Mutta kauan ennen kuin tekoälystä tuli kulttuurinen pakkomielle, ennen kuin kielimallit tulivat puhelimiin, toimistoon ja ruokapöytäkeskusteluihin, João Gama auttoi jo jossain Portossa suunnittelemaan uudelleen tapaa, jolla koneet oppivat maailmasta.

João Gaman kehityskaaresta tekee erityisen vaikuttavan paitsi hänen tieteellisen vaikutuksensa laajuus myös sen ajoitus. Monet tekoälyn nykyisin keskeisistä ongelmista, kuten sopeutuminen, jatkuva oppiminen ja reaaliaikainen päätöksenteko, olivat kysymyksiä, joiden parissa hän oli työskennellyt jo vuosikymmeniä aiemmin. Hiljaisesti Porton yliopistossa sijaitsevasta laboratoriostaan käsin hän auttoi muokkaamaan aloja, jotka ovat vasta äskettäin tulleet suuren yleisön tietoisuuteen.

Joãolle koneoppiminen ei ollut koskaan jotain täysin uutta. "Termiä koneoppiminen käytettiin ensimmäisen kerran 1950-luvulla", hän selittää ja viittaa Arthur Samueliin, joka loi tammiohjelman, joka pystyi kehittymään pelatessaan. "Tätä kykyä oppia kokemuksesta me kutsumme oppimiseksi." Se, mikä muuttui ajan myötä, ei ollut näiden ajatusten olemassaolo, vaan se, missä mittakaavassa yhteiskunta tuli niistä tietoiseksi.

Portoon rakennettu tieteellinen ekosysteemi

João Gaman ura tuli vahvasti sidotuksi Porton yliopistoon, jossa hän aloitti opettamisen taloustieteellisessä tiedekunnassa 1990-luvun alussa. Ensi silmäyksellä se saattaa vaikuttaa epätavalliselta paikalta yhdelle Portugalin johtavista tekoälytutkijoista. João kuitenkin selittää: "Ryhmä perustettiin taloustieteeseen, koska siellä professori Pavel Brazdil opetti", hän sanoo. Brazdil perusti yhden maan ensimmäisistä kansainvälisesti merkittävistä koneoppimisryhmistä taloustieteelliseen tiedekuntaan.

Monella tapaa sijainti muokkasi näkökulmaa, sillä taloustieteet ja yhteiskuntatieteet olivat jo ennestään riippuvaisia suurista tietomääristä ja kvantitatiivisesta analyysistä. Perinteinen ekonometria lähestyi ongelmia ennalta määriteltyjen mallien kautta; koneoppiminen lähestyi niitä eri tavalla, jolloin järjestelmät voivat oppia malleja suoraan datasta itsestään. João löysi itsensä juuri laskennallisen tarkkuuden ja reaalimaailman monimutkaisuuden risteyskohdasta.

Vuosien mittaan João auttoi vakiinnuttamaan tätä ekosysteemiä opettamalla, valvomalla tutkimusta ja luomalla tieteellisiä verkostoja, jotka ulottuivat kauas Portugalin ulkopuolelle. Hän johti taloustieteellisen tiedekunnan data-analyysin maisteriohjelmaa yli kymmenen vuoden ajan ja ohjasi kymmeniä tohtori- ja maisteriopiskelijoita, joista monet rakensivat myöhemmin oman tutkijanuransa.

Oppiminen liikkuvista maailmoista

João Gaman havainto siitä, että reaalimaailma on dynaaminen, johti merkittävään muutokseen koneoppimisessa. Kun perinteiset mallit perustuivat staattisiin tietokokonaisuuksiin, João työskenteli ongelmien parissa, joissa tiedot kehittyivät jatkuvasti ja vanhenivat nopeasti. Tämä sai hänet kehittämään lähestymistapoja tietovirroista oppimiseen, jossa algoritmit mukautuvat jatkuvasti reaaliajassa. Työn keskiössä oli ajatus "käsitteiden ajelehtimisesta" eli siitä, että mallit muuttuvat ajan myötä. Todellista maailmaa muokkaavat mallit muuttuvat jatkuvasti kuluttajien käyttäytymisestä ja kaupunkiliikenteestä teolliseen infrastruktuuriin ja ympäristöjärjestelmiin.

Joãon työ sai alkunsa juuri tästä epävakaudesta, ja se käsitteli perustavanlaatuista kysymystä, josta tuli myöhemmin keskeinen nykyaikaisen tekoälyn kannalta: miten koneet voivat jatkaa sopeutumista ja oppimista muuttuvissa ympäristöissä aloittamatta toistuvasti tyhjästä?

Hänen työstään tuli perustavanlaatuinen alan sisällä. Nykyään hänen tietovirtojen louhintaa ja käsitteiden ajelehtimista koskeva tutkimuksensa kuuluu kansainvälisesti eniten siteerattujen tutkimusten joukkoon, ja siihen on viitattu kymmeniä tuhansia kertoja ja sillä on maailmanlaajuinen vaikutusvalta, joka ulottuu sekä akateemiseen että teolliseen maailmaan.

Tutkimuksen käytännön vaikutukset tulivat erityisen näkyviksi todellisten infrastruktuurien kanssa kehitetyissä hankkeissa. Yksi havainnollisimmista esimerkeistä on yhteistyö Metro do Porton kanssa, jonka tavoitteena on havaita mekaaniset viat ennen niiden syntymistä.

