AGI ei ole yksi maali – ja siksi myös ennusteet menevät ristiin

AGI eli yleinen tekoäly on muodostunut sateenvarjotermiksi hyvin erilaisille tavoitteille. Yhdelle se merkitsee taloudellisesti arvokasta autonomista työntekijää, toiselle Nobel-tasoista digitaalista tutkijaa, kolmannelle ihmisen koko ajattelukyvyn kattavaa järjestelmää ja neljännelle mallia, joka päihittää ihmiset testeissä.

Siksi tekoälyjohtajien varmatkin aikatauluarviot voivat näyttää ristiriitaisilta olematta välttämättä suoraan toistensa vastakohtia: he eivät arvioi samaa päätepistettä. Samalla kyse on luottamuksesta. Ilman yhteisiä, ulkopuolisesti valvottuja testejä yritykset voivat pitkälti itse määritellä, missä maaliviiva kulkee – ja ilmoittaa itse ylittäneensä sen.

Neljä johtajaa, neljä kynnystä

Sam Altman: AGI on taloudellisesti arvokasta autonomiaa

OpenAI:n tunnettu määritelmä kuvaa AGI:n erittäin autonomisiksi järjestelmiksi, jotka suoriutuvat ihmistä paremmin useimmista taloudellisesti arvokkaista töistä. Raja on siis ennen kaikkea käytännöllinen ja taloudellinen: olennaista on, pystyykö järjestelmä tuottamaan arvokasta työtä mittakaavassa, ei se, muistuttaako sen ajattelu täydellisesti ihmisen ajattelua.

OpenAI on viimeaikaisessa julkisessa viestinnässään painottanut ihmisen toimijuutta. Yhtiön mukaan tavoitteena on rakentaa järjestelmiä, jotka auttavat ihmisiä tavoittelemaan itse valitsemiaan päämääriä eivätkä korvaa ihmisen harkintaa. Kaiken täydellisen automatisoinnin se kuvaa sekä vaaralliseksi että merkityksettömäksi tulevaisuudeksi. 23 OpenAI huomauttaa myös, ettei työtehtävien automatisointi automaattisesti poista ammattia: ihminen voi edelleen olla keskeinen työn toimittamisessa, valvonnassa tai vastuunkannossa. 25

Määritelmä jättää silti laajan ja liikkuvan rajan tehokkaiden työkalujen, autonomisten agenttien ja AGI:n välille. Taloudellinen mittari voi kertoa todellisesta vaikutuksesta, mutta se ei ole julkinen tieteellinen koe.

Dario Amodei: ”Voimakas tekoäly” on poikkeuksellinen kykykokonaisuus

Anthropicin toimitusjohtaja Dario Amodei käyttää AGI:n sijasta tavallisesti käsitettä voimakas tekoäly (powerful AI). Anthropicin määritelmässä sillä tarkoitetaan merkittävää harppausta nykyisistä malleista: järjestelmän älyllisten kykyjen pitäisi vastata Nobel-palkittujen tasoa tai ylittää se useimmilla aloilla, sen pitäisi kyetä käyttämään ihmisten digitaalisessa työssä käyttämiä käyttöliittymiä sekä hoitamaan monimutkaista työtä itsenäisesti. 3

Anthropic odottaa tällaisten järjestelmien syntyvän loppuvuonna 2026 tai alkuvuonna 2027. Amodei on verrannut mahdollisuutta ”datakeskuksessa sijaitsevaan nerokkaiden ihmisten maahan” ja korostanut kyvykkyyden keskittymisen taloudellisia, turvallisuus- ja geopoliittisia seurauksia. 6 7

Määritelmä on yleistä AGI-leimaa täsmällisempi, mutta sekin kokoaa samaan ennusteeseen monta vaikeaa vaatimusta: laaja-alaisen asiantuntemuksen, autonomian, työkalujen käytön ja pitkäkestoisen luotettavuuden. Malli voi täyttää niistä osan kauan ennen kuin se täyttää ne kaikki.

Demis Hassabis: AGI kattaa ihmisen kaikki kognitiiviset kyvyt

Google DeepMindin toimitusjohtaja Demis Hassabis asettaa AGI:lle korkeamman kynnyksen: järjestelmällä pitäisi olla kaikki ihmisen kognitiiviset kyvyt. Hän on arvioinut ihmistason tekoälyn voivan saapua tämän vuosikymmenen aikana, mutta korostanut samalla, että nykyjärjestelmät eivät ole ”lähelläkään” ihmistason AGI:tä. 33 38

Tässä ajattelussa AGI ei ole niinkään tuotejulkaisun virstanpylväs kuin tieteellinen raja, joka edellyttää kestävää yleispätevyyttä. Pelkät vahvat koetulokset tai vaikuttava suoritus muutamalla asiantuntija-alalla eivät riitä: järjestelmän pitäisi toimia ihmisen ajattelun koko leveydellä.

