Tekoäly saavuttaa oppimiskyvyssään jatkuvasti uusia virstanpylväitä, sekä lähellä että maailmalla. Tekoäly on käytännössä koneoppimista. Koneoppiminen puolestaan on asioiden etiketöintikone esimerkkien perusteella. Tämä ei ehkä vastaa mielikuvien jännittävää tieteisfantasiaa, mutta teknologia on ennennäkemätön ja ilmiömäisen hyödyllinen.

Miten koneoppiminen eroaa perinteisestä ohjelmoinnista?

Perinteisessä ohjelmoinnissa koneelle annetaan tarkat toimintaohjeet, kun taas koneoppimisessa ohjelmoidaan esimerkeillä. Tavallaan tämä yksinkertainen etiketöinti on uusi tapa ohjeistaa konetta.

Kuvitellaan, että haluamme opettaa koneen erottamaan auton eri kuvista. Näytämme koneelle ensin liudan kuvia autoista ja ei-autoista. Pyydämme konetta laskemaan, miten autot erotetaan parhaiten ei-autoista käyttämällä informaationa kuvien pikseleiden värejä. Kone laskee aikansa, usein varsin pitkään taustalla olevan monimutkaisen ja laskentatehoa vaativan matematiikan vuoksi, kunnes koneen ruudulle napsahtaa ilmoitus ”opetuksen” valmistumisