tekoäly
Uusi tutkimus ehdottaa, että ihmisen ja tekoälyn yhteistyö paranee, kun avuksi otetaan kaksi erikoistunutta mallia ja niitä vaihdetaan tilanteen mukaan: toinen rakentaa luottamusta, toinen nostaa suorituskykyä. Kuvittele navigaattori, joka tietää kaupunginosasi kuin omat taskunsa. Kun ajat tuttua reittiä, laite antaa mennä—se on kanssasi samaa mieltä. Mutta risteyksessä, jonka olet
tekoäly
Kun muki kaatuu pöydällä, jokainen arvaa mitä seuraavaksi tapahtuu: pöytä kastuu. Jos pallo vierii laatikon taakse, se ei katoa, vaan ilmestyy toiseltä puolelta. Tällainen jatkuvuuden ja syy–seurausten hahmottaminen on ihmiselle itsestäänselvää. Koneelle se ei ole. Viime vuosien näyttävimmät tekoälytemput ovat olleet silmänruokaa: mallit piirtävät kuvia ja tuottavat videoita, joita
tekoäly
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
Uusi pelipohjainen mittari vihjaa, että tekstintuottavien tekoälyjen päättely lähestyy luonnollisia tilanteita – ja kehittyy nopeasti. Kuvittele ilta ystävien kanssa. Pöydälle on levitetty salapoliisipeli, jossa vihjeitä tipahtelee vähitellen: vaivihkainen todistajanlausunto, nurkasta löytynyt käsine, ristiriitainen alibi. Et vastaa monivalintaan etkä täytä ruutua kaavalla, vaan muotoilet oman näkemyksesi siitä, mitä tapahtui – ja muutat sitä,
tekoäly
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
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
Moni lääkäri tuntee tilanteen: ruudulla on kymmeniä sivuja merkintöjä yhdestä potilaasta. Kiireessä tiivistelmä on korvaamaton – kunhan se ei keksi omiaan. Yksi virke väärää lääkitystä tai oletettu allergia, jota ei koskaan kirjattu, voi muuttaa hoitoa. Silti juuri tähän automaattiset tekstitiivistelmät ovat toisinaan sortuneet: ne täyttävät aukkoja itsevarmasti mutta perusteetta. Ongelma ei
tekoäly
Uusi analyysi viittaa siihen, että useat romaaniset kielet ohittavat englannin tekoälyn luetunymmärtämisessä – tärkeä tieto, kun yhä useampi kysyy koneelta neuvoa omalla kielellään. Kuka ei olisi joskus vaihtanut chattibotin kanssa englanniksi, koska se kuulostaa “varmalta valinnalta”? On syntynyt hiljainen käytäntö: jos haluat parhaan vastauksen, kysy englanniksi. Mutta entä jos tämä peukalosääntö
tekoäly
Tämä on tärkeää, koska se haastaa vanhan oletuksen: koneet osaavat sanoja, mutta eivät sävyjä. Nyt väite horjuu. Ihminen muuttaa ääntään huomaamattaan. Lapselle puhutaan pehmeämmin, asiakaspalveluun kirkkaammin, ystävälle rennommin. Samat sanat, eri sävy – ja kuulija ymmärtää viestin eri tavalla. Tietokoneille tämä on ollut yllättävän vaikea taito: sanat on opittu tunnistamaan, mutta
tekoäly
Ajatuksensa auki kirjoittava kielimalli on usein tarkempi mutta hidas – uusi lähestymistapa säästää aikaa ja vaivaa ilman suurta hinnanlaskua tarkkuudessa. Kysy itseltäsi kaksi kysymystä. Ensimmäinen: mikä on syntymäpäiväsi? Toinen: jos potilaalla on joukko oireita, mikä sairaus niitä parhaiten selittää? Ensimmäiseen vastaat salamannopeasti. Jälkimmäinen vaatii pysähtymistä, välivaiheita ja perusteluja. Ihmiset osaavat vaihdella
robotiikka
Kun etsimme avaimia sotkuiselta pöydältä, emme jää tuijottamaan. Siirrämme lehtiä, tönäisemme kynäpurkkia ja kurkistamme mukin alle. Uusi robottitutkimus väittää, että koneiden olisi syytä toimia samoin. Teollisuusrobotit ovat vuosikymmeniä opetelleet katsomaan ja tarttumaan. Niiden silmät – kamerat ja ohjelmistot – ovat yhä taitavampia tunnistamaan esineitä. Silti ne kompastuvat arkiseen ongelmaan: kaikkea ei näe
tekoäly
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