kuvattu ajatus on julkinen ja sellaisenaan patentoimiskelvoton, kun se esitetään blogissani (ellei vastaavaa jo ole patentoitu aikaisemmin). Tiedän, että aihepiiriin liittyviä muita patentteja on olemassa.
Semanttisesta tiedosta poiketen ei-symbolisen tiedon esittäminen ja käsittely on ongelmallisempaa. Luonteva lähestymissuunta on ollut, ja ovat edelleen "bioinspiroituneet" hermoverkkoalgoritmit, joista on laaja kokemus useiden vuosikymmenien ajalta. Mutta silloin kun tavoitteena olisi toteuttaa ihmissuorituskyvyn luokkaa olevia yleisen tekoälyn ratkaisuja, tavallinen näkemys on, että hermoverkkoalgoritmit ovat tehottomia, valtavasti suoritinkapasiteettia kuluttavia järjestelmiä. Hermoverkkoesityksessä niin tietämys kuin toiminnallisuuskin on hajantuneesti jakautuneena laajalle joukolle laskenta- ja muistiyksiköitä: neurooneja. Tämä esitapa edellyttää luonnostaan rinnakkaisuutta ja sen tarvitseman suuren yhteyslinkkimäärän ylläpito ohjemallisesti on hyvin raskasta.
Esitän ratkaisuksi laitteistotasolla toimivaa (vastakohtana ohjelmalliselle toteutukselle) kiihdytintä, jossa neuronien ja niiden ryhmien väliset yhteydet korvataan ohjelmistotoiminnallisuutta edullisemmilla, pääosin kiinteillä HW-ratkaisuilla.
Neurologian kehittyessä on ilmeisen ratkaisevaksi toiminnalliseksi yksiköksi paljastunut aivokuoren "cortical column", jonka monimutkaisuus on suuruusluokkaa 10000 neuronia. Oleellista on, että näyttää siltä, että ihmisaivojen muutama miljoonaa "kolumnia" (muutama 10 miljardia neuroonia) sisältävät kaikki suunnilleen saman perustoiminnallisuuden, joka yksilöllisesti ohjelmoituu, hienosäätyy yksilön kehityksen ja oppimisen seurauksena. Tämän toiminnallisuuden täyden tietellisen ymmärryksen saavuttaminen on vielä kesken, mutta jo nyt tekoälypiireissä on laaja kiinnostus soveltaa tämänhetkisiä, hyvin uskottavia teorioita aivokuoren ja kolumnien funktionaalisuudesta. Minulle tutuimpia tapauksia ovat Jeff Hawkinsin HTM ja Harri Valpolan vastaava ZenRobotics-arkkitehtuuri. Molemmissa kolumneja vastaavat yksiköt toimivat hierarkioina.
Esitän kolumnin funktionaalisuudeksi (hyvin yksinkertaistetusti) kykyä havaita sekä staattisia, että sekventiaalisia hahmoja antureilta tai toisista kolumneista saapuvista tuloistaan ja sen mukaan välittää havaitun staattisen tai temporaalisen hahmon koodi hierarkiassa ylöspäin. Muita funktionaalisuuksia on esim. poikkeavuuksien havaitseminen ja raportointi hierarkiassa sekä ylös- että alaspäin, samoin kuin sekvenssien jatkumistavan ennustaminen. Tämä oli siis hyvin karkea yksinkertaistus, ei mitenkään tyhjentävä kuvaus kolumneista.
Minun nyt esittämini ratkaisumalli ei-symbolisen konemielen tehokkaaksi toteuttamiseksi on luoda HW-kiihdytin, joka:
1. Toteuttaa yhden kolumnin abstraktin toiminnallisuuden HW-tasolla, laajaan sisäistä rinnakkaisuutta hyödyntäen. Toteutuksen ei tarvitse olla erityisen "biouskollinen".
