Neuvostoliiton unohdettu tekoälyperintö
Ural-1-tietokone, yksi Neuvostoliiton varhaisista laskentakoneista, 1950-luku.
Markku Siira 25.7.2025
Neuvostoliiton tieteen ja teknologian kehitystä on perinteisesti analysoitu lähinnä sotilaallisten ja avaruustutkimuksen saavutusten kautta, kuten Sputnikin ja MiG-hävittäjien kaltaisten huipputeknologioiden näkökulmasta. Kuitenkin samaan aikaan harjoitettiin myös tärkeää perustutkimusta tekoälystä, kybernetiikasta ja tietojenkäsittelytieteestä, joka jäi usein länsimaisessa keskustelussa vähälle huomiolle poliittisten erimielisyyksien ja tiedonvaihdon rajoitteiden vuoksi.
Tutkimuksen juuret ulottuvat 1920–1940-luvuille, jolloin kybernetiikka nousi keskeiseksi tutkimusalueeksi. Aluksi Neuvostoliitossa kybernetiikkaa pidettiin länsimaisena ”pseudotieteenä”, mutta 1950-luvulla sen arvo tiedon ja viestinnän ohjauksen teorian alana vakiintui, erityisesti matemaatikko Norbert Wienerin teosten vaikutuksesta. Neuvostojärjestelmässä kybernetiikka yhdistettiin dialektiseen materialismiin, ja siitä muodostui olennainen osa suunnitelmatalouden kehittämistä.
Poikkeuksellisen tärkeässä asemassa oli Viktor Gluškov (1923–1982), joka kehitti teorioita tietokoneavusteisesta taloussuunnittelusta. Hänen ehdottamansa kansallinen automaattinen tietojärjestelmä (OGAS) edusti visionääristä yritystä luoda verkostoitunut tietokoneverkko reaaliaikaista taloudellista datankäsittelyä varten. OGAS oli eräänlainen varhainen esikuva nykyaikaiselle internetille, mutta hanke kaatui byrokraattisiin esteisiin, resurssipulaan ja poliittiseen vastustukseen.
1960-luvulla käynnistynyt ”tieteellis-tekninen vallankumous” antoi uutta pontta tekoälytutkimukselle, ja koneoppimisen algoritmeja kehitettiin innokkaasti. Keskeinen tutkimuslaitos oli Moskovan ohjausjärjestelmien instituutti (IPU RAN, venäjäksi Институт проблем управления РАН), virallisesti V.A. Trapeznikovin ohjaustieteiden instituutti. IPU RAN edisti innovatiivisesti automaatiota, ohjausjärjestelmiä ja tekoälyä, keskittyen muun muassa neuroverkkoihin ja symboliseen tekoälyyn.
Aleksei Ivakhnenkon kehittämä ryhmämenetelmä datan käsittelyyn (GMDH, Group Method of Data Handling) oli varhainen neuroverkkopohjainen ennustusmalli, joka loi perustaa nykyaikaisille syväoppimisalgoritmeille. Ivakhnenko työskenteli Ukrainan tiedeakatemiassa, mutta hänen työnsä vaikutti myös IPU RAN:n tutkimuksiin. Instituutissa kehitettiin myös koneellisia päätöksentekomalleja, joissa pyrittiin mallintamaan ihmisen kognitiivisia prosesseja. Nämä tutkimukset olivat sukua länsimaisille tekoälytutkimuksen suuntauksille, mutta Neuvostoliiton suljettu tiedejärjestelmä rajoitti niiden kansainvälistä näkyvyyttä.
Neuvostoliitossa tehtiin korkeatasoista tutkimustyötä, joka osoitti tieteellisen osaamisen vahvuutta myös haastavissa olosuhteissa. Tutkimusta ohjattiin marxilais-leniniläisen ideologian puitteissa, mutta tämä mahdollisti tekoälyn innovatiivisen soveltamisen yhteiskunnalliseen suunnitteluun, erityisesti suunnitelmatalouden kehittämisessä. Vaikka resurssit olivat rajalliset ja painottuivat raskaaseen teollisuuteen sekä sotilasteknologiaan, neuvostotutkijat loivat kekseliäitä ratkaisuja tietotekniikan kehitykseen. Kansainvälinen yhteistyö oli niukkaa, mutta silti tutkijat onnistuivat luomaan perustan merkittäville innovaatioille, jotka ovat inspiroineet myöhempää kehitystä.
1970-luvulla syntyi kuitenkin jonkin verran kansainvälistä yhteistyötä Itävallassa toimivan IIASA:n (International Institute for Applied Systems Analysis) kautta. IIASA tarjosi harvinaisen foorumin, jossa neuvostoliittolaiset ja länsimaiset tutkijat keskustelivat systeemianalyysistä ja tekoälystä kylmän sodan aikana.
Neuvostoliiton romahdus vuonna 1991 katkaisi monien hankkeiden jatkumon, mutta osa tutkimusperinteestä säilyi Venäjällä ja muissa entisissä neuvostotasavalloissa. Gluškovin OGAS-järjestelmän kaltaiset verkottumisvisiot ovat herättäneet uutta kiinnostusta digitaalisen suunnittelun historiassa.
Neuvostoaikaisen tekoälytutkimuksen tarkastelu valaisee, miten Neuvostoliitto tuotti huomattavia teknologisia innovaatioita haastavissa olosuhteissa, yhdistämällä tieteellisen osaamisen suunnitelmatalouden tarpeisiin. Nyky-Venäjä jatkaa tätä perinnettä vahvalla panostuksella neuroverkkoihin, koneoppimiseen ja niiden sovelluksiin, vahvistaen asemaansa tekoälytutkimuksen globaalissa kentässä ja rakentaen samalla perustaa tulevaisuuden teknologisille edistysaskelille.
Lähteet:
Graham, Loren R. (1993). Science in Russia and the Soviet Union: A Short History. Cambridge University Press.
Gerovitch, Slava (2002). From Newspeak to Cyberspeak: A History of Soviet Cybernetics. MIT Press.
Peters, Benjamin (2016). How Not to Network a Nation: The Uneasy History of the Soviet Internet. MIT Press.
Ivakhnenko, A. G. (1968). ”The Group Method of Data Handling – A Rival of the Method of Stochastic Approximation.” Soviet Automatic Control, 13(3), 43–55.
IPU RAN (V.A. Trapeznikovin ohjaustieteiden instituutti). Virallinen verkkosivusto: http://www.ipu.ru/. Haettu 24.7.2025.
IIASA (International Institute for Applied Systems Analysis). Arkistot ja julkaisut: https://www.iiasa.ac.at/. Haettu 24.7.2025.
Wiener, Norbert (1948). Cybernetics: Or Control and Communication in the Animal and the Machine. MIT Press.
Venäjän tekoälystrategia (2019). Национальная стратегия развития искусственного интеллекта до 2030 года. Venäjän federaation virallinen asiakirja: http://publication.pravo.gov.ru/Document/View/0001201910110003. Haettu 24.7.2025.
