Yleinen tekoäly on täällä – olemmeko valmiita?

Harri Valpolan provosoiva väite siirtää huomion tekoälyn määritelmästä siihen, miten oppiminen, vastuu ja hyödyt rakennetaan.

Yleinen tekoäly on Harri Valpolan mukaan jo täällä. Väite pysäyttää, sillä julkinen keskustelu kohtelee AGI:tä yhä tulevaisuuden rajapyykkinä: hetkenä, jolloin kone ei enää suorita vain yhtä tehtävää, vaan pystyy ratkaisemaan monenlaisia ongelmia. Aalto-yliopiston Ja ihminen loi älyn -podcastissa Valpola haastaa kysymään, katsommeko jo uutta ilmiötä vanhoilla mittareilla.

Kyse ei silti ole vain siitä, millä nimellä nykyisiä järjestelmiä kutsutaan. Noin 83-minuuttisen keskustelun kiinnostavin kysymys koskee sitä, mitä älykkyydeltä oikeastaan odotamme: sujuvaa kieltä, kykyä toimia maailmassa vai taitoa oppia jatkuvasti uutta. Yrittäjälle tämä ei ole filosofinen sivupolku, vaan valinta siitä, mitä tekoälylle kannattaa uskaltaa antaa tehtäväksi.

Yleinen tekoäly ei ole vain parempi chatbot

AGI eli yleinen tekoäly tarkoittaa järjestelmää, jonka osaaminen ei rajoitu yhteen tarkasti määriteltyyn tehtävään. Jakson alussa Valpola yhdistää keskusteluun myös singulariteetin, ajatuksen teknologisen kehityksen mahdollisesta kiihtymisestä niin nopeasti, että sen seurauksia on vaikea ennakoida. Hänen väitteensä AGI:n saapumisesta on tarkoituksella rohkea, mutta se paljastaa määritelmiemme epätarkkuuden.

Jaksossa nopea ja hidas ajattelu asetetaan kiinnostavasti rinnakkain. Nopea ajattelu tunnistaa tuttuja kuvioita ja tuottaa vastauksia vauhdilla, kun taas hidas ajattelu pysähtyy uuden ongelman äärelle, jäsentää vaihtoehtoja ja korjaa suuntaa. Valpolan nykyisen yrityksen nimi, System 2 AI, viittaa juuri tähän harkitsevampaan ajatteluun.

Yleisen tekoälyn tärkein testi ei ole se, miltä vastaus näyttää, vaan mitä järjestelmä osaa oppia, tehdä ja korjata muuttuvassa maailmassa.

Laboratoriosta fyysiseen maailmaan

Valpolan urapolku kertoo samalla suomalaisen tekoälyosaamisen pitkästä kaaresta. Hän opiskeli Teknillisessä korkeakoulussa neuroverkkopioneeri Teuvo Kohosen laboratoriossa ja eteni ohjaamattoman oppimisen sekä aivojen mallintamisen kysymyksistä yrittäjäksi. ZenRobotics vei tekoälyä robotiikan kautta tosimaailmaan, Curious AI puolestaan tavoitteli yleisempää älykkyyttä.

Myöhemmät vaiheet Applella ja System 2 AI:ssa jatkavat samaa kysymystä eri ympäristöissä: miten tutkimus muuttuu toimivaksi teknologiaksi? Matka muistuttaa, ettei läpimurto synny yhdestä näyttävästä demosta. Myös Herculaneumin kääröjä käsittelevässä tekoälyjutussa kiinnostavinta on lopulta se, miten menetelmä auttaa ratkaisemaan aidon ongelman.

Tämä on tärkeä muistutus myös sijoittajalle. Tekoälytarina voi nostaa odotuksia nopeasti, mutta kyvykkyys, liiketoimintamalli ja näyttö eivät ole sama asia. Samaa harkintaa tarvitaan, kun arvioidaan startupin tarinaa ja arvostusta.

Äly tarvitsee kosketuksen maailmaan

Jakson kehollisuutta käsittelevässä osuudessa noin kohdasta 30.07 alkaen huomio siirtyy siihen, miten älykkyys rakentuu vuorovaikutuksessa ympäristön kanssa. Kehollisuus ei tarkoita vain ihmisen näköistä robottia. Olennaista on palautesilmukka: järjestelmä toimii, havaitsee seuraukset ja mukauttaa seuraavaa toimintaansa.

Valpolan läppärillä hyrräävät agentit tekevät ajatuksesta konkreettisen. Tekoälyagentti on järjestelmä, joka ei ainoastaan vastaa kysymykseen, vaan voi suorittaa tehtävän useassa vaiheessa ja käyttää sille annettuja työkaluja. Näyttävä suoritus ei kuitenkaan vielä todista, että agentti ymmärtää tilanteen, tunnistaa poikkeukset tai osaa pysähtyä ajoissa.

