Työn tulevaisuus: Robotit vievät työni?

Taannoin 1990-luvulla, kun yhdysvaltalaiset pankit alkoivat laajamittaisesti asentaa pankkiautomaatteja, näissä pankeissa työskentelevät ihmiskassanhoitajat näyttivät olevan nopeasti vanhentumassa. Jos koneet pystyivät jakamaan käteistä ja vastaanottamaan talletuksia itsenäisesti ympäri vuorokauden, kuka tarvitsi ihmisiä?

Pankit itse asiassa tarvitsivat. On totta, että pankkiautomaatit mahdollistivat konttoripankkien toiminnan paljon pienemmällä työntekijämäärällä: Keskimäärin 13:lla, kun aiemmin oli 20:tä. Mutta kustannussäästöt vain kannustivat emopankkeja avaamaan niin paljon uusia konttoreita, että kassanhoitajien kokonaistyöllisyys itse asiassa kasvoi.

Samankaltaisia tarinoita löytyy muun muassa finanssialalta, terveydenhuollosta, koulutuksesta ja oikeustieteestä, sanoo Bostonin yliopistossa työskentelevä taloustieteilijä James Bessen, joka kiinnitti kollegoidensa huomion pankkiautomaattitarinaan vuonna 2015. ”Väite ei ole, että automaatio lisää aina työpaikkoja”, hän sanoo, ”vaan että se voi ja usein lisääkin.”

Tämä opetus kannattaa muistaa, kun kuuntelee yhä raskaampia ennusteita työn tulevaisuudesta robottien ja tekoälyn aikakaudella. Ajattele kuljettajattomia autoja tai vakuuttavasti inhimillistä puhesynteesiä tai karmivan elävän näköisiä robotteja, jotka pystyvät juoksemaan, hyppimään ja avaamaan ovia omin avuin: Kun otetaan huomioon tällaisten sovellusten huima kehitysvauhti, kuinka kauan ihmisillä on enää mitään tekemistä?

Tälle kysymykselle ovat antaneet apokalyptisimmän muotoilunsa sellaiset hahmot kuin Teslan ja SpaceX:n perustaja Elon Musk ja edesmennyt fyysikko Stephen Hawking. Molemmat ovat julkisesti varoittaneet, että koneet ylittävät lopulta ihmisen kyvyt, siirtyvät hallinnan ulottumattomiin ja aiheuttavat ehkä jopa ihmiskunnan sivilisaation romahduksen. Mutta myös vähemmän dramaattiset tarkkailijat ovat huolissaan. Kun Pew Research Center kysyi vuonna 2014 lähes 1 900 teknologia-asiantuntijalta työn tulevaisuudesta, lähes puolet oli vakuuttunut siitä, että tekoälykoneet johtavat pian kiihtyvään työpaikkojen menetykseen – erään laajalti siteeratun analyysin mukaan lähes 50 prosenttiin 2030-luvun alkuun mennessä. He pelkäsivät, että väistämättömänä seurauksena olisi massatyöttömyys ja tuloerojen jyrkkä nousu nykyiselläänkin huolestuttavalla tasolla. Ja se voisi todellakin johtaa yhteiskuntajärjestyksen murtumiseen.

Tai ehkä ei. ”On aina helpompaa kuvitella työpaikkoja, jotka ovat olemassa tänään ja jotka saatetaan tuhota, kuin kuvitella työpaikkoja, joita ei ole olemassa tänään ja jotka saatetaan luoda”, sanoo Jed Kolko, online-työpaikkailmoitussivusto Indeedin pääekonomisti. Monet, ellei jopa useimmat alan asiantuntijat, ovat varovaisen optimistisia työllisyyden suhteen – jo pelkästään siksi, että pankkiautomaatin esimerkki ja monet muut sen kaltaiset esimerkit osoittavat, miten intuitiivinen vaikutus automaatiolla voi olla. Bessenin mukaan koneäly on vielä hyvin kaukana siitä, että se vastaisi ihmisen kaikkia kykyjä. Hän sanoo, että ”meillä ei ole juurikaan syytä olla huolissamme massatyöttömyydestä seuraavien 10 tai 20 vuoden aikana.”

