Kesäopintoni filosofian parissa johdattivat minut tänä vuonna yllättävän ajankohtaisen kysymyksen äärelle: mitä tapahtuu, kun kone alkaa tuottaa inhimillisen näköistä kieltä? Laajat kielimallit, keskustelubotit ja tekoälysovellukset ovat lyhyessä ajassa siirtyneet teknologia-alan marginaalista osaksi arkea, työtä, opiskelua ja jopa luovaa ajattelua. Samalla ne pakottavat kysymään uudelleen jotakin hyvin vanhaa: mitä kieli, merkitys, ajattelu ja ymmärtäminen oikeastaan ovat?
Mitä blogiini tulee, tämä kysymys liittyy toki läheisesti myös tietoisuustaitoihin. Mindfulnessissa ja muissa tietoisuustaitoharjoituksissa huomio kääntyy usein siihen, miten ajatukset, sanat, käsitteet ja tulkinnat muovaavat kokemustamme todellisuudesta. Emme kohtaa maailmaa vain sellaisenaan, vaan kielen, havaintojen, muistojen, tunteiden ja opittujen merkitysten välityksellä. Niin ikään tekoälyn kehitys ei ole pelkkä tekninen murros. Se on myös peili, joka heijastaa takaisin kysymyksen omasta mielestämme: milloin kielellinen reaktio on ajattelua, milloin ymmärtämistä ja milloin vain taitavasti tuotettu vaikutelma?
Tämänkertaisessa esseessäni tarkastelen 1900-luvun kielifilosofian klassikoita tekoälyn käsitteellisenä esihistoriana. Lähtökohtana on ajatus, että nykyiset kielimallit eivät ilmestyneet tyhjästä, vaan niiden taustalla vaikuttaa pitkä filosofinen perinne, jossa on pohdittu merkitystä, viittaamista, loogista rakennetta, tiedon perustaa ja koneellisen ymmärtämisen mahdollisuutta. Frege, Russell, Putnam, Sellars ja Searle eivät tietenkään kirjoittaneet ChatGPT:stä tai nykyaikaisista keinotekoisista hermoverkoista. Silti heidän kysymyksensä tuntuvat juuri nyt hyvinkin tuoreilta.
Tekstissä tarkastelen, miten varhainen kielifilosofia loi pohjaa ajatukselle kielen ja ajattelun laskennallisesta käsittelystä, miksi merkitys ei ehkä palaudu pelkkään sanojen tai merkkien käsittelyyn, ja miksi tekoälyn aikakaudella on yhä tärkeämpää kysyä, mitä ymmärtäminen todella tarkoittaa. Kannustan tarkastelemaan aihetta myös tietoisuustaitojen vinkkelistä: jos kone voi jäljitellä ajattelua, se haastaa meidät katsomaan tarkemmin sitä, mitä omassa kokemuksessamme kutsumme mieleksi, läsnäoloksi ja tietoiseksi ymmärtämiseksi.
Tässä artikkelissa:
- 1. Johdanto
- 2. Konteksti, rajaus ja käsitteellinen kehys
- 3. Kielen looginen muoto ja symbolinen tekoäly
- 4. Merkitys verkostossa: Putnam, Sellars ja konnektionistinen tekoäly
- 5. Syntaksista semantiikkaan: Searle ja koneellisen ymmärtämisen rajat
- 6. Pohdinta
- Lähteet
1. Johdanto
Tekstissäni tarkastelen 1900-luvun kielifilosofian klassista kaanonia tekoälyyn huipentuvan tietojenkäsittelytieteen haaran käsitteellisenä esihistoriana: eli miten merkitystä, viittaamista, totuutta, sääntöjä ja ymmärtämistä hahmottelevat analyyttisen filosofian ydintekstit loivat samalla perustaa sille, että kieltä ja siten ajattelua voitiin käsitellä laskennallisesti. Tekoälyn räjähdysmäinen yleistyminen yhteiskuntaelämän eri osa-alueilla on kouriintuntuva osoitus, ettei kyseessä ole enää vain tietojenkäsittelytieteiden erityisalue. Haluttiin sitä tai ei, tekoäly koskettaa käytännössä jokaisen arkea ja työtä – siitä on tullut osa tieteenteon, talouselämän ja kulttuurin infrastruktuuria. Samasta syystä näen, ettei sen tarkastelua voida rajoittaa vain reduktionistiseen teknologiakeskusteluun, joissa keskiössä ovat esimerkiksi algoritmit, laskentateho ja koneoppimisen lukuisat käytännön sovellutukset. Etenkin nykyaikaisista laajoista kielimalleista puhuttaessa on välttämätöntä kysyä, mistä oikeastaan on kyse, kun kone tuottaa merkityksellisen oloista kieltä, viittaa maailman todellisiin tapahtumiin, vastaa kysymyksiin yllättävän johdonmukaisesti tai vain antaa vaikutelman ymmärtävästä keskustelun osapuolesta. Kirjoituksessani pyrin osoittamaan, että tekoälyn murros nostaa uudella ajankohtaisuudella pintaan kysymyksiä, joita kielifilosofia on käsitellyt pitkin 1900-lukua eli jo reilusti ennen koneoppimisen aikakautta.
Nykyisenlaisen tekoälyn historiaa tavataan esitellä teknisenä kehityskertomuksena, jossa Raatikaista (2021a, s. 6) mukaillen avainkohtia ovat esimerkiksi Alan Turingin (1912–1954) logiikan tutkimukset vuonna 1936 ja niiden myötä tietokoneiden teoreettisen perusta hahmottuminen sekä USA:n Dartmouth Collegen vuoden 1956 kokous, jossa tekoälyn järjestäytyneen tutkimusalan nähdään muodostuneen. Tästä tarkastelu etenee luontevasti esimerkiksi konnektionismiin ja oppiviin hermoverkkoihin. Teknisen kertomuksen ohella on kuitenkin olennaista pitää mielessä ne filosofiset ennakkoehdot, jotka mahdollistivat ajattelun, kielen ja merkityksen käsittelemisen formalisoitavina muuttujina. Raatikainen (2021a, s. 6) alleviivaa tekoälyn tutkimuksen poikkitieteellisyyttä: se yhdistää tietojenkäsittelytiedettä, filosofiaa, psykologiaa, kognitiotutkimusta ja kielitiedettä. Tämän analyysini eräänä tarkoituksena on puolestaan antaa arvonpalautus sille kielifilosofiselle perinnölle, joka on viime kädessä muokannut maaperän teknisille innovaatioille, joista kunnia menee tavallisesti teknisemmin suuntautuneille toimijoille.
Tekstini eräänä ydinlähteenä toimii Raatikaisen (1997a) toimittama Ajattelu, kieli ja merkitys -kokoelma, joka esittelee kattavan läpileikkauksen 1900-luvun analyyttisen filosofian klassisista teemoista – merkitys, totuus, viittaaminen, havaitseminen, ymmärtäminen… Esitellyt artikkelit ovat otos analyyttisen filosofian kaanonista, jotka ankkuroituvat kielifilosofiaan mutta joiden kerrannaisvaikutukset ulottuvat Raatikaista seuraillen (1997b, s. 5) aina epistemologiaan, metafysiikkaan, mielenfilosofiaan ja tieteenfilosofiaan. Peilaan näitä klassikoita soveltuvin osin tekoälyn filosofisiin kysymyksiin, joissa puolestaan tukeudun toiseen päälähteeseeni eli myös Raatikaisen (2021b) toimittamaan Tekoäly, ihminen ja yhteiskunta -artikkelikokoelmaan.
Analyysiani jäsentävänä heuristisena kehyksenä käytän tekoälytutkimukseen kahta paradigmaa, jotka Raatikainen (2021a, s. 9) nimeää klassiseksi symboliseksi tekoälyksi ja keinotekoisiin hermoverkkoihin pohjautuvaksi konnektionistiseksi lähestymistavaksi. Edellinen katsoo älykkyyden perustuvan ohjelmoituihin sääntöihin, symboleihin ja loogiseen päättelyyn; kun taas jälkimmäinen pohjautuu mallin kouluttamiseen laajoilla aineistoilla. Tällöin mallin alati kehittyvä tietotaito nousee esiin hajautuneen hermoverkon kytkennöistä ja painotuksista, eli sitä ei enää ohjelmoida sääntö kerrallaan. Paradigmaattinen kahtiajako peilaa nähdäkseni osuvasti kielifilosofian kehityslinjoja, jossa varhaisemmat formalistiset pyrkimykset kielen loogiseksi jäsentämiseksi muistuttavat symbolista tekoälyparadigmaa ja vastaavasti myöhemmät holistisemmat kontekstia ja merkityksen käytäntöön sitoutumista painottavat näkemykset muistuttavat konnektionistista paradigmaa.
Lähestymistapani voi tiivistää tutkimuskysymykseen: miten 1900-luvun analyyttisen kielifilosofian klassikkoajattelijat rakensivat käsitteellisiä edellytyksiä tekoälyn kehittymiselle, ja miten samaiset klassikot auttavat hahmottamaan nykyisten koneoppivien kielimallien rajoitteita? Lähden liikkeelle varhaisten kielifilosofien – Gottlob Frege ja Bertrand Russell – tavoitteesta luoda looginen ihannekieli, joka ei kärsi luonnollisen kielen epämääräisyyksistä. Peilaan heidän työtään varhaisen symbolisen tekoälyn sääntö- ja logiikkapainotteisuuteen. Etenen myöhäisempiin kielifilosofeihin, joita tekstissäni edustavat Wilfrid Sellars, Hilary Putnam ja John Searle. Heidän työtään tarkastelen myöhempää konnektionistista tekoälyparadigmaa vasten, mikä avaa kiinnostavia semanttis-episteemisiä kysymyksiä: riittääkö syntaktinen symbolien käsittely ymmärtämiseen, mitä merkitys oikeastaan edellyttää ja missä määrin koneen tuottamia vastauksia voidaan pitää tiedollisesti perusteltuina. Varsinkin Searlen kiinalaisen huoneen argumentissa kiteytyy tekoälyn filosofian kannalta painavia teemoja. Voiko kone ymmärtää? Kykeneekö se koskaan ulottumaan syntaksista semantiikkaan?