Yrityksessä todellinen testi alkaa vasta, kun agentti kohtaa puutteellisen asiakastiedon, muuttuvan aikataulun tai keskenään ristiriitaiset ohjeet. Samalla tavoin kuin rohkeissa B2B-markkinointivalinnoissa, teknologia tarvitsee selkeän tavoitteen. Ilman sitä vauhti vain vie nopeammin väärään suuntaan.

Jatkuva oppiminen erottaa demon järjestelmästä

Noin kohdassa 54.49 keskustelu siirtyy tekoälyn puuttuviin kykyihin ja jatkuvaan oppimiseen. Se tarkoittaa kykyä omaksua uutta käytön aikana ilman, että vanha osaaminen hajoaa tai järjestelmä oppii virheellisestä palautteesta. Juuri tässä lupaus ja käytännön toteutus joutuvat törmäyskurssille.

Yritykselle jatkuva oppiminen ei voi tarkoittaa sitä, että agentti saa muuttaa toimintaansa vapaasti jokaisen kohtaamisen perusteella. Tarvitaan rajatut oikeudet, laadukas palaute ja tilanteet, joissa ihminen hyväksyy päätöksen. Myös epävarmuuden tunnistaminen on kyvykkyyttä: hyvä järjestelmä tietää, milloin tehtävä kuuluu siirtää ihmiselle.

Kasvuyrityksen ympäristö muuttuu muutenkin nopeasti. Se, mikä toimii ensimmäisellä markkinalla, ei välttämättä kanna kansainväliseen kilpailuun, kuten Ouran Yhdysvaltoihin suuntautunutta muuttoa käsittelevä artikkeli muistuttaa. Myös tekoälyjärjestelmän on kohdattava muuttuva maailma, ei vain menneestä koottu harjoitusaineisto.

Tekninen läpimurto ei takaa hyötyjen jakautumista

Jakson loppupuolella, noin kohdasta 1.03.28 alkaen, keskustelu laajenee AGI:stä empatiaan ja yhteiskunnallisiin seurauksiin. Yleinen tekoäly voi tuoda pienellekin yritykselle kyvykkyyksiä, jotka ovat aiemmin vaatineet suuren organisaation. Samalla hyödyt voivat kasaantua niille, joilla on eniten laadukasta dataa, laskentaa ja osaamista.

Jos tekoälyhyödyt kasaantuvat vain niille, joilla on eniten dataa, laskentaa ja osaajia, tekninen läpimurto voi kasvattaa yhteiskunnallista kuilua.

Empatia tekee rajasta vielä kiinnostavamman. Kone voi tuottaa ymmärtävältä kuulostavaa kieltä, mutta käyttäjän kannalta ratkaisevaa on vuorovaikutuksen vaikutus: saako hän oikeaa apua ja tietääkö hän keskustelevansa tekoälyn kanssa? Vastuun täytyy säilyä nimetyillä ihmisillä, etenkin kun järjestelmä vaikuttaa työhön, toimeentuloon tai palveluihin.

Suomessa keskustelu kytkeytyy väistämättä tuottavuuteen, osaamiseen ja yritysten uudistumiskykyyn. Suomen talouden perusmallia haastava keskustelu saa tekoälystä uuden kerroksen: kasvua ei synny pelkästä teknologiasta, vaan siitä, miten nopeasti yritykset ja työntekijät oppivat käyttämään sitä.

Mitä tästä voi oppia?

Valpolan keskustelu ei anna yrittäjälle yhtä valmista tekoälyreseptiä. Se tarjoaa hyödyllisemmän asian: tavan arvioida, onko järjestelmä oikeasti älykäs omassa käyttötilanteessa vai ainoastaan vaikuttava katsella.

• Määrittele ongelma ennen työkalua. AGI-keskustelu ei auta, jos yritys ei tiedä, minkä päätöksen tai työnkulun se haluaa parantaa.
• Mittaa toimintaa, älä pelkkää puhetta. Sujuva vastaus ei vielä osoita, että agentti pystyy viemään tehtävän turvallisesti loppuun.
• Rakenna oppiminen tietoisesti. Palautteen, käyttöoikeuksien ja ihmisen hyväksyntäpisteiden pitää olla osa järjestelmää alusta alkaen.
• Huomioi hyötyjen jakautuminen. Osaaminen, läpinäkyvyys ja vastuu ratkaisevat, vahvistaako tekoäly yritystä ja yhteiskuntaa vai kasvattaako se niiden sisäisiä eroja.

Suurin oivallus on lopulta yllättävän inhimillinen. Tekoälyn kehitys ei vapauta meitä määrittelemästä hyvää työtä, vastuullista päätöstä tai reilua yhteiskuntaa. Mitä kyvykkäämmiksi järjestelmät kasvavat, sitä tarkemmin ihmisten on päätettävä, mihin suuntaan niitä käytetään.

▶

Lähteet

• Aalto University: Tekoäly muuttaa ihmisyyden ja yhteiskunnan – Harri Valpola — Ja ihminen loi älyn -podcastin jakso, julkaistu 11.8.2026. Kesto noin 83 minuuttia.