Kumpaan suuntaan asiat kehittyvät?

Kolko sanoo, että sitä ei voi tietää varmasti ennen kuin tulevaisuus on käsillä. Mutta ehkä, hän lisää, se ei ole oikea kysymys: ”Esimerkiksi se, miten työpaikat saattavat muuttua tekoälyn ja robotiikan myötä ja miten yhteiskunta hallitsee tätä muutosta. Käytetäänkö näitä uusia teknologioita esimerkiksi vain yhtenä keinona korvata ihmistyöntekijöitä ja leikata kustannuksia? Vai käytetäänkö niitä auttamaan työntekijöitä ja vapauttamaan heidät käyttämään ainutlaatuisia inhimillisiä kykyjä, kuten ongelmanratkaisua ja luovuutta?

”On monia erilaisia tapoja, joilla voimme muokata maailman tilaa”, sanoo Derik Pridmore, San Franciscossa sijaitsevan Osaro-yhtiön toimitusjohtaja, joka valmistaa tekoälyohjelmistoja teollisuusroboteille, ”ja meidän on tehtävä paljon valintoja.”

Automaatio ja työpaikat: oppeja menneisyydestä

Ainakaan Yhdysvalloissa tämän päivän keskustelua tekoälykoneista ja työpaikoista eivät voi olla värittämättä muistot menneistä neljästä vuosikymmenestä, jolloin yhdysvaltalaisten autonvalmistajien, terästehtaiden ja muiden valmistajien työllistämien työntekijöiden kokonaismäärä aloitti pitkän, hitaan laskun 19:stä korkeimmasta luvusta.5 miljoonasta vuonna 1979 noin 17,3 miljoonaan vuonna 2000 – jota seurasi jyrkkä pudotus 11,5 miljoonaan vuonna 2007-2009 vallinneen suuren laman jälkeen. (Sittemmin kokonaismäärä on elpynyt hieman, noin 12,7 miljoonaan, ja suurin piirtein samankaltaisia muutoksia on nähty myös muissa voimakkaasti automatisoiduissa maissa, kuten Saksassa ja Japanissa). Kokemus oli traumaattinen, koska palkkakehitys on pysähtynyt noin vuodesta 1973 lähtien.

Totta, sanoo Bessen, automaatio ei voi mitenkään olla koko syy laskuun. ”Jos mennään taaksepäin edellisiin sataan vuoteen”, hän sanoo, ”teollisuus automatisoitui yhtä nopeasti tai nopeammin, ja työllisyys kasvoi voimakkaasti.” Näin pääsimme ylipäätään miljooniin tehdastyöläisiin. Sen sijaan taloustieteilijät syyttävät työllisyyden laskusta useiden tekijöiden yhteisvaikutusta, muun muassa globalisaatiota, ammattiliittojen taantumista ja 1980-luvun yrityskulttuuria Yhdysvalloissa, jossa korostettiin ennen kaikkea koon pienentämistä, kustannusten leikkaamista ja neljännesvuosivoittoja.

Automaatio oli kuitenkin varmasti yksi näistä tekijöistä. ”Pyrkiessämme vähentämään kustannuksia valitsimme kollektiivisesti pienimmän vastarinnan tien”, sanoo Prasad Akella, robotiikan asiantuntija, joka on Kalifornian Palo Altossa sijaitsevan Drishti-yrityksen perustaja ja toimitusjohtaja, joka käyttää tekoälyä auttaakseen työntekijöitä parantamaan suoritustaan kokoonpanolinjalla. ”Ja se oli: ’Siirretään se halvimpaan keskukseen, jotta työvoimakustannukset ovat alhaiset. Tällaisia robotteja on käytetty tasaisesti kasvavassa määrin 1970-luvulta lähtien. Tällä hetkellä maailmassa on käytössä noin 2 miljoonaa teollisuusrobottia, lähinnä autoteollisuuden ja elektroniikan kokoonpanolinjoilla, joista kukin korvaa yhden tai useamman ihmistyöntekijän.