2. Konteksti, rajaus ja käsitteellinen kehys
2.1 Historiallinen konteksti
Ajattelemisen koneellistaminen ei ole uusi ilmiö. Roinila (2021, s. 17–30) kartoittaa tekoälyn historiaa aina varhaismoderniin aikaan eli 1600–1700-luvuille, jolloin esimerkiksi Blaise Pascal (1623–1662) ja Gottfried Wilhelm Leibniz (1646–1716) pyrkivät automatisoimaan laskemista ja informaation käsittelyä keksimillään laskukoneilla (ks. Pulkkinen, 2004; s. 132 & 135–136). Samaan ajattelun helpottamisen projektiin kytkeytyvät myös 1600-luvun suositut universaalikielihankkeet, Roinila (2021, s. 20) lisää. Universaalikielen kehittämisen projektissaan Leibniz jopa ennakoi binäärilaskentaa, jota ilman nykyiset tietokoneet, ohjelmointikielet tai tekoäly eivät edes olisi mahdollisia, Roinila (2021, s. 26 & 31) huomauttaa! Ajan mekanistisen hengen mukaisesti ajattelu miellettiin ensisijaisesti rationaaliseksi komputaatioksi eli laskennaksi, jossa inhimilliset tunteet ovat lähinnä häiriötekijä. Roinila (2021, s. 18) toteaa kuitenkin, että tekoälyn kehittämisessä pelkkä komputaatio on vain yksi rajallinen ulottuvuus. Varhaismodernit pyrkimykset ajattelun mekanisoimiseen luovat silti historiallista taustaa tietojenkäsittelytieteen, tietokoneiden ja lopulta tekoälyn kehittämiselle. Voidaankin todeta, etteivät 1900-luvun kielifilosofiset oivalluksetkaan syntyneet tyhjiössä vaan osana laajempaa jatkumoa. Nykyisenlaisten inhimillistä vuorovaikutusta jäljittelevien kielimallien genealoginen tarkastelu hyötyy nähdäkseni rajauksen keskittämisestä 1900-luvun kielifilosofiaan.
Analyysissäni en väitä, että klassiset kielifilosofit olisivat varsinaisesti ennakoineet nykyisiä kielimalleja oppivine hermoverkkoineen – tämä olisi anakronistista. Ennemmin pyrin osoittamaan, että he työllään merkittävästi loivat käsitteellistä taustaa, jossa kieltä kyettiin lähestymään laskennallisesti aiempaa täsmällisemmin. Merkityksen, viittaamisen ja ymmärtämisen kaltaiset muuttujat ovat jokseenkin formalisoitavissa, mikä on edellytys esimerkiksi ohjelmointikielten kehittymiselle. Laajojen kielimallien kehittämistä koskeva problematiikka nostaa jälleen kiehtovasti esiin sen, mitä 1950–60-luvuille ajoittuva filosofian lingivistinen käänne ennakoi: kieli ei ole neutraali representaation väline vaan kompleksinen inhimillinen aktiviteetti (ks, esim. Väyrynen & Pulkkinen, 2016, s. 7–10). Kiinnostavasti sama luonnollisen kielen monivivahteisuus, jota kielifilosofit ovat problematisoineet, on osoittautunut haasteelliseksi myös tekoälyn kehittämisessä, kuten Pesonen (2021, s. 50) huomauttaa. Kyseessä ei olekaan yksiselitteinen koodi vaan kontekstisidonnainen ja epämääräinen käytäntö, jonka uskottavaan toisintamiseen koneellisesti on kenties vasta viime aikoina kyetty vakuuttavalla tavalla, mikä selittää nykyisten kielimallien suosiota ihmisten arkisessakin käytössä ja yhteiskuntaelämän eri osa-alueilla.
2.2 Rajaus ja käsitteellinen kehys
Tarkasteluani jäsentää heuristinen kehys, jossa asetan rinnakkain yhtäältä varhaisen loogis-formalistisen kielifilosofian ja klassisen symbolisen tekoälyn sekä toisaalta myöhemmän holistisemman merkityskäsityksen ja konnektionistisen tekoälyn. Edellinen painottaa sääntöjä ja määrättyä rakennetta, kun taas jälkimmäinen kontekstia, verkostomaisuutta ja joustavaa oppimista. Aiheeni laajuuden vuoksi rajaan tarkasteluani lyhyesti Fregeen (1892/1997) ja Russelliin (1905/1997) mitä tulee varhaiseen kielifilosofiaan: Frege yhtäältä loi modernin predikaattilogiikan perusteet – hänen käsitekirjoituksensa ennakoi hengeltään nykyisiä ohjelmointikieliä. Lisäksi hän osoitti ilmaisun mielen ja viittauksen kohteen erottelussaan, ettei lauseen merkitys ole palautettavissa pelkkään nimeämiseen tai olioon viittaamiseen arkisen merkityksen viittaamisen teorian tapaan (ks. esim. Lycan, 2019, s. 3 & Raatikainen, 1997b, s. 11). Sama teema herää henkiin nykyisissä tekoälyteknisissä yhteyksissä, joissa kielimallia koulutetaan paitsi yhdistämään merkkijono ja viittaamisen kohde myös hahmottamaan annettu laajempi konteksti, mikä ehkäisee mallin hallusinointia eli epärelevanttien lauseiden tuottamista.
Russell vastaavasti kehitti määrättyjen kuvausten teoriansa osoittaakseen, että luonnollisen kielen pintamuoto saattaa piilottaa lauseen todellisen loogisen rakenteen, kuten Lycan (2019, s. 12–13) kertoo. Lisäksi hän jakoi Fregen ihanteen loogisesti täsmällisestä kielestä, jota hän myös merkittävästi kehitti eteenpäin. Tekoälyn kouluttamisessa vastaavasti luonnollisen kielen ilmaus täytyy muuntaa muodolliseksi loogiseksi rakenteeksi ennen kuin sitä voidaan käsitellä säädettyjen ennakkoehtojen mukaan.
Etenen tarkastelussani Putnamiin (1975/1997) ja Sellarsiin (1956/1997) sekä lopulta Searleen (1980) – etenkin jälkimmäisen kiinalaisen huoneen argumentti on aiheeni kannalta painava. Näen Putnamin mielenkiintoisena välittäjähahmona mielen- ja kielifilosofian sekä tekoälytutkimuksen välillä: funktionalismissaan hän Raatikaista (2021a, s. 8) mukaillen irrottaa mielen tilat niiden biologisesta perustasta, eli mentaalisia tiloja ei määritä niinkään niiden materiaalinen toteutus vaan ennemmin niiden funktionaalis-kausaalinen suhde muihin tiloihin, syötteeseen ja lopulta toimintaan. Tämä luo periaatteellisen mahdollisuuden sille, että myös kone voisi toteuttaa mielen kaltaisia tiloja tai jopa olla mieli, mikä kytkeytyy Telakiveä ja Arstilaa (2021, s. 69–70) mukaillen keskusteluun niin kutsutuista heikosta ja vahvasta tekoälystä sekä monitoteutuvuudesta. Putnamin (ja Kripken) uuden merkitysteorian panos keskusteluun on puolestaan kielifilosofisempi: siinä sanojen merkitys ja käsitteellinen sisältö eivät tyhjene vain puhujan sisäisiin mielikuviin tai uskomuksiin, vaan viittaamista ja merkitystä tarkasteltaessa on otettava huomioon laajempi ympäristö historiallis-kausaalisine viittausketjuineen ja kieliyhteisön työnjakoineen (ks. esim. Raatikainen, 1997, s. 35–36). Tekoälyn kannalta Putnamin voi tulkita kysyvän riittääkö kielimallin sisäinen tila selittämään, mitä sen antamat ilmaukset merkitsevät, vai edellyttäisikö merkitys niin ikään maailmaan ja yhteisöllisiin käyttökonteksteihin liittymistä.
Sellarsilla ja hänen annetun myytin kritiikillään on aiheeni kannalta korostuneen episteeminen rooli. Annetun myytin käsitteellään Sellars kyseenalaistaa arki-intuition mukaisen kokemuksen, että tieto voisi nojata välittömästi ja suoraan, johonkin ei-pääteltyyn perustaan – esimerkkinä Raatikainen (1997b, s. 26) mainitsee aistihavaintojen näennäisen välittömän käsittämisen. Kielellisessä ja sosiaalisessa käytännössä opitut käsitteet edeltävät mahdollisuutta esittää tiedollisesti punnittuja väitteitä, kuten Sellars (1956/1997, s. 201–268) toteaa. Tämän voidaan nähdä avaavan koneoppimista kohtaan esitettyä episteemistä kritiikkiä, jossa kielimallin tuottamien vastausten relevanssia vaaditaan punnittavan laajempaa käsitteellis-kielellistä verkostoa vasten. Kritiikki sisältää varoituksen yksittäisen saneen, tai tietojenkäsittelytieteessä vastaavan käsitteen tokenin, ottamisesta kyseenalaistamattomana tietona. Mallin vastaus saa episteemisen painonsa vasta osana holistisempaa verkostoa. Tiivistettynä siis: Putnam kysyy, miten mallin tuottama syöte kytkeytyy maailmaan ja saa viittauksensa, kun Sellars vastaavasti pohtii, milloin syöte voidaan hyväksyä perustelluksi väitteeksi. Kielimallien ja syväoppimisen tapauksessa episteeminen kysymys on eettisestikin päivänpolttava puhuttaessa mustasta laatikosta eli algoritmin sisäisen päätöksentekomekanismin läpinäkymättömyydestä, kuten Laitinen (2021, s. 141) jäsentelee.
