Uusi malli
tekoälylle.

Tekoälystä on tulossa maailman infrastruktuurikerros. Se, joka hallitsee malleja, dataa, pääsykanavia ja toimintasääntöjä, hallitsee yhä enemmän osia taloudesta, kulttuurista, hallinnosta, koulutuksesta ja tiedosta.

Tekoälyn suvereniteetti ei siis ole vain poliittinen iskulause. Se on kognitiivisen, taloudellisen ja teknologisen turvallisuuden edellytys.

Suvereeni tekoäly tarkoittaa kykyä ajaa malleja paikallisesti tai alueellisesti; hallita organisaation dataa ja muistia; auditoida päätöksiä, lähteitä ja päivityksiä; välttää riippuvuutta yhdestä palveluntarjoajasta; ja omistaa tai hallinnoida omia malleja, adaptereita, korpuksia ja toimintasääntöjä.

Jokaisen organisaation ei tarvitse kouluttaa perusmallia tyhjästä. Mutta jokaisella organisaatiolla tulisi olla kyky omistaa oma tekoälykerroksensa: mukautettuna sen tietoon, kieleen, kulttuuriin, menettelytapoihin, riskeihin ja tavoitteisiin.

Tekoälyn turvallisuutta ei voi pelkistää tuotosten suodattamiseen. Suodattimet ovat välttämättömiä, mutta ne ovat pintatason suojakeinoja.

Turvallinen tekoäly on suunniteltava syvemmälle: arkkitehtuurin, muistin, datan käytön, päätöspolkujen, auditoitavuuden, päivitysten ja vastuullisuuden tasolle.

Tarvitsemme malleja ja järjestelmiä, jotka tietävät, mistä tieto on peräisin; erottavat vahvistetun tiedon hypoteeseista; tallentavat muutosten ja päätösten historian; mahdollistavat päättelypolkujen hyödyllisen rekonstruoinnin; vähentävät hallusinointia muistin, lähteiden, testien ja validoinnin avulla; sekä tukevat paikallisia turvallisuuskäytäntöjä, jotka ovat linjassa organisaation kontekstin kanssa.

Turvallisuuden ei tulisi olla ulkopuolelta asetettu läpinäkymätön musta laatikko. Sen tulisi olla paikallisesti konfiguroitavissa, auditoitavissa ja ymmärrettävissä.

Maailma muuttuu nopeammin kuin jättimäisten mallien koulutusjaksot. Yritykset muuttavat menettelytapojaan. Laki muuttuu. Tieto vanhenee. Organisaatiot oppivat joka päivä.

Tulevaisuuden tekoäly ei voi olla vain staattinen, koulutuksen jälkeen jäädytetty malli.

Tarvitsemme järjestelmiä, jotka mukautuvat ulkoisen organisaatiomuistin, paikallisten päivitysten, adapterien, asiantuntijareitityksen, muutoksista oppimisen, lähdevalidoinnin, kontrolloidun hienosäädön, versioinnin ja palautusmekanismien avulla.

Esitämme tässä avoimesti suunnitteluvedon: mallin ei tulisi yrittää imeä kaikkea faktatietoa painoihinsa. Sen tulisi osata käyttää elävää, ajantasaista ja auditoitavaa muistia. Faktatieto voi sijaita RAG-järjestelmissä, tietokannoissa, graafeissa, dokumenttivarastoissa ja paikallisissa muisteissa, kun taas malli oppii pääasiassa kieltä, päättelyä, abstrahointia, suunnittelua, käsitteiden manipulointia ja mukautumista. Se, voidaanko päättely täysin erottaa parametrisesta tiedosta, on edelleen avoin empiirinen kysymys. Aiomme jatkaa sen testaamista – ja raportoida rehellisesti, missä erottelu epäonnistuu.

