Yksi avoin maailman tietokorpus

Kilpailu parhaan koulutuksen saavuttavien mallien välillä on rajallinen. Vähitellen jokainen valmistaja kokoaa täyden tietoaineiston, jota mahdollisimman hyvin informoitu malli tarvitsee. Tie, jolla kaikki ihmistieto kerätään, päättyy aina yhteen paikkaan – tuon tiedon kirjastoon. Lopputuloksen perusteella ei ole voittajia; ainoastaan väliaikaisia voittajia ajoituksen perusteella. Valtiot rahoittavat jo nyt omia jäljessä oleviaan, eikä tätä prosessia voi olla huomaamatta. Linkkejä useisiin kansallisiin ohjelmiin on tämän muistion lopussa. Lopputulos: jokainen valmistaja maksaa uudelleen oikeudesta päästä käsiksi täsmälleen samaan asiaan, rakentaa uudelleen oman jäsennysputkensa samoille teksteille ja päätyy uudelleen samaan paikkaan, johon kaikki päätyvät. Toistuvat kustannukset yhdestä tuloksesta. Tarvitaan sen sijaan: yksi maailmanlaajuinen tietokorpukse. Lainsuojattu. Kaikkien vapaasti käytettävissä. Ja rahoitettu kansainvälisestä rahastosta – ei kertaalleen, vaan jatkuvasti, koska uuden tiedon tulva virtaa taukoamatta ja korpusta on täydennettävä taukoamatta. Onko tällä alalla mitään järkeä maailmanlaajuisessa kilpailussa, vai onko jo aika valita kansainvälinen yhteistyö? Miljardeja ja taas miljardeja säästyisi, ja ne voitaisiin investoida kilpailuun tekoälyn käyttöönoton alalla. Missä muodossa maailman tietorahasto tulisi luoda? Tarvitaan ei painoja, vaan formalisoitu yksittäinen tietolähde, jota tukevat lähdeaineistot. Painot vanhenevat vuodessa, joskus nopeammin; arkkitehtuurit kahdessa. Formalisoitu tieto ei vanhene – se kumuloituu. Formalisaatiota tarvitaan, jotta tietoa voidaan verrata, todentaa ja toimittaa millä tahansa kielellä: kielestä tulee projektio, ei varasto. Lähdeaineistot säilytetään aina, koska eristäminen ei koskaan ole täydellistä, ja eristetty tosiasia on vain hypoteesi siitä, mitä lähteessä lukee – ja se on voitava tarkistaa uudelleen. Mitä tämä antaa. Tekoälyn kehityksessä ihmiskunnan hyväksi voivat osallistua paitsi erittäin suuret yritykset valtion tuella, myös pienet IT-yritykset, yksittäiset asiantuntijat ja maat, joilla ei ole omia suuria malleja. Siellä, ei kärjessä, on tärkein hyödyntämätön hyöty. Haarautumat ovat monien saatavilla ja ohjaavat evoluutioprosessia. Kilpailu ei katoa mihinkään. Kilpailkoot arkkitehtuurit, tekniikat ja koulutusmenetelmät. Mutta eivät itse tosiasiat. Ihmiskunnan tosiasiat kuuluvat ihmiskunnalle. DNB Kansallisia tukiohjelmia: muutamia esimerkkejä. Euroopan unioni, InvestAI (helmikuu 2025) – 200 miljardin euron mobilisaatio, josta uusi eurooppalainen 20 miljardin euron rahasto ”tekoälyn gigatehtaille”, eli laskentateholle suurimpien mallien kouluttamiseen. https://oecd.ai/en/dashboards/policy-initiatives/investai Kiina, National AI Industry Investment Fund (huhtikuu 2025) – 60 miljardia yuania, noin 8,2 miljardia dollaria. Perustajat – teollisuus- ja tietotekniikkaministeriö yhdessä valtiovarainministeriön kanssa. Lisäksi 11 kansallista tekoälyinnovoinnin pilottialuetta. https://www.chinadaily.com.cn/a/202504/18/WS6802358ea3104d9fd38204b5.html Intia, IndiaAI Mission (hallituksen hyväksymä 7. maaliskuuta 2024) – yli 10 300 crore rupiaa viidelle vuodelle, noin 1,2 miljardia dollaria. Sen rakenne on paljastava: erilliset erät menevät laskentateholle (yli 10 000 GPU:ta), keskukselle kotimaisien perusmallien kehittämiseen – ja IndiaAI Datasets Platformille, eli valtion ohjelmalle tietoaineistojen keräämiseen ja avaamiseen. Juuri sitä, mistä tässä muistiossa puhutaan. https://www.pib.gov.in/PressReleasePage.aspx?PRID=2012375&reg=3&lang=2 Etelä-Korea, vuoden 2026 budjetti – 10,1 biljoonaa wonia tekoälylle, noin 7 miljardia dollaria: 2,6 biljoonaa teollisuuden ja julkisten palveluiden käyttöönottoon ja 7,5 biljoonaa osaamiseen ja infrastruktuuriin. Hankitaan vielä 15 000 kiihdytintä kohti 35 000:n kokonaiskalustoa, erillinen erä kotimaisille perusmalleille. https://www.korea.net/NewsFocus/policies/view?articleId=281702 Yhdistynyt kuningaskunta, Sovereign AI (kesäkuu 2026) – 1,1 miljardia puntaa maaliskuussa 2026 ilmoitetun 500 miljoonan punnan Sovereign AI -ohjelman lisäksi. Tästä 750 miljoonaa kansalliseen tekoälyn supertietokoneeseen vuoteen 2030 mennessä ja 400 miljoonaa kiihdyttimien hankintaan. Tavoitteena – maan laskentatehon kaksikymmenkertaistaminen vuoteen 2030 mennessä. https://www.computing.co.uk/news/2026/government/government-commits-more-than-one-billion-sovereign-ai Ranska (helmikuu 2025) – 109 miljardia euroa ilmoitettuna yksityisinä investointeina valtion suojeluksessa, plus julkisia varoja France 2030 -ohjelmasta, mukaan lukien 360 miljoonaa euroa ”IA Clusters” -ohjelmalle. https://www.info.gouv.fr/actualite/ia-une-nouvelle-impulsion-pour-la-strategie-nationale Huomaa kaksi asiaa. Ensiksi: lähes kaikki rahat menevät laskentatehoon ja osaamiseen. Toiseksi: jos maa aloittaa tyhjästä, se luo ensimmäiseksi valtion tietoaineistoalustan – kuten Intia teki. Joten ongelma on jo nähty. Mutta toistaiseksi jokainen ratkaisee sen itsekseen. Vaikka rehellisesti sanottuna monet eivät vielä edes näe tai ota käsiteltäväksi tiedon yhdistämisen tehtävää, mikä sallii tuottamattoman, hyödyttömän kilpailun.