2. Sisältää muistirakenteet esim tuhannen kolumnin yksilölliselle tietosisällölle, muuttujille.
3. Kykenee esim. suorittamaan yhden diskreetin (ulkomaailman suhteen) toiminnallisen kierroksen 1us:n aikana, vaihtaen sitten kolumniyksilön datalohkoja. Siten kaikkien tuhannen kolumnin tila voidaan päivittää 1ms:n välein (tai ehkä nopeamminkin), vastaten ihmisen aivokuoren suorituskykyä. Yhden kierroksen tulokset, kolumnien lähdöt, puskuroidaan muiden kolumnien tuloihin, datarakenteisiin, ja otetaan kaikki kerralla, synkronisesti käyttöön 1ms:n jaksoissa.
Piirikokonaisuus sisältäisi kymmeniä tuhansia laskureita, tilakoneita, aritmeettisloogisia yksiköitä ja erillismuisteja. Viimeksimainittujen ylimmät 10 osoitebittiä olisivat multipleksattuja kulloinkin valittuna olevan, yhden tuhannesta kolumnin koodin mukaan. Täten "kontekstinvaihto" sujuisi noin yhdessä kellojaksossa. Jos logiikan kellotaajuus olisi 1GHz, kolumnin tilan päivittämiseen jäisi 1000 kellojaksoa, joiden kuvittelisin rinnakkaisuuden ansiosta riittävän varsin hyvin.
Näitä tuhannen kolumnin emulaattoreita voidaan integroida teknologiasta riippuva määrä yhdelle piipalalle, esim kymmeniä, satoja tai tuhansia ja yhdistää kolumnien välisesti sarjaväyläkommunikaatiota käyttäen, rinnakkaisena HW-toteutuksena.
Esittämäni toteutustapa olisi tuhansia kertoja tehokkaampi kuin mikään ohjelmallinen toteutus mielivaltaisen tehokkaalla moniydinsuorittimilla. Jos yhdellä piipalalla olisi esim 1000 kolumniemulaattoria (jotka siis yhdessä emuloisivat miljoonaa kolumnia), ne vastaisivat 10 miljardia neuroonia. Tällainen piiri voisi olla toteutettavissa vaikkapa 15v kuluttua. Kymmenen emulaatorin piiri voisi olla todellisuutta hyvinkin pian ja sovellettavissa älykkäissä roboteissa.
Esitän yllä kuvatun lähestymistavan mm. siksi, että siten torjun, vaikeutan asiaa koskevia, turhia kehitystä hidastavia patentteja. Nythän tässä kuvattu ajatus on julkinen ja sellaisenaan patentoimiskelvoton, kun se esitetään blogissani (ellei vastaavaa jo ole patentoitu aikaisemmin). Tiedän, että aihepiiriin liittyviä muita patentteja on olemassa.
lauantai 16. lokakuuta 2010
Hieno robottikilpailu
"The Semantic Robot Vision Challenge" on kilpailu, jossa lyhyesti selostettuna kilpailevat robotit saavat tekstimuotoisen luettelon fyysisistä esineistä. Sen jälkeen roboteilla on nettiyhteys käytössään, jota käyttäen niiden tulee etsiä netistä kuvia esineistä, yleistää, generalisoida kunkin esinetyypin oleellisin ja mallintaa tiedot jatkokäyttöön. Sitten nettiyhteys katkaistaan ja robotti pääsee huoneeseen, jossa esineet löytyvät, isot esineet lattialla, pienemmät huonekalujen päällä. Robotin tehtävänä on navigoida huoneessa ja tunnistaa esineet. Näyttää siltä, että neljät vuotuiset kilpailut on jo takana, ja tehtävät tietysti vaikeentuvat vuosittain. Haasteena on suunnitelmallinen navigointi huoneessa, konenäkö, semanttinen ymmärrys ja eteenkin mallin rakentaminen surffauslöydösten pohjalta. Haastavaa! Ja vie varmasti esim. kotirobottien tuotekehitystä eteenpäin.
torstai 16. syyskuuta 2010
Demokratiaviikon ajatuksia
Menossa on Demokratiajuhlaviikko. Suomen YK-liiton sivuilla
todetaan, että "toimiva demokratia on ennakkoedellytys sosiaalisesti oikeudenmukaiselle ja kestävälle kehitykselle". "Sosiaalinen oikeudenmukaisuus", "kestävä kehitys" - kyllä, ehkä nämä ovat tärkeimpiä syitä demokraattisten menettelytapojen toteuttamiseen. Valtio ilman demokratiaa ei useimmiten ole kansalaisten kesken sosiaalisesti oikeudenmukainen eikä sen kehitys ole pitkällä aikavälillä kestävällä pohjalla. Tästä voimme yksinkertaisesti päätellä, että esim. Kiinalla on isoja vaikeuksia edessään. Kiinasta ei voi tulla maailman mahtavinta valtiota niinkuin sen johtajat uskovat.