Vastuu ennen superälyä

Tekoälyä koskevat julkiset keskustelut pyörivät yhä useammin pelon ympärillä siitä, että koneet ylittäisivät ihmisyyden. João suhtautuu näihin keskusteluihin skeptisesti: "Tällä hetkellä", hän sanoo lähes humoristisesti, "koneet ovat vielä hyvin tyhmiä." Joãon mielestä nykyiset tekoälyjärjestelmät ovat pohjimmiltaan rajallisia, koska niiltä puuttuu tietoisuus, itsetuntemus ja aito ymmärrys siitä, mitä ne tekevät. Ne suorittavat tehtäviä yhä kehittyneemmin, mutta ilman reflektiivistä tietoisuutta.

Hän ei hylkää tekoälyn riskejä. Sen sijaan hän keskittyy nykyisiin yhteiskunnallisiin realiteetteihin, kuten eriarvoisuuteen, tietojen väärinkäyttöön, tietojen manipulointiin ja teknologian epätasa-arvoiseen saatavuuteen. Hän korostaa, että teknologia ei ole neutraalia: Tekoäly muokkaa mahdollisuuksia, työmarkkinarakenteita ja tiedonsaantia, antaa etuja niille, jotka osaavat työskennellä sen kanssa, ja jättää muut jälkeen.

Tämä huolenaihe selittää osittain sen, miksi hän arvostaa voimakkaasti yksityisyydensuojan sääntelyyn ja tekoälyn vastuulliseen hallintaan liittyviä eurooppalaisia toimia. João ei pidä GDPR:n kaltaisia järjestelmiä byrokraattisina esteinä vaan pyrkimyksinä suojella ihmisten autonomiaa maailmassa, jossa tieto liikkuu ennennäkemättömän nopeasti ja laajassa mittakaavassa.

Yliopistot ajattelun paikkoina

Kansainvälisestä tunnustuksestaan huolimatta suuri osa João Gaman identiteetistä on edelleen vahvasti sidoksissa opetukseen ja akateemiseen elämään. Hän puhuu opiskelijoiden ohjaamisesta aidolla kiintymyksellä ja kuvailee opinnäytetöiden ohjaamista yhdeksi uransa palkitsevimmista osa-alueista: "Ihmisten kanssa on aina hyvä työskennellä", hän sanoo.

Tämä näkökulma muokkaa myös hänen vahvaa puolustustaan yliopistoista tiloina, joissa on säilytettävä tutkimus opetuksen rinnalla. Hän uskoo, että yliopistot eivät ole vain olemassa olevan tiedon välittämiseen tarkoitettuja laitoksia, vaan niiden tehtävänä on myös luoda uusia kysymyksiä, viljellä kriittistä ajattelua ja ylläpitää innovaatiolle välttämätöntä henkistä vapautta. Tutkimus edellyttää teknisen osaamisen lisäksi myös henkistä valmiutta ja kykyä pohtia, mitkä ongelmat ovat tutkimisen arvoisia. João jatkaa opiskelijoiden ohjaamista, tutkimushankkeiden johtamista ja aktiivista osallistumista INESC TECin toimintaan, vaikka hänestä on tullut Porton yliopiston emeritusprofessori. Käytännössä hyvin vähän muuttui sen lisäksi, että hän luopui virallisesta opetuksesta. Tutkimus, mentorointi ja tieteellinen yhteistyö ovat edelleen hänen jokapäiväisen elämänsä keskiössä. Erityisen silmiinpistävää on se, miten hän puhuu tästä urakehityksestä hyvin vähäsanaisesti. Viimeisessä luennossaan ennen eläkkeelle jäämistä opettajan työstä João ei keskittynyt palkintoihin, palkintositoumuksiin tai uran virstanpylväisiin vaan ihmisiin, jotka ovat seuranneet häntä vuosikymmenien ajan. "En tehnyt mitään yksin", hän sanoi. "Minun on kiitettävä tiimejäni, mutta ennen kaikkea oppilaitani."

Jatkuva sopeutuminen

João Gaman kanssa keskustellessa käy yhä selvemmäksi, että sopeutuminen itsessään on sekä hänen tieteen että maailmankatsomuksensa keskiössä. Hänen tutkimuksessaan keskityttiin järjestelmiin, jotka kykenevät jatkuvaan oppimiseen, koska hän ymmärsi jo varhain, että staattiset mallit kamppailevat dynaamisessa todellisuudessa. Sama ajatus näyttää kuitenkin ulottuvan algoritmien ulkopuolelle. Koko uransa ajan João on toistuvasti asettunut siirtymävaiheisiin: taloustieteen ja tietojenkäsittelytieteen, teorian ja sovellusten, tutkimuksen ja politiikan, akateemisen maailman ja julkisen keskustelun välille.

On jotain hiljaisen johdonmukaista siinä, että yksi maailman johtavista adaptiivisten järjestelmien asiantuntijoista puhuu niin usein vastuusta, yhteistyöstä ja kollektiivisesta oppimisesta. Joãolle älykkyys, olipa se sitten keinotekoista tai inhimillistä, ei ole koskaan puhtaasti yksilöllistä, vaan sitä rakennetaan kollektiivisesti.

Loppujen lopuksi suuri osa tekoälyn perustana olevasta infrastruktuurista, järjestelmistä, jotka kykenevät sopeutumaan jatkuvasti muuttuviin olosuhteisiin, on olemassa osittain siksi, että João Gama pohdiskeli vuosikymmeniä, miten sopeutua maailmaan, joka ei koskaan lakkaa liikkumasta.