Jensen Huang: AGI tarkoittaa ihmisen päihittämistä laajoissa testeissä

Nvidian toimitusjohtaja Jensen Huang on käyttänyt enemmän vertailutesteihin nojaavaa mittapuuta. Vuonna 2024 hän arvioi AGI:n voivan tulla viidessä vuodessa, jos se määritellään tekoälyksi, joka päihittää ihmiset käytännössä kaikissa testeissä. Vuoden 2026 raportoinnissa hänen kuvattiin pitävän AGI:tä saavutettuna väljemmällä käytännön mittarilla. 34

Lähestymistavan vahvuus on selkeys: testeistä saadaan pisteitä. Sen rajoitus on yhtä ilmeinen. Monien testien läpäiseminen ei vielä osoita, että järjestelmä kykenee luotettavaan pitkän aikavälin itsenäiseen toimintaan, harkintaan tai turvalliseen suoriutumiseen sekavissa tosielämän tilanteissa.

Aikataulut eivät mittaa samaa tapahtumaa

Johtajat eivät vain esitä eri päivämääriä samalle asialle. He ennustavat eri määränpäitä:

• Altman / OpenAI: autonomista suoriutumista useimmista taloudellisesti arvokkaista töistä.
• Amodei / Anthropic: laaja-alaisesti Nobel-tasoista älyllistä työtä sekä pitkäkestoista itsenäistä digitaalista työskentelyä.
• Hassabis / DeepMind: ihmisen kognitiivisten kykyjen koko kirjoa.
• Huang / Nvidia: ihmisiä parempaa suorituskykyä laajoissa testeissä.

Tekoäly voi nousta kärkeen monissa vertailutesteissä ilman, että se pystyy itsenäisesti viemään viikkojen tutkimushankkeen maaliin. Se voi automatisoida suuren osan digitaalisesta työstä ilman, että sillä on ihmisen koko kognitiivinen repertuaari. Siksi näihin väitteisiin liitettyjä vuosilukuja ei pidä lukea yhtenä AGI-laskurina.

Miksi AGI:tä pidetään vaikeasti testattavana – jopa ”henkisenä” käsitteenä?

Väite ei tarkoita, etteikö tekoälyn kykyjä voisi mitata. Niitä voi. Ongelma on, ettei AGI:lle ole yhteistä, riippumattomasti hallinnoitua läpäisyrajaa.

Eräs akateeminen ehdotus kuvaa AGI:tä kiistanalaiseksi käsitteeksi ja operationalisoi sen vähintään ihmistasoiseksi kyvykkyydeksi useimmissa tehtävissä. Tämä osoittaa yhtä aikaa pyrkimyksen tehdä termistä mitattava ja sen sisään piilotetut ratkaisemattomat valinnat: mitkä tehtävät, mitkä ihmiset, mikä luotettavuustaso ja millaisissa olosuhteissa? 50

Uskottava julkinen koe edellyttäisi vähintään seuraavaa:

1. Selkeästi määriteltyä tehtäväjoukkoa vaihtuvien demo-esitysten sijaan.
2. Suoritus- ja luotettavuusrajoja, myös epäonnistumisten yleisyyden mittaamista.
3. Pitkäkestoisen autonomian ja työkalujen käytön testaamista, ei vain yksittäisiä vastauksia.
4. Suojaa siltä, että järjestelmää harjoitetaan nimenomaan arviointia varten.
5. Riittävää riippumatonta pääsyä tulosten toistamiseen tai auditointiin.

Ilman tällaista rakennetta AGI:stä voi tulla asemaväite, jonka esittävät organisaatiot, joilla on suurin kannustin määritellä maaliviiva. AI Now Institute on arvostellut tarjolla olevia mittareita kapeiksi, epämääräisiksi ja itsekkäitä etuja palveleviksi. 62

Terminologian taustalla on luottamuskriisi

AGI-kiista heijastaa laajempaa uskottavuusongelmaa. Yritykset voivat tehdä laajoja väitteitä mullistavista kyvyistä samaan aikaan, kun työntekijät ja asiakkaat kohtaavat järjestelmiä, jotka ovat edelleen epätasaisia, virhealttiita tai vaikeita ottaa luotettavasti käyttöön. Tämä ei todista kaikkia pitkän aikavälin ennusteita vääriksi. Se tarkoittaa kuitenkin, että poikkeukselliset väitteet vaativat havaittavaa näyttöä ja vastuunalaisia ennusteita.