Automaation, robotiikan ja tekoälyn väliset erot ovat kieltämättä melko häilyviä – ja ne ovat muuttumassa yhä häilyvämmiksi nyt, kun kuskittomat autot ja muut pitkälle kehitetyt robotit käyttävät digitaaliaivoissaan tekoälyä tuottavia ohjelmistoja. Karkeana nyrkkisääntönä voidaan kuitenkin pitää sitä, että robotit suorittavat fyysisiä tehtäviä, jotka ennen edellyttivät ihmisen älykkyyttä, kun taas tekoälyohjelmistot pyrkivät suorittamaan ihmistason kognitiivisia tehtäviä, kuten kielen ymmärtämistä ja kuvien tunnistamista. Automaatio on sateenvarjotermi, joka kattaa molempien lisäksi myös tavalliset tietokoneet ja ei-älykkäät koneet.

AI:n tehtävä on vaikein. Ennen noin vuotta 2010 sovelluksia rajoitti paradoksi, jonka filosofi Michael Polanyi tunnetusti huomautti vuonna 1966: ”Voimme tietää enemmän kuin osaamme kertoa” – mikä tarkoittaa, että useimmat taidot, jotka auttavat meitä selviytymään päivästä, ovat harjoiteltuja, tiedostamattomia ja lähes mahdottomia artikuloida. Polanyi kutsui näitä taitoja hiljaiseksi tiedoksi, toisin kuin oppikirjoista löytyvää eksplisiittistä tietoa.

Kuvittele, että yrittäisit selittää tarkalleen, mistä tiedät, että tietty pikselikuvio on koiranpennun valokuva, tai miten voit turvallisesti kääntyä vasemmalle vastaantulevaa liikennettä vastaan. (Kuulostaa tarpeeksi helpolta sanoa ”odota aukkoa liikenteessä” – kunnes yrität määritellä ”aukon” niin hyvin, että tietokone tunnistaa sen, tai määritellä tarkasti, kuinka suuri aukon on oltava, jotta se olisi turvallinen). Tällainen hiljainen tieto sisälsi niin paljon hienouksia, erikoistapauksia ja ”tuntumalla” mitattavia asioita, että ohjelmoijilla ei näyttänyt olevan mitään keinoa poimia sitä, saati sitten koodata sitä tarkasti määriteltyyn algoritmiin.

Tänä päivänä tietysti jopa älypuhelinsovellus pystyy tunnistamaan koiranpentukuvia (yleensä), ja autonomiset ajoneuvot tekevät näitä vasemmalle kääntymisiä rutiininomaisesti (joskaan eivät aina täydellisesti). Se, mikä on muuttunut juuri viime vuosikymmenen aikana, on se, että tekoälyn kehittäjät voivat nyt heittää massiivista tietokonetehoa massiivisiin tietokokonaisuuksiin – prosessi tunnetaan nimellä ””syväoppiminen””. Tämä tarkoittaa periaatteessa sitä, että koneelle näytetään ziljoona valokuvaa koiranpennuista ja ziljoona valokuvaa muista kuin koiranpennuista, minkä jälkeen tekoälyohjelmisto säätää ziljoonaa sisäistä muuttujaa, kunnes se pystyy tunnistamaan kuvat oikein.

Vaikka tämä syväoppimisprosessi ei ole erityisen tehokas – ihmislapsen on nähtävä vain yksi tai kaksi koiranpentua – sillä on ollut mullistava vaikutus tekoälysovelluksiin, kuten autonomisiin ajoneuvoihin, konekäännöksiin ja kaikkeen sellaiseen, missä tarvitaan ääni- tai kuvatunnistusta. Tämä on se, mikä pelottaa ihmisiä, sanoo Jim Guszcza, yhdysvaltalaisen Deloitte Consultingin johtava datatieteilijä Los Angelesissa: ”Vau – tietokoneet voivat nyt tehdä asioita, jotka ennen edellyttivät hiljaista tietoa!” Tästä johtuu uusi huoli massiivisista työpaikkojen menetyksistä sellaisilla aloilla kuin laki ja journalismi, joilla ei ole aiemmin tarvinnut pelätä automaatiota. Ja näin ollen monet ennusteet myymälävirkailijoiden, vartijoiden ja pikaruokatyöntekijöiden sekä kuorma-auto-, taksi-, limusiini- ja jakeluautonkuljettajien nopeasta vanhenemisesta.

