tekoäly
Kuvaa ja tekstiä yhdistelevät mallit erehtyvät usein, koska ne uskovat liikaa kysymyksen viitteisiin – ei siksi, että “näkö” olisi rikki. Kuvittele arkipäiväinen tilanne: avaat puhelimen kameran, näytät tekoälylle valokuvan olohuoneesta ja kysyt ripeästi: “Miksi koira nukkuu sohvalla peiton alla?” Hetken päästä saat sujuvan selityksen – vaikka kuvassa ei ole koiraa, ehkä vain
tekoäly
Uusi vertailutesti osoittaa, että ohjeilla tehty "unohtaminen" ei juuri heikennä mallien kykyä tunnistaa esineitä ja paikkoja – ellei niille paljasteta suoraan, mitä pitäisi unohtaa. Kuvittele, että yritys ottaa käyttöön tekoälyn, joka lukee sekä tekstiä että kuvia: se tunnistaa tuotteita, kuvailee maisemia ja vastaa kysymyksiin valokuvista. Sitten juristi ilmoittaa, että
tekoäly
Puhelin kysyy, haluatko siistiä maisemakuvasta pois roskiksen. Sutaiset sormella pienen alueen ja kirjoitat: “nurmi tilalle”. Sekunnissa kuoppa on peittynyt, valon suunta täsmää ja varjotkin näyttävät oikeilta. Kuvasta ei päälle päin näe, että nurmi on keksitty jälkikäteen. Vielä hetki sitten moni luotti siihen, että huijaus paljastuu, jos ei ihmiselle, niin tarkistusohjelmille:
tekoäly
Kokeile näyttää puhelimellesi keittiöstäsi kuva ja pyydä sitä nimeämään esineitä. Usein tulos on hyvä – kunnes valot ovat oudot, esine on leluksi muotoiltu versio tai kuva on mustavalkoinen luonnos. Silloin varmaakin varmempi tekoäly alkaa haparoida. Sama ilmiö näkyy verkkokaupoissa, joissa tuotteet tunnistetaan automaattisesti: studiokuvissa malli on pätevä, käyttäjän hämärässä otoksessa ei
tekoäly
Puhelimesi osaa tunnistaa koiran kuvasta, navigaattori lukee nopeusrajoitusmerkin ja verkkokauppa löytää samanlaisia tuotteita pelkän valokuvan perusteella. Kaikki sujuu – kunnes jokin menee toisin kuin tavallisesti: merkki on naarmuuntunut, valaistus on outo tai tuttu esine esiintyy oudoissa puitteissa. Silloin koneen itsevarma vastaus voi muuttua arvaamiseksi. Moni tekoälyjärjestelmä on opetettu valtavilla kuva- ja
tekoäly
Kuvittele lähettäväsi tekoälyavustajalle valokuvan ja pyytäväsi siltä lyhyen selityksen: mitä kuvassa tapahtuu? Ihmisen silmälle kuva näyttää tavalliselta. Silti muutama lähes huomaamaton pikselin hipaisu voi kääntää avustajan vastauksen aivan toiseen suuntaan – joskus jopa täsmälleen siihen, mihin muokkaaja tähtää. Vielä hetki sitten ajateltiin, että huippuluokan kuvaa ja tekstiä yhdistävät tekoälymallit ovat tällaisia
tekoäly
Uusi tutkimus hahmottaa, mitä ”yleiskäyttöisyys” tekoälyssä oikeastaan tarkoittaa – ja esittelee mallin, joka ratkoo tehtäviä yli aineistojen ja luokittelujen rajojen. Kuvittele, että opit lajittelun säännöt katsomalla vain muutaman esimerkin – vaikkapa miten erotellaan lintulajit valokuvista. Pian sinulta pyydetäänkin aivan muuta: lajittele tekstinpätkät aiheluokkiin. Jos osasit ensimmäisen, mikset pystyisi myös toiseen, vaikka kuvat
tekoäly
Arki on täynnä lyhyitä pyyntöjä koneille: “korosta koira”, “poista tausta”, “etsi liikennemerkki”. Silti niiden tulkitsemiseen valjastetaan usein valtavia kielimalleja. Uusi tutkimus väittää, että juuri tässä kohdassa paisuttelu on turhaa. Kun ihminen ohjaa kuvatyökalua tekstillä, viesti on tavallisesti lyhyt ja ytimekäs. Ei romaania, vaan pari sanaa: kohde ja ehkä tarkenne. Silti
tekoäly
Kun kokoat palapeliä, et etene yhdellä kertaa. Ensin etsit reunat, sitten kokeilet paloja, peruutat, otat uuden lähestymistavan. Välillä haet lisävaloa tai käännät kuvan toisin päin. Selviydyt, koska osaat valita, mitä apua nyt tarvitaan ja missä järjestyksessä. Samaa taitoa kaivataan tekoälyltä, etenkin silloin kun sen pitää ymmärtää kuvia ja yhdistää näkemäänsä