Euroopan komissio julkaisi huhtikuun loppupuolella ehdotuksen asetuksesta, jolla on tarkoitus säädellä tekoälyn käyttöä Euroopassa.
Lainsäädäntöehdotuksen taustalla on toisaalta tavoite luoda yhteiset tekoälymarkkinat ja nostaa Euroopan kilpailukykyä tekoälyrintamalla sekä toisaalta luoda vahvat, eettiset standardit tekoälyn käytölle.
Ympäri Eurooppaa alaan linkittyvät toimijat yrittävät nyt hahmottaa, mitä vaikeaselkoinen asetuspaketti sisältää, mitä sillä säännellään ja minkälaisia vaikutuksia sillä on käytännön toiminalle eri sektoreilla.
EU-lainsäädäntö on kohdannut jatkuvasti kritiikkiä siitä, että se on hankalasti ymmärrettävää. Käsitteiden määrittelyn vaikeus ja mahdollisuudet erilaisiin tulkintoihin pykälistä korostuvat, kun yritetään säädellä uutta ja kehittyvää teknologiaa, jolla on moninaisia vaikutuksia kaikilla yhteiskunnan sektoreilla.
Tekoälyä kun voidaan soveltaa melkein mihin vain autonomisista autoista, kasvojentunnistukseen ja sosiaali- ja terveyspalvelujen kohdentamisesta rajavalvontaan. Tekoälylainsäädäntö kytkeytyy samalla myös lukemattomiin muihin lainsäädäntökokonaisuuksiin.
Datalukutaitoon liittyy myös lainsäädäntö
Vaikeasti hahmotettava Euroopan laajuinen tekoälylainsäädäntö tuo oivasti esiin sen, mitä tarkoitamme datalukutaidolla DataLit-hankkeessamme ja miksi datalukutaito on ensisijaisen tärkeää. Datalukutaitoa määritellessämme olemme lähteneet yleisestä ajatuksesta:
”Datalukutaito muodostuu datan ja siihen liittyvien keskeisten sosiaalisten, oikeudellisten ja teknisten kysymysten ymmärryksestä, ja se on perusta eettiselle ja näyttöön perustuvalle päätöksenteolle.”
Eli hyvä datalukutaito vaatii teknisen ymmärryksen – esimerkiksi miten dataa analysoidaan ja minkälaisia menetelmiä siinä käytetään – lisäksi käsityksen siitä, kuinka datan käyttöä ja analysointia säädellään.
Tekoälytutkimusta ja -kehitystä sekä järjestelmien soveltamista ei voi Euroopassa jatkossa tehdä ilman, että on tietoinen tästä lainsäädäntöpaketista, vaikka se ei koskekaan kaikkia tekoälyjärjestelmiä. Vaaditaan vähintään ymmärrystä siitä, minkälaisia tekoälyjärjestelmiä sääntely koskee.
Asetusluonnos rajaakin joitain tekoälyjärjestelmiä pois sääntelyn piiristä ja keskittyy lähinnä niin sanotun korkean riskin tekoälyjärjestelmiin. Asetuksen liitteessä luetellaan alat ja sovellukset, jotka lähtökohtaisesti määritellään tähän kategoriaan. Näitä ovat esimerkiksi ihmisten biometrinen tunnistaminen, työnhakuun ja koulutukseen pääsyyn liittyvät tekoälyjärjestelmät sekä menetelmät, jotka arvioivat ihmisten oikeutta julkisiin palveluihin ja etuuksiin.
Ehdotuksessa esitetään, että tällaiset korkean riskin tekoälyjärjestelmät vaativat ennakkoarviointia ja tarkkaa dokumentaatiota, joka lisäisi niiden läpinäkyvyyttä käyttäjille. Dokumentaation avulla käyttäjät voisivat tulkita järjestelmän tuloksia ja käyttää järjestelmää oikein.
Läpinäkyvyys ja sen dokumentointi
Vaatimukset dokumentaatiolle eli tekoälyjärjestelmän läpinäkyvyyden selostamiselle on määritelty luonnoksessa melko yksityiskohtaisesti ja keskustelua onkin jo herännyt siitä, ovatko dokumentaatiovaatimukset realistisia.
Tekoälyjärjestelmän tarkoituksen lisäksi tulee selostaa tarkasti esimerkiksi järjestelmän ominaisuudet, kyvyt, rajoitteet ja analyysin tarkkuus. Lisäksi tulee kuvata data, jolla tekoälyä on opetettu.
Myös prosessi jolla järjestelmä on kehitetty, tulee avata, samoin kun järjestelmän erilaiset käyttövaatimukset. Kaikki nämä ovat tärkeitä tietoja tekoälyjärjestelmän toimivuuden ja lainmukaisuuden arvioimiseksi sekä läpinäkyvyyden lisäämiseksi.
DataLit-hankkeen kannalta mielenkiintoiseksi kysymykseksi nousee tällaisen dokumentaation ymmärrettävyys ja mahdollinen apu päätöksenteolle.
Asetusluonnoksessa määritelläänkin, että annettu tieto tulisi olla tiivistä, kokonaista, selkeää ja asianmukaista, joka on samalla merkityksellistä, saavutettavaa ja ymmärrettävää käyttäjille.
Haasteena onkin kääntää yksityiskohtainen, matemaattinen ja tekninen tieto ymmärrettäväksi ja relevantiksi kaikille järjestelmän käyttäjille. Tämä vaatii ymmärrystä käyttäjän tarpeista ja datalukutaidosta.
Datalukutaidon merkitystä voidaan siis tarkastella monesta näkökulmasta. Kun uusia tekoälyjärjestelmiä otetaan käyttöön, tulee niiden kehittäjien ymmärtää järjestelmien käyttötarpeiden lisäksi myös käyttäjien datalukutaitoa, jotta dokumentaatiosta saadaan merkityksellistä käyttäjälle.
Käyttäjien taas tulee kehittää omaa datalukutaitoaan, jotta he voivat paremmin ymmärtää järjestelmiä ja niistä saatavia tuloksia ja tehdä luotettavia päätelmiä niiden pohjalta.