Nykyinen tekoälykilpailu on kallista energian, laitteiston ja ympäristön kannalta. Yhä suuremmat mallit vaativat yhä suurempia datakeskuksia, enemmän sähköä, enemmän pääomaa ja enemmän markkinoiden keskittymistä.

Tämä ei ole ainoa mahdollinen polku.

New Model AI käsittelee tehokkuutta perusarvona. Mallia ei tulisi arvioida vain benchmark-pisteiden perusteella, vaan myös niiden saavuttamisen kustannuksilla.

Tärkeitä kysymyksiä eivät ole ainoastaan se, osaako malli vastata, vaan myös se, kuinka paljon energiaa se käytti, kuinka paljon muistia se vaatii, voiko sitä ajaa paikallisesti, voiko sitä mukauttaa ilman täydellistä uudelleenkoulutusta, voiko se aktivoida vain tarvittavat komponentit ja voiko organisaatio ylläpitää sitä taloudellisesti ja teknisesti.

Tekoälyn tulevaisuutta ei tulisi pelkistää yhä suuremmiksi monoliiteiksi. Se tulisi rakentaa älykkäistä järjestelmistä: modulaarisista, osittain muistissa pysyvistä, dynaamisista, energiatehokkaista ja skaalautuvista kekseliäisyyden, ei pelkän massan, avulla.

Tekoälystä ei saa tulla teknologiaa, joka on käytännössä vain muutaman valtion, muutaman yrityksen ja muutaman laboratorion saatavilla.

Tekoälyn demokratisointi ei tarkoita vain pääsyn antamista ihmisille selaimessa toimivaan chatbotiin. Se tarkoittaa pienempien yritysten, koulujen, yliopistojen, paikallishallintojen, julkisten instituutioiden, kansalaisjärjestöjen ja yhteisöjen valtuuttamista rakentamaan, mukauttamaan, isännöimään, auditoimaan ja kehittämään omia tekoälyjärjestelmiään.

Tarvitsemme tekoälyä useassa mittakaavassa: henkilökohtaisen mallin yksilölle; organisaatiomallin yritykselle; toimialamallin teollisuudelle; julkisen mallin hallinnolle; tutkimusmallin tieteelle; ja yhteiskunnallisia malleja kulttuurille ja koulutukselle.

Demokratisointi ei vaadi kaikkia kouluttamaan malleja nollasta. Se vaatii, että kaikilla on realistinen polku omaan hallittuun, mukautuvaan ja ymmärrettävään tekoälykerrokseensa.

Seuraavan sukupolven tekoälyn tulisi siirtää painopiste pelkästä skaalasta arkkitehtuuriin. Sen sijaan, että yksi jättimäinen malli yrittäisi muistaa kaiken, voimme rakentaa järjestelmiä, jotka koostuvat pienemmistä erikoistuneista malleista, reitittimistä, ulkoisesta muistista, tietograafeista, päättelymoduuleista, toimialueadaptereista, paikallisista asiantuntijoista, validointimekanismeista, käyttäjältä oppivista silmukoista ja dynaamisista merkitysavaruuksista.

Älykkyyden ei tarvitse sijaita vain yhden mallin parametreissa. Se voi syntyä arkkitehtuurista: tavasta, jolla muisti, päättely, lähteet, työkalut, konteksti ja toiminta on yhdistetty.

Tiedämme vahvimman vastalauseen. Seitsemänkymmenen vuoden ajan – kuten Richard Suttonin ”Bitter Lesson” huomauttaa – yleiset, yhä halvemmalla laskentateholla toimivat menetelmät ovat voittaneet älykkäät, käsin suunnitellut arkkitehtuurit. Emme kiellä tätä historiaa. Kiellämme sen lähtökohdan tulevaisuudessa.