Miksi toimivan valtion hallinto pitää perustua demokratiaan? Syynä on teknisten tieteiden erittäin hyvin tuntema takaisinkytkentäperiaate. Takaisinkytkentää, feedback, sovelletaan yksinkertaisimmillaan esim. termostaattien toiminnassa. Voidaan ajatella, että jostakin saadaan tietää, esim kokeilemalla, millä teholla jotakin tilaa on lämmitettävä, ja sitten tämä tieto riittää, tarkistusmittauksia ei enään tarvita. Tämä on "feed forward -säätöä", "eteenpäinkytkentää". Tätä esim Kiinan hallitus harrastaa. He tietävät mitä kansa tarvitsee: kansalta ei tarvitse kysyä mitään, kansalaisten mielenilmaisut voidaan vaikka kriminalisoida. Tekniikan osaajat tietävät, että hiukankin monimutkaisempi järjestelmä toimii aina huonosti pelkän feed forward -säädön varassa. Eiköhän yli miljardin kansalaisen jättiläisvaltio ole hyvin monimutkainen järjestelmä.
Toimiva demokratia kierrättää hallinnolle palautteen valtakunnan tilasta, hallinnollisten toimenpiteiden, lainsäädännön ja tavoitteidenasettelun laadusta. Mutta, tekniikan ammattilaiset tietävät, että toimiakseen on takaisinkytkentäsilmukan oltava tiivis, ajallisesti nopea! Onko kerran neljässä vuodessa tapahtuva eduskuntavaali tällainen toimiva säätösilmukka. Se toimii, jotenkuten, mutta tuskin optimaalisesti.
Maailmassa on valtioita, jotka eksplisiittisesti torjuvat demokratian. Näitä ovat esim. Pohjois-Korea, Kiina ja Burma. Sitten on valtioita, joissa demokratia on näennäistä, pelkkää teatteria, aito takaisinkytkentä on katkaistu, esim. eliminoimalla opposition toiminta. Näitä valtiota ovat esim. kutakuinkin kaikki muslimivaltiot (joista jotkut kuuluvat ensimmäiseen ryhmään) ja Venäjä. Jäljelle jää valtioita, joissa aidosti yritetään toteuttaa demokraattisia periaatteita, mutta joissa kaikissa toteutus on enemmän tai vähemmän puutteellista. Näiden tapausten joukkoon kuuluvat esim Intia, USA, Ruotsi ja Suomi.
Demokratian toimivuuteen vaikuttaa oleellisen vapaan tiedonvälityksen lisäksi myös kansan koulutus- ja sivistystaso. Maassa, jossa lukutaito ei ole itsestäänselvyys, esim Intiassa (ja jopa USA:ssa!), demokratia voi toimia vain puuttellisesti. Puutteellisilla perustiedoilla varustettuja kansalaisia on helppo johtaa harhaan.
Demokratia assosioidaan väärin tasavalta-periaatteen kanssa. Toimiva demokratia ei edellytä yhtäläisiä valtaoikeuksia, eikä edes toimi parhaiten tasavalta-periaatteen vallitessa. Lisäksi tasavalta-periaate on aina harhaa: todellisuudessa edustuksellinen demokratia pudottaa siltä kuitenkin perustan. Hallitsevalla eliitillä on paljon enemmän valtaa, kuin tasavalta-periaate edellyttäisi. Miksi siis ei voitaisi ottaa lusikkaa kauniisen käteen, myöntää tilanne, ja toteuttaa toimivampi takaisinkytkentä tuomalla demokratiaan "meritokratiaa", antamalla enemmän valtaa kansalaisille, joilla on näyttö paremmasta ymmärryksestä? Näyttö voitaisiin toteuttaa esim. kaikille avoimena kaksi- tai kolmivaiheisena tutkintona, joka antaisi lisää äänivaltaa vaaleissa. Olen aivan varma, että takaisinkytkentä parantuisi ilman, että esim. yhteiskunnallinen oikeudenmukaisuus vaarantuisi. Samoin tutkinto motivoisi useimpia parempaan yhteiskunnallisten asioiden seurantaan. Vai voisiko olla, että tämä olisi nykyisen valtaeliitin mielestä liian vaarallista?