Tapaat kollegani, robotin

Mutta sitten pankkivirkailijoidenkin piti tulla vanhentuneiksi. Bessenin mukaan sen sijaan kävi niin, että automaatio pankkiautomaattien avulla ei ainoastaan laajentanut pankkivirkailijoiden markkinoita, vaan myös muutti työn luonnetta: Kun kassanhoitajat käyttivät vähemmän aikaa pelkkään käteisen käsittelyyn, he käyttivät enemmän aikaa asiakkaiden kanssa keskustelemiseen lainoista ja muista pankkipalveluista. ”Kun ihmissuhdetaidot ovat tulleet tärkeämmiksi”, Bessen sanoo, ”pankkien kassanhoitajien palkat ovat nousseet hieman”, ja myös kokoaikaisten kassanhoitajien työpaikkojen määrä on lisääntynyt osa-aikaisten sijaan. ”Kuva on siis paljon rikkaampi kuin ihmiset usein kuvittelevat”, hän sanoo.

Samankaltaisia tarinoita löytyy monilta muiltakin toimialoilta. (Jopa verkkokauppojen ja itsekassojen aikakaudella esimerkiksi vähittäiskaupan työllisyysluvut nousevat fiksusti). Tosiasia on, että ihmistyöntekijöitä on vielä nytkin hyvin vaikea korvata kokonaan.

Terästehtaat ovat poikkeus, joka todistaa säännön, sanoo Bryan Jones, Michiganin Hollandissa sijaitsevan JR Automation -yrityksen toimitusjohtaja, joka integroi erilaisia laitteistoja ja ohjelmistoja teollisuusasiakkaille, jotka haluavat automatisoida. ”Terästehdas on todella ilkeä ja kova ympäristö”, hän sanoo. Mutta itse prosessi – sulatus, valu, valssaus ja niin edelleen – on pohjimmiltaan sama riippumatta siitä, millaista terästä valmistetaan. Niinpä tehtaat ovat olleet verrattain helposti automatisoitavissa, hän sanoo, minkä vuoksi terästeollisuudesta on kadonnut niin paljon työpaikkoja.

Kun ihmiset ovat parempia

”Silloin automatisointi muuttuu hankalammaksi, kun vaihtelevuutta ja räätälöintiä on paljon”, Jones sanoo. ”Se on yksi niistä asioista, joita näemme autoteollisuudessa juuri nyt: Useimmat ihmiset haluavat jotain, joka on räätälöity heille”, ja he voivat valita yksilöllisesti värin, lisävarusteet tai jopa etu- ja takasäleiköt. Jokainen kokoonpanolinjalta tuleva ajoneuvo saattaa olla hieman erilainen.

Ei ole mahdotonta automatisoida tällaista joustavuutta, Jones sanoo. Valitse jokin tehtävä, ja jossain on luultavasti laboratoriorobotti, joka hallitsee sen. Mutta se ei ole sama asia kuin sen tekeminen kustannustehokkaasti ja mittakaavassa. Kuten Akella huomauttaa, reaalimaailmassa useimmat teollisuusrobotit ovat edelleen isoja, sokeita koneita, jotka suorittavat tehtävänsä riippumatta siitä, kuka tai mikä on niiden tiellä, ja jotka on turvallisuussyistä pidettävä erillään ihmisistä. Hänen mukaansa tällaisten koneiden joustavuus vaatii valtavasti uudelleensuunnittelua ja ohjelmointia, eikä se tapahdu yhdessä yössä.”

Kontrastina tähän ovat Akellan mukaan ihmistyöntekijät. Uudelleenohjelmointi on helppoa: ”Kävelet vain tehtaan lattialle ja sanot: ’Kaverit, tänään valmistamme tuon sijasta tätä’.” Ja mikä parasta, ihmisillä on kykyjä, joita harva robottikäsi voi saavuttaa, kuten hienomotoriikka, silmä-käsi-koordinaatio ja kyky selviytyä odottamattomista tilanteista.