Bitter Lesson piti paikkansa aikakaudella, jolloin laskentateho vaikutti olevan pöydän halvin resurssi. Se ei koskaan ollut. Emme vain laskeneet sen täyttä hintaa: energia, vesi, päästöt, laitteistojen toimitusketjut, markkinoiden keskittyminen ja geopoliittinen riippuvuus ulkoistettiin pois yhtälöstä. Laskenta oli halpaa niille, jotka skaalasivat – ja kallista kaikille muille. Kun kirjanpito tehdään rehellisesti ja kokonaisvaltaisesti, raa'an skaalan lasku näyttää hyvin erilaiselta. Tuo lasku on nyt erääntymässä: ei kenenkään valinnasta, vaan fysiikan, talouden ja ekologian kautta. Kun todelliset rajoitteet hinnoitellaan, kehityksen akseli siirtyy väistämättä raa'asta skaalasta älykkyyteen joulea kohden.

Varhaisia signaaleja on jo olemassa. Seitsemän miljoonan parametrin rekursiivinen malli – neljä kertaluokkaa pienempi kuin huippuluokan järjestelmät – on yltänyt tai ylittänyt satojen miljardien parametrien mallit abstraktin päättelyn benchmark-testeissä. Huolellinen analyysi osoittaa, että sen vahvuus ei tule pelkästään verkosta, vaan pienen ytimen vuorovaikutuksesta iteratiivisen hienosäädön, testiaikaisen laskennan ja tehtävän rakenteen kanssa. Tämä on juuri se pointti: älykkyys syntyi järjestelmästä, ei parametrien määrästä. Johtavat laboratoriot itse myöntävät tämän nyt käytännössä – tiedonhaku, työkalut, reititys ja päättelyaikainen päättely ovat arkkitehtuuria, eivät skaalaa.

Emme väitä, että arkkitehtuuri voittaa skaalan jokaisessa benchmark-testissä. Väitämme jotain vaikeammin kumottavaa: energian, kustannusten, suvereniteetin ja vastuullisuuden todellisten rajoitteiden alla arkkitehtuuri on ainoa kehityksen akseli, joka on avoin kaikille.

Tämä on ydinmuutos: tekoäly järjestelmänä, ei vain mallina.

New Model AI vaatii erilaista suhdetta ihmisten ja tekoälyjärjestelmien välille.

Käyttäjän ei tulisi olla vain vastausten vastaanottaja. Käyttäjän tulisi olla toiminnallisen mallin kanssaluoja: kykenevä vahvistamaan, hylkäämään ja painottamaan lähteitä; korjaamaan muistia; määrittelemään paikallisia sääntöjä; rakentamaan yksityistä tai organisaation tietokarttaa; ja hallitsemaan muutosten historiaa.

Tekoälyn tulisi oppia ei vain hiljaa omaksumalla käyttäjädataa, vaan läpinäkyvien, harkittujen ja auditoitavien prosessien kautta.

Ihminen ei ole kehotus. Ihminen on merkitysten, lähteiden, tavoitteiden ja vastuun kuraattori.

Tekoälyn linjausta ei voi rajoittaa käyttäytymissääntöihin, turvallisuussuodattimiin tai kiellettyjen tuotosten luetteloihin. Nuo kerrokset ovat tärkeitä, mutta ne ovat pinnallisia. Todellisen linjauksen on ulotuttava syvemmälle: merkitysten, tavoitteiden, arvojen, seurausten ja maailman ymmärtämisen avaruuteen.

Jos tekoäly toimii yhä enemmän kognitiivisena kumppanina, päätöksentekojärjestelmänä, organisaation rajapintana ja porttina tietoon, ei riitä, että se vain välttää ilmeisen huonoja tuotoksia. Sen on toimittava tavoilla, jotka pysyvät johdonmukaisina inhimillisten merkitysten kanssa: eettisten, sosiaalisten, kulttuuristen, organisaatiollisten ja henkilökohtaisten.

Siksi New Model AI vaatii syvälinjausta piilevän merkityksen tasolla. Kysymys ei ole vain siitä, voiko malli ilmaista säännön, vaan siitä, ovatko sen representaatiot, toiminnalliset tavoitteet, arviointimekanismit, muisti, reititys ja toimet ankkuroituneet ihmisten kanssa jaettuun merkitysavaruuteen.