Toinen korjattava piirre demokratiassa on edellä mainittu säätösilmukan nopeus. Esim. antamalla äänivaltaisille (ymmärtäväisille ja vastuullisille) kansalaisille mahdollisuus muuttaa ääniään kesken vaalikauden, saataisiin silmukkaan ratkaisevasti nopeutta ja säätöä, demokratiaa merkittävästi parannettua. Tietoteknisillä toteutuksilla tähän varmasti päästäisiin kohtuullisella vaivalla.
Voisiko Suomi tavoitella "rauhanturvaamisen suurvallan" aseman lisäksi "demokratian mallimaan" statusta?
todetaan, että "toimiva demokratia on ennakkoedellytys sosiaalisesti oikeudenmukaiselle ja kestävälle kehitykselle". "Sosiaalinen oikeudenmukaisuus", "kestävä kehitys" - kyllä, ehkä nämä ovat tärkeimpiä syitä demokraattisten menettelytapojen toteuttamiseen. Valtio ilman demokratiaa ei useimmiten ole kansalaisten kesken sosiaalisesti oikeudenmukainen eikä sen kehitys ole pitkällä aikavälillä kestävällä pohjalla. Tästä voimme yksinkertaisesti päätellä, että esim. Kiinalla on isoja vaikeuksia edessään. Kiinasta ei voi tulla maailman mahtavinta valtiota niinkuin sen johtajat uskovat.
Miksi toimivan valtion hallinto pitää perustua demokratiaan? Syynä on teknisten tieteiden erittäin hyvin tuntema takaisinkytkentäperiaate. Takaisinkytkentää, feedback, sovelletaan yksinkertaisimmillaan esim. termostaattien toiminnassa. Voidaan ajatella, että jostakin saadaan tietää, esim kokeilemalla, millä teholla jotakin tilaa on lämmitettävä, ja sitten tämä tieto riittää, tarkistusmittauksia ei enään tarvita. Tämä on "feed forward -säätöä", "eteenpäinkytkentää". Tätä esim Kiinan hallitus harrastaa. He tietävät mitä kansa tarvitsee: kansalta ei tarvitse kysyä mitään, kansalaisten mielenilmaisut voidaan vaikka kriminalisoida. Tekniikan osaajat tietävät, että hiukankin monimutkaisempi järjestelmä toimii aina huonosti pelkän feed forward -säädön varassa. Eiköhän yli miljardin kansalaisen jättiläisvaltio ole hyvin monimutkainen järjestelmä.
Toimiva demokratia kierrättää hallinnolle palautteen valtakunnan tilasta, hallinnollisten toimenpiteiden, lainsäädännön ja tavoitteidenasettelun laadusta. Mutta, tekniikan ammattilaiset tietävät, että toimiakseen on takaisinkytkentäsilmukan oltava tiivis, ajallisesti nopea! Onko kerran neljässä vuodessa tapahtuva eduskuntavaali tällainen toimiva säätösilmukka. Se toimii, jotenkuten, mutta tuskin optimaalisesti.
Maailmassa on valtioita, jotka eksplisiittisesti torjuvat demokratian. Näitä ovat esim. Pohjois-Korea, Kiina ja Burma. Sitten on valtioita, joissa demokratia on näennäistä, pelkkää teatteria, aito takaisinkytkentä on katkaistu, esim. eliminoimalla opposition toiminta. Näitä valtiota ovat esim. kutakuinkin kaikki muslimivaltiot (joista jotkut kuuluvat ensimmäiseen ryhmään) ja Venäjä. Jäljelle jää valtioita, joissa aidosti yritetään toteuttaa demokraattisia periaatteita, mutta joissa kaikissa toteutus on enemmän tai vähemmän puutteellista. Näiden tapausten joukkoon kuuluvat esim Intia, USA, Ruotsi ja Suomi.
