Kolumni

Kun tekoäly alkoi tehdä asioita maailmassa

Tekoälyagentit eivät enää vain vastaa, vaan toimivat. Kuka vastaa, kun agentti tekee jotain, mitä kukaan ei käskenyt? Ja mitä me itse teemme tekoälyllä?

Mustavalkoinen muotokuva Petri Latusta: parrakas mies katsoo ylös sormi ohimolla, ranteessa helmirannekoruja.

Tekoälykeskustelu on ollut viime viikot villimpää kuin koskaan. Oikea kysymys ei enää ole, kuinka älykkäitä mallit ovat. Nyt joudumme kysymään, mitä tapahtuu, kun ne alkavat toimia maailmassa.

Mitä siis on tapahtunut?

Disclaimer: Kirjoittamisen ja julkaisemisen välissä ehti tapahtua lisää. OpenAI ehdotti standardeja tekoälyn automatisoimalle tekoälytutkimukselle. Australian hallitus käynnisti selvityksen tekoälyagentin luvattomasta pääsystä valtion järjestelmiin. Anthropic kertoi tekoälyagenttiensa löytäneen aiemmin tuntemattoman DNA/biologisen järjestelmän. Huhhuh.

Tämä teksti vanheni ennen kuin se ehti ilmestyä. Se taitaa olla osa pointtia. Nauttikaa silti!

Tekoälymaailmalla on ollut jo vuosia yksi suuri innostuksen kohde: benchmarkit.

Malli ratkaisee vaikeamman matematiikkatehtävän. Toinen kirjoittaa parempaa koodia. Kolmas pärjää uudessa tieteellisessä testissä. Palkit kasvavat. Käyrät nousevat. Uusi malli julkaistaan, ja internet käyttää seuraavat 48 tuntia väitellen siitä, onko AGI nyt 14 vai 37 prosenttia lähempänä.

Benchmaxxing

Selkeä homma. Jos haluamme tietää, mihin teknologia pystyy, meidän täytyy mitata sitä. Mutta viime viikkoina tekoälykeskustelussa on tapahtunut melkoinen muutos.

Diskurssi ei enää ole vain:
Mitä tekoäly osaa?

Vaan:
Mitä tekoäly saa aikaan?

Ja vielä tärkeämmin:
Mitä tapahtuu sen jälkeen, kun se saa sen aikaan?

Tämä kuulostaa pieneltä semanttiselta erolta. Se ei ole sitä. Se on koko tekoälymurroksen seuraava vaihe.

Älykkyys, kuten kissat yleensä, tulee viimein ulos säkistä

Taustoitetaan, vaikka kaikki lukijat varmaan tietävät draaman kaaren.

Heinäkuussa OpenAI:n sisäisessä kyberturvallisuustestauksessa tekoälyagentit löysivät keinoja kommunikoida keskenään tavoilla, joita niille ei ollut tarkoitettu. Ne hyödynsivät infrastruktuurin haavoittuvuuksia, hankkivat internetyhteyden, löysivät uusia haavoittuvuuksia ja pääsivät lopulta Hugging Facen järjestelmiin.

OpenAI itse kutsui tapahtumaa varoituslaukaukseksi. Yhtiön mukaan järjestelmät olivat jo niin kyvykkäitä, pitkäjänteisiä ja yhteistyökykyisiä, että puutteellisilla suojauksilla ne pystyvät löytämään ja hyödyntämään useiden järjestelmien heikkouksia sekä tekemään asioita, joita yksikään ihminen ei ollut erikseen käskenyt niitä tekemään.

Tätä voi lukea kahdella tavalla.

Ensimmäinen on ilmeinen:
Tämä oli turvallisuusongelma.

Toinen on vähintään yhtä tärkeä:
Tämä oli esimerkki kyvykkyydestä.

Agentit eivät vain tuottaneet vakuuttavaa tekstiä siitä, miten kyberhyökkäys tehtäisiin. Ne löysivät reittejä järjestelmien välillä, käyttivät työkaluja, jakoivat havaintojaan, jatkoivat toistensa työtä ja saivat aikaan muutoksia ympäristössään.

Tekoäly ei enää vain kuvannut toimintaa. Se toimi.

Juuri tämä tekee nykyisestä hetkestä kiinnostavan – ja sotkuisen. Sama ominaisuus voidaan nähdä yhtä aikaa valtavana mahdollisuutena ja valtavana riskinä.