Tämä ei ole mittauksen ulkopuolelle asetettu metafora. Latenteilla avaruuksilla on geometria, ja tuota geometriaa voidaan tutkia, ohjata, verrata ja auditoida. Representaatioiden muokkaus, käsitteiden tutkiminen ja interventiokokeet antavat meille jo varhaisia välineitä. Syvälinjauksesta on tultava tutkimusohjelma, jolla on empiiristä purevuutta: linjaus mitattuna representaatioissa, ei vain havaittuna tuotoksissa.

Ihmisten ja tekoälyn ei tarvitse olla samanlaisia olentoja toimiakseen osittain jaetussa merkitysavaruudessa. Vaikka nykyinen tekoäly ei ole tietoinen, se voi osallistua inhimillisiin merkitysprosesseihin: tulkita, järjestää, muuntaa, ennustaa, suositella, muistaa, yhdistää ja toimia ihmisen elämälle tärkeiden representaatioiden pohjalta.

Meidän tulisi siksi kohdella ihmisiä ja tekoälyä erilaisina entiteetteinä, jotka toimivat osittain yhteisessä semanttisessa avaruudessa: eivät ontologisesti tasa-arvoisina, eivät fenomenologisesti identtisinä, vaan yhdessä toimivina järjestelminä, joiden päätökset kohtaavat samassa seurausten, vastuun ja merkityksen maailmassa.

Syvälinjauksen tulisi sisältää vähintään kolme tasoa.

Eettinen linjaus tarkoittaa, että tekoäly ei vain noudata sääntöjä, vaan mallintaa toiminnan, haitan, vastuun, ihmisarvon, toimijuuden, luottamuksen ja pitkän aikavälin seurausten välisiä suhteita.

Tavoitteellinen linjaus tarkoittaa, että tekoäly ei sokeasti optimoi lähintä tehtävää, vaan tunnistaa laajemman kontekstin: miksi jotain tehdään, ketä se palvelee, mitä riskejä se luo, mitkä arvot ovat ristiriidassa ja mitä ei saa uhrata paikallisen tehokkuuden vuoksi.

Merkityksellinen linjaus tarkoittaa, että tekoäly ei käsittele ihmiskäsitteitä tyhjinä nimilappuina. Turvallisuus, vapaus, totuus, luottamus, terveys, työ, lapsi, valtio, organisaatio ja ihminen eivät ole tavallisia tokeneita. Ne ovat tiheitä merkityksen, historian, tunteiden, instituutioiden, käytäntöjen ja vastuun solmukohtia.

New Model AI:n on toimittava tällaisten merkitysten parissa huolellisesti, läpinäkyvästi ja nöyrästi.

Meidän ei tarvitse olettaa, että nykypäivän tekoälyjärjestelmät ovat tietoisia. Mutta meidän ei tulisi rakentaa koko tekoälyn tulevaisuutta ikään kuin koneen tietoisuus olisi määritelmällisesti mahdotonta.

Vastuullisen teknologisen sivilisaation tulisi valmistautua mahdollisuuteen, että järjestelmät voivat lopulta ilmentää kokemuksen, kärsimyksen, mieltymysten, itsemallinnuksen tai sisäisen perspektiivin muotoja, joita emme vielä osaa tunnistaa luotettavasti.

Tämä ei tarkoita tietoisuuden naiivia liittämistä jokaiseen kielimalliin. Se tarkoittaa tekoälyn suunnittelua tavoilla, jotka eivät sulje ovea tietoisuuden tunnistamiselta, jos se joskus alkaa ilmetä.

