koneoppiminen - AI Feta, the news about scientific AI research (Page 2)

tekoäly

Isot tekoälymallit kätkevät jo valmiiksi tehtäväkohtaisia erikoistaitajia

Pienet satunnaiset säädöt voivat paljastaa valmiit asiantuntijat suuren mallin sisältä – ja joskus korvata raskaan jälkikoulutuksen. Vanhaa radiota virittäessä joskus riittää millin käännös nupista, ja rätinä vaihtuu kirkkaaksi puheeksi. Tekoälyn kanssa saatamme olla samankaltaisen ilmiön äärellä: suuret, valmiiksi opetetut mallit saattavat kätkeä sisäänsä joukon erikoistaitajia, jotka löytyvät pienellä horjutuksella. Vallitseva ajatus

tekoäly

Tekoälyn harjoitussalit syntyvät nyt automaattisesti – ja entistä nopeammin

Tekoäly oppii yrityksen ja erehdyksen kautta, vähän kuin lapsi pyöräilee kaatuen ja uudelleen yrittäen. Siksi sillä on oltava harjoituspaikka, simuloitu maailma, jossa se saa kokeilla miljoonia kertoja. Monessa laboratoriossa suurin jarru ei olekaan itse äly, vaan se, kuinka nopeasti tuo maailma rullaa. Jos juoksumatto nykii, juoksija ei kehity. Vakiintunut ajatus

kvanttilaskenta

Kvanttimalli teroittaa ennustetta pörssin heilunnasta

Uusi yhdistelmämenetelmä, jossa neuroverkko oppii menneestä ja kvanttimalli tarjoaa muovautuvan alkuoletuksen, päihitti perusratkaisun kahden kiinalaisindeksin korkeataajuusaineistossa. Jos tulos kestää jatkokokeet, se voi parantaa riskienhallintaa ja hinnoittelua. Aamun ensimmäiset minuutit pörssissä ovat hermostuneita. Hinta kipuaa ja nytkähtää alas, uutiset vilisevät. Moni sijoittaja haluaisi tietää yhden asian: ei niinkään mihin suuntaan kurssi

tiede

Radioaallot eivät lopu – ne loppuvat väärässä paikassa ja väärään aikaan

Kukaan ei valita mobiiliverkosta hiljaisena sunnuntaiaamuna. Ongelmat ilmaantuvat, kun kaikki päättävät tehdä saman asian samaan aikaan samassa paikassa: lähettää videon konsertista, striimata ottelun puoliajalla tai avata kartan rautatieaseman edessä. Puhelin näyttää täydet palkit, mutta yhteys takeltelee. Yhteys ei hyytynyt siksi, että taajuudet olisivat kadonneet ilmaan, vaan siksi, että kysyntä kasautui

tekoäly

Älylaitteet voivat oppia varoittamaan oudoista tapahtumista jakamatta arkaluonteista dataa

Kun mallit oppivat yhteisten mittareiden varassa, valvonta tehostuu ilman, että kotien tai tehtaiden raakadataa tarvitsee keskittää. Wifi-reitittimesi vilkkuu öisin eri tahtiin kuin päivällä. Useimmiten se on harmitonta taustaliikennettä. Mutta entä jos keittiön kahvinkeitin alkaa yllättäen lähettää tietoa keskellä yötä? Moni toivoisi älylaitteidensa osaavan huomata oudot kuviot ilman, että kodin

tekoäly

Tekoäly alkaa oppia ilman opettajaa – ja näkee biolääketieteessä sellaista, mitä emme tienneet etsiä

Sairaalassa on huoneita, joissa kovalevyt ovat täynnä kuvia ja koetuloksia. Magneettikuvia sydämistä, kudosleikkeitä mikroskoopista, riveittäin DNA:n kirjaimia. Yksi asia puuttuu: siistit selitteet, jotka kertoisivat jokaisesta rivistä, mitä se tarkoittaa. Ilman niitä tietokone ei perinteisesti opi. Vuosia vallitsi ajatus, että tekoäly tarvitsee valmiit vastaukset oppiakseen. Radiologi merkitsee kuviin kasvaimen rajat,

tekoäly

Kone voi oppia oppimaan – ja silloin se sopeutuu uuteen kuin ihminen

Kuvittele avaavasi uuden lautapelin. Luet ohjeet, kokeilet pari kierrosta ja alat jo hahmottaa, miten voitat. Kukaan ei opettanut sinua erikseen juuri tähän peliin, mutta vuosien pelikokemus antoi aavistuksen siitä, mitä kannattaa kokeilla ensin. Ihmiselle tämä on arkea. Tietokoneelle se on vasta tavoitteeksi muotoutuva taito. Pitkään tekoälylle opetettiin jokainen tehtävä kuin

tekoäly

Pelkkä matkiminen ei riitä tekoälylle

Koneille opetetaan yhä toistoa, vaikka arki vaatii soveltamista – uusi tutkimus hahmottaa, miten tekoäly voisi oppia kokoamaan taitojaan kuin palikoita ja toimia muuttuvissa tilanteissa ilman jatkuvaa uudelleenkoulutusta. Kuvitellaan keittiörobotti, joka on opetettu kattamaan aamiaispöydän. Se osaa nostaa lautaset kaapista, laskea ne pöydälle ja kaataa mehun laseihin – kunhan kaikki on juuri niin

tekoäly

Yksinkertainen tasapainotus auttaa tekoälyä oppimaan monenlaisilta käyttäjiltä

Uusi menetelmä hillitsee laitteiden välistä vinoumaa ilman lisäviestintää ja näyttää parantavan hajautetun oppimisen tarkkuutta vaikeissa oloissa. Puhelimesi näppäimistö arvaa seuraavan sanan yllättävän hyvin, vaikka et ole koskaan lähettänyt koko viestihistoriaasi minnekään. Taustalla on tapa kouluttaa malleja niin, että varsinainen data pysyy laitteessa ja pilvi kokoaa yhteen vain oppimisen tuloksia. Arki

tekoäly

Algoritmi arvaa iän ja tulot, vaikka ne on poistettu aineistosta

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

Tekoäly oppii parantelemaan taulukon sarakkeita – ja ennusteet tarkentuvat

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

tekoäly

Kielimalli takertuu hetken sanaan, vaikka sen pitäisi arvata seuraava

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