Kaikki nämä ovat syitä siihen, miksi useimmat autonvalmistajat eivät nykyään yritä automatisoida kaikkea kokoonpanolinjalla. (Muutamat niistä yrittivät sitä aikoinaan, Bessen sanoo.) Mutta niiden laitokset päätyivät yleensä samanlaisiksi kuin General Motorsin Detroit-Hamtramckin kokoonpanotehdas, josta tuli nopeasti virheiden korjaamisen painajainen sen jälkeen, kun se avattiin vuonna 1985: sen robotit maalasivat toisiaan yhtä usein kuin ne maalasivat Cadillaceja). Sen sijaan Toyotan, Mercedes-Benzin ja General Motorsin kaltaiset yritykset rajoittavat suuret, tyhmät ja aidatut robotit likaisiin, vaarallisiin ja toistuviin tehtäviin, kuten hitsaukseen ja ruiskumaalaukseen. Ja ne lähettävät ihmistyöntekijänsä esimerkiksi loppukokoonpanoon, jossa he voivat koota viimeiset osat yhteen ja tarkistaa samalla kohdistuksen, sopivuuden, viimeistelyn ja laadun – ja sen, että lopputuote vastaa asiakkaan räätälöintipyyntöä.

Lisäksi monet valmistajat (eivätkä vain autonvalmistajat) panostavat ihmistyöntekijöiden avuksi voimakkaasti yhteistyörobotteihin eli ”cobotteihin”, jotka ovat nykyään yksi nopeimmin kasvavista teollisen automaation luokista.

Yhteistyökykyiset robotit: Koneet työskentelevät ihmisten kanssa

Cobotteja on nyt saatavilla ainakin puolelta tusinalta yritykseltä. Ne kaikki perustuvat kuitenkin konsepteihin, jotka Akellan alaisuudessa työskennellyt ryhmä kehitti 1990-luvun puolivälissä, kun hän oli General Motorsin henkilöstöinsinöörinä. Tavoitteena oli rakentaa robotteja, joiden kanssa on turvallista olla tekemisissä ja jotka voivat auttaa stressaavissa tai toistuvissa työtehtävissä, mutta joiden hallinta säilyy silti ihmistyöntekijöillä.

Akellan mukaan ongelman hahmottamiseksi kuvittele, että otat akun liukuhihnalta, kävelet kaksi askelta, pudotat sen autoon ja palaat takaisin hakemaan seuraavaa akkua – kerran minuutissa kahdeksan tuntia vuorokaudessa. ”Olen tehnyt tätä työtä itse”, Akella sanoo, ”ja voin vakuuttaa, että tulin kotiin erittäin kipeänä”. Tai kuvittele, että nostat 150-kiloisen ”ohjaamon” – auton kojelaudan kaikkine siihen liitettyine mittareineen, näyttöineen ja ilmastointilaitteineen – ja manööveröit sen paikalleen auton oviaukosta rikkomatta mitään.

Tällaisissa tehtävissä auttavan robotin keksiminen oli tuohon aikaan varsin uudenlainen tutkimuksellinen haaste, sanoo Michael Peshkin, konetekniikan insinööri Illinoisin osavaltiossa sijaitsevassa Northwestern-yliopistossa Evanstonissa toimiva koneenrakennusinsinööri, ja hän on yksi niistä lukuisista ulkopuolisten tutkijoiden joukossa olevista tutkijoista, jotka Akella otti mukaan ryhmäänsä. ”Alalla oli kyse siitä, että robottien autonomiaa, aistimista ja kykyä selviytyä vaihteluista parannettiin”, hän sanoo. Mutta ennen tätä projektia kukaan ei ollut keskittynyt liikaa robottien kykyyn työskennellä ihmisten kanssa.”

Ensimmäistä cobotiaan varten Akella ja hänen Northwestern-kollegansa Edward Colgate aloittivat hyvin yksinkertaisella konseptilla: pienellä kärryllä, joka oli varustettu nostimilla, jotka nostaisivat vaikkapa ohjaamoa, samalla kun ihmistyöntekijä ohjasi sen paikalleen. Mutta kärry ei ollut vain passiivinen, Peshkin sanoo: Se tunnisti sijaintinsa ja käänsi pyöriään pysyäkseen ”virtuaalisen rajoituspinnan” sisällä – käytännössä näkymättömän suppilon ilmassa, joka ohjasi ohjaamon oven läpi ja paikalleen ilman naarmuja. Työntekijä voisi sitten tarkistaa lopullisen istuvuuden ja kiinnitykset ilman rasitusta.