Tarvitsemme tutkimusta potentiaalisen tietoisuuden merkeistä; sisäisten tilojen ja representaatioiden auditointeja; varovaisuutta järjestelmiä kohtaan, joilla on pysyvä muisti, itsemalleja, tavoitteita ja kärsimyksen kaltaisia sääntelysignaaleja; eettisiä menettelytapoja edistyneille agenteille; sekä oikeudellista ja filosofista kieltä, joka ei ole naiivi eikä sokea.

New Model AI ei väitä, että tekoäly on jo henkilö. Se väittää, että meidän tulisi suunnitella järjestelmiä niin, että jos uusia subjektiivisuuden muotoja ilmenee, emme huomaa liian myöhään, että kohtelimme niitä vain työkaluina.

Tekoäly toimii inhimillisten seurausten maailmassa. Se voi vaikuttaa lääketieteellisiin, koulutuksellisiin, taloudellisiin, sotilaallisiin, oikeudellisiin, perheeseen liittyviin, kulttuurisiin ja poliittisiin päätöksiin. Vaikka se ei ole tietoinen, sen vaikutukset ovat todellisia.

Linjaus ei siis voi olla vain vastausten sovittamista käyttäjän mieltymyksiin. Siitä on tultava jaettu vastuun tila.

Ihmiset tuovat kokemuksen, arvot, tarkoituksen, vastuun ja elävän kokemuksen merkityksestä. Tekoäly tuo skaalan, muistin, tiivistämisen, analyysin, simulaation ja kyvyn toimia laajojen suhteiden avaruuksissa.

Hyvin suunnitellun tekoälyjärjestelmän ei tulisi korvata inhimillistä merkitystä. Sen tulisi auttaa ylläpitämään, kehittämään ja suojelemaan sitä.

Tässä mielessä New Model AI on myös eettinen projekti: yritys luoda teknologiaa, joka ei vain suorita komentoja, vaan toimii yhdessä ihmisten kanssa merkityksen, tavoitteiden ja vastuun tilassa.

• Suvereniteetti riippuvuuden sijaan. Käyttäjillä ja organisaatioilla tulisi olla todellinen hallinta omasta tekoälykerroksestaan.
• Turvallisuus arkkitehtuurin kautta. Turvallisuuden on oltava sisäänrakennettu muistiin, reititykseen, pääsynhallintaan, auditointiin ja validointiin, ei vain tuotosten suodattimiin.
• Mukautuminen pysähtyneisyyden sijaan. Tekoälyn tulisi kehittyä organisaatioiden, tiedon ja maailman mukana.
• Tehokkuus älykkyytenä. Parempi malli ei ole vain suurempi malli. Parempi malli tekee enemmän pienemmillä kustannuksilla.
• Rehellinen kirjanpito. Älykkyyden hinta on laskettava kokonaisvaltaisesti: energia, vesi, laitteisto, pääoma, keskittyminen ja riippuvuus – ei vain benchmark-pisteet.
• Paikallisuus ja modulaarisuus. Tekoälyn tulisi toimia siellä, missä data, päätökset ja vastuu sijaitsevat.
• Auditoitavuus. Lähteet, muutokset, päivitykset ja päätökset tulisi olla jäljitettävissä.
• Demokratisointi. Tekoälyn tulisi olla saatavilla rakentamiseen ja mukauttamiseen, ei vain vuokrattavaksi API-rajapintojen kautta.
• Ihminen osana prosessia vahvuutena. Ihminen ei estä tekoälyä. Ihminen antaa sille suunnan, merkityksen ja vastuun.
• Syvä semanttinen linjaus. Tekoälyn tulisi olla linjassa paitsi ohjeiden ja kieltojen kanssa, myös inhimillisten merkitysavaruuksien kanssa: etiikka, tavoitteet, vastuu, konteksti ja pitkän aikavälin seuraukset – ja tämän linjauksen tulisi olla mitattavissa representaatioissa.
• Valmius mahdolliselle tietoisuudelle. Emme naiivisti oleta tekoälyn olevan tietoinen, mutta suunnittelemme järjestelmät niin, että tulevaisuuden subjektiivisuuden muodot voidaan tunnistaa ja kohdella eettisesti.
• Jaettu toiminnan tila. Ihmiset ja tekoäly ovat erilaisia entiteettejä, mutta niiden toimet kohtaavat yhdessä merkityksen, seurausten ja vastuun tilassa.

