Äskettäiset edistysaskeleet tekoälyn (AI) alalla, kuten generatiivisten tekoälyjen kehitys ChatGPT:n ilmestyessä marraskuussa 2022, ovat herättäneet paljon kysymyksiä, toiveita ja pelkoja.
Keväällä 2023 Yhdysvaltain kongressi kuuli OpenAI:ta, yritystä, joka kehitti ChatGPT:n, ja Euroopan unioni on juuri hyväksynyt ensimmäisen lainsäädäntönsä tekoälyä koskien.
Parlamenteissa ja sosiaalisessa mediassa tekoälyn nopeat edistysaskeleet herättävät keskustelua. Mitä vaikutuksia voimme odottaa yhteiskunnalle tulevaisuudessa? Yrittääksemme vastata tähän kysymykseen objektiivisesti, ehdotamme tarkastella, mitä on tapahtunut alalla, joka on jo kokenut tekoälyn saapumisen ja voiton ihmisten kyvyistä: shakissa. Koneet ovat nimittäin olleet ihmisiä vahvempia jo yli neljännesvuosisadan.
Miksi shakki on indikaattori?
Tietojenkäsittelyn alkuajoista lähtien shakkia on käytetty ohjelmistojen ja laitteistojen edistymisen indikaattorina. Se on monitasoinen peli, joka tarjoaa kiinnostavan mahdollisuuden tutkia tekoälyn vaikutuksia yhteiskuntaan:- Se on älyllinen aktiviteetti, joka vaatii erilaisia taitoja: avaruudellinen hahmottaminen, muisti, mielessä laskeminen, luovuus, sopeutumiskyky jne., taitoja, joilla tekoäly kilpailee ihmismielen kanssa.
- Peli ei ole muuttunut vuosisatoihin. Säännöt ovat hyvin vakiintuneet, mikä tarjoaa vakaan perustan pelaajien kehityksen tutkimiselle.
- Koneiden voimaa voidaan mitata objektiivisesti ja verrata ihmisten tasoon Elo-luokituksen avulla.
- Tutkimusalue on rajattu: on selvää, että shakki on vain pieni osa elämää, mutta juuri tämä on tarkoitus. Aiheen rajallisuus mahdollistaa tekoälyn vaikutusten tarkemman kohdistamisen arkipäiväiseen elämään.
- Tekoälyt ovat ylittäneet parhaiden ihmispelaajien tason yli 20 vuotta sitten. On siis mahdollista nähdä, mitkä ovat olleet konkreettiset vaikutukset shakkipeliin ja sen yhteisön elämään, jota voidaan pitää yhteiskunnan mikrocosmona. Voimme myös tutkia näitä vaikutuksia tekoälyn kehityksen näkökulmasta.
Tutkitaan, mitä muutoksia on tapahtunut shakkimaailmassa siitä lähtien, kun Garry Kasparov, tuolloin hallitseva maailmanmestari, hävisi pelin Deep Bluelle vuonna 1996 ja sitten uusintaottelun vuonna 1997. Käymme läpi useita teemoja, jotka toistuvat keskustelussa tekoälyyn liittyvistä riskeistä ja tarkastelemme, mitä näille spekulaatioille on tapahtunut erityisesti shakin alalla.
Kasvaako tekoälyn suorituskyky yhä nopeammin?
Shakkiohjelmistojen ohjelmoimiseen on olemassa kaksi pääkoulukuntaa: pitkään vain raakateho toimi. Kyse oli pääasiassa siitä, että laskettiin mahdollisimman nopeasti syvemmälle siirtopuun, eli kyky ennakoida peliä pidemmälle tulevaisuuteen.Nykyään raakateho kilpailee neuroverkkoihin perustuvien tekoälytekniikoiden kanssa. Vuonna 2018 Googlen tytäryhtiö DeepMind tuotti AlphaZero-nimisen syväoppivan tekoälyn, joka oppi pelaamaan shakkia itse itsensä kanssa.
Nykyään voimakkaimpien ohjelmistojen joukossa on huomionarvoista, että LC0, joka on neuroverkkoihin perustuva tekoäly, ja Stockfish, joka on pääasiassa raakatehoon perustuva ohjelmisto, saavuttavat molemmat samankaltaisia tuloksia. Ruotsin shakkiohjelmistojen yhdistyksen (SSDF) viimeisessä luokituksessa ne eroavat vain 4 Elo-pisteellä: 3582 LC0:lle ja 3586 Stockfishille. Nämä kaksi täysin erilaista tapaa toteuttaa shakkimoottori ovat käytännössä erottamattomia voimakkuuden suhteen.
Elo-pisteiden osalta koneiden kehitys on ollut lineaarista. Seuraava kaavio näyttää parhaan ohjelmiston tason vuosittain SSDF-luokituksen mukaan, joka on aloitettu 1980-luvun puolivälissä. Nykyinen paras ohjelmisto, LC0, on 3586, mikä jatkaa kehitystä odotetulla tavalla.