Päätän rajaukseni Searlen kiinalaisen huoneen argumenttiin, sillä se eksplisiittisesti tiivistää epistemologisen kysymyksen tekoälyn tuottamien syötteiden tiedollisesta luonteesta. Argumentin mukaan kone voi onnistuneesti manipuloida symboleja ja tuottaa vakuuttavaa tekstiä ilman, että se oikeastaan ymmärtää mitään tekstinsä merkityksestä. Kone voi siis olla taitava työkalu syntaksin käsittelyssä, eli se tarkastelee kielen sanoja ja lauseita puhtaasti pintatasolla niiden muodon pohjalta. Raatikainen (2021c, s. 59) liittää tämän Searlen niin sanottuun heikon tekoälyn teesiin, eli koneen kykyyn simuloida mielen kaltaisia tiloja. Kone ei kuitenkaan Searlea mukaillen ymmärrä semantiikkaa eli sanojen ja lauseiden merkitysten tulkintaa sekä niiden viittaussuhteita todellisuuteen, Raatikainen (2021c, s. 60) jatkaa. Searle (1980, s. 417) siis kiistää vahvan tekoälyn mahdollisuuden todetessaan, että inhimilliselle ajattelulle ominaiset intentionaaliset tilat vaativat biologiset aivot käyttövälineekseen. Vahvan tekoälyn teesin mukaan tekoäly nimenomaan ymmärtäisi merkityksiä ja kieltä sekä sillä olisi kognitiivisia tiloja – se olisi mieli, kuten Raatikainen (2021c, s. 59) päättää.
3. Kielen looginen muoto ja symbolinen tekoäly
1900-luvun varhaisen analyyttisen filosofian keskiössä oli pyrkimys ratkaista filosofian klassiset ikuisuuskysymykset kielellisen analyysin avulla, mikä merkitsi niiden sisältämien metafyysisten väitteiden julistamista merkityssisällöiltään tyhjiksi, Raatikainen (1997b, s. 9) kertoo. Varsinkin Ludwig Wittgenstein varhaisfilosofiassaan sekä Wienin piirin loogiset empiristit kunnostautuivat osoittamaan perinteiset metafyysiset pulmat kielen väärinkäytöksistä johtuviksi näennäisongelmiksi. Kun näennäisyydet on poistettu filosofian ohjelmasta, se kykenee keskittymään olennaiseen eli luonnollisen kielen sanojen ja lauseiden merkityssisältöjen analysoimiseen ja paljastamiseen, Raatikainen (1997b, s. 9) jatkaa. Tällaisen, etenkin Wittgensteinin myöhäisfilosofiaan kytkeytyvän luonnollisen kielen tutkimisen, ohella kielifilosofian niin sanottu kova haara pyrki formalisoimaan kieltä mahdollisimman loogisesti kurinalaiseen asuun. Tämän formalistisen suuntauksen piirissä tärkeät kielifilosofit, Gottlob Frege ja Bertrand Russell, profiloituivat loogisen ihannekielen jäsentelyssä.
Varhaisten analyyttisten filosofien pyrkimykset formalisoida kieltä loogisilla reunaehdoilla rinnastuu kauniisti klassisen symbolisen tekoälyn ihanteeseen, johon Raatikainen (2021a, s. 9) viittaa Haugelandia mukaillen lyhenteellä GOFAI (engl. Good Old-Fashioned Artificial Intelligence). Symbolisen tekoälyn vanhakantaisuus merkitsee, että järjestelmä on eksplisiittisesti ohjelmoitu seuraamaan selkeitä sääntöjä, joiden raameissa toimia – aivan kuin Frege ja sittemmin Russell pyrkivät selkeyttämään luonnollista kieltä paljastamalla lauseiden tiukan loogisen muodon ja näin perustamaan kielifilosofiansa kurinalaiseen loogiseen lähtökohtaan. Fregen työn sivutuotteena voidaan katsoa syntyneen modernin predikaattilogiikan, jonka merkitys on monumentaalinen myöhemmälle analyyttiselle filosofialle, Raatikainen (1997b, s. 10) toteaa. Käsillä olevassa luvussa tarkastelen aluksi Fregen formaalikielen ja merkitysteorian roolia nykyaikaisen tekoälyn käsitteelliselle esihistorialle, minkä jälkeen siirryn Russelliin. Hänen määrättyjen kuvausten teoriansa osoittaa, miten yksinkertaisimmatkin luonnollisen kielen ilmaukset voidaan redusoida kurinalaisen loogisiksi rakenteiksi – aivan kuin nykyaikaisissa ohjelmointikielissä.
3.1 Frege: käsitekirjoitus, mieli ja viittaaminen
Gottlob Fregen olennainen panos nykyaikaiselle kielifilosofialle ja, argumenttini mukaan, tekoälyn käsitteelliselle esihistorialle palautuu etenkin hänen projektiinsa laatia luonnollista kieltä eksaktimpi looginen kieli. Tämän Fregen vuonna 1879 laatiman käsitekirjoituksen sivuvaikutuksena syntyi Raatikaista (1997b, s. 10) mukaillen moderni predikaattilogiikka sekä perusta nykyaikaiselle kielifilosofialle ja siten niin sanotulle analyyttisen filosofian koulukunnalle. Fregeläinen käsitekirjoitus kehitti logiikkaa ja kielen laskennallista tarkastelutapaa ratkaisevalla tavalla.
Tietysti on huomioitava, ettei Frege kehittänyt mitään ohjelmointikieliä tai ennakoinut nykyaikaista tekoälyä teknisessä mielessä. Kuitenkin hän loi käsitteellistä perustaa näille myöhemmille keksinnöille osoittamalla, että kielellistä toimintaa ja siten myös inhimillisen mielen mekanismeja – päättelyä, käsitteellisiä rakenteita ja väitelauseita – voidaan formuloida muodollisten periaatteiden avulla. Fregen Begriffsschrift mahdollisti minkä vain hyvin määritellyn väitelauseen tai idean loogisen rakenteen ilmaisemisen, kuten Pesonen (2021, s. 43) huomauttaa. Tämä lähestymistapa voidaan Raatikaista (2021, s. 6) mukaillen nähdä olennaisena edellytyksenä sittemmin ohjelmointikielien ja symbolisen tekoälyn kehittämiselle. Vaikka luonnollisen kielen lause voi toimita arkisessa käytössä, sen muodollinen käsittely edellyttää lauseen rakenteen eksplisiittisen rakenteen paljastamista. Samoin merkkijono ei edusta tietokoneelle vielä merkityksellistä kokonaisuutta ilman syntaktista rakennetta sekä sääntöihin sidottua tulkintaa – tämä siis etenkin vanhan koulukunnan symbolisesta tekoälystä tai ohjelmointikielistä puhuttaessa. Tässä yhteydessä Fregen loogisen ihannekielen projekti kytkeytyy myös nykyaikaiseen kieliteknologiaan, jonka Koskenniemi (2013, s. 1–2) määrittelee menetelmiksi, joilla ihminen voi vuorovaikuttaa kielellisesti tietokoneen kanssa. Tämä nimenomaan edellyttää luonnollisen kielen muuntamista tietokoneelle ymmärrettävään muotoon.
Frege tunnetaan myös viittaamisen teorian kriitikkona, kuten Lycan (2019, s. 3 & 9) hahmottelee. Lycan (2019, s. 3) kutsuu jokapäiväisen arjen intuitiivista kielenkäyttörutiinia, jossa viittaamisen tulkitaan itsessään osoittavan merkitykseen, merkityksen viittaamisen teoriaksi. Maineikkaassa mielen ja sen viittaamisen kohteen (tai referentin) erottelussaan Frege osoittaa, miksi tällainen teoria on puutteellinen perusteellisemmassa tarkastelussa, kuten Raatikainen (1997b, s. 11) jäsentelee. Tämä myös intensioksi ja ekstensioksi nimetty erottelu pyrkii hahmottelemaan, miten yksi ja sama viittauksen kohde voi saada erilaisen mielen riippuen viittauksessa käytetystä ilmauksesta, Raatikainen (1997b, s. 11) jatkaa. Ilmaus ei siis ole merkityksellinen vain johonkin olioon osoittaessaan, vaan esittäessään kohteensa tietyllä tavalla. Tästä kuuluisana esimerkkinä Frege käyttää ”aamutähden” ja ”iltatähden” käsitteitä, jotka molemmat siis viittaavat planeetta Venukseen, mutta välittävät erilaisen mielen. ”Aamutähti on iltatähti” -lause on informaatiosisällöltään painavampi kuin vain ”Venus on Venus”, vaikka lauseet tarkoittavat samaa asiaa. Lycan (2019, s. 31–33) ilmaisee saman toteamalla, että Fregelle mieli edustaa tapaa esittää viittauksen kohde, eli mieli antaa viittaukselle olennaisen kognitiivisen merkityspainotuksensa.
Tällaisella viittauksen erilaisten mielten analyysillä on nähdäkseni roolinsa kielimallien kouluttamisessa ja esimerkiksi semanttisessa jäsentämisessä (engl. semantic parsing; ks. esim. Liang, 2016, s. 68–69). Hämäläinen (2024) kuvaa suurten kielimallien tuottamia upotuksia (engl. embeddings), jotka ovat tekstistä johdettuja numeerisia vektoreita. Nämä mahdollistavat tekstin merkityksen kääntämisen matematiikan kielelle ja siten tekstien semanttis-syntaktisten samankaltaisuuksien laskennallisen vertailun. Kyseessä ei toki ole fregeläinen mieli yksi yhteen, mutta kylläkin nykyteknologinen pyrkimys tavoittaa Fregen kuvaamaa ongelmakenttää. Toisiaan lähestyvät aiheet ja kohteet linkittyvät merkitysten avaruudessa, vaikka ne merkkijonoina poikkeavatkin toisistaan.
