Tekoäly AI

Tekoäly (Artificial Intelligence, AI) valtaa toimintoja useilta eri aloilta, mutta mihin kaikkeen se pystyy? Tästä artikkelista saat selkeän käsityksen siitä, mikä tämä teknologa-ilmiö on.

Mitä tekoäly (AI) tarkoittaa?

Tekoäly, eli yleisemmin tunnettu AI (eng. Artificial Intelligence), jota voidaan kutsua myös nimellä koneäly, on tietojenkäsittelytieteen ala. Se keskittyy rakentamaan ja hallitsemaan teknologiaa, joka kykenee oppimaan itsenäisesti ja tekemään oppimansa perusteella päätöksiä, sekä suorittamaan toimia ihmisen puolesta.

AI ei ole yksittäinen tekniikka. Sen sijaan se on kattotermi, jonka alle mahtuu kaiken tyyppisiä ohjelmistoja tai laitteistoja, jotka tukevat koneoppimista, asiantuntijajärjestelmiä, generatiivista tekoälyä ja myös tietyntyyppistä robotiikkaa.

Nykypäivän tekoälyt toimivat pääasiassa perinteisillä CMOS-pohjaisilla laitteistoilla ja sisältävät sekoituksen perinteisiä algoritmeja ja dataohjattuja koneoppimismalleja.

Kun tätä teknologiaa on pikkuhiljaa otettu yhä laajemmin arkikäyttöön, kiinnostus neuromorfiseen laskentateknologiaan on myös lisääntynyt. Tämä on tutkimusalue, jolla pyritään jäljittelemään ihmisaivojen arkkitehtuuria suunnittelemalla erikoislaitteistoja ja erilaisia algoritmeja, jotka on optimoitu alhaiseen virrankulutukseen ja reaaliaikaisuuteen.

Tekoäly ja sen käyttötapaukset liiketoiminnassa

Tekoälyä sovelletaan tällä hetkellä useisiin toimintoihin sekä laboratorioissa että kaupallisissa ja kuluttajaympäristöissä. Tekoäly tarjoaa erityyppiselle liiketoiminnalle runsaasti tehokkuutta esimerkiksi näiden teknologioiden kautta:

  • Keinotekoiset hermoverkot ovat laskennallisia malleja, jotka ovat saaneet inspiraationsa ihmisen aivojen rakenteesta ja toiminnasta. Ne koostuvat toisiinsa yhdistetyistä solmuista (neuroneista), jotka käsittelevät ja välittävät tietoa, jolloin niistä muodostuva verkko voi oppia erilaisia malleja ja suhteita tiedosta koulutuksen kautta.
  • Syväoppiminen on iteratiivinen lähestymistapa tekoälyyn, joka järjestelee koko ajan monimutkaistuvia ja abstrakteja algoritmeja hierarkisesti. Syväoppiminen on tällä hetkellä kehittynein käytössä oleva tekoäly muoto.
  • Puheentunnistuksen avulla älykäs järjestelmä voi muuntaa ihmisen puheen tekstiksi tai koodiksi.
  • Natural Language Generation mahdollistaa keskustelullisen vuorovaikutuksen ihmisen ja tietokoneen välillä.
  • Computer Visionin avulla tekoäly voi skannata kuvan ja käyttää vertailevaa analyysiä kuvan kohteiden tunnistamiseen.

Erilaiset asiantuntijajärjestelmät toimivat yhtenä 1970- ja 1980-luvuilla kehitetyistä varhaisista tekoälyteknologian pioneereina. Näiden järjestelmien tarkoituksena oli vangita tiettyjen alojen inhimillisten asiantuntijoiden tieto ja päätöksentekoprosessit, ja käyttää tätä tietoa suositusten antamiseen tai päätösten tekemiseen. Vaikka asiantuntijajärjestelmistä ei ehkä puhuta niin laajasti itsenäisenä älykkäänä järjestelmänä, kuin uudemmista tekoälyteknologioista, kuten syväoppimisesta ja neuroverkoista, niillä on silti saatu aikaan hyödyllisiä sovelluksia esimerkiksi terveydenhuollossa, rahoituksessa ja teknologian saralla.

Techopedia selittää tekoälyn (AI)

Vaikka tekoäly tuo usein ensimmäisenä mieleen kuvia tieteiskirjallisuudesta ja futuristista elokuvista, nykyinen tekoälytodellisuus on fiktioon verrattuna hyvin erilainen. Todellisessa maailmassa tekoälyjärjestelmät ovat erikoistyökaluja, jotka on suunniteltu suorittamaan tiettyjä tehtäviä, kuten kuvantunnistusta, kielen kääntämistä tai data-analyyseja.

Näiltä järjestelmiltä puuttuu tietoisuus, tunteet ja itsetietoisuus. Kaiken tämän inhimillisyyden sijasta ne toimivat datasta opittujen algoritmien ja mallien perusteella. Lisäksi niiden kykyjä rajoittaa se, kuinka pitkälle ne on ohjelmoitu ja kuinka paljon dataa niille on tarjottu koulutusta ajatellen.

Mitä tekoälytyyppejä on ja miten ne eroavat toisistaan?

