Professori tekoälystä: "Eurooppa on ihan kauheassa jälkijunassa"
Mitä yhteistä on OpenAI:n ChatGPT:llä, Googlen Geminillä ja Anthropicin Claudella? Ne ovat kaikki tunnettuja ja paljon käytettyjä tekoälysovelluksia, ja niiden kaikkien taustayhtiöt ovat yhdysvaltalaisia.
Suuret kielimallit ovat tekoälyjärjestelmiä, jotka sekä ymmärtävät että osaavat tuottaa ihmisten kieltä, koska niitä on opetettu valtavalla määrällä muun muassa tekstiä.
Yhdysvallat hallitsee tekoälyjen kehityksen ilmatilaa suvereenisti. Maan ulkopuolisista yrittäjistä kiinalainen DeepSeek herätti huomiota tämän vuoden alussa, mutta eurooppalaisia tekoälyn menestystarinoita ei ole juuri nähty sen jälkeen, kun Google osti Britanniassa perustetun DeepMindin vuonna 2014. Lähimmäksi päässee ranskalainen Mistral.
Euroopan kannalta kyse on ehdottomasti ongelmasta, arvioi Aalto-yliopiston tietotekniikan laitoksen professori ja Nvidia-yhtiön tutkija Jaakko Lehtinen.
– Eurooppa on ihan kauheassa jälkijunassa, eikä pelkästään kielimallien kohdalla vaan ylipäätään tiede- ja tutkimuspohjaisten innovaatioiden kehittämisessä ja markkinoille saattamisessa, hän sanoo.
Syyttävä sormi osoittaa usein Euroopan Yhdysvaltoja tiukempaa teknologioiden sääntelyä, mutta Lehtisen mukaan se on vain pintatason syy. Isompi ongelma on se, että eurooppalainen yliopistojärjestelmä ei tutkimuksen tasossa pärjää yhdysvaltalaiselle.
Myös yliopistojen ja yritysten suhteet ovat Yhdysvalloissa hyvin paljon tiiviimmät kuin Euroopassa, jolloin uusimmat ajatukset, tutkimus ja ideat päätyvät nopeammin tuotteiksi asti.
Yliopistojen tason nosto kuitenkin vaatisi merkittäviä muutoksia koulutuspolitiikassa: pitäisi palkata taitavampia tutkijoita ja opettajia yliopistoihin, säätää heidän opetuskuormaansa ja lisätä käytettävissä olevaa aikaa ja rahaa. Ja antaa yliopistoille mahdollisuus ottaa sisään vähemmän opiskelijoita, joihin professorit voisivat sitten keskittyä enemmän.
– Taiteessa tämä ymmärretään. Ei Sibelius-Akatemia ota solistiselle pianolinjalle sisään sataa (maisteri)opiskelijaa, vaan kaksi. Sisäänotot ovat pieniä, mutta niihin opiskelijoihin käytetään valtavasti aikaa ja resursseja. Tämä toimisi myös teknisemmillä aloilla, Lehtinen sanoo.
Tekoälykouluttaja Antti Merilehto arvioi myös, että yhdysvaltalaisilla yrityksillä on ollut muutamiakin kotikenttäetuja puolellaan tekoälymallien kehittämisessä. Tutkimuksen laatu ja määrä on yksi niistä.
– On ollut datajättejä, joilla on ollut dataa, jolla nämä perusmallit on ollut helppo kouluttaa. On ollut paljon riskirahoitusta, hän sanoo.
Englanniksi on myös hyvin paljon kielimallien koulutuksessa tarvittavaa aineistoa saatavilla.
Euroopan tilannetta hankaloittaa hajanaisuus: kansallinen lainsäädäntö vaihtelee, puhuttuja kieliä on kymmeniä ja koko maanosan laajuista riskirahoitusta ei ole samalla tavalla kuin Yhdysvalloissa.
– Näyttää siltä, että näiden pienten kielialueiden takia meillä koulutetaan sadoilla tuhansilla euroilla pieniä kieliä ymmärtäviä malleja samaan aikaan, kun näihin isoihin (yhdysvaltalaisiin) malleihin laitetaan valtava määrä rahoitusta ja kykyä. Me tehdään pieniä pistemäisiä juttuja samalla, kun nämä isot mallit ovat riittävän hyviä (myös pienten kielten kohdalla). Olisi tärkeää laittaa meidän niukat resurssimme siihen, ettei tehdä samoja asioita päällekkäin eri paikoissa, hän sanoo.