Lähes vuosikymmen julkaisunsa jälkeen Pokémon Go vaikuttaa tekoälyyn odottamattomalla tavalla.

MIT Technology Reviewn raportin(uusi ikkuna) mukaan Niantic Spatial, tekoäly-yritys, joka on erotettu pelin alkuperäisestä kehittäjästä, käyttää yli 30:tä miljardia kuvaa(uusi ikkuna) Pokémon Go -pelaajien tallentamista kaupunkien maamerkeistä tekoälyjärjestelmien kouluttamiseen, jotka auttavat robotteja ymmärtämään sijaintinsa todellisessa maailmassa.

Kun Pokémon Go lanseerattiin vuonna 2016, miljoonat pelaajat kävelivät kaupungeissaan osoitellen puhelimiaan rakennuksiin, puistoihin ja maamerkkeihin etsiessään digitaalisia olentoja. Näin tehdessään he loivat yhden kaikkien aikojen suurimmista todellisen maailman kuvien tietoaineistoista. Niantic Spatial koulutti malliaan 30 miljardilla kuvalla, jotka on tallennettu kaupunkiympäristöissä, joista monet keskittyivät paikkoihin, joissa pelaajat vierailivat usein pelissä. Joskus digitaaliset olennot ilmestyivät yksityisiin tiloihin tai niiden lähelle, kuten asuinrakennuksiin tai sisäpihoille, mikä tarkoittaa, että nämä hetket ovat saattaneet päätyä osaksi tekoälyn tietoaineistoja.

Näitä tietoja käytetään nyt rakentamaan sitä, mitä tutkijat kutsuvat “maailmanmalliksi” — tekoälyjärjestelmää, joka on suunniteltu auttamaan koneita tulkitsemaan fyysisiä ympäristöjä ja navigoimaan niissä.

Se tuo myös esiin jotain, mikä on helppo unohtaa nykyteknologiassa: jokapäiväisestä sovelluksen käytöstä voi kaikessa hiljaisuudessa tulla arvokasta koulutusdataa tekoälyjärjestelmille vuosia myöhemmin — jotain, mitä Pokémon Go -pelaajat eivät olisi mitenkään voineet ennakoida vuonna 2016, saati sitten mielekkäästi suostua siihen.

Miksi GPS kamppailee kaupungeissa

GPS-signaalit kimpoavat usein korkeista rakennuksista, ajautuvat huomattavasti sivuun tai katoavat kokonaan tiheissä kaupunkiympäristöissä, mikä on ongelma, jota joskus kutsutaan “kaupunkikanjoni”-ilmiöksi. Kuten MIT Technology Review selittää teknologiaa koskevassa raportissaan, jopa älypuhelimen sijainnin osoittimet voivat ajautua kymmeniä metrejä sivuun kaupungeissa, sijoittaen laitteen usein väärään kortteliin tai väärälle puolelle katua.

Niantic Spatialin ratkaisu perustuu visuaaliseen paikannusjärjestelmään(uusi ikkuna), joka määrittää sijainnin analysoimalla sitä, mitä kamera näkee. Vertaamalla lähirakennuksista ja maamerkeistä otettuja tilannekuvia massiiviseen tietoaineistoonsa, järjestelmä voi tiettävästi määrittää sijainnin muutaman senttimetrin tarkkuudella.

Lisätystä todellisuudesta jakelurobotteihin

Yksi ensimmäisistä Niantic Spatialin teknologian todellisista testeistä tapahtuu kumppanuuden kautta Coco Roboticsin kanssa, joka on starttiyritys, joka operoi jalkakäytävillä kulkevia jakelurobotteja useissa kaupungeissa.

Yrityksen robotit kuljettavat elintarvikkeita ja ravintolatilauksia paikoissa kuten Los Angeles, Chicago, Miami ja Helsinki. MIT Technology Review -raportin mukaan Cocon robotit ovat jo suorittaneet yli puoli miljoonaa toimitusta, kattaen miljoonia maileja.

Luotettava navigointi tiheissä kaupungeissa on edelleen suuri haaste autonomisille koneille. Yhdistämällä robottien kamerat Niantic Spatialin visuaaliseen paikannusjärjestelmään, koneet pystyvät paremmin määrittämään tarkan sijaintinsa, mikä mahdollistaa niiden pysähtymisen täsmälleen noutopaikoissa tai asiakkaan ovella.

“Maailmanmallien” nousu

Projekti heijastaa laajempaa suuntausta tekoälyn kehityksessä.