Järjestelmän sujuvalle toiminnalle ei siis riitä tiedostaa, että eri ilmaukset voivat viitata samaan kohteeseen, vaan sen tulee kyetä myös aistimaan ilmausten erilaiset kontekstuaaliset painotukset. Eli millä tavoin kohde esitetään, millaista informaatiota tarjoillaan rivien välistä erilaisilla esitystavoilla. Ei ole yhdentekevää, milloin puhutaan ”aamutähdestä”, ”iltatähdestä” tai Venuksesta, kun viitataan astronomiseen kohteeseen. Koulutettaessa kielimallia vaikkapa tiedonhakuun, nimien tunnistamiseen, parafraasien tuottamiseen tai hallusinaatioiden ehkäisemiseen, törmätään kiinnostavasti Fregen osoittamaan mielen ja viittaamisen ongelmakenttään. Viittaus ei kanna merkitystä yksiselitteisesti, ja jos tekoäly käsittelee samaan kohteeseen viittaavat erilaiset merkkijonot ymmärtämättä niiden sävyä (fregeläisittäin mieltä), ei se kykene uskottavaan inhimillisen kaltaiseen kielen tuottamiseen. Silkka muodollinen referentiaalinen käsittely ei siis riitä merkityksen ymmärtämiseen.
3.2 Russell: määräiset kuvaukset ja looginen rakenne
Raatikainen (1997b, s. 11) nimeää Bertrand Russellin 1900-luvun alkuvuosikymmenten vaikutusvaltaisimmaksi filosofiksi, jonka panos muovasi olennaisesti muotoutumaisillaan olevaa analyyttisen filosofian perinnettä. Siinä missä Fregen mielen ja viittauksen eronteko osoitti, ettei merkitys ole palautettavissa vain olioon viittaamiseen suoraan, Russell jatkaa ongelmakentän kartoittamista uudesta tulokulmasta. Hän kysyy: mitä tapahtuu, kun ilmaus näyttää viittaavaan yksittäiseen olentoon, jota ei kuitenkaan ole olemassa? Russellin kuuluisa määrättyjen kuvausten teoria muun muassa pyrkii vastaamaan Fregen mieli-merkitys-teorian puutteisiin, mikä johti hänet hylkäämään kokonaan fregeläiset mielet ja tarkastelemaan viittauksen kohteita, Raatikainen (1997b, s. 12) jatkaa.
Siinä missä Fregen teoria mahdollisti epätosiin olentoihin viittaamisen loogisesti näennäisen oikealla tavalla, Russell vaati väitelauseilta lisää selkeyttä – perinteisen logiikan mukaan jokainen väitelause nimittäin on tosi tai epätosi, mitä Frege ei Russellin mukaan riittävästi huomioinut, Raatikainen (1997b, s. 12) viittaa. Lycania (2019, s. 12–18) mukaillen ilmaukset, kuten ”Ranskan nykyinen kuningas on kalju” tai ”Waverleyn kirjoittaja on skotlantilainen” näyttävät pintamuodoltaan viittaavan oikeisiin erisnimiin, jotka toimivat lauseen subjekteina. ”Ranskan nykyinen kuningas” tai ”Waverleyn kijoittaja” eivät kuitenkaan ole loogisesti nimiä vaan russellisilaisittain määräisiä kuvauksia. Tällaiset kuvaukset on purettava väitteiksi, että kuvauksen täyttävä kohde on olemassa, tällaisia kohteita on vain yksi ja että kohteella on lauseessa mainittu ominaisuus (Raatikainen 1997b, s. 12 & Russell, 1905/1997, s. 65–66). Raatikaista (1997b, s. 12) seuraillen tällainen ongelmallisen lauseen analysointi purkamalla se osiin tuli esikuvalliseksi myöhemmälle analyyttiselle filosofialle.
Russellilainen lähestymistapa mahdollistaa epätosien lauseiden käsittelyn sitoutumatta hämärään olemattomien olentojen ontologiaan. Tämä on analyyttisen filosofian ydintä – metafyysisten ongelmien osoittamista kielellisiksi väärinkäsityksiksi. Russellia mukaillen voidaan argumentoida, että ennen kuin oliosta esitettyjä väitteitä voidaan arvioida, on tarkastettava, onko kuvauksen täyttävää oliota olemassakaan.
Russellin kautta pääsemme jälleen koneelliseen kielenkäsittelyyn ja semanttiseen jäsentämiseen. Kuten todettua, luonnollisen kielen lause ei sellaisenaan käänny koneen käsiteltäväksi tietorakenteeksi. Taustalla on sama luonnollisen kielen sumeus ja rajoittamattomuus, jota Russell pyrki määrättyjen kuvausten teoriassaan selkeyttämään, ja jota Koskenniemeä (2013, s. 5 & 15–16) mukaillen on esimerkiksi ohjelmointikielissä pyritty siistimään loogisesti yksinkertaisempaan asuun. Jotta järjestelmä kykenee alkujaankaan arvioimaan väitelauseen totuutta, sen on ensin tunnistettava, millaisia olemassaoloväitteitä lause sisältää, onko annetulla kuvauksella yksikäsitteinen kohteensa, ja mitä tästä kohteesta väitetään. Semanttisessa jäsentämisessä luonnollisen kielen ilmaukset muunnetaan loogisiksi muodoiksi, joita tekoäly kykenee hyödyntämään päättelyssä tai toiminnan tuottamisessa, kuten Liang (2016, s. 68–69) hahmottelee. Russellin käsittelytapa edustaa kenties osuvinta varhaisen kielifilosofian esimuotoa idealle, että luonnollisen kielen ilmaukset on käännettävä konkreettisen formaaliksi esitykseksi (ks. esim. Russell, 1905/1997, s. 65–66; Lycan, 2019, s. 12–18). Symbolisessa tekoälyparadigmassa vastaava ideaali näkyy suoraan tavoitteessa muuntaa käsitelty kielellinen sisältö sääntöperustaiseksi loogiseksi rakenteeksi, jota kone kykenee käsittelemään.
Tässä pääluvussa havainnollistin lyhyesti kahden kielifilosofian pioneerin – Fregen ja Russellin – kautta eräitä symbolisen tekoälyn peruslähtökohtia. Fregeläinen käsitekirjoitus osoittaa, miten päättely esitetään formaalissa kielessä: se tarjoaa mallin kielen ja siten ajattelun rakenteen täsmälliselle symboliselle esittämiselle. Russellin määrättyjen kuvausten teoria puolestaan näyttää, miksi tällainen formaali analyysi on tarpeellinen: luonnollisen kielen ilmiasu voi johtaa harhaan. Russell esittelee kirurgisen tarkasti luonnollisen kielen pintamuodon purkamisen loogiseksi rakenteeksi ennen väitteen lopullista arviointia. Samalla hahmottuu formalistisen kielifilosofian ydinidea, eli pyrkimys selkiyttää kieltä (ja siten filosofisia kysymyksiä) muuntamalla se sääntöjen, rakenteiden ja totuusehtojen kannalta käsiteltävään asuun. Tämä ihanne jatkuu siis argumenttini mukaan vanhassa symbolisen tekoälyn paradigmassa, jossa älykkyys ymmärretään symbolien ja sääntöjen käsittelynä. Etenen seuraavaksi uuteen konnektionistiseen tekoälyparadigmaan.
4. Merkitys verkostossa: Putnam, Sellars ja konnektionistinen tekoäly
Edellisessä luvussa hahmottelin Fregen ja Russellin välityksellä ideaa varhaisen kielifilosofian formalistisesta perinnöstä, jossa kielestä, päättelyketjuista ja merkityksestä pyrittiin tekemään loogisesti läpinäkyvää. Rinnastin tämän pyrkimyksen klassiseen symboliseen tekoälyyn, joka niin ikään tukeutuu sääntöjen, symbolien ja loogisen päättelyn varaan. Tässä neljännessä pääluvussa siirrän painopisteen toiseen suuntaan tavoitteenani hahmotella, miksi merkitys, tieto ja ymmärtäminen eivät ole lopulta palautettavissa pelkkään ennalta määriteltyyn järjestelmän sisäiseen symbolirakenteeseen tai ohjelmointiin. Esimerkkifilosofeina aiheen tiimoilta esittelen Hilary Putnamin ja Wilfrid Sellarsin kielifilosofiaa, joissa korostuu holistinen verkostomaisuus: merkitys rakentuu suhteessa ympäristöön, laajempaan kieliyhteisöön ja sen kielelliseen työnjakoon historiallis-kausaalisine viittausketjuineen, kuten Raatikainen (1997b, s. 35–36) kuvaa. Käsittelen Putnamia ennen Sellarsia, vaikka Sellars onkin historiallisesti hieman Putnamia varhaisempi, sillä näen Putnamin uuden merkitysteorian edustaman eksternalismin seuraavan luontevasti Fregen ja Russellin kartoittamaa viittauksen ja merkityksen ongelmakenttää. Tästä on luonteva edetä Sellarsin annetun myytin kritiikkiin, joka siirtää tarkastelun painopistettä semantiikasta epistemologiaan: eli tekoälyn tapauksessa kysymykseen, milloin koneen tuottama ilmaisu on hyväksyttävissä tiedollisesti perustelluksi väitelauseeksi.
