tekoäly
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
tekoäly
Kuvittele, että sinulle annetaan ohjelmointikirja kielellä, jota et ole koskaan nähnyt. Selailisit dokumentaatiota, kokeilisit esimerkkejä ja muuttaisit koodia, kunnes se toimii. Ihminen oppii näin varsin nopeasti uuden kielen alkeet. Mutta osaavatko myös tekoälymallit oppia uutta näin, vai toistavatko ne lähinnä asioita, joita ovat aiemmin nähneet? Viime vuosina suuret kielimallit ovat
tekoäly
Kuvitellaan ilta, jolloin koodi kaatuu yhdessä testissä mutta ei toisessa. Kehittäjä tekee sen, mitä kehittäjät aina tekevät: asettaa katkaisukohdan, astuu funktion sisään riveittäin, vilkuilee muuttujan arvoja ja yrittää hahmottaa, missä logiikka kääntyy itseään vastaan. Tätä rutiinia koneet eivät ole vielä osanneet – kielimallit ovat olleet nopeita kirjoittamaan koodia ja arvaamaan sen
tekoäly
Kun opetamme lasta leipomaan, emme mittaa jokaista liikettä. Katsomme, syntyykö lopulta syötävä pulla ja tapahtuuko välissä järkeviä välivaiheita: taikinan teko, kohotus, paisto. Koneille olemme tähän asti kirjoittaneet säännöt yksityiskohtaisesti. Jos tavoitteena on uuniin sopiva pulla, jonkun on pitänyt kertoa koneelle, mistä se saa pisteitä – ja mistä ei. Tekoälyn perinteinen oppimistapa
tekoäly
Kuvittele tentti, jossa saa opetella uutta vielä vastauspaperin täyttämisen aikana. Useimmille se kuulostaa mahdottomalta – mutta tietokoneelle se voi olla luonnollinen tapa yltää parhaaseen tulokseen. Tekoälystä on totuttu ajattelemaan, että se harjoittelee etukäteen ja jäädytetään sitten kokeeseen: malli vastaa, mutta ei muutu. Uusi ajatus kääntää asetelman: miksei kone saisi jatkaa oppimista