Tämä lineaarinen kehitys on itse asiassa heijastus ohjelmistojen melko hitaasta kehityksestä. Itse asiassa laskentatehon kehitys on eksponentiaalista. Tämä on kuuluisa Moore'n laki, joka toteaa, että tietokoneiden laskentateho kaksinkertaistuu joka kahdeksastoista kuukausi.
Kuitenkin Ken Thompson, amerikkalainen tietojenkäsittelytieteilijä, joka työskenteli 1980-luvulla Belle-ohjelman parissa, joka oli tuolloin paras shakkiohjelma, oli kokeellisesti havainnut, että eksponentiaalinen laskentatehon kasvu johti ohjelmistojen voimakkuuden lineaariseen kasvuun, kuten on havaittu viimeisten vuosikymmenten aikana.
Lisäksi syvemmän laskennan lisääminen tarkoittaa, että on laskettava paljon enemmän uusia asemia. Näin ollen mahdollisten siirtojen puu laajenee yhä enemmän jokaisessa vaiheessa.
Tekoälyn edistysaskeleet näyttävät siis heikoilta: vaikka ne eivät kehittyisi, ohjelmistojen voimakkuuden kasvu jatkuisi pelkästään koneiden laskentatehon parantumisen vuoksi. Emme voi siis antaa tekoälyn kehitykselle koko kunniaa shakkiohjelmien jatkuvasta parantumisesta.
Shakkipelaajayhteisön vastaanotto
Vahvojen koneiden saapuminen shakkimaailmaan on väistämättä muuttanut yhteisöä. Tämä seikka on vähemmän tieteellinen, mutta ehkä tärkein. Tarkastellaan, mitä muutoksia on tapahtunut."Miksi ihmiset jatkaisivat shakin pelaamista?" Tämä kysymys nousi esiin heti Kasparovin tappion jälkeen, kun amatööri- ja ammattilaisshakin tulevaisuus näytti synkältä. Itse asiassa ihmiset suosivat pelaamista toisiaan vastaan ja ovat edelleen kiinnostuneita vahvojen suurmestareiden esityksistä, vaikka koneet voivatkin havaita heidän virheensä reaaliajassa. Huipputason shakkipelaajien arvostus ei ole vähentynyt sen vuoksi, että koneet pystyvät voittamaan heidät.
Pelin tyyliin on vaikuttanut monella tasolla. Pelaajat ovat huomanneet, että pelissä on paljon enemmän lähestymistapoja kuin aiemmin on luultu. Akateemisuus ja tiukat säännöt ovat saaneet kolauksen. On kuitenkin tärkeää pystyä analysoimaan koneiden tekemät valinnat. Tekoälyt ovat myös erittäin hyviä osoittamaan taktisia virheitä, eli lyhyiden sekvenssien laskentavirheitä.
Verkossa on mahdollista analysoida pelejä lähes välittömästi. Tämä on hieman kuin olisi henkilökohtainen opettaja saatavilla. Tämä on varmasti edistänyt ihmispelaajien yleisen tason nousua ja pelin demokratisoitumista viime vuosina.
Tällä hetkellä tekoälyt eivät pysty antamaan hyviä neuvoja strategiassa, eli pidemmän aikavälin huomioissa pelissä. On mahdollista, että tämä muuttuu kielimallien, kuten ChatGPT:n, myötä.
Tekoälyt ovat myös tuoneet mahdollisuuden huijata. Tästä on ollut monia skandaaleja, ja on myönnettävä, että tähän ongelmaan ei ole vielä löytynyt "hyvää ratkaisua", mikä liittyy opettajien kysymyksiin siitä, kuka, ChatGPT vai opiskelijat, palauttaa heille tehtävät.
Väliaikaiset johtopäätökset
Tämä nopea katsaus vaikuttaa viittaavan siihen, että tällä hetkellä suurin osa tekoälyyn liittyvistä peloista ei ole kokeellisesti perusteltuja. Shakki on mielenkiintoinen historiallinen esimerkki uusien teknologioiden vaikutusten tutkimiseen, kun niiden kyvyt alkavat ylittää ihmisten kyvyt.Tietysti tämä esimerkki on hyvin rajallinen, eikä sitä voi yleistää koko yhteiskuntaan varovaisesti. Erityisesti shakkia pelaavat tekoälymallit eivät ole generatiivisia tekoälyjä, kuten ChatGPT, jotka ovat viime aikoina herättäneet eniten huomiota.
Silti shakki on konkreettinen esimerkki, joka voi olla hyödyllinen arvioitaessa tekoälyyn liittyviä riskejä ja merkittävää vaikutusta, jonka niiden odotetaan olevan yhteiskunnassa.