Demokratian toimivuuteen vaikuttaa oleellisen vapaan tiedonvälityksen lisäksi myös kansan koulutus- ja sivistystaso. Maassa, jossa lukutaito ei ole itsestäänselvyys, esim Intiassa (ja jopa USA:ssa!), demokratia voi toimia vain puuttellisesti. Puutteellisilla perustiedoilla varustettuja kansalaisia on helppo johtaa harhaan.
Demokratia assosioidaan väärin tasavalta-periaatteen kanssa. Toimiva demokratia ei edellytä yhtäläisiä valtaoikeuksia, eikä edes toimi parhaiten tasavalta-periaatteen vallitessa. Lisäksi tasavalta-periaate on aina harhaa: todellisuudessa edustuksellinen demokratia pudottaa siltä kuitenkin perustan. Hallitsevalla eliitillä on paljon enemmän valtaa, kuin tasavalta-periaate edellyttäisi. Miksi siis ei voitaisi ottaa lusikkaa kauniisen käteen, myöntää tilanne, ja toteuttaa toimivampi takaisinkytkentä tuomalla demokratiaan "meritokratiaa", antamalla enemmän valtaa kansalaisille, joilla on näyttö paremmasta ymmärryksestä? Näyttö voitaisiin toteuttaa esim. kaikille avoimena kaksi- tai kolmivaiheisena tutkintona, joka antaisi lisää äänivaltaa vaaleissa. Olen aivan varma, että takaisinkytkentä parantuisi ilman, että esim. yhteiskunnallinen oikeudenmukaisuus vaarantuisi. Samoin tutkinto motivoisi useimpia parempaan yhteiskunnallisten asioiden seurantaan. Vai voisiko olla, että tämä olisi nykyisen valtaeliitin mielestä liian vaarallista?
Toinen korjattava piirre demokratiassa on edellä mainittu säätösilmukan nopeus. Esim. antamalla äänivaltaisille (ymmärtäväisille ja vastuullisille) kansalaisille mahdollisuus muuttaa ääniään kesken vaalikauden, saataisiin silmukkaan ratkaisevasti nopeutta ja säätöä, demokratiaa merkittävästi parannettua. Tietoteknisillä toteutuksilla tähän varmasti päästäisiin kohtuullisella vaivalla.
Voisiko Suomi tavoitella "rauhanturvaamisen suurvallan" aseman lisäksi "demokratian mallimaan" statusta?
tiistai 31. elokuuta 2010
Suomalaiset kognitiivisten robottiaivojen arkkitehtuurit v. 2010
STeP 2010-tapahtumassa (Suomen Tekoälyseuran konferenssi) kaksi mielenkiintoisinta esiintyjää olivat professorit Harri Valpola ja Pentti Haikonen. Molemmat esittelivät omia versioitaan kognitiivisten robottien arkkitehtuureiksi. Eroa näissä on keskenään hyvin paljon. Haikonen tosin keskittyi demoamaan välituloksia, hänen protorobossaan on jo henkeä.
http://www.youtube.com/user/PenHaiko
Yhteistä Valpolan (Aalto Yliopisto ja ZenRobotics Ltd) ja Haikosen (University of Illinois at Springfield) näkemyksille on lähinnä ainoastaan se, että molemmat katsovat oman arkkitehtuurinsa rakentuvan biologisista järjestelmistä omaksutuille perusteille, muuten ne sitten ovatkin hyvin erilaisia. Haikosen arkkitehtuuri esitellään hänen kirjassaan: "Robot Brains, Circuits and Systems for Conscious Machines" (2007). Valpola kertoi esityksessään, että paras kuvaus hänen työryhmänsä arkkitehtuurista on Antti Yli-Krekolan diplomityössä:
http://www.lce.hut.fi/~aylikrek/AnttiYKdippa.pdf
Haikonen korostaa, että "maailman suora kokeminen" edellyttää "suoria HW-ratkaisuja": "The requirements for the direct perception of the world and the seamless integration would seem to call for special way of perception and information representation. Here the traditional way of information representation of the artificial intelligence , the representation of information as statements of formal language is rejected. Instead associative nonnumeric neural networks, distributed representations and cognitive architectures are investigated as the solution".