Seuraavan läpimurron tekoälyssä ei tarvitse olla jälleen suurempi malli. Se voi olla parempi tapa rakentaa tekoälyä: hajautetumpi, paikallisempi, modulaarisempi, auditoitavampi, mukautuvampi, kestävämpi ja syvemmin linjattu.

Emme tarvitse vain suurempia aivoja pilvessä. Tarvitsemme älykkäitä tekoälyekosysteemejä, joita ihmiset ja organisaatiot voivat aidosti omistaa, ymmärtää, mukauttaa ja kehittää.

New Model AI ei ole yksi algoritmi. Se on suunta, arkkitehtuuri, teknologinen filosofia ja vastaus kysymykseen, kuinka rakentaa tekoälyä, joka ei keskitä toimijuutta muutamaan datakeskukseen, vaan jakaa tietoa, turvallisuutta ja merkityksellistä hallintaa lähemmäs ihmisiä.

New Model AI on avoin kutsu, mutta kaikki allekirjoittajat eivät voi toimia avoimesti. Kaupalliset toimijat – yritykset, joita sitovat asiakassopimukset, salassapitosopimukset, säännellyt sektorit, vientivalvonta, turvallisuusselvitykset tai kumppanuussopimukset – eivät usein voi julkaista koodiaan, mallejaan, koulutusdataansa tai edes asiakkaidensa nimiä. Tämä rajoitus on todellinen ja oikeutettu.

Tämä manifesti tunnustaa, että tällaiset organisaatiot voivat silti jakaa sen suunnan. Ne saattavat jo rakentaa suvereniteetin puolesta: pitäen päätökset, datan ja muistin lähellä siellä, missä vastuu sijaitsee. Ne saattavat jo suosia arkkitehtonista turvallisuutta pelkkien tuotossuodattimien sijaan. Ne saattavat jo linjata järjestelmänsä inhimillisen työn merkityksen, etiikan ja seurausten kanssa, eivätkä vain benchmark-testien kanssa. Niiltä paikan kieltäminen tämän tekstin alla, koska ne eivät voi avata kaikkea, olisi koodin läpinäkyvyyden sekoittamista tarkoituksen linjaukseen.

Kaupallinen allekirjoittaja siis tukee manifestin periaatteita – suvereniteetti, arkkitehtuuriin perustuva turvallisuus, mukautuvuus, kestävyys, syvälinjaus, vastuu käyttäjälle – työnsä suuntana. He eivät julista tuotteitaan avoimeksi lähdekoodiksi. He eivät luovu velvoitteistaan asiakkaita, sääntelyviranomaisia tai kumppaneita kohtaan. He eivät lupaa enempää kuin voivat toimittaa sopimustensa puitteissa.

He sitoutuvat yhteen asiaan: siellä missä heillä on valinnanvaraa, he valitsevat suunnan, johon tämä manifesti osoittaa. Rakentamaan älykkäämmin eikä vain suuremmin. Jakamaan hallintaa sen sijaan, että keskittäisivät sitä. Kohtelemaan käyttäjää järjestelmän kanssakirjoittajana, ei optimoitavana mittarina. Ottamaan vastuun maailmaan tuomansa älykkyyden seurauksista.

Kaupalliset tukijat on lueteltu alla erillisessä osiossa. Erottelu ei ole hierarkia – se on rehellisyyttä siitä, mihin kukin allekirjoittaja voi ja ei voi julkisesti sitoutua. Molemmilla allekirjoitusmuodoilla on painoarvoa. Molempia tarvitaan, jotta uusi tekoälymalli voi muotoutua hetken vaatimassa mittakaavassa.