Putnamin ja Sellarsin näkökulmat tarjoavat nähdäkseni luontevan peilauspinnan uudemmalle konnektionistiselle tekoälyparadigmalle. Raatikainen (2021a, s. 9–10) kuvaa konnektionistista paradigmaa siten, ettei järjestelmää enää ohjelmoida sääntö kerrallaan, vaan sitä koulutetaan laajoilla aineistoilla. Tällöin tekoälyn osaaminen jakautuu keinotekoisen syväoppivan hermoverkon kytkentöihin ja painoihin, mikä pyrkii jäljittelemään aivojen rakennetta ja toimintaa eli sen verkkomaisesti jäsentyneitä synapseja ja neuroniverkkoja, Raatikainen (2021a, s. 10) jatkaa. Siinä missä symbolinen paradigma lähti liikkeelle aivojen toiminnan kannalta ylhäältä alas – eli päättelyn ja käsitteellisen ajattelun kaltaisista korkeammista toiminnoista –, konnektionismi valitsee vastakkaisen suunnan eli alhaalta ylös. Nyt yksittäinen syöte, vaikkapa havaintoärsyke, tuottaa aallon lailla hermoverkostossa leviävän vasteen, Raatikainen (2021a, s. 10) kuvaa. Alemman tason yksittäisestä ärsykkeestä käynnistyy laaja ketju, joka rakentaa kokemuksen kaikkine korkeamman tason tulkinnallisine jäsennyksineen. Näin toimivaa tekoälyä ei siis rakenneta valmiiksi vaan se kasvatetaan – aivan kuin lapsikin oppii toimimaan maailmassa toimimalla siinä itse ja hankkimalla näin omakohtaisia kokemuksia.
Tällainen oppiviin hermoverkkoihin pohjaava paradigma ei toki ole syntynyt tyhjästä, vaan sen tausta on Warren McCullochin ja Walter Pittsin matemaattis-teoreettisissa malleissa sekä Donald Hebbin oppimisteoriassa, Raatikainen (2021a, s. 9) kertoo. Nämä varhaiset ideat nousivat uudelleen keskusteluun 1980-luvulla David Rumelhartin ja James McClellandin tutkimusryhmineen julkaisemassa artikkelikokoelmassa. Tällöin lähestymistavasta käytettiin nimeä hajautettu rinnakkainen prosessointi, Raatikainen (2021a, s. 9) huomauttaa.
Konnektionistisessa järjestelmässä merkitys ei siis näyttäydy ensisijaisesti omaksuttuna sääntönä vaan se hahmottuu hajautuneiden suhteiden järjestelmänä. Sanat, tokenit ja laajemmat tekstijaksot esitetään numeerisina vektoreina, ja mallin osaaminen nousee esiin hermoverkon painoista ja kytkennöistä, jolloin sille syötetty koulutusaineisto jakautuu opittuihin tilastollisiin suhteisiin. Tässä näen kiehtovan liitoskohdan Putnamin ja Sellarsin ajatteluun. Putnamia soveltaen voidaan kysyä, voiko merkitys määräytyä vain järjestelmän sisäisissä tiloissa, eli riittääkö vektori- ja painorakenne merkityksen perustaksi vai tarvittaisiinko kiinteämpää maailmaan ja kieliyhteisön työnjakoon kytkeytymistä. Sellarsia mukaillen taas kysymys kuuluu, milloin jokin kielellinen tuotos voidaan julistaa tiedollisesti oikeutetuksi väitteeksi, joka olisi enemmän kuin vain onnistunut laskennallinen vaste. Mitä kielimallilta jää puuttumaan, mikäli sitä tarkastellaan vain itseriittoisen sisäisenä laskennallisena järjestelmänä?
4.1 Putnam: funktionalismi ja uusi merkitysteoria
Kielifilosofian ja tekoälytutkimuksen rajapintoja tarkasteltaessa Hilary Putnam osoittautuu olennaiseksi välittäjähahmoksi. Tämä ei ole sattumaa, sillä hän selkeäsanaisesti vertasi jo varhain ihmismieltä tietokoneeseen sekä johti tästä oivaltavia filosofisia johtopäätöksiä, kuten Raatikainen (2021a, s. 9) huomauttaa. Raatikaista (2021a, s. 9) mukaillen Putnamin lähtökohdista sai alkunsa vaikutusvaltainen mielenfilosofinen suuntaus eli funktionalismi, jossa mielen tilat erotellaan niiden biologisesta toteutuksesta. Mentaalisten tilojen – ja tietokoneen ohjelmien – identiteetti riippuu nyt siis ennemmin niiden funktionaalis-kausaalisesta roolista suhteessa, syötteisiin, muhin sisäisiin tiloihin ja näistä seuraavaan toimintaan kuin materiaaliseen toteutukseen, Raatikainen (2021a, s. 9) hahmottelee. Uusi ajatusmalli mahdollistaa teorian tasolla, että koneella voisi olla intentionaalisia tiloja, jolla siis filosofiassa viitataan mielentilojen suuntautuneisuuteen. Tätä taas on perinteisesti pidetty inhimilliselle tietoisuudelle ominaisten mentaalisten tilojen karakteristisena piirteenä, joka puuttuu kivien, tuolien tai laskukoneiden kaltaisilta puhtaasti aineellisilta olioilta, Raatikainen (2021c, s. 65) tarkentaa.
Funktionalismin ohella Putnamin ja Saul Kripken uusi merkitysteoria eli eräänlainen merkityseksternalismi on tärkeä tarkasteluni kannalta. Teoriallaan Putnam ja Kripke argumentoivat, ettei merkitys määräydy tai ole palautettavissa vain puhujan sisäisiin mielikuviin, uskomuksiin tai muihin psykologisiin tiloihin. Raatikaisen (1997b, s. 35–36) mukaan uusi merkitysteoria painottaa nimien ja vakiintuneiden termien historiallis-kausaalisia viittausketjuja, mikä merkitsee käytännössä, ettei puhujan tarvitse kielen hallitakseen ymmärtää sanojen perinpohjaisia merkityksiä. Viittaus vaikkapa koiraan voi olla onnistunut ilmankin, että puhuja tuntee koiran biologian ja etymologian perinpohjaisesti. Uusi merkitysteoria tuo Raatikaista (1997b, s. 35) mukaillen kielifilosofiaan kaivattua fallibilistista joustavuutta, jollaisesta esimerkiksi tieteenfilosofia on Haaparannan ja Niiniluodon (2016, s. 39 & 87) mukaan hyötynyt luopuessaan klassisesta absoluuttista varmuutta tavoittelevasta fundamentalistisesta tietoteoriasta. Fallibilismin omaksunut kriittinen realismi hyväksyy, että inhimillinen tieto voi olla erehtyväistä ja sitä tulee voida korjata, Haaparanta ja Niiniluoto (2016, s. 87) jatkavat.
Uuden merkitysteorian myötä Putnam argumentoi painavasti, ettei merkitys ole yksityinen sisäinen ilmiö, vaan se on olennaisesti maailmaan kiinnittynyt, kieliyhteisön jakamiin käytäntöihin ja sen asiantuntijoiden kielelliseen työnjakoon sidoksissa. Putnamin (1975/1997, s. 366–370) kuuluisa Kaksoismaa-ajatuskoe havainnollistaa argumenttia: mikäli kahdella eri planeetalla asuvalla ihmisellä on psykologisesti samanlainen sisäinen tila, mutta heidän planeetoillaan sana ”vesi” viittaa eri aineeseen – vaikka on pintapuolisesti tarkastellen samanlaista ainetta –, merkityksen ei voida katsoa määräytyvän vain heidän sisäisen tilansa perusteella. Putnamin (1975/1997, s. 366 & 370) iskulause ”merkitykset eivät vain ole päässä” kiteyttää tämän oivalluksen kauniisti, kuten Raatikainen (1997b, s. 36) mainitsee.
Mitä tulee tekoälyanalogiaan, Putnamin argumentti voitaneen muotoilla myös näin: mikäli merkitys ei ole vain yksilön sisäisissä tiloissa, se ei ole niin ikään palautettavissa sellaisenaan kielimallin hermoverkkoihin painoineen ja vektorirepresentaationeen. Putnamilaisittain voidaan todeta, että tarvitaan vielä tiiviimpi sidos maailmaan ja sen kieliyhteisöjen eläviin käytäntöihin, vaikka nykyiset kielimallit ovatkin jo huomattavan edistyneitä mallintamaan sanojen ja lauseiden verkostomaisia suhteita erilaisissa konteksteissa. Raatikainen (2021a, s. 8–9) viittaa Hubert Dreyfusin kritiikkiin, jonka mukaan inhimillisen älykkyyden mallintaminen vaatii mahdollisuuden toimia kehossa ja vuorovaikutuksessa aineellisen maailman kanssa. Tämä johtaa sellaisten taitojen ja kykyjen omaksumiseen, jota ei voi saavuttaa valtavallakaan sääntöjen ja representaatioiden varastolla pelkän kielimallin sisällä.
Telakiven ja Arstilan (2021, s. 69–80) mukaan nykyiset enaktivistiset ja ruumiillisuutta korostavat teoriat tuovat konkretiaa Dreyfusin esittämälle vaatimukselle: vahvan tekoälyn kehittäminen saattaakin vaatia laskennallisen prosessoinnin maksimoimisen sijaan sen, että järjestelmälle annetaan kehollinen tai kehollisuutta simuloiva mahdollisuus kiinnittyä fysikaalisen maailman kanssa – siis reitti pois ”vain päästä”, Putnamin iskulausetta mukaillen. Tällaisen vuorovaikutuksen mahdollisuus avaisi uusia keinoja mukautua ympäristöön ja muovata merkityksiä moniaistisen havainnoinnin ja toiminnan yhteispelissä. Palaan enaktivistiseen näkökulmaan kirjoitukseni lopulla. Putnamin asemoituminen symbolisen ja konnektionistisen paradigman välillä on yhtä kaikki kiinnostava: funktionalismillaan hän hyväksyy keinotekoisen mielen mahdollisuuden mutta merkityksen eksternalismillaan hän suhtautuu skeptisesti sisäänpäin kääntyneeseen kognitivistiseen tekoälykäsitykseen.
