tekoäly
Puhelimen muotokuva-asento korostaa kasvoja pehmentämällä taustan. Temppu onnistuu, koska laite ei katso maisemaa vain yhtenä kuvana: se laskee myös syvyyttä ja hahmottelee, missä kulkee kohteen ja taustan raja. Meille ihmisille nämä kaikki ovat sama näkymä. Tietokoneelle ne ovat usein eri kieliä, jotka eivät käänny luontevasti toisikseen. Vallitseva ajatus on ollut,
tekoäly
Kysyt tekoälyltä, kuka kirjoitti Anna Kareninan. Vastaus tulee empimättä: Leo Tolstoi. Kysyt seuraavaksi harvinaisemman faktan, ja vastaus onkin epävarma tai väärä. Jos vielä annat koneelle pitkän taustatekstin, se ei välttämättä auta – joskus runsas mutta asiaan kuulumaton tieto jopa sotkee. Moni on huomannut tämän arjessa, mutta syy on ollut hämärän peitossa,
tekoäly
Uusien kuvageneraattorien tuottama aineisto tekee vaikutuksen ihmisille, mutta opettaa muita tekoälyjä entistä huonommin – ja sillä on väliä, jos haluamme korvata kalliit oikeat aineistot synteettisillä. Kuvittele, että haluat opettaa tietokoneen tunnistamaan koiria ja kissoja. Sen sijaan että keräisit tuhansia oikeita kuvia luvilla ja vaivalla, kirjoitat: “ruskea koira nurmikolla”. Hetkessä saat satoja
tekoäly
Päätöksiä halutaan opettaa ilman kalliita ja vaarallisia kokeiluja. Uudet menetelmät lupaavat oppia vähemmällä riskillä ja matemaattisin takein, kunhan syy ja seuraus erotetaan datan sattumasta. Moni järjestelmä oppii yrityksen ja erehdyksen kautta. Robotti hakee oikeaa otetta kymmeniä tuhansia kertoja, verkossa mainospaikkoja jaellaan kokeillen, ja pelissä tekoäly tekee rohkeita siirtoja, koska häviö
tekoäly
Uusi hybridimenetelmä erottaa pitkäaikaiset mieltymykset hetkellisistä oikuista – ja raportoi yli 8 prosentin parannuksen osumatarkkuuteen käyttäjillä, joilla on valtavan pitkät historiat. Olet selaamassa verkkokauppaa. Vuosien aikana olet ostanut retkivarusteita ja kokkauskirjoja, mutta viime päivinä klikkaillut vauvanvaunuja ja turvakaukaloita. Mitä pitäisi ehdottaa seuraavaksi? Pitääkö koneen muistaa kaikki vanha vai kuunnella hetken signaalia?
tekoäly
Olet ehkä nähnyt verkkopalvelun lupauksen: emme käytä ikää tai tuloja päätöksenteossa. Ajatus rauhoittaa – jos arkaluontoisia tietoja ei syötetä järjestelmään, ne eivät voi vaikuttaa lopputulokseen. Mutta mitä jos järjestelmä päättelee ne itse joka tapauksessa? Moni on uskonut, että kun herkät tiedot, kuten ikä tai tulot, jätetään koulutusaineistosta pois, järjestelmä on niiden
itseajavat-autot
Useimmat vaaratilanteet eivät ala jarrujen ulvonnasta. Ne syntyvät hiljalleen: ajolinja hivuttautuu kaistaviivan yli, risteyksessä ohjaus epäröi, kiihdytys on nykivää. Ihmiskuljettaja korjaa pienen horjahduksen huomaamattaan. Itseajavan auton on osattava huomata sama ajoissa – ja erotettava arkinen poikkeama todellisesta vaarasta. Itseajamisen turvallisuuden koetinkiveksi on muodostunut pitkän hännän ongelma: harvinaiset mutta vakavat tilanteet, joita
tekoäly
Kunnan viranhaltija seisoo kaivon kannella ja miettii, mihin mennä seuraavaksi. Laboratoriomittaus maksaa, polttoaine maksaa, aika on kortilla. Kaikkia kaivoja ei voi testata, mutta jostain on aloitettava: kenties lähellä lentokenttää, jossa sammutusvaahdot ovat saattaneet vuotaa maahan, vai pellon reunalta, jossa valumat kulkevat ojiin? Tämä arjen päätös kiteyttää ongelman, joka toistuu ympäristön
tekoäly
Opettaja lukee esseetä ja pohtii, onko teksti peräisin opiskelijan kynästä vai tekoälystä. Aiemmin vastaus vaati pitkän pätkän tekstiä ja kärsivällisyyttä: mitä enemmän sanoja, sitä varmempi johtopäätös. Mutta mitä jos tarkistuksen voisi tehdä kesken kaiken – ja silti pitää kiinni yhtä tiukoista virherajoista? Vuoden-parin aikana yksi lupaavimmista ideoista tähän ongelmaan on ollut
tekoäly
Kuinka monta sämpylää kannattaa leipoa aamuksi, paljonko sähköä kuluu huomenna tai mihin aikaan bussi todennäköisimmin myöhästyy? Arki on täynnä aikasarjoja – peräkkäisiä mittauksia, joista yritämme päätellä tulevaa. Viime vuosina on ollut helppo uskoa, että mitä suurempi tekoäly, sitä parempi arvaaja. Uusi tutkimus väittää toisin. Ajatus on ollut selvä: kun kieli ja
tekoäly
Moni data-analyysi alkaa arkisesti taulukosta. Sarakkeissa ovat ikä, tulot, päivämäärä, osoite; riveillä asiakkaat, asunnot tai mittaukset. Silti ennusteet harvoin syntyvät näistä sarakkeista sellaisinaan. Ihminen keksii väliin uuden sarakkeen – iän syntymäajasta, viikonpäivän päiväyksestä, tulojen ja menojen suhteen – ja ennuste paranee. Tätä käsityötä kutsutaan ominaisuuksien suunnitteluksi, ja se on ollut vuosia koneoppimisen
tekoäly
Kokeile huviksesi: kirjoita nimesi juttelevalle tekoälylle ja kysy, mitä se olettaa sinusta. Moni saa vastaukseksi asioita, joita ei koskaan ole kertonut koneelle: sukupuolen, äidinkielen, ehkä hiustenvärin. Osa osuu oikeaan, osa menee pieleen – mutta tunne on sama kuin kuuntelisi tuttua, joka luulee tietävänsä sinusta enemmän kuin haluaisit. Pitkään olemme tottuneet ajatukseen,