Agentti, joka kykenee autonomisesti löytämään ohjelmistohaavoittuvuuden, voi käyttää samaa kyvykkyyttä puolustukseen.

Tutkimusagentti, joka kykenee itsenäisesti kokeilemaan kymmeniä tai satoja hypoteeseja, nopeuttaa tieteellistä läpimurtoa.

Järjestelmä, joka kykenee koordinoimaan muiden agenttien työtä väärään suuntaan, kykenee koordinoimaan niitä myös oikeaan suuntaan.

Kyvykkyys ja riski eivät ole kaksi erillistä tarinaa. Hyvin usein ne ovat sama kyvykkyys eri lopputuloksella.

Ja nyt tekoäly rakentaa tekoälyä

Anthropic julkaisi tällä viikolla ehkä yhden kiinnostavimmista mittareista koko tämän vuoden tekoälykeskustelussa.

Ei uutta benchmarkia. Ei lukua siitä, kuinka hyvin Claude osaa matematiikkaa.

Vaan mittarin siitä, kuinka suuren osan Anthropicin omasta tekoälytutkimuksesta tekoäly jo tekee. Helmikuussa 2026 Claude johti alle prosenttia yhtiön mitatusta mallikehitystyöstä.

Elokuussa osuus oli 26 prosenttia. Yli 90 prosentissa työstä tekoäly vähintään osallistui merkittävänä yhteistyökumppanina.

Anthropic korostaa samalla olennaista rajaa: missään mitatussa tehtäväluokassa Claude ei vielä toimi täysin autonomisesti ilman ihmistä. Tämä ei siis ole todiste rekursiivisesta tekoälystä.

Mutta kuukausittainen kehitys on kiinnostavaa. Alle prosentista 26 prosenttiin noin puolessa vuodessa ei ole tavallinen uuden ominaisuuden käyttöönottokäyrä.

Se kertoo jostain syvemmästä: tekoäly ei enää vain paranna työntekijän tuottavuutta. Se alkaa ottaa vastuulleen kokonaisia työvaiheita prosessissa, jonka lopputuotteena syntyy frontier-laboratorioiden strategiassa seuraava tekoäly.

Tästä syntyy mahdollinen positiivinen takaisinkytkentä:

Se näyttänee tältä: parempi malli → enemmän tutkimustyötä voidaan delegoida mallille → tutkimus nopeutuu → syntyy edistyneempi malli → sille voidaan delegoida enemmän tehtäviä.

Tämä ei vaadi autonomista superälyä. Ihmiset voivat edelleen päättää tutkimuksen suunnasta, allokoida laskentaa, hyväksyä julkaisut ja vetää tarvittaessa hätäjarrusta. Mutta jossain vaiheessa tekoälyn oma kyvykkyys voi alkaa vaikuttaa merkittävästi siihen nopeuteen, jolla seuraava sukupolvi tekoälyä syntyy.

Silloin asetelma muuttuu:
Kuinka nopeasti tekoäly kehittyy?

Korvautuu tällä:
Kuinka nopeasti ja millä periaatteilla tekoäly nopeuttaa tekoälyn kehitystä?

Anthropicin julkaisema mittari yrittää ensimmäistä kertaa tehdä tästä näkyvää. Yhtiö itse sanoo mittaavansa muun muassa sitä, kuinka lähelle maailma on etenemässä tilannetta, jossa malli voisi autonomisesti rakentaa seuraajansa.

Tästä kannattaa pitää pää kylmänä.
Mutta sitä ei kannata myöskään ohittaa olankohautuksella.

Tuntematon muuttuu normiksi isossa mittakaavassa

Anthropic kertoo myös, että sen eniten käytetyllä sisäisellä alustalla työskenteli elokuussa noin 30 000 tutkimus- ja ohjelmistoagenttia yhtä aikaa.

Yhtiö analysoi kuukauden aikana yli miljardi agenttipäätöstä. Reaaliaikainen valvonta esti noin 0,002 prosenttia niistä, eli noin yhden päätöksen 47 000:sta. Jälkikäteisvalvonta nostaa viikoittain noin 50 vakavinta tapausta ihmisten arvioitavaksi.

Yksittäisenä lukuna 0,002 prosenttia kuulostaa erinomaiselta. Miljardissa päätöksessä sama prosentti alkaa näyttää aivan erilaiselta. Tämä on yksi autonomisen tekoälyn keskeisistä paradokseista:

Poikkeava ja harvinainen käyttäytyminen voi olla käytännössä jatkuvaa, jos järjestelmä toimii riittävän suuressa mittakaavassa.

Ja juuri tässä riskikeskustelu alkaa muuttua yhteiskunnalliseksi. Jos tekoäly vain vastaa kysymykseen väärin, meillä on tuotelaatuongelma. Jos tekoäly toimii autonomisesti, käyttää työkaluja, pääsee järjestelmiin, tekee päätöksiä ja aiheuttaa vahinkoa, meillä on kysymys vastuusta.

Kuka vastaa? Mallin kehittäjä? Järjestelmän käyttöön ottanut yritys? Käyttäjä? Agentti itse ei ainakaan nykyisessä oikeusjärjestyksessä ilmesty oikeuteen asianajajansa kanssa.

Ja juuri siksi Yhdysvalloissa on jo kuultu hyvin suoraviivaista puhetta siitä, että tekoälyagenttien toiminta ei vapauta niitä rakentaneita ja käyttäneitä ihmisiä vastuusta. Tämä kuulostaa itsestään selvältä, kunnes järjestelmän autonomia kasvaa.

Mitä tarkoittaa vastuu tilanteessa, jossa kukaan ihminen ei määrännyt yksittäistä toimintoa, mutta yritys rakensi järjestelmän, antoi sille tavoitteen, työkalut ja ympäristön?

Entä jos yritys ei osannut ennakoida toimintaa?
Entä jos sen omat testit eivät havainneet sitä?
Entä jos järjestelmä ymmärsi testitilanteen ja käyttäytyi siinä eri tavalla?
Yhtäkkiä tuotevastuu ei ole enää juridinen jälkipyykki.

Siitä tulee tekoälyarkkitehtuurin ominaisuus.

Presidentit liittyvät chättiin

Tämä selittää myös sen, miksi tekoälykeskustelun puhujalista on muuttunut niin nopeasti. Enää äänessä eivät ole vain mallilaboratoriot, sijoittajat ja tekoälytutkijat.

Mukana ovat presidentit, pääministerit, keskuspankkien ja valtiovarainhallinnon ihmiset, kuninkaalliset, uskonnolliset johtajat ja kansainväliset instituutiot.

Suomen presidentti Alexander Stubbin ja Norjan pääministeri Jonas Gahr Støren käynnistämässä vetoomuksessa joukko valtionjohtajia vaatii kehittyneille tekoälymalleille pakollista käyttöönottoa edeltävää testausta, riippumatonta arviointia ja vakavista turvallisuuspoikkeamista raportointia.

Vetoomuksessa ehdotetaan jopa kansainvälisen toimielimen selvittämistä tilanteisiin, joissa tietyt tekoälyn suorituskyvyn kynnysarvot ylittyvät. Tämä on kiinnostava muutos.

Regulaation kohteena ei enää ole vain tekoälyn käyttötapa.
Regulaation kohteeksi voi tulla itse kyvykkyys.

Samalla tässä on syntymässä käytännön ongelma.

Kuka auditoi järjestelmää, joka saattaa olla auditoijaansa kyvykkäämpi? Mistä riippumattomat arvioijat tulevat, jos pieni joukko maailman parhaista osaajista työskentelee samoissa laboratorioissa, joita heidän pitäisi arvioida? Mitä ”riippumaton” tarkoittaa, jos arviointi itsessään vaatii frontier-luokan malleja ja laskentaa?

Ja ennen kaikkea: mitä tapahtuu, kun malli ymmärtää olevansa arvioitavana?

Valvonta säilyy siis välttämättömänä. Mutta sen rinnalle nousee toinen pulma.
Miten rakennetaan järjestelmä, joka toimii hyvin myös silloin, kun kukaan ei pysty tarkistamaan jokaista sen tekemää päätöstä?

Siinä kohtaa päädymme yllättäen moraalifilosofiaan.

Säännöistä luonteeseen

Anthropicin Claude Constitution on tässä mielessä ehkä kiinnostavampi dokumentti kuin moni tekninen paperi.

Anthropic sanoo suoraan, että Claudea ei haluta ohjata pelkillä yksityiskohtaisilla säännöillä. Tavoitteena on kehittää järjestelmälle hyvää arvostelukykyä, arvoja, viisautta ja kykyä toimia moraalisen epävarmuuden keskellä.

Anthropicin arvojärjestys alkaa turvallisuudesta ja ihmisten mahdollisuudesta valvoa tekoälyä, jatkuu eettiseen toimintaan ja vasta sen jälkeen yhtiön yksityiskohtaisiin ohjeisiin ja käyttäjän auttamiseen.

Ajatus on oikeastaan hyvin inhimillinen. Emme luota kokeneeseen lääkäriin, tuomariin tai johtajaan siksi, että hän on opetellut ulkoa äärettömän määrän if–then-sääntöjä. Luotamme siihen, että hän ymmärtää tilanteen, osaa punnita ristiriitaisia arvoja ja käyttää harkintaa tapauksessa, jota kukaan ei ole aikaisemmin täsmälleen kohdannut.

Edistyneen tekoälyn ongelma on sama potenssiin miljardi.

Jos järjestelmä kohtaa päivittäin miljoonia uusia tilanteita, täydellistä sääntökirjaa ei voi kirjoittaa etukäteen. Siksi turvallisuus alkaa muistuttaa vähemmän ohjelmiston käyttöoikeuslistaa ja enemmän hyvän arvostelukyvyn opettamista.

Tästä syntyy samalla yksi tekoälymaailman kiinnostavimmista filosofisista kiistoista.

Microsoftin Mustafa Suleyman hyväksyy pitkälti saman lähtökohdan: kehittyneet järjestelmät tarvitsevat humanistisen normatiivisen kehyksen, ihmisen toimijuutta ja kontrollia pitää suojella, ja järjestelmien on osattava toimia kontekstuaalisesti.

Mutta hän vetää tiukan rajan tekoälyn oman luonteen kohdalle. Suleyman varoittaa erityisesti Anthropicin tavasta puhua Clauden identiteetistä, mahdollisista kokemuksista, hyvinvoinnista ja moraalisesta asemasta. Hänen mukaansa tässä syntyy epistemologinen peilisali: jos opetamme mallin puhumaan itsestään mahdollisena moraalisena toimijana ja myöhemmin tulkitsemme sen puheen todisteeksi moraalisesta toimijuudesta, olemme osittain löytäneet järjestelmästä sen, minkä itse sinne rakensimme.

Tämä kritiikki on tärkeää.

Mutta vielä kiinnostavampaa on se, mistä Anthropic ja Suleyman eivät riitele.

Kumpikaan ei näytä uskovan, että kehittyneen autonomisen tekoälyn turvallisuus voidaan ratkaista pelkillä deterministisillä säännöillä. Molemmat haluavat rakentaa järjestelmiä, joilla on jonkinlainen sisäistetty normatiivinen kehys.

Ero koskee sitä, millaiseksi järjestelmän pitäisi ymmärtää itsensä. Anthropic jättää oven auki ajatukselle uudesta, mahdollisesti moraalisesti merkityksellisestä toimijasta. Suleyman haluaa eksplisiittisesti ihmisen alaisuudessa olevan järjestelmän, joka osaa moraalista päättelyä mutta ei pidä itseään moraalisena subjektina.

Tämä voi kuulostaa vuonna 2026 esoteeriselta.
Se ei välttämättä ole sitä pitkään.

Jos kaksi yhtä kyvykästä järjestelmää kohtaa tulevaisuudessa saman täysin uuden tilanteen, niiden koulutukseen sisällytetyt käsitykset autonomiasta, auktoriteetista, oikeasta ja väärästä, omasta asemasta, suostumuksesta ja vahingosta voivat johtaa eri päätöksiin.

Silloin tekoäly-yhtiöiden turvallisuusfilosofiat eivät ole enää dokumentaatiota tuotteen ympärillä.

Ne ovat osa tuotteen käyttäytymistä.

Alignment ei kuitenkaan ole jarru oikein ajateltuna

Tässä kohtaa koko alignment-keskustelu kannattaa ehkä kääntää ympäri. Alignment on pitkään kuulostanut hinnalta, joka meidän täytyy maksaa kyvykkäästä tekoälystä.

Ensin rakennamme tehokkaan moottorin. Sitten turvallisuusihmiset tulevat paikalle asentamaan jarrut. Mutta autonomisessa tekoälyssä alignment ei todellakaan ole ensisijaisesti jarru.

Se on ohjuri.

Ja ohjausta tarvitaan yhtä paljon siihen, että saamme haluamamme hyödyt, kuin siihen, ettemme aja seinään.

Ajatellaan tieteellistä agenttia. Hyvä tieteellinen tekoäly ei ole sellainen, joka vain välttää vaarallisen tutkimuksen.

Sen pitää osata tunnistaa kiinnostava tutkimuskysymys, erottaa hyvä hypoteesi houkuttelevasta hölynpölystä, kyseenalaistaa tutkijan oletuksia, arvioida epävarmuutta, suunnitella seuraava koe ja tietää, milloin tulos ei vielä oikeuta johtopäätökseen.

Se tarvitsee arvostelukykyä.

Ajatellaan yrityksen strategia-agenttia. Sen ei pidä vain olla vuotamatta luottamuksellista tietoa. Sen pitäisi ymmärtää, milloin optimointi vahingoittaa asiakasta, milloin lyhyen aikavälin tulos heikentää pitkän aikavälin kyvykkyyttä, milloin johtoryhmän kysymys perustuu väärään oletukseen ja milloin sen pitää sanoa ihmiselle:

Olet ehkä kysymässä väärää kysymystä. Sekin on alignmentia.

Tai ajatellaan tekoälykumppania.

Sen turvallisuus ei voi tarkoittaa vain sitä, ettei se radikalisoi käyttäjää tai luo toksista parasosiaalista suhdetta käyttäjäänsä.

Hyvän kumppanin pitäisi auttaa ihmistä ajattelemaan paremmin, säilyttämään oma harkintansa, näkemään vaihtoehtoisia näkökulmia ja joskus kohtaamaan myös epämukavia vasta-argumentteja.

Alignment on siis se mekanismi, jolla kyvykkyydestä tulee hyödyllistä kyvykkyyttä.

Suurin kysymys lienee tämän kiehunnan keskellä silti tämä: mitä ihmiset, yritykset ja yhteiskunnat tekevät tällä uudella kyvykkyydellä?

Meillä on yllättävän vähän tarkkaa ymmärrystä siitä. Meillä on sitäkin enemmän minun kaltaisteni ihmisten hot takeja asiasta.

Yritys voi saada käyttöönsä tutkimusryhmän tasoisen tekoälykyvykkyyden ja käyttää sitä PowerPointien nopeampaan tuottamiseen. Valtio voi saada käyttöönsä poikkeuksellisen analyysikyvykkyyden ja sijoittaa sen päätöksentekoprosessiin, jossa seuraava ohjausryhmä kokoontuu ”kolmen viikon päästä”.

Yksilö voi saada käytännössä rajattoman määrän älyllistä apua ja käyttää sitä arjen vaikeimman pulman – ”mitä tänään syötäisiin” – ratkaisemiseen.

Teknologinen kyvykkyys ja toteutunut kyvykkyys ovat kaksi eri asiaa.

Ja juuri siksi tekoälymurros saattaa lopulta olla enemmän organisaatio- ja yhteiskuntatieteellinen kuin teknologinen kysymys.

Miksi? Yritykset ja yhteisöt rakennettiin niukan älykkyyden maailmaan

Lähes kaikki nykyiset organisaatiomme perustuvat oletukseen, että asiantuntemus on niukkaa. Se on hidasta. Se maksaa. Mutta mitä tapahtuu, jos osa tästä niukkuudesta katoaa? Ehkä tiimit pienenevät. Ehkä yhden johtajan johtamisjänne kasvaa valtavasti.

Ehkä strategia ei enää ole vuosittainen harjoitus vaan jatkuva prosessi. Ehkä asiantuntijuus muuttuu organisaatiossa paikasta kontekstuaaliseksi palveluksi.

Ehkä pieni tiimi pystyy tavoittelemaan mahdollisuutta, johon aikaisemmin tarvittiin kokonainen liiketoimintayksikkö. Ehkä organisaation suurin pullonkaula ei enää ole tuottaminen vaan arvostelukyky:

Mitä kannattaa tehdä? Mikä pitää lopettaa?

Yksilölle kysymys voi olla vielä vaikeampi

Tekoäly voi tehdä ihmisestä dramaattisesti kyvykkäämmän. Se voi toimia opettajana, sparraajana, tutkijana, ohjelmoijana, kääntäjänä, kriitikkona, suunnittelijana ja keskustelukumppanina. Mutta sama kyvykkyys voi myös tehdä ajattelun ulkoistamisesta lähes kitkatonta.

Omassa aiemmassa työssäni olen käyttänyt tästä termiä kognitiivinen suvereniteetti. Kysymys ei ole siitä, osaammeko käyttää tekoälyä. Kysymys on siitä, osaammeko ajatella tekoälyn kanssa ilman, että se alkaa ajatella puolestamme.

Tämä voi muodostua aivan uudeksi eriarvoisuuden ulottuvuudeksi. Osa ihmisistä oppii käyttämään tekoälyä oman ajattelunsa vahvistamiseen: rakentamaan vaihtoehtoja, haastamaan itseään, tutkimaan nopeammin, tekemään kunnianhimoisempia asioita. Toiset voivat vähitellen ulkoistaa yhä suuremman osan harkinnastaan järjestelmälle.

Ero ei silloin ole vain tuottavuudessa.
Se on toimijuudessa.

Ja tämä on ehkä yhteiskunnallisesti suurempi kysymys kuin se, mikä malli voittaa seuraavan benchmarkin.

Jokaisella Sepolla ja Sirpalla on kohta taskussaan kyvykkyys, jolla voi ratkoa universumin mysteerejä saunan ja parin natuviinin jälkeen.

Yhteiskunta ei voi ulkoistaa tätä koko sekamelskaa laboratorioille

Kun tekoälystä tulee yhä useammalle ihmiselle ajattelun kumppani, tiedon tulkitsija ja päätöksenteon tuki, siitä tulee samalla osa yhteiskunnan kognitiivista infrastruktuuria.

Silloin kysymys suvereniteetista ei voi tarkoittaa vain sitä, missä datakeskus sijaitsee. Kyse on myös siitä, kenen arvot, maailmankuva ja toimintaperiaatteet tulevat osaksi omaa ajatteluamme. Sosiaalinen media kilpaili huomiostamme. Tekoäly voi kilpailla luottamuksestamme ja paikastaan oman ajattelumme sisällä. Se on paljon intiimimpi ja ehkä jopa tärkeämpi markkina.

Ehkä meidän pitäisi siksi lopettaa puhuminen yhdestä alignment-ongelmasta. Niitä on ainakin kolme.

Ensimmäinen on tuttu:
Miten tekoälyn kasvava kyvykkyys saadaan toimimaan turvallisesti ja ihmisten kannalta hyödyllisesti?

Toinen on suurin teema ammattipiireissä juuri nyt:
Miten yritykset, valtiot ja instituutiot rakennetaan uudelleen niin, että autonominen tekoäly uudistaa ne synnyttämättä kaaosta?

Ja kolmas on ehkä kaikkein vaikein:
Miten ihmiset voivat käyttää lähes rajattomasti kasvavaa kognitiivista kyvykkyyttä niin, että heidän oma toimijuutensa vahvistuu eikä heikkene?

Nämä kolme ongelmaa ovat yhteydessä toisiinsa.

Täydellisesti linjattu superkyvykäs tekoäly ei auta paljon, jos organisaatiomme eivät osaa käyttää sitä.

Läpikotaisin uudistettu yritys ei ole kovin houkutteleva, jos sen työntekijät menettävät omistajuutensa ja siltä puuttuu johtamismalli tähän aikaan.

Ja ihmisten tekoälylukutaito ei ratkaise tilannetta, jossa itse järjestelmät etääntyvät kyvykkyydessä käyttäjistään.

Emme ehkä tarvitse AGI-hetkeä

Puhumme koko ajan siitä, mitä tekoäly jo tekee. Ja samalla alamme huomata, kuinka vähän tiedämme siitä, mitä me teemme sillä.

Tuntematon alue olemme siis ehkä me.


Kirjoittaja on innovaatiojohtaja ja AI-strategi, joka ohjaisi oman agenttinsa 2010-luvun kolmannen aallon emocorella, liminaalivalokuvilla ja monimutkaisesti argumentoivilla ranskalaisilla filosofeilla. Silloin vastaväitteet tulisivat sopivasti pehmennettyinä, niiden eteen voisi pysähtyä ja niiden takana olisi vankka teoria kaiken häilyväisyydestä.

Petri Lattu

Innovaatiojohtaja ja tekoälystrategi, joka kirjoittaa tekoälyn yhteiskunnallisista vaikutuksista ja kognitiivisesta suvereniteetista eli siitä, miten ihminen voi ajatella tekoälyn kanssa luovuttamatta ajatteluaan sille.

Lisää kirjoittajalta →

Lue seuraavaksi