DeepSeekin R1: Muistutus asiasta

Olen korkeakoulun opettaja ja entinen IT-alan ammattilainen, ja havaintoni on, että Kiinan DeepSeek R1 -mallin ympärillä vallitseva hype on muistutus kolmesta asiasta.

Ensimmäinen asia on, että generatiivinen tekoäly ei ole enää vain suurten tietomäärien prosessointia ja vastausten generointia kysymyksiin; se on myös kognitiivista päättelyä (”R” R1:ssä).

Suurten kielen mallien lupaus on, että massiivinen tietojen hakeminen ja kognitiivinen prosessointi – aiemmin vain supertietokoneilla ja aivokkaiden ihmisten etuoikeus – on nyt lähes kenen tahansa ulottuvilla. Kiitos uuden sukupolven tehokkuuden parantamiseen tähtäävien tekniikoiden ansiosta, on olemassa malleja, jotka ovat tarpeeksi pieniä juostaakseen tavanomaisella kannettavalla tietokoneella ja tukeakseen useita älykkäitä agenteja, jotka voivat toimia itsenäisesti ja suorittaa monimutkaisia, vuorovaikutteisia tehtäviä.

Toiseksi, generatiivisen tekoälyn vallankumous on ennen kaikkea innovaatio ja luovuus – se ei ole vain kilpailu voimakkaimmasta laitteistosta, suurimmasta koulutusaineistosta tai suurimmasta mallin parametreista. Näiden teknologioiden onnistunut omaksuminen ei määräydy suurten teknologiayritysten valtavien, energian kuluttavien supertietokoneiden ja miljardien dollarien arvoisilla malleilla, vaan mailla ja organisaatioilla, jotka investoivat inhimilliseen pääomaan valmistautuakseen tähän uuteen aaltoon.

Kolmanneksi, ja tämän edellisen asian perusteella, Yhdysvallat ei näytä olevan hyvin valmistautunut dramaattisiin muutoksiin, jotka tulevat talouteen ja yhteiskuntaan. Mainitsen kaksi esimerkkiä: korkeakoulutus ja corporate America.

Korkeakoulutus

Useimmissa korkeakouluissa opiskelijan ensimmäinen suuri päätös on päättää, haluaako hakea Bachelor of Arts (BA) -tutkintoa, joka liittyy laajempaan, monitieteellisempään koulutukseen, vai Bachelor of Science (BS) -tutkintoa, joka on enemmän keskittynyt tiettyihin aloihin ja käytännön kokemukseen.

Teckoälyn aikakaudella tämä on toivottavasti vanhentunut dikotomia, sillä molemmat tieteenalat tulevat olemaan välttämättömiä työelämässä.

Todisteena on, että useimmat ensimmäisen vuoden opiskelijat eivät ole läheskään tietoisia siitä, minkälainen on työskennellä erilaisissa työpaikoissa, tai edes heidän omien kykyjensä, taitojensa, taitojensa ja kykyjensä suhteellisista vahvuuksista ja heikkouksista. Ja silti useimmat ensimmäisen vuoden opiskelijat joutuvat ilmoittamaan pääaineensa, mikä on helppo päätös vain niille harvoille, jotka (paremmin tai huonommin) tietävät (tai luulevat tietävänsä), mihin alaan he haluavat pyrkii: insinööritieteisiin, tieteisiin, lääketieteisiin, oikeustieteisiin jne.

Tarvitsemme paljon erilaisemman, uraan valmistavan, laajemman ja monitieteellisemmän lähestymistavan korkeakoulutukseen, joka tunnustaa, että valmistuneen opiskelijan ensimmäinen kokopäiväinen työ saattaa olla täysin eri ala kuin heidän tutkintonsa tai pääaineensa; että heidän korkeakoulukokemuksensa edustaa vain ensimmäistä vaihetta elinikäisessä jatkuvan oppimisen prosessissa – uudelleenkoulutus, sertifiointi, uudelleenkeksiminen, uranvaihto – rooleihin, joita emme voi edes kuvitella vielä.

Lisäksi opettajina meidän on kehitettävä uusia strategioita tekoälyplagiaatin käsittelemiseksi ja navigoimiseksi chat-bottien älyllisten oikopolkujen ja ”kognitiivisen ulkoistamisen” vaarojen keskellä – taipumus luottaa ulkoisiin työkaluihin kehittämisen sijaan sisäisiä kykyjä.

