Yhteiskunnallinen keskustelu tekoälysuvereniteetista on käynnissä. Keskustelussa korostuvat sähköntuotannon riittävyys datakeskusten tarpeisiin, hintavaikutukset ja investoinnit. Datakeskuksia tarvitaan, jotta kotimaista laskentatehoa saadaan tekoälyn yleistymisen kasvattamiin tarpeisiin.

Eli tekoäly tarvitsee laskentatehoa, jota saadaan datakeskuksista, ja nämä taas edellyttävät paljon sähköä. Keskustelu usein jää tähän, vaikka laskentateho on lopulta vain työkalu. Se, mistä yhteiskunnallinen ymmärrys syntyy, on luotettava data.

Datan yhteentoimivuus on erityisen tärkeää, ja tässä Tilastokeskuksella on keskeinen rooli.

Tietoturvallinen ympäristö on mahdollista rakentaa

Jotta tekoäly ja rekisteritietovarannot saadaan toimimaan yhteen, tarvitaan suvereeni ympäristö, josta tiedot eivät karkaa tai vuoda, ja jonka hallinnointi pysyy jatkossakin suomalaisten käsissä. Tämä on mahdollista rakentaa.

Voimme myös viedä avoimen koodin AI-mallit suljettuun ympäristöön, jolloin voimme varmistua, ettei tieto päädy vääriin käsiin. Tämän edistäminen edellyttää kuitenkin keskustelua siitä, mitä haluamme tavoitella ja miten toimia tavoitteen eteen.

Käytännössä tämä tarkoittaa kansallisen datainfrastruktuurin kehittämistä ja esimerkiksi supertietokoneiden laskentatehon tuomista suojattuun ympäristöön. CSC:n Roihu-supertietokone mahdollistaa tämän jo nyt.

Investoimme merkittäviä summia sähkön tuotantoon ja datakeskuksiin. Seuraavaksi on tunnistettava ne toimet, joilla investoinnit saadaan täysimääräisesti hyödynnettyä, jotta kansallista dataa ja rekisteritietovarantoja voidaan hyödyntää tekoälyn aikakaudella tietoturvallisesti.

Mitä tekoäly voisi oppia Suomesta?

Tällä hetkellä maailmalta löytyy eräänlaisia "superhakupalveluita" suoraan dataan – esimerkki tällaisesta on IMF:n StatGPT. Meillä Tilastokeskuksessa on vastaava kehitteillä ja Beta-vaiheessa.

Ne eivät vielä ole tajunnanräjäyttäviä, mutta tehostavat tiedonhakua huomattavasti. Tämä on kuitenkin vasta ensimmäinen askel.

Seuraava askel on paljon merkittävämpi: tekoälymallien kouluttaminen suojatussa, tietoturvallisessa ympäristössä verkkosisällön sijaan koko yhteiskuntaa kattavasti kuvaavilla rekisteritietovarannoilla.

Suomen rekisteritietovarannot muodostavat yhden maailman kattavimmista yhteiskuntaa kuvaavista dataekosysteemeistä. Tilastokeskukselle toimitetaan tietoja yli 270 rekisteristä, ja yhdessä ne luovat jatkuvasti täydentyvän näkymän suomalaisen yhteiskunnan toimintaan (ks. Elinkaaritiedon solmukohta -kuva blogikirjoituksen lopussa).

Tekoälyn kouluttaminen yhteiskunnan rekisteritietovarallisuudella palvelisi luotettavaan tietoon nojaavan tekoälyn kehittämistä. Koulutusaineistoon voidaan lisätä esimerkiksi talousteoriaa, EU- ja kansallista lainsäädäntöä sekä niiden historiaa.

Mitä mahdollisuuksia tämä kehitys avaisi tutkimukselle, viranomaisille, yrityksille ja päätöksenteolle? Voisiko Suomi olla maa, jossa tekoäly oppii yhteiskunnasta tavalla, joka ei ole muualla mahdollista?

Tämä näkökulma uupuu keskustelusta – ja siihen tällä kirjoituksellani haluan kutsua.

Ville Vertanen työskentelee Kumppani- ja ekosysteemisuhteet -palvelualueen ylijohtajana Tilastokeskuksessa.