4.2 Sellars: annetun myytti eli tiedon perustan kritiikki
Putnamin tarkastellessa merkityksen kiinnittymistä maailmaan ja kieliyhteisön jakamiin käytäntöihin, Wilfrid Sellarsin myötä näkökulma siirtyy tiedon perustaa koskevaan epistemologiseen kysymykseen. Niin ikään tieteelliseen kriittiseen realismiin liitetty Sellars muistetaan etenkin niin sanotusta annetun myytin kritiikistään, jota hän eritteli klassikkoartikkelissaan Empirismi ja mielenfilosofia (1956). Raatikainen (1997b, s. 26) määrittelee annetun viittaavaan tiedon varmaan perustaan, joka on ei-käsitteellistä, suoraa ja välttämätöntä. Esimerkiksi empiristinen idea aistihavainnosta, joka käsitetään välittömästi, on tyypillinen ehdokas annetuksi – kyseenalaistamattomaksi ja erehtymättömäksi tiedoksi. Sellars nimenomaan kritisoi tätä uuden ajan kartesiolaiselle tieto-opille ominaista ideaa tiedon oletetun ei-kielellisen perustan tavoittamisesta, joka ikään kuin perustelee itse itsensä ja josta kielellinen tieto sitten abstrahoitaisiin, Raatikainen (1997b, s. 26–27) lisää. Sellarsia (1956/1997, s. 201–268) mukaillen tiedollisen väitteen esittäminen edellyttää jo lähtökohtaisesti käsitteellis-kielellisesti opittua taustaa. Kieli ei ainoastaan ilmaise ajatuksia, vaan ajattelu itsessään on olemuksellisesti kielellistä, kuten Raatikainen (1997b, s. 27) muotoilee.
Sellars ei toki kiistä, etteivätkö ihmiset voisi kokea välittömän tuntuisia kokemuksia havainnoidessaan ja aistiessaan maailmaa tai sisäisiä tilojaan. Hän kuitenkin kyseenalaistaa sen, voivatko tällaiset kokemukset toimia tiedon oikeuttavana perustana. Raatikaista (1997b, s. 26–27) mukaillen Sellars asettaa erilleen ei-tiedollisen aistimisen ja propositionaalisen tietämisen. Raaka aistimus ei Sellarsin (1997, s. 201–3 & 205) mukaan sinällään ole vielä tietoa, ja vastaavasti propositionaalinen tietäminen edellyttää käsitteitä, jotka taas opitaan kieliyhteisön sosiaalisissa käytännöissä harjoiteltuina reaktioina fysikaalisiin objekteihin. Tällaisen tiedon kohdalla on myös hyväksyttävä sen erehtyväisyyden mahdollisuus, Raatikainen (1997b, s. 27) lisää, mikä soveltuu hyvin tieteellisen realismin fallibilistiseen tietokäsitykseen.
Mitä tulee tekoälyyn Sellarsin kritiikin voi tulkita varoituksena liian naiivista suhteesta dataan. Koneoppimisen tapauksessa on nimittäin houkuttelevaa kohdella dataa, tokeneita tai kielimallin tuottamia vastauksia ikään kuin nämä olisivat sellaisenaan tiedollisesti merkittäviä. Annetun myytin kritiikki mielessä pitäen tällainen datasuhde muistuttaa sellarsilaisittain oletusta, että syöte toimisi tiedon perustana ilman pidemmälle prosessoitua käsitteellis-kielellistä jäsennystä. Kuitenkin kielimallin tuottamia väitteitä ei voi julistaa tiedollisesti perustelluiksi vain siksi, että laskennallisesti tehokas järjestelmä on tuottanut ne. Ennemmin väitteitä tulee arvioida sen mukaan, miten ne asettuvat suhteeseen kieliyhteisön käsitteisiin, muihin perusteltuihin ja hyväksyttyihin väitteisiin sekä tiedon korjattavuuteen. Sellarsin voidaankin nähdä täydentävän Putnamia, jonka mukaan merkitys ole palautettavissa vain yksilön tai järjestelmän sisäiseen tilaan, vaan se edellyttää laajempaa maailmasuhdetta ja kieliyhteisöä asiantuntijoineen taustalleen.
Kysymys siis kuuluu tällä erää, milloin kielimallin tuotos on hyväksyttävissä tiedoksi eikä vain kielellisesti onnistuneeksi vasteeksi? Konnektionististen syväoppivien hermoverkkojen perustalle rakentuvissa kielimalleissa kysymyksenasettelu avautuu kiinnostavalla tavalla keskustelussa mustasta laatikosta, joka viittaa vaikeuteen tuoda läpinäkyvyyttä järjestelmän tuottamien vastausten perusteisiin. Laitisen (2021, s. 141–143) mukaan läpinäkyvyyden eettinen merkitys korostuu, kun tekoälyä käytetään osana päätöksentekoprosessia – vaikkapa juridisessa työssä. Raatikaista (2021a, s. 12) mukaillen on tunnettua, että kielimallien vastauksissa voi ilmetä syrjintää ja vinoumia, joita se toisintaa omaksumansa koulutusaineiston kautta. Ääritapauksessa tekoälyyn tukeutuminen päätöksenteossa voi jopa uhata demokratiaa. Raatikainen (2021a, s. 12) viittaa algokratiaan puhuttaessa yhteiskunnallisen vallan kasautumisesta algoritmeille.
Syväoppivan algoritmin tuottaman vastauksen taustalla oleva kausaalinen syntymekanismi on ihmiselle usein joko vaikea tai mahdoton hahmottaa ymmärrettävästi, kuten Laitinen (2021, s. 141–143) analysoi. Laitista (2021, s. 149–150) mukaillen on myös syytä erotella selitys ja oikeutus vastaukselle, sillä vaikka tekoälyn tuottaman päätöksen kausaalinen prosessi voi olla selvillä, se ei välttämättä ole reilu tai oikein eettisessä mielessä. Niin ikään mustan laatikon ongelma nostaa osuvasti esiin Sellarsin asettamat edellytykset tiedolle: tiedolliset lauseet tulee kyetä viemään perustelemisen, kriittisen tarkastelun ja korjaamisen piiriin. Mallin tuottamia vastauksia ei tule ottaa annettuina, sillä se saa mahdollisen oikeutuksensa vasta laajemmassa kieliyhteisön käsitteellisessä verkostossa.
5. Syntaksista semantiikkaan: Searle ja koneellisen ymmärtämisen rajat
Edellisluvuissa olen hahmotellut, kuinka kielifilosofian klassikot taustoittavat osaltaan myös tekoälyn kehityksen käsitteellisiä ehtoja. Fregen ja Russellin työ osoitti, miten luonnollisen kielen loogista rakennetta ja siten merkitystä voidaan selkeyttää formaalin analyysin avulla. Putnam ja Sellars puolestaan painottivat, ettei merkitys ja tieto ole palautettavissa ainoastaan järjestelmän sisäiseen tilaan, vaan tarvitaan suhde maailmaan ja kieliyhteisöön käsitteellisine käytäntöineen. Tässä esseeni analyysiosion päätösluvussa käsittelemäni teemat kiteytyvät John Searlen maineikkaassa kiinalaisen huoneen argumentissa, joka eksplisiittisesti ottaa tarkasteluun koneellisen ymmärtämisen mahdollisuuden rajoitteineen. Raatikaista (2021c, s. 55) mukaillen Searle kysyy, voiko kone todella ajatella sanan varsinaisessa merkityksessä, voiko tekoäly todella olla älykäs intentionaalisen olennon kuten ihmisen tapaan.
Searle erottaa toisistaan kielen muodollisen käsittelyn ja sen merkityksen ymmärtämisen. Siinä missä kone kykenee käsittelemään symboleja sääntöjen mukaan, tuottaa vakuuttavan näköisiä vastauksia ja jopa läpäisee sille asetettuja älykkyystestejä; tämä ei vielä Searlen argumentissa ole osoitus todellisen ymmärryksen saavuttamisesta. Kone hallitsee syntaksin (kielen muodon) mutta ei ymmärrä semantiikkaa (merkitysoppia), kuten Raatikainen (2021c, s. 60) hahmottelee Searlea mukaillen. Searlen kiinalaisen huoneen ajatuskoe pureutuu tähän syntaksin ja semantiikan väliseen jännitteeseen: vaikka kone voi syntaktisesti manipuloida symboleja onnistuneesti, se voi silti jäädä varsinaisen merkityksen eli semantiikan ulkopuolelle. Raatikaista (2021c, s. 58) mukaillen Searle siis hyväksyy heikon tekoälyn teesin, eli että tekoäly voi olla hyödyllinen työkalu ja onnistua mallintamaan mieltä sen joiltakin osin. Hänen argumenttinsa kuitenkin kieltää vahvan tekoälyn teesin, eli että kone voisi olla mieli, joka ilmentää aidosti tietoiselle toimijalle ominaisia intentionaalisia tiloja.
Tarkastelen seuraavaksi lähemmin Searlen kiinalaisen huoneen argumenttia. Hahmottelen myös, miten hänen asettamansa haaste ilmenee nykyisten laajojen kielimallien aikakaudella, jolloin nähdäkseni Searlen argumentti on entistäkin ajankohtaisempi. Nykyiset kielimallit nimittäin tuottavat hämmästyttävän vakuuttavan näköistä kieltä, joka voi helposti hämätä luulemaan konetta inhimilliseksi keskustelukumppaniksi. Kielimallien suhde merkitykseen, maailmaan ja tietoisuuteen on edelleen filosofisesti kiistanalainen aihe. Voidaankin kysyä, asettaako Searle tietoisuudelle ja alkuperäiselle intentionaalisudelle liian tiukat biologiset raamit, vai osoittaako hän argumentillaan todellisen ylittämättömän rajan kielellisesti vakuuttavan ja ymmärrykseen kykenevän mielen välillä?