Suuret kielimallit on koulutettu kuvilla ja tekstillä internetistä. Maailmanmallit puolestaan pyrkivät auttamaan koneita ymmärtämään, miten fyysinen maailma itsessään on rakentunut — missä esineet sijaitsevat, miten tilat yhdistyvät toisiinsa ja miten niissä voi liikkua turvallisesti.

Niantic Spatial sanoo sen pitkän aikavälin tavoitteena olevan rakentaa jatkuvasti päivitetty “elävä kartta” maailmasta, jota robotit ja muut tekoälyjärjestelmät voivat käyttää navigointiin.

Mitä tämä tarkoittaa yksityisyydelle

Tämä tarina havainnollistaa myös laajempaa muutosta siinä, miten tavallisten ihmisten tavallisilla sovelluksilla luomaa dataa käytetään uudelleen.

Miljoonat ihmiset latasivat Pokémon Gon pelatakseen peliä. Mutta samalla he tuottivat myös miljardeja kuvia ja tarkkoja sijaintisignaaleja, jotka oli sidottu todellisiin paikkoihin. Tämä data auttaa nyt kouluttamaan tekoälyjärjestelmiä, jotka on suunniteltu kartoittamaan fyysistä maailmaa ja navigoimaan siinä. Se on kaukana pelaajan aikeesta tarttua peliin etsiäkseen Pikachua.

Tästä on tulossa tuttu kaava tekoälytaloudessa. Toiminnot, jotka vaikuttavat liittymättömiltä tekoälyyn — valokuvien ottaminen, verkon selaaminen, sovellusten käyttö — päätyvät usein tuottamaan tietoaineistoja, joita käytetään tehokkaiden uusien järjestelmien kouluttamiseen. Nykyaikaiset tekoälymallit rakennetaan usein suurista internetistä ja muista digitaalisista lähteistä kaavituista tietokokoelmista, joiden tutkijat sanovat voivan joskus sisältää henkilötietoja tai arkaluonteisia tietoja.

Kun yritykset kilpailevat rakentaakseen maailmanmalleja ja muita tekoälyn muotoja, kysymykseksi nousee se, mistä koulutusdata on peräisin — ja tajusivatko ihmiset, jotka sen tuottivat, koskaan miten kyseistä dataa tultaisiin käyttämään, tai suostuisivatko he silti käyttämään noita sovelluksia, jos olisivat tienneet seuraukset. Päättäjät ja tutkijat ovat yhä enemmän vaatineet selkeämpiä suostumusstandardeja(uusi ikkuna) tekoälyn koulutuksessa käytetylle datalle väittäen, että luojilla ja käyttäjillä pitäisi olla enemmän hallintaa siihen, miten heidän dataansa käytetään uudelleen.

Nämä tekoälyn yksityisyyshuolet puidaan jo oikeudessa. Kustantajat, kirjailijat ja mediayritykset ovat nostaneet kanteita väittäen, että heidän työtään on käytetty tekoälyjärjestelmien kouluttamiseen ilman lupaa, mukaan lukien korkean profiilin tapaus, jossa The New York Times haastoi OpenAIn ja Microsoftin oikeuteen(uusi ikkuna) sen journalismin väitetystä käytöstä tekoälyn koulutustietoaineistoissa.

Yrityksille, jotka rakentavat tekoälyä, joka navigoi fyysisessä maailmassa, pelien, sovellusten ja digitaalisten alustojen kautta luoduista tietoaineistoista on nopeasti tulossa joitakin teknologiateollisuuden arvokkaimmista omaisuuksista. Tämän tapahtuessa kysymyksiä läpinäkyvyydestä, suostumuksesta ja siitä, miten käyttäjien luomaa dataa käytetään uudelleen, on yhä vaikeampi jättää huomiotta.

Kaikki eivät tavoittele tätä datannälkäistä mallia. Me Protonilla uskomme yksityiseen, läpinäkyvään tekoälyyn, joka antaa teille tekoälyavustajan(uusi ikkuna) edut ilman yksityisyyden menetyksiä. Lumo ei koskaan lokita tietojanne, kouluttaudu arkaluonteisilla keskusteluillanne tai jaa tietojanne kenellekään. Se tarkoittaa tekoälyn käyttämistä ilman, että teidän tarvitsee miettiä, tulevatko tämän päivän vuorovaikutukset mahdollisesti kaikessa hiljaisuudessa huomisen tietoaineistoiksi.