Tekoäly on ilmiö, josta usein puhutaan joko heikkona tai vahvana. Esimerkkinä tästä voidaan antaa esimerkiksi useimmat tekoälyllä luodut yrityssovellukset, jotka ovat heikon tekoälyn koneoppimissovelluksia. Tämä tarkoittaa käytännössä seuraavaa:

  • Kapea (heikko) AI pystyy suorittamaan vain rajoitetun joukon ennalta määrättyjä toimintoja.
  • Sen sijaan yleisen (vahvan) tekoälyn sanotaan vastaavan ihmismielen kykyä toimia itsenäisesti useiden ärsykkeiden mukaisesti;
  • Super AI:n odotetaan jonain päivänä ylittävän ihmisen älykkyyden (ja mahdollisesti valtaavan maailman).

Tekoälyhankkeista puhutaan myös sen perusteella, mihin näistä neljästä kategoriasta mikäkin niistä kuuluu:

  1. Reaktiivinen tekoäly perustuu reaaliaikaiseen dataan, jonka myötä se tekee päätöksiä.
  2. Rajoitetun muistin AI luottaa ennalta tallennettuihin tietoihin tehdäkseen päätöksiä.
  3. Mielen teoria AI voi ottaa päätöksiä tehdessään huomioon subjektiivisia elementtejä, kuten käyttäjän aikomuksia.
  4. Itsetietoisella tekoälyllä on ihmisen kaltainen tietoisuus, joten se pystyy itsenäisesti asettamaan tavoitteita ja käyttämään dataa voidakseen päättää parhaan tavan saavuttaa haluttu tavoite.

Hyvä tapa visualisoida nämä erot on kuvitella tekoäly ammattimaisena pokerinpelaajana. Reaktiivinen pelaaja perustaa kaikki päätökset nykyiseen peliin, kun taas rajoitetun muistin pelaaja harkitsee omia ja muiden pelaajien menneitä päätöksiä.

Theory of Mind -pelaaja vaikuttaa muiden pelaajien käyttäytymisestä saataviin vihjeisiin, ja lopuksi, itsetietoinen tekoälyn ammattipelaaja pysähtyy pohtimaan, onko pokerin pelaaminen elantonsa vuoksi todella parasta hänen aikansa ja vaivannäkönsä käyttöä.

Tekoäly ja koneoppiminen – Miten ne eroavat?

Machine Learning (ML) on tekoälyn osajoukko, joka keskittyy sellaisten mallien rakentamiseen, joiden avulla tietokoneet voivat itsenäisesti oppia niihin syötettyä tietoa. Sen sijaan, että ML-mallit olisi nimenomaisesti ohjelmoitu suorittamaan jokin tehtävä, ne käyttävät tietoja ennusteiden tai päätösten tekemiseen.

Pohjimmiltaan kaikki tekoäly on tekoälyä, mutta kaikki tekoäly ei käytä ML-tekniikoita. Esimerkiksi sääntöpohjaiset asiantuntijajärjestelmät ja symbolinen tekoäly kuuluvat tekoälyn sateenvarjon alle, mutta niihin ei välttämättä sisälly tiedoista oppimista samalla tavalla kuin ML.

Tekoälyn kehitysvaiheet

Tekoälyn voidaan antaa korvata jokin kokonainen järjestelmä ja tehdä kaikki päätökset päästä päähän, tai sitä voidaan käyttää jonkin tietyn prosessin tehostamiseen. Esimerkiksi tavallinen varastonhallintajärjestelmä voi näyttää eri tuotteiden tämänhetkiset tasot, kun taas älykäs järjestelmä voi tunnistaa puutteet, analysoida niiden syyt ja näin ollen jopa ryhtyä toimenpiteisiin koko toimitusketjun korjaamiseksi.

Nopeamman ja energiatehokkaamman tiedonkäsittelyn kysyntä kasvaa koko ajan kiihtyvää tahtia, kun tekoäly yleistyy yritysten toimintojen tukena ja niiden sovelluksissa. Perinteinen digitaalinen käsittelylaitteisto ei pysty vastaamaan tähän kysyntään. Siksi tutkijat ottavat inspiraatiota ihmisaivoista ja harkitsevat vaihtoehtoisia arkkitehtuureja, joissa keinotekoisten hermosolujen ja synapsien verkostot käsittelevät tietoa nopeilla ja mukautuvilla oppimiskyvyillä energiatehokkaalla ja skaalautuvalla tavalla.

Margaret Rouse

Margaret Rouse on palkittu teknologiatoimittaja ja opettaja, joka tunnetaan hänen kyvyistään selittää vaikeitakin teknologisia konsepteja aiheesta vähemmän tietävälle finanssialan yleisölle. Viimeisen 20 vuoden ajan hänen selityksensä ovat ilmestyneet TechTargetin nettisivuille, minkä lisäksi häntä ovat siteeranneet asiantuntijana New York Times, Time Magazine, USA Today, ZDNet, PC Magazine ja Discovery Magazine. Margaretin mielestä mikään ei ole hauskempaa kuin opettaa IT-alan ja finanssialan ammattilaisille, kuinka toisen alan hyvin spesifillä kielellä puhutaan. Jos sinulla on ideoita selitettävistä termeistä tai parannuksista aikaisempiin selityksiin, lähetä sähköpostia Margaretille tai ota yhteyttä häneen LinkedInissä tai Twitterissä.