5.1 Kiinalainen huone
Searlen vuonna 1980 muotoilema kiinalaisen huoneen argumentti on tekoälyn filosofian suosituimpia ajatuskokeita, ja Raatikaista (2021c, s. 55) mukaillen verrattavissa esimerkiksi Turingin testiin klassisuudessaan. Se pureutuu väitteeseen, että kone oikein ohjelmoituna voisi aidosti ymmärtää käsittelemäänsä kieltä ja kykenisi mentaalisiin – tai Searlea mukaillen intentionaalisiin – tiloihin. Vaikka kone tosiaan yltää jo heikon tekoälyn edellytyksiin, ja läpäisee eräiden tulkintojen mukaan jopa Turingin testin (ks. Jones & Bergen, 2026), Searlen haaste pitää edelleen pintansa mitä tulee vahvaan tekoälyyn.
Kiinalaisen huoneen ajatuskokeessa kiinaa osaamaton henkilö suljetaan huoneeseen, jossa hänelle annetaan kiinankielisiä merkkejä sekä niiden oikeaoppiseen yhdistelemiseen ohjaava sääntökirja (ks. esim. Raatikainen, 2021c, s. 59–60). Huoneen ulkopuolelta henkilölle lähetetään kiinankielisiä kysymyksiä, joihin hän tuottaa sääntökirjan avulla vastauksia kiinaksi. Ulkopuolisen tarkkailijan näkökulmasta saadut vastaukset ovat osoitus kiinan kielen osaamisesta – ovathan ne oikeita ja osuvat annettuihin konteksteihinsakin tarkkanäköisesti. Näillä kriteereillä henkilö siis läpäisisi Turingin testin kyettyään vakuuttavasti käsittelemään kiinan kielen formaalia muotoa, vaikka hän ei todellisuudessa ymmärrä kieltä alkuunkaan.
Searlen (1980, s. 417–424) johtopäätöksenä syntaktinen symbolien manipulointi siis riitä semanttiseen ymmärtämiseen. Vastaavasti määritelmällisesti formaalin eli syntaksin parissa operoivan ohjelman suorittaminen ei yllä intentionaalisiin tiloihin, jotka operoivat nimenomaan semanttisten sisältöjen parissa, Searle (1980, s. 417–424) argumentoi (ks. myös Raatikainen, s. 2021c, s. 59–61). Tämä kritiikki puree etenkin tekoälyn vanhempaan symboliseen paradigmaan, jossa älykkyys pyrittiin perustamaan sääntöjen ja päättelyrakenteiden varaan. Kiinalaisen huoneen argumentin voidaan katsoa haastavan myös myöhemmän konnektionistisen tekoälyparadigman, vaikka nykyiset keinotekoisiin hermoverkkoihin pohjautuvat tekoälyt eivät noudattelekaan enää yksinkertaista formaalia sääntökirjaa. Edelleen voidaan kysyä, onko kielellinen vaste vieläkään osoitus todellisesta ymmärtämisestä, vaikka sen tuottava syväoppiva järjestelmä on monimutkaisempi? Ainakin mikäli mallilta puuttuu kiinteä maailmasuhde ja mahdollisesti kyky operoida kehossa tai kehoa simuloivassa käyttövälineessä, Searlen haaste todennäköisesti jää voimaan.
5.2 Kiinalaisen huoneen kritiikki
Kiinalaisen huoneen argumentti on vaikutusvaltainen, sillä se kiteyttää osuvasti vahvaa tekoälyä koskevan ongelman. Kysymys vahvan tekoälyn periaatteellisesta mahdollisuudesta ei toki ole pysähtynyt Searlen argumenttiin. Raatikainen (2021c, s. 55–68) huomauttaa, ettei kiinalainen huone lopulta muodosta pakottavaa argumenttia vahvaa tekoälyä vastaan etenkin, mikäli huomioidaan nykyinen robotiikan kehitystyö tekoälyn maailmaan kytkemiseksi. Raatikainen (2021c, s. 55–68) pohtii, miksi robotin kielen ymmärtämiselle olisi periaatteessa estettä, mikäli se oppii kiinaa kokemuksen ja kieliyhteisön opastuksen avulla samaan tapaan kuin vaikkapa lapsi oppii hallitsemaan kielen. Tällaisessa tilanteessa kyse ei olisi enää vain mallin sisäisestä symbolimanipulaatiosta vaan maailmaan suuntautuvasta toiminnasta, jollaiseen esimerkiksi Telakivi ja Arstila (2021, 69–80) viittaavat puhuessaan enaktivistisista ruumiillisuutta ja ympäristösuhdetta korostavista näkökulmista kognition syntyyn. Vanhan komputationalistisen laskentatehoon tukeutuvan näkökulman sijasta enaktivistiset ja niin sanotut 4E-mielenteoriat keskittyvät tarkastelemaan, miten tekoälyllä voisi olla oma toiminnallinen ja kehollinen näkökulmansa maailmaan, Telakivi ja Arstila (2021, s. 70) täydentävät.
Searlea kohtaan esitettynä kriikkinä Raatikainen (2021c, s. 65–66) nostaa esiin myös hänen korkeat vaatimuksensa ymmärtämisen ennakkoehdoiksi. Searlen näkemykset merkityksestä ja ymmärtämisestä näyttäytyvät kriitikoiden mukaan epämääräisinä, vanhentuneina ja tarpeettoman vaativina. Voidaankin argumentoida, että mikäli ymmärtäminen edellyttää Searlen edellyttämää semanttista hallintaa, myös ihmisiltä näyttäisi Raatikaista (2021c, s. 65–66) mukaillen puuttuvan ymmärrys monissa aivan arkisissa ilmauksissaan ja toimissaan. Ihmiset kuitenkin kykenevät pragmaattisesti toimimaan arjessaan ja osana kieliyhteisöään, vaikkeivat he täyttäisi Searlen kielen ymmärtämiselle asettamia vahvoja ehtoja. Kielen ymmärtäminen arjessa on joustavaa ja pragmaattista, Raatikainen (2021c, s. 67) lisää.
Raatikainen (2021c, s. 67–68) viittaa myös filosofiseen zombiin, joka käyttäytyy ihmisen tavoin sekä käyttää kieltä tarkoituksenmukaisesti. Pragmaattisesti operoivalta zombilta kuitenkin puuttuu fenomenaaliset kokemukset, joita Searlen kriteerit edellyttävät ymmärtämiseltä. Mikäli kuitenkin zombi toimii pätevästi vaikkapa tarjoilijana tai ajaa autoa, miksi se ei kykenisi arkisessa mielessä myös ymmärtämään kieltä? Tämän rajoitetun ymmärtämisen mahdollisuuden kieltäminen zombilta tai vastaavasti tekoälyn ohjaamalta robotilta vaatisi lisäargumentin, jollaista Searle seuraajineen eivät Raatikaisen (2021c, s. 68) mukaan lopulta esitä.
6. Pohdinta
Esseessäni olen tarkastellut 1900-luvun analyyttisen kielifilosofian klassista kaanonia soveltuvin osin tekoälyn käsitteellisenä esihistoriana. Tarkoituksenani ei ole ollut väittää, että valitsemani ajattelijat – Frege, Russell, Putnam, Sellars ja Searle – olisivat tietoisesti ennakoineet nykyaikaisia kielimalleja tai syväoppivia hermoverkkoja. Sen sijaan olen kyllä pyrkinyt osoittamaan, kuinka näiden filosofien käsittelemä ongelmakenttä on hyvinkin suoraan ajankohtaistunut nykyaikaisessa tekoälykeskustelussa. Klassikot tapaavat säilyttämään ajankohtaisuutensa, vaikka teknologisen kehityksen suhteen maailma on muuttunut perinpohjaisesti sitten Fregen päivien.
Keskeinen väitteeni kautta tekstin on ollut, että nykyaikaisen tekoälyn filosofista perustaa voidaan jäsennellä kahden paradigman jännitteen kautta. Siinä missä Fregen ja Russellin edustama formalistinen perintö rinnastuu analyysissäni vanhempaan symboliseen tekoälyyn, Putnamin ja Sellarsin työ luo puitteet irtautua formalismista kohti verkostomaisempaa merkityksen ja tiedon jäsentämistä. Tähän uudempi konnektionistinen tekoälyparadigma antaa niin ikään luontevaa heijauspintaa. Mitä tulee formalistiseen perinteeseen Fregen käsitekirjoitus konkretisoi, kuinka päättely voidaan esittää formaalissa kielessä. Vastaavasti Russellin määrättyjen kuvasten teoria osoittaa, miksi luonnollinen kieli epämääräisyyksineen tulee purkaa selkeäksi loogiseksi rakenteeksi ennen kuin sen sisältämiä totuusväitteitä on mielekästä arvioida. Näin varhainen kielifilosofia on luonut käsitteellisiä valmiuksia idealle, että kieltä ja ajattelua voidaan lähestyä laskennallisesti, minkä konkreettisena sovellutuksena mainittakoon ohjelmointikielet.