Toisessa GM:n sponsoroimassa prototyypissä korvattiin kärry työntekijän ohjaamalla robottikäsivarrella, joka pystyi nostamaan autojen komponentteja roikkuessaan katossa olevasta liikkuvasta ripustuspisteestä. Periaate oli kuitenkin sama: koneen apu ja työntekijän ohjaus – periaate, joka osoittautui ratkaisevan tärkeäksi, kun Peshkin ja hänen kollegansa kokeilivat prototyyppejään General Motorsin kokoonpanolinjan työntekijöihin.

”Odotimme paljon vastustusta”, Peshkin sanoo. ”Mutta itse asiassa he olivat vastaanottavaisia ja avuliaita. He ymmärsivät täysin ajatuksen heidän selkänsä säästämisestä vammoilta.” Ja yhtä tärkeää oli, että työntekijät pitivät cobottien käytöstä. He pitivät siitä, että he saattoivat liikkua hieman nopeammin tai hitaammin, jos he halusivat. ”Kun auto tulee 52 sekunnin välein”, Peshkin sanoo, ”tämä pieni autonomia oli todella tärkeää.” He pitivät myös siitä, että he olivat osa prosessia. ”Ihmiset haluavat, että heidän taitonsa ovat esillä”, hän sanoo. ”He nauttivat siitä, että käyttävät kehoaan ja nauttivat omasta liikkeestään.” Ja cobotit antoivat heille sen, hän sanoo: ”Voisit liukua virtuaalista pintaa pitkin, ohjata ohjaamon sisään ja nauttia liikkeestä tavalla, jota kiinteät koneet eivät sallineet.”

AI ja sen rajat

Akellan nykyinen yritys Drishti raportoi, että sen tekoälypohjaiset ohjelmistot ovat saaneet samanlaisen myönteisen vastaanoton. Yksityiskohdat ovat Akellan mukaan salassa pidettäviä. Perusajatuksena on kuitenkin käyttää kehittynyttä tietokonenäköteknologiaa toimimaan vähän kuin liukuhihnan GPS-järjestelmä, joka antaa työntekijöille käännöksiä ja varoituksia työn edetessä. Akella selittää, että työntekijä on kokoamassa iPhonea, ja yläpuolelta katsova kamera uskoo, että vain kolme neljästä ruuvista on kiinnitetty: ”Varoitamme työntekijää ja sanomme: ’Hei, varmista, että kiristät myös tuon ruuvin, ennen kuin se menee linjalle.'”

Tässä on Big Brother -näkökohtansa, myöntää Drishin markkinointijohtaja David Prager. ”Mutta meillä on paljon esimerkkejä käyttäjistä, jotka ovat hyvin sitoutuneita ja lopulta hyvin kiitollisia”, hän sanoo. ”He tietävät hyvin, että automaatio ja robotiikka uhkaavat heitä, ja he huomaavat hyvin nopeasti, että tämä on työkalu, joka auttaa heitä olemaan tehokkaampia, tarkempia ja viime kädessä arvokkaampia yhtiölle”. Yritys on siis halukkaampi investoimaan työntekijöihinsä sen sijaan, että se jättäisi heidät pois yhtälöstä.”

Tämä teema – teknologian käyttäminen auttamaan ihmisiä tekemään työnsä sen sijaan, että se korvaisi ihmisiä – on todennäköisesti ominaista tekoälysovelluksille vielä pitkään. Aivan kuten robotiikassa, on edelleen joitakin tärkeitä asioita, joita tekoäly ei voi tehdä.