Haikonen esittelee kirjassaan melko yksityiskohtaisia piiriratkaisuja arkkitehtuurinsa neuroverkkojen perustaksi, mutta toistaiseksi minulle on jäänyt hieman hämäräksi arkkitehtuurin toiminnallinen "big picture". Koitan sulatella lisää..
Valpola (ja Yli-Krekola) sen sijaan liikkuu minulle tutummilla aivojen neokorteksin hierarkiseen rakenteeseen perustuvassa toiminnallisuudessa. Joutuu todella keskittymään yrittäessään erottaa Valpola-Yli-Krekola- arkkitehtuurin Jeff Hawkinsin HTM-arkkitehtuurista, niin samanlaisia nämä ovat. Kun tietää, että molemmat, ZenRobotics ja Numenta tähtäävät kaupallisiin sovelluksiin niin patenttisota voi olla edessä..
Sekä HTM, että Valpolan arkkitehtuuri perustuvat hierarkiaan ja aistidatan jalostumiseen hierarkiassa kerros-kerrokselta yhä korkeammiksi abstraktiotasoiksi, lopulta semanttisiksi mielikuviksi (tuo loppu oli minun ilmaisuani). Molemmat käyttävät kilpailevaa tunnistamista, ja hierarkiassa ylhäältä alas vastavirtaan kulkevia, asiayhteyden mukaisia, tunnistamista helpottavia arvauksia. Se missä minä näen eron, on että Hawkins korostaa hahmojen sekvenssiluonnetta (kyllä Yli-Krekolakin asian mainitsee, ikäänkuin ohimennen) ja Yli-Krekola korostaa keskittynyttä, valikoivaa, emergenttiä tarkkaavaisuutta (attention) sekä tarkaavaisuuden ja oppimisen yhteyttä, jatkuvaa oppimista.
Yksityiskohtaisessa toteutuksessa (jotka ovat firmojen suljettua tietoa) molemmat aivojen kuorikerroksen toiminnallisuutta mukailevat järjestelmät eroavat varmasti toisistaan ja ulkoiselle uteliaalle käytettävissä olevien tietojen pohjalta ei liene mahdollista tehdä tarkkaa erittelyä järjestelmien todellisista eroista. Numentalla on kuulemma asiakkuuksia sotilaallisten tiedustelusateliittien hahmontunnistuksissa ja ZenRobotics tavoittelee sekajätteiden liukuhihnalajittelusovelluksia, joissa jono robotteja poimii nopeasti etenevältä hihnalta erityyppisiä jäteklimppejä konenäön avulla. Ehkä erilaiset sovellusalueet estävät turhat patenttiriidat, näin toivon.
Haikosen kokeilut näen akateemisena perustutkimuksena, joiden löydöt ja ideat jäävät muiden hyödynnettäviksi. Minä yritän vielä syventyä sekä Haikosen että Valpolan ajatusmaailmoihin, muitakaan tahoja unohtamatta. Kognitiivinen taso, joka linkittää aistitiedon semanttiseen tasoon, suorittaa semanttisen ymmärryksen maadoittamisen, on erittäin todennäköisesti useimmiten (eteenkin konenäössä) järkevintä toteuttaa aivojen kuorikerrosta mukailevalla hierarkisten modulitasojen rakenteena. Tästä on tuskin kellään vakavasti otettavaa eriävää mielipidettä.
On hienoa, että suomalainen robotiikkatutkimus on mukana aivan alan tärkeimpien kysymysten ratkaisemisessa!
http://www.youtube.com/user/PenHaiko
Yhteistä Valpolan (Aalto Yliopisto ja ZenRobotics Ltd) ja Haikosen (University of Illinois at Springfield) näkemyksille on lähinnä ainoastaan se, että molemmat katsovat oman arkkitehtuurinsa rakentuvan biologisista järjestelmistä omaksutuille perusteille, muuten ne sitten ovatkin hyvin erilaisia. Haikosen arkkitehtuuri esitellään hänen kirjassaan: "Robot Brains, Circuits and Systems for Conscious Machines" (2007). Valpola kertoi esityksessään, että paras kuvaus hänen työryhmänsä arkkitehtuurista on Antti Yli-Krekolan diplomityössä:
http://www.lce.hut.fi/~aylikrek/AnttiYKdippa.pdf
Haikonen korostaa, että "maailman suora kokeminen" edellyttää "suoria HW-ratkaisuja": "The requirements for the direct perception of the world and the seamless integration would seem to call for special way of perception and information representation. Here the traditional way of information representation of the artificial intelligence , the representation of information as statements of formal language is rejected. Instead associative nonnumeric neural networks, distributed representations and cognitive architectures are investigated as the solution".