Analyysini painopiste siirtyi Putnamin ja Sellarsin myötä holistisempaan ja verkostomaisempaan merkityksen ja tiedon tarkasteluun. Uudessa merkitysteoriassaan Putnam argumentoi, ettei merkitys palaudu pelkästään puhujan sisäisiin mielikuviin tai psyykkisiin tiloihin, vaan se edellyttää olennaisesti suhdetta maailmaan, kieliyhteisöön ja asiantuntijoiden kielelliseen työnjakoon. Tekoälyn suhteen tämä voidaan nähdä haasteena kielimallien kognitivista eli korostuneen sisäänpäin kääntynyttä tarkastelua kohtaan, jollainen luonnehtii etenkin symbolista tekoälyparadigmaa. Haaste toki voidaan esittää myös uudempaa konnektionistista paradigmaa kohtaan: vaikka kielimalli pystyy mallintamaan yksittäisten sanojen ja pidempien tekstijaksojen välisiä suhteita vektoriavaruudessa hyvinkin vakuuttavasti, nämä suhteet ovat yhä järjestelmän sisäisiä korrelaatioita. Putnamin näkökulmasta on olennaista, miten nämä mallin sisäiset representaatiot kiinnittyvät maailmaan ja kieliyhteisön todellisiin käytäntöihin. Kielimallin semanttista pätevyyttä tulee arvioida myös sikäli, millainen suhde sillä on todelliseen tai luotettavasti mallinnettuun toimintaympäristöön.
Sellarsin myötä merkityksen ja tiedon tarkastelu saa korostuneen episteemisen otteen. Annetun myytin kritiikkiä mukaillen voidaan todeta, ettei havaintoa, dataa, tokenia tai kielimallin tuottamaa vastausta tule vielä sellaisenaan ottaa tietona. Ennemmin se saa tiedollisesti perustellun aseman, kun esitetty väite voidaan tuoda perustelun, kriittisen arvioinnin ja korjattavuuden piiriin. Mitä tulee syväoppiviin kielimalleihin, tämä näkökulma on osoittautunut erityisen ajankohtaiseksi niin sanotun mustan laatikon ongelman myötä. Mikäli järjestelmä ei ole läpinäkyvä siinä, millä perusteella se on vastaukseensa päätynyt, on vaikea arvioida sen eettistä hyväksyttävyyttä varsinkin yhteiskunnallisesti tai juridisesti painavissa kysymyksissä.
Lopulta Searlen ja hänen kiinalaisen huoneen argumenttinsa kautta kokoan esseeni ydinteemat yhteen tarkastellakseni tekoälyn ymmärtämisen rajoja. Searlen kanta on, ettei syntaktinen symbolien manipulointi ole riittävä osoitus, että kone kykenisi semanttiseen ymmärtämiseen – heikon tekoälyn teesi voi täyttyä mutta vahva jää saavuttamatta. Tämä argumentti koskee niin symbolista tekoälyä kuin uudenaikaisempia konnektionistisia kielimalleja. Kuitenkaan Searlen argumenttia ei voida pitää viimeisenä sanana, mitä tulee tekoälyn mahdollisuuksiin saavuttaa semanttista ymmärrystä tai intentionaalisia tiloja. Mikäli järjestelmä toimii maailmassa luontevasti, oppii moniaistisesti vuorovaikutuksessa ympäristöönsä soveltaen esimerkiksi robotiikan keinovaroja ja lisäksi käyttää kieltä sujuvasti; pelkkä kiinalaisen huoneen asetelma ei riitä kieltämään mahdollisuutta edes jonkinlaisen ymmärtämisen asteen saavuttamiselle.
Tässä vaiheessa tekoälyn tarkastelu kuitenkin irtautuu kielifilosofisesta lähtökohdastani, joten jätän avoimeksi jäävät kysymykset odottelemaan jatkotutkimuksia. Merkitys, tieto ja ymmärtäminen eivät kenties synny pelkästä tekstuaalisesta prosessoinnista, vaan tarvitaan keinoja kiinnittyä maailmaan muutoinkin kuin kielen välityksellä. Kiehtovan näkökulman aiheeseen tarjoavatkin esimerkiksi enaktivistiset, ruumiillisuutta korostavat teoriat. Tarkasteluni rajoista mainittakoon lisäksi, että symboliset ja konnektionistiset lähestymistavat voivat aivan hyvin yhdistyäkin nykyaikaisissa tekoälyn kouluttamisen menetelmissä. Kahtiajakoni tässä esseessä on ensisijaisesti heuristinen, ei historiallisesti täysin puhdas ratkaisu. Tarkasteluni ulkopuolelle jätin myös suosiolla yksityiskohtaisemmat kuvaukset kielimallien arkkitehtuureista ja oppimisalgoritmeista, sillä tulokulmani on ennemmin käsitteellinen kuin tekninen. Kokoavasti todettakoon, ettei kielifilosofia jää vain historialliseksi kuriositeetiksi tekoälyn kehitystä tarkasteltaessa. Se tarjoaa edelleen selitysvoimaista käsitteellistä arsenaalia, vaikkakin teknisesti uudistuneessa ympäristössä. Klassiset kysymykset tiedon, ajattelun, kielen ja merkityksen luonteesta paljastavat itsestään uusia kiehtovia puolia nykyisessä kilpajuoksussa kohti vahvaa tekoälyä.
Lähteet
Frege, G. (1997). Mielestä ja merkityksestä. Teoksessa P. Raatikainen (toim.), Ajattelu, kieli, merkitys: Analyyttisen filosofian avainkirjoituksia (s. 41–56). Gaudeamus. (Alkuperäinen julkaistu 1892)
Haaparanta, L., & Niiniluoto, I. (2016). Johdatus tieteelliseen ajatteluun. Gaudeamus.
Hämäläinen, M. (2024). Mitä ovat suurten kielimallien tuottamat upotukset eli embeddingit? Metropolian blogit. https://blogit.metropolia.fi/tekoalya-tutkimassa/2024/12/02/mita-ovat-suurten-kielimallien-tuottamat-upotukset-eli-embeddingit/. (Luettu 8.6.2026.)
Jones, C. R., & Bergen, B. K. (2026). Large language models pass a standard three-party Turing test. Proceedings of the National Academy of Sciences, 123(21), Article e2524472123. https://doi.org/10.1073/pnas.2524472123
Koskenniemi, K. (2013). Johdatus kieliteknologiaan, sen merkitykseen ja sovelluksiin. Helsingin yliopiston nykykielten laitos.
Laitinen, A. (2021). Mustan laatikon ongelma ja oikeus selityksen saamiseen. Teoksessa P. Raatikainen (toim.), Tekoäly, ihminen ja yhteiskunta: Filosofisia näkökulmia (s. 141–152). Gaudeamus.
Liang, P. (2016). Learning executable semantic parsers for natural language understanding. Communications of the ACM, 59(9), 68–76. https://doi.org/10.1145/2866568
Lycan, W. G. (2019). Philosophy of language: A contemporary introduction (3. painos). Routledge.
Pesonen, R. (2021). Miksi pitäisi miettiä, voiko kone ajatella? Teoksessa P. Raatikainen (toim.), Tekoäly, ihminen ja yhteiskunta: Filosofisia näkökulmia (s. 32–54). Gaudeamus.
Pulkkinen, Jarmo (2004). Sudenluusta supertietokoneeseen: laskemisen kulttuurihistoriaa. Helsinki: Art House.
Putnam, H. (1997). “Merkityksen” merkitys. Teoksessa P. Raatikainen (toim.), Ajattelu, kieli, merkitys: Analyyttisen filosofian avainkirjoituksia (s. 359–414). Gaudeamus. (Alkuperäinen julkaistu 1975)
Raatikainen, P. (toim.). (1997a). Ajattelu, kieli, merkitys: Analyyttisen filosofian avainkirjoituksia. Gaudeamus.
Raatikainen, P. (1997b). Ajattelu, kieli ja merkitys — näkökulmia nykyajan filosofian avainteemoihin. Teoksessa P. Raatikainen (toim.), Ajattelu, kieli, merkitys: Analyyttisen filosofian avainkirjoituksia (s. 9–40). Gaudeamus.
Raatikainen, P. (2021a). Tekoäly, ihminen ja yhteiskunta — johdatusta teemaan. Teoksessa P. Raatikainen (toim.), Tekoäly, ihminen ja yhteiskunta: Filosofisia näkökulmia (s. 6–16). Gaudeamus.
Raatikainen, P. (toim.). (2021b). Tekoäly, ihminen ja yhteiskunta: Filosofisia näkökulmia. Gaudeamus.
Raatikainen, P. (2021c). Voiko tietokone todella ajatella — filosofisia ajatuskokeita. Teoksessa P. Raatikainen (toim.), Tekoäly, ihminen ja yhteiskunta: Filosofisia näkökulmia (s. 55–68). Gaudeamus.
Roinila, M. (2021). Tekoälyn varhaishistoriaa: laskevia koneita ja spirituaalisia automaatteja. Teoksessa P. Raatikainen (toim.), Tekoäly, ihminen ja yhteiskunta: Filosofisia näkökulmia (s. 17–31). Gaudeamus.
Russell, B. (1997). Viittaamisesta. Teoksessa P. Raatikainen (toim.), Ajattelu, kieli, merkitys: Analyyttisen filosofian avainkirjoituksia (s. 57–69). Gaudeamus. (Alkuperäinen julkaistu 1905)
Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3, 417–457.
Sellars, W. (1997). Empirismi ja mielenfilosofia. Teoksessa P. Raatikainen (toim.), Ajattelu, kieli, merkitys: Analyyttisen filosofian avainkirjoituksia (s. 201–268). Gaudeamus. (Alkuperäinen julkaistu 1956)
Telakivi, P., & Arstila, V. (2021). Onko mahdollista rakentaa keinotekoinen mieli? Teoksessa P. Raatikainen (toim.), Tekoäly, ihminen ja yhteiskunta: Filosofisia näkökulmia (s. 69–80). Gaudeamus.
Väyrynen, K., & Pulkkinen, J. (2016). Johdanto. Teoksessa K. Väyrynen & J. Pulkkinen (toim.), Historian teoria: Lingvistisestä käänteestä mahdolliseen historiaan (s. 7–14). Vastapaino.
(Kirjoitus perustuu filosofian opintojaksolla laatimaani ja arvioituun oppimistehtävään. Tekstiä on muokattu blogijulkaisua varten.)
