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
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
Puhelimesi tekstinsyöttö ehdottaa sanaa juuri, kun olet kirjoittanut seuraavan kirjaimen. Joskus osuma on hämmästyttävä, joskus laite tuntuu jäävän jumiin siihen, mitä juuri kirjoitit. Sama ilmiö, vain valtavasti monimutkaisempana, elää suurissa kielimalleissa, jotka laativat sähköposteja, koodaavat ja vastaavat kysymyksiin. Moni ajattelee, että tällaiset mallit yksinkertaisesti katsovat aiempia sanoja ja päättävät, mikä
tekoäly
Moni on kokeillut: kirjoitat tekoälylle tarkan pyynnön – sininen polkupyörä sateisella kadulla iltahämärässä, akvarellityyli – ja saat vastaukseksi kuvan, jossa jokin on pielessä. Väri on väärä, tunnelma hukassa tai yksityiskohdat puuttuvat. Kun toive muuttuu monimutkaisemmaksi, myös tulosten laatu vaihtelee enemmän. Pitkään on ajateltu, että kun kuvageneraattoria opetetaan miellyttämään ihmisiä, kaikki esimerkit voidaan
tekoäly
Keittiössä pieni muutos reseptiin – ripaus suolaa vähemmän tai tilkka sitruunaa enemmän – voi muuttaa ruoan luonteen. Tekoälyä opetettaessa resepti on data: kuvat, tekstit ja äänitteet, joista malli oppii. Uusi esijulkaistu tutkimus väittää, että aivan pienet, lähes huomaamattomat muokkaukset tähän aineistoon voivat riittää kääntämään mallin käytöstä haluttuun suuntaan. Moni on tottunut ajatukseen,
tekoäly
Kuvittele verkkokauppa, jossa avustaja etsii sinulle talvitakin. Sen pitäisi selata malleja, tarkistaa koot varastosta, vertailla palautusehtoja ja lopuksi maksaa. Helppoa ihmiselle, vaikeaa koneelle: jokainen vaihe vaatii erilaista työkalua ja järkevää etenemistä, vaikka sivut ja säännöt vaihtuvat jatkuvasti. Tämän on ajateltu ratkeavan kahdella tavalla. Joko tekoälyä koulitaan oikeissa sovelluksissa – kerätään klikkihistoriaa
robotiikka
Uusi menetelmä vähentää turhaa hapuilua ja rauhoittaa oppimisen heilahteluja, jolloin robotit voivat oppia tehtäviä kamerakuvista ja harvoista onnistumisista ilman valtavia datavarastoja. Kuvittele kotirobotti, joka opetetaan avaamaan keittiönlaatikko. Jos se joutuu yrittämään satoja kertoja ennen kuin oppii oikean otteen ja liikesarjan, jokainen yritys on aikaa, rahaa ja mahdollisesti särkyneitä kahvikuppeja. Moni
tekoäly
Valmiiksi opetetun videomallin hienosäätö näyttää riittävän ohjaamaan robotteja ja suunnittelemaan eteenpäin – vähemmällä rakentelulla kuin ennen ajateltiin. Keittiössä seisova robottikäsivarsi on yllättävän hyvä vastustaja. Kun se tarttuu tiskirättiin ja kiertää hanan, liikesarja näyttää sujuvan kuin etukäteen harjoiteltu tanssi. Silti joku – tai jokin – ohjaa jokaista pientä liikettä ja ennakoi, mitä tapahtuu seuraavaksi.