Aikakaudella, jolloin tieto on eriytetty ymmärtämisestä, on liian suuri houkutus yksinkertaisesti pyytää tekoälyä antamaan välittömän vastauksen tai ratkaisun ongelmalle, sen sijaan että taistellaan ymmärtääkseen käsitteen tai ratkaisemaan ongelman.

Corporate IT

Useimmat yritykset eivät myöskään näytä ymmärtävän näiden uusien teknologioiden organisaatiollisia vaikutuksia.

Nykyiset IT-roolit ja -rakenteet heijastelevat edellisen, digitaalisen vallankumouksen aikaisia organisaatiollisia vaatimuksia. Nämä toiminnot syntyivät ihmisten ja tietokoneiden välisten suhteiden erityistä asiantuntemusta varten – ohjelmointi, data-insinööritieteet, tietokoneen arkkitehtuuri, verkkohallinta, tietoturva jne.

Sen sijaan generatiivinen tekoäly (ja koko luonnollisen kielen prosessoinnin ala, joka edelsi sitä) on tietokoneiden suunnittelusta ja kouluttamisesta niin, että ne voivat vuorovaikuttaa ihmisten kanssa.

Tuloksena on, että tavalliset työntekijät keksivät nerokkaita (ja toisinaan vaarallisia) keinoja käyttää näitä teknologioita. Organisaatiot kamppailevat keksimään toimivia politiikkoja, menettelyjä ja valvontaa maksimoimaan näiden teknologioiden tuottavuushyödyt minimoiden samalla riskit.

Yksi avainongelma on, että useimmissa yrityksissä data-analytiikan osaaminen on keskittynyt IT-osastoihin, jotka toimivat usein salaisina kiltoina omalla, mystisellä kielellä ja käytännöillä, jotka ovat organisaatiollisesti ja toiminnallisesti erillisiä liiketoimintayksiköistä. Uskon, että tuleva tuottavuusvallankumous vaatii uusia organisaatiollisia rooleja ja rakenteita, joissa dataosaaminen ei ole eriytetty erityiseen toimintoon, vaan on kytketty lähes jokaiseen toimintoon.

Lisäksi on datahaaste. Useimmissa organisaatioissa tekoälyn omaksuminen on LLM-mallien mukauttamista erityisiin käyttötapauksiin omistettujen tietojen avulla. Vaikka liiketoimintayksiköiden käyttäjät haluavat täysin tarkkoja, puhdasja hyvin hallittuja tietoja, IT-osastojen yksittäiset omistajat eivät ole budjettia, taloudellista kannustinta eikä organisaatiollista valtuutta varmistamaan tällaista laatua ja avoimuutta.

Tuloksena on, että sisäiset tietojoukot eivät ole hyvin hallittuja tai löydettävissä koko yrityksessä. Yleensä erilaiset tiedot tallennetaan eri paikoissa. Vastauksena liiketoimintakäyttäjien pyynnöksiin IT tarjoaa erilaisia tietojen näkymiä, luo erilaisia tietojen kopioita (ja kopioita kopioiden) ja luo altistumisia ja abstraktioita tiedoille eri syistä… Tässä vaiheessa kukaan ei tiedä, mitkä versiot ovat vanhentuneita, epätäydellisiä, moninkertaisia, epätarkkoja tai niiden kontekstia.

Johtopäätös

Generatiivinen tekoäly voi muuttaa kaikenlaisen tietotyön. Sen ydin on asiantuntijuuden demokratisointi (sekä hyvässä että pahassa mielessä) – välittämättä erityisosaajia, kuten koodaajia, videoiden tekijöitä, kuvittajia, kirjailijoita, toimittajia ja lähes mitä tahansa tietotyöntekijää tai ”asiantuntijaa”. Ennen ei ole ollut teknologiaa, joka olisi kilpaillut ihmisten kognitiivisten prosessointi- ja päättelykykyjen kanssa – ainoastaan heidän fyysistä voimaa, kestävyyttä, tarkkuutta ja taituruutta sekä kykyä prosessoida suuria tietomääriä.

Tämä jännittävä uusi tuottavuusvallankumous vaatii uusia taitoja, kykyjä ja organisaatiollisia rakenteita, joissa dataosaaminen on olennainen osa lähes jokaista liiketoimintaprosessia.

Ironia on, että kun koneet saavuttavat suurempia analyyttisiä kykyjä, työntekijän asema organisaatiollisessa hierarkiassa saattaa tulla vähemmän riippuvaiseksi erityisosaamisesta, kokemuksesta ja tutkinnoista ja enemmän luovuudesta, monitieteellisyydestä ja vuorovaikutuskyvyistä taidoista.

Aika kehittää ja investoida näihin kykyihin on nyt.