Vastaanottamalla esimerkiksi lääketiedettä. Syväoppiminen on jo tuottanut ohjelmistoja, jotka pystyvät tulkitsemaan röntgenkuvia yhtä hyvin tai paremmin kuin ihmisradiologit, sanoo Darrell West, poliittinen tutkija, joka tutkii innovaatioita Brookings Institutionissa Washingtonissa. ”Emme kuitenkaan halua, että ohjelmisto kertoo jollekulle: ’Sait juuri mahdollisen syöpädiagnoosin'”, hän sanoo. ”Tarvitaan edelleen radiologi, joka tarkistaa tekoälyn, jotta voidaan varmistaa, että se, mitä se on havainnut, todella pitää paikkansa” – ja jos tulokset ovat huonoja, syöpätautien erikoislääkäri, joka kertoo uutisen potilaalle ja alkaa suunnitella hoitoa.

Niin myös oikeustieteessä, jossa tekoälystä voi olla valtava apu, kun etsitään ennakkotapauksia, jotka saattavat olla merkityksellisiä tapauksen kannalta – mutta ei niiden tulkinnassa tai niiden käyttämisessä tapauksen rakentamiseen tuomioistuimessa. Yleisemmin, sanoo Guszcza, syväoppimiseen perustuva tekoäly on erittäin hyvä tunnistamaan piirteitä ja kohdistamaan huomion sinne, missä sitä tarvitaan. Se ei kuitenkaan kykene käsittelemään yllätyksiä, yhdistämään monia erilaisia tietolähteitä ja soveltamaan tervettä järkeä – ”kaikki ne asiat, joissa ihminen on erittäin hyvä.”

Eikä ohjelmistolta kannata pyytää, että se todella ymmärtäisi, mitä se käsittelee, Guszcza sanoo. Vuoden 2016 vaalikampanjan aikana testatakseen Googlen Translate-apuohjelmaa hän kokeili klassista koetta: Ota otsikko – ”Hillary slams the door on Bernie” – ja pyydä Googlea kääntämään se englannista bengaliksi ja takaisin. Tulos: ”Barney slam the door on Clinton”. Vuotta myöhemmin, kun Google oli tehnyt Translateen massiivisen päivityksen syväoppimisen avulla, Guszcza toisti kokeen ja sai tuloksen: ”Hillary Barry avasi oven.”

”En näe mitään todisteita siitä, että nykyisellä tekoälyllä päästäisiin täydelliseen maalaisjärjellä tapahtuvaan päättelyyn”, hän sanoo ja toistaa monien tekoälytutkijoiden itsensä esittämän näkökannan. Esimerkiksi syyskuussa 2017 syväoppimisen pioneeri Geoffrey Hinton, Toronton yliopiston tietojenkäsittelytieteilijä, kertoi uutissivusto Axiosille, että ala tarvitsee joitain perustavanlaatuisesti uusia ideoita, jos tutkijat toivovat koskaan saavuttavansa ihmisen tasoista tekoälyä.

Työpaikkojen evoluutio

Tekoälyn rajoitteet ovat toinen syy siihen, miksi Bessenin kaltaiset taloustieteilijät eivät näe sen aiheuttavan massatyöttömyyttä lähiaikoina. ”Automaatiossa on lähes aina kyse jonkin tehtävän automatisoinnista, ei koko työn automatisoinnista”, hän sanoo ja toistaa monien muidenkin esittämää näkemystä. Vaikka jokaisessa työssä on ainakin muutamia rutiinitehtäviä, jotka voisivat hyötyä tekoälystä, vain harvat työt ovat täysin rutiininomaisia. Bessen sanoo, että kun hän tarkasteli systemaattisesti kaikkia vuoden 1950 väestönlaskennassa lueteltuja työpaikkoja, ”oli vain yksi ammatti, jonka voisi sanoa olevan selvästi automatisoitu pois olemassaolosta – hissinkuljettajat”. Vuonna 1950 heitä oli 50 000, ja nykyään heitä ei ole käytännössä yhtään.

Toisaalta ei tarvita massatyöttömyyttä, jotta työpaikoilla tapahtuisi massiivisia mullistuksia, sanoo Washingtonissa sijaitsevan Pew Research Centerin internet- ja teknologiatutkimuksen johtaja Lee Rainie. ”Asiantuntijat tuskin ovat lähelläkään yksimielisyyttä siitä, johtavatko robotiikka ja tekoäly työpaikkojen lisääntymiseen vai vähenemiseen”, hän sanoo, ”mutta ne tulevat varmasti muuttamaan työpaikkoja”. Kaikki odottavat, että tämä suuri taitojen ja toimintojen lajittelu jatkuu niin pitkälle kuin silmä kantaa.”