Haikonen esittelee kirjassaan melko yksityiskohtaisia piiriratkaisuja arkkitehtuurinsa neuroverkkojen perustaksi, mutta toistaiseksi minulle on jäänyt hieman hämäräksi arkkitehtuurin toiminnallinen "big picture". Koitan sulatella lisää..
Valpola (ja Yli-Krekola) sen sijaan liikkuu minulle tutummilla aivojen neokorteksin hierarkiseen rakenteeseen perustuvassa toiminnallisuudessa. Joutuu todella keskittymään yrittäessään erottaa Valpola-Yli-Krekola- arkkitehtuurin Jeff Hawkinsin HTM-arkkitehtuurista, niin samanlaisia nämä ovat. Kun tietää, että molemmat, ZenRobotics ja Numenta tähtäävät kaupallisiin sovelluksiin niin patenttisota voi olla edessä..
Sekä HTM, että Valpolan arkkitehtuuri perustuvat hierarkiaan ja aistidatan jalostumiseen hierarkiassa kerros-kerrokselta yhä korkeammiksi abstraktiotasoiksi, lopulta semanttisiksi mielikuviksi (tuo loppu oli minun ilmaisuani). Molemmat käyttävät kilpailevaa tunnistamista, ja hierarkiassa ylhäältä alas vastavirtaan kulkevia, asiayhteyden mukaisia, tunnistamista helpottavia arvauksia. Se missä minä näen eron, on että Hawkins korostaa hahmojen sekvenssiluonnetta (kyllä Yli-Krekolakin asian mainitsee, ikäänkuin ohimennen) ja Yli-Krekola korostaa keskittynyttä, valikoivaa, emergenttiä tarkkaavaisuutta (attention) sekä tarkaavaisuuden ja oppimisen yhteyttä, jatkuvaa oppimista.
Yksityiskohtaisessa toteutuksessa (jotka ovat firmojen suljettua tietoa) molemmat aivojen kuorikerroksen toiminnallisuutta mukailevat järjestelmät eroavat varmasti toisistaan ja ulkoiselle uteliaalle käytettävissä olevien tietojen pohjalta ei liene mahdollista tehdä tarkkaa erittelyä järjestelmien todellisista eroista. Numentalla on kuulemma asiakkuuksia sotilaallisten tiedustelusateliittien hahmontunnistuksissa ja ZenRobotics tavoittelee sekajätteiden liukuhihnalajittelusovelluksia, joissa jono robotteja poimii nopeasti etenevältä hihnalta erityyppisiä jäteklimppejä konenäön avulla. Ehkä erilaiset sovellusalueet estävät turhat patenttiriidat, näin toivon.
Haikosen kokeilut näen akateemisena perustutkimuksena, joiden löydöt ja ideat jäävät muiden hyödynnettäviksi. Minä yritän vielä syventyä sekä Haikosen että Valpolan ajatusmaailmoihin, muitakaan tahoja unohtamatta. Kognitiivinen taso, joka linkittää aistitiedon semanttiseen tasoon, suorittaa semanttisen ymmärryksen maadoittamisen, on erittäin todennäköisesti useimmiten (eteenkin konenäössä) järkevintä toteuttaa aivojen kuorikerrosta mukailevalla hierarkisten modulitasojen rakenteena. Tästä on tuskin kellään vakavasti otettavaa eriävää mielipidettä.
On hienoa, että suomalainen robotiikkatutkimus on mukana aivan alan tärkeimpien kysymysten ratkaisemisessa!
Tilaa:
Blogitekstit (Atom)
Tekstit