Työelämäkeskustelu havainnollistaa jännitettä. OpenAI toteaa tekoälyn muuttavan työtä, joidenkin työpaikkojen katoavan ja tähänastisen näytön viittaavan siihen, että tekoäly on pikemminkin mahdollistaja kuin korvaaja. 17 Näkemykset eivät välttämättä ole ristiriidassa: tehtävien automatisointi, ammattien muuttuminen ja työpaikkojen häviäminen ovat eri asioita. Luottamus kuitenkin heikkenee, jos laajoihin muutoksiin liittyviä ennusteita ei täydennetä läpinäkyvillä mittareilla todellisista työmarkkinavaikutuksista.

AGI-leimoista kykyperustaiseen valvontaan

Vahvempi hallintamalli keskittyisi vähemmän siihen, onko järjestelmä saavuttanut AGI:n, ja enemmän sen konkreettisiin kykyihin ja riskeihin.

Anthropicin AI Safety Levels -malli nojaa nimenomaiseen ehtorakenteeseen: jos mallilla on määritelty vaarallinen kyky, tietyt suojatoimet on otettava käyttöön ennen julkaisua tai lisäskaalausta. 5 Yhtiön myöhempi politiikkakehys vaatii läpinäkyvyyttä, riippumatonta arviointia ja viranomaisille valtuuksia estää tai hillitä vaarallisia käyttöönottoja. 10

Altman on niin ikään vaatinut tehokkaille malleille ulkopuolista validointia ja riippumattomia riskiarvioita, mukaan lukien testejä ennen julkaisua sekä arviointitulosten julkaisemista. 49

Hassabis on ehdottanut Yhdysvaltain johdolla toimivaa Frontier AI Standards Body -elintä, jonka esikuva olisi FINRA. FINRA on Yhdysvaltain rahoitusalan, erityisesti välittäjäyritysten, toimialarahoitteinen mutta julkisen valvonnan alainen valvoja. Ehdotetun tekoälyelimen tehtävänä olisi arvioida huippumalleja riippumattomasti ennen julkaisua. 52 Useiden johtavien tekoälytoimijoiden yhteinen näkemys näyttää olevan, että ulkopuolisten tahojen pitäisi testata edistyneitä järjestelmiä ja osallistua politiikkaa ohjaavien standardien kehittämiseen. 51

Ehdotusten ja toimeenpantavan käytännön välillä on silti suuri kuilu. Future of Life Instituten vuoden 2026 AI Safety Indexin mukaan ei ole sitovia kansallisia säädöksiä tai standardeja, jotka nimenomaisesti käsittelisivät huipputekoälyn riskejä ja niitä vastaavia arviointiprosesseja. 59

Miltä uskottavat tekoälyväitteet näyttäisivät?

Hyödyllisin julkinen kysymys ei ole ”onko AGI jo täällä?”. Se on: Mitä tämä malli pystyy tekemään, kuinka luotettavasti se tekee sen, mikä voi mennä pieleen ja kuka on varmistanut vastaukset riippumattomasti?

Tämä ohjaisi sääntelyä kykykohtaisiin vaatimuksiin:

• julkiset arviointiprotokollat vakaville kyber-, bio- ja harhauttamiskyvyille;
• riippumaton ennakkotestaus ja red teaming ennen käyttöönottoa;
• raportointi luotettavuudesta, vaaratilanteista ja olennaisista muutoksista käyttöolosuhteissa;
• havaitun riskitason mukaan määräytyvät suojatoimet ja käyttörajoitukset; sekä
• seuraamukset vaatimusten rikkomisesta vapaaehtoisten turvallisuusväitteiden sijaan.

AGI voi säilyä voimakkaana tavoitteena, markkinointiterminä ja filosofisena kysymyksenä. Sääntelyn laukaisijaksi se sopii heikosti, ellei julkinen näyttö tue sen julistamista. Luottamus ansaitaan vasta silloin, kun kehittäjä ei voi yksin määritellä virstanpylvästä, ilmoittaa saavuttaneensa sen ja todistaa itse oman turvallisuutensa.