Pahinta on, että Rainie sanoo, että ”otoksemme huolestuneimmat asiantuntijat sanovat, ettemme ole koskaan historiassa kohdanneet tällaista muutosta näin nopeasti.” Kyse ei ole vain tietotekniikasta, tekoälystä tai robotiikasta, hän sanoo. Kyse on myös nanoteknologiasta, bioteknologiasta, kolmiulotteisesta tulostuksesta, viestintäteknologiasta – ja niin edelleen. ”Muutoksia tapahtuu niin monella rintamalla, että ne uhkaavat ylittää sopeutumiskykymme”, hän sanoo.

Valmistautuminen työn tulevaisuuteen

Jos näin on, jatkuvan työpaikkojen vaihtuvuuden aikakausi voi pakottaa radikaaleihin muutoksiin yhteiskunnassa laajemminkin. Pew:n ja muiden asiantuntijoiden ehdotuksiin kuuluu muun muassa jatko- ja uudelleenkoulutuksen korostaminen uusia taitoja etsiville aikuisille sekä sosiaalinen turvaverkko, jota on uudistettu auttamaan ihmisiä siirtymään työpaikasta toiseen ja paikasta toiseen. Teknologia-alalla on jopa nousemassa kannatusta jonkinlaiselle taatulle vuositulolle sillä teorialla, että tekoälyn ja robotiikan kehitys ylittää lopulta nykyiset rajoitukset ja tekee massiivisista työpaikkahäiriöistä väistämättömiä, mikä tarkoittaa, että ihmiset tarvitsevat pehmustetta.

Tällaisesta keskustelusta tulee todella poliittista todella nopeasti. Ja tällä hetkellä, sanoo Rainie, Pew:n mielipidetutkimukset osoittavat, että se ei ole oikeastaan yleisön tutkassa: ”Monet keskivertoihmiset ja keskivertotyöläiset sanovat: ’Kyllä, kaikki muut joutuvat tästä kärsimään – mutta minä en. Minun yritykseni on hyvässä kunnossa. En voi kuvitella, miten kone tai ohjelmisto voisi korvata minut.”

Westin mukaan tämä on kuitenkin keskustelu, joka on pikaisesti käytävä. Pelkästään tarkasteltaessa sitä, mitä on jo valmisteilla, hän sanoo, että ”teknologisen vallankumouksen täysi voima tapahtuu vuosien 2020 ja 2050 välillä. Jos siis teemme muutoksia nyt ja otamme asiat asteittain käyttöön seuraavien 20 vuoden aikana, se on täysin hallittavissa. Mutta jos odotamme vuoteen 2040, sitä on luultavasti mahdotonta hallita.”

Toimittajan huomautus: Juttua päivitettiin 1. elokuuta korjaamaan Jim Guszczan kokeilun yksityiskohtia. Jutussa kerrottiin alun perin, että vuoden 2016 vaalikampanjan aikana tehdyssä kokeessa selvitettiin, kuinka paljon syväoppiminen oli parantanut Googlen Translate-kykyä; itse asiassa vuoden 2016 kokeilu tehtiin ennen kuin Google oli päivittänyt Translaten täysin syväoppimisella. Alkuperäinen testi tehtiin otsikolla ”Hillary slams the door on Bernie”, ei ”Bernie slams the door on Hillary”, kuten alun perin väitettiin. Otsikko, joka syntyi englannista bengaliksi ja takaisin kääntämisen jälkeen, oli ”Barney slam the door on Clinton”, ei ”Barry syyttää ovea Hillaryn ovesta”. Syväoppimisen parannuksia testattiin vuotta myöhemmin samalla alkuperäisellä otsikolla, ja tuloksena bengaliksi kääntämisen ja takaisin kääntämisen jälkeen saatu otsikko oli ”Hillary Barry avasi oven”

.