Viime vuosina yhteisäly (co-intelligence) on herättänyt suurta kiinnostusta erityisesti tekoälystä keskusteltaessa. Yhteisäly yhdistää ihmisten ja tekoälyn toiminnan ja katsantokannan saumattomaksi yhteistyöksi, jossa huomioidaan monien ihmisten tietämys. Tekoälyä tulisikin pitää enemmän yhteistyökumppanina ja työkaverina kuin työkaluna.
Yhteisäly viittaa parannettuun kollektiiviseen älykkyyteen, joka syntyy yhteistyöstä. Osallistamista ja erilaisia näkökulmia yhdistämällä parannetaan ongelmanratkaisu- ja päätöksentekokykyä (Krimerman 2004). Keskeisiä periaatteita ovat hyväksyminen, integraatio ja keskinäinen kunnioitus, jotka korostavat ihmisten välistä yhteyttä ja ymmärrystä.
Tekoälyllä simuloidaan ihmisen älyllisiä prosesseja, kuten oppiminen ja päättely, tietotekniikan avulla (Russell & Norvig 2021). Tekoälyteknologiat ovat mullistaneet toimialoja tarjoten tapoja analysoida suuria tietomääriä ja automatisoida tehtäviä. Mollickin (2024) mukaan meidän onkin hyödynnettävä tekoälyä työtoverina, opettajana ja valmentajana pelkän työkalunäkemyksen sijasta.
Synergiaa ja käytäntöä
Yhteisälyn ja tekoälyn synergia voi johtaa innovaatioihin ja tehostettuun päätöksentekoon. Tekoälyn kyky käsitellä ja analysoida tietoja ihmistä nopeammin yhdistettynä ihmisen inhimillisiin kokemuksiin ja intuitioon tekee päätöksenteosta kattavampaa ja monipuolisempaa (Bengio 2009). Ongelmanratkaisussa voidaan yhdistää monialaisia asiantuntijoita ja tekoälyä, mikä johtaa kokonaisvaltaisiin ratkaisuihin (Page 2007). Tekoäly saattaa myös toimia luovuuden katalysaattorina (Shneiderman 2022).
Yhteisälyä hyödynnetään jo nyt monilla eri sektoreilla. Terveydenhuollossa voidaan parantaa hoitotuloksia analysoimalla potilastietoja (Topol 2019). Koulutuksessa yhteisäly edistää yhteistyöhön perustuvaa oppimista, ja tekoäly voi tarjota yksilöllisiä oppimiskokemuksia (El Din & Al Harrasi 2024). Liiketoiminnassa tuetaan strategista päätöksentekoa analysoimalla markkinatrendejä ja asiakaspreferenssejä (Brynjolfsson & McAfee 2014). Ympäristöhaasteiden ratkaisemisessa yhteisäly voi optimoida resurssien hallintaa ja kehittää kestäviä ratkaisuja (Rolnick ym. 2019).
Tulevaisuuden näkymät
Tekoälyä hyödyntävässä yhteisälyssä on huomioitava eettiset kysymykset, saavutettavuus ja monitieteinen yhteistyö. Tekoälyjärjestelmien on oltava eettisesti suunniteltuja ja saavutettavia kaikille, jotta niiden hyödyt voidaan maksimoida (Floridi ym. 2018). Koulutusohjelmat voivat auttaa ymmärtämään tekoälyn kykyjä ja rajoituksia, ja monitieteiset tutkimusaloitteet voivat edistää innovatiivisia ratkaisuja (Wagner ym. 2019). Mollick (2024) haastaa meidät hyödyntämään tekoälyn voimaa menettämättä identiteettiämme ja oppimaan siitä ilman harhaanjohtamista. Tämän vaatii eettisten ja saavutettavuuteen liittyvien kysymysten huolellista käsittelyä, monitieteistä yhteistyötä ja läpinäkyvyyttä. Näin luomme parempaa ja kestävämpää maailmaa yhteisälyn avulla.
Kirjoittaja
Johanna Heinonen toimii LAB-ammattikorkeakoulussa lehtorina ja TKI-asiantuntijana. Erityisesti matkailun, palveluiden ja palveluliiketoiminnan monimuotoinen kehittäminen, digitaalinen viestintä ja asiakaskokemus ovat hänen sydäntään lähellä.
Lähteet
Bengio, Y. 2009. Learning deep architectures for AI. In Foundations and trends in machine learning. Vol. 2, Issue 1, 1–27. Viitattu 1.7.2024. Saatavissa https://doi.org/10.1561/2200000006
Brynjolfsson, E. & McAfee, A. 2016. The second machine age : work, progress, and prosperity in a time of brilliant technologies. W. W. Norton & Company.
El Din, M. S. & Al Harrasi, N. 2024. AI-driven transformation in higher education: New frontiers in administration and management. In Utilizing AI for Assessment, Grading, and Feedback in Higher Education. Sivut 135–161. Viitattu 1.7.2024. Saatavissa https://doi.org/10.4018/979-8-3693-2145-4.ch006
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People—An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds and Machines. 28(4), 689–707. Viitattu 1.7.2024. Saatavissa https://doi.org/10.1007/s11023-018-9482-5
Krimerman, L. 2004. The Tao of Democracy: Using Co-Intelligence to Create a World That Works for All [Review of The Tao of Democracy: Using Co-Intelligence to Create a World That Works for All]. Humanity and Society. 28(3), 352–358.
Mollick, E. 2024. Co-Intelligence: Living and Working with AI. Penguin Publishing Group.
Page, S. E. 2007. The difference : how the power of diversity creates better groups, firms, schools, and societies. Princeton University Press.
Rolnick, D., Donti, P. L., Kaack, L. H., Kochanski, K., Lacoste, A., Sankaran, K., Ross, A. S., Milojevic-Dupont, N., Jaques, N., Waldman-Brown, A., Luccioni, A. S., Maharaj, T., Sherwin, E. D., Mukkavilli, S. K., Kording, K. P., Gomes, C. P., Ng, A. Y., Hassabis, D., Platt, J. C., … Bengio, Y. 2023. Tackling Climate Change with Machine Learning. ACM Computing Surveys. 55(2), 1–96. Viitattu 1.7.2024. Saatavissa https://doi.org/10.1145/3485128
Russell, S. J. & Norvig, P. 2021. Artificial intelligence : a modern approach (Neljäs painos.). Pearson.
Shneiderman, B. 2022. Human-Centered AI. Viitattu 1.7.2024. Saatavissa https://doi.org/10.1093/oso/9780192845290.001.0001
Topol, E. 2019. Deep medicine: how artificial intelligence can make healthcare human again. Hachette UK.
Wagner, C., Singer, P., Karimi, F., Pfeffer, J. & Strohmaier, M. 2017. Sampling from Social Networks with Attributes. 26th International World Wide Web Conference. WWW 2017, 1181–1190. Viitattu 1.7.2024. Saatavissa https://doi.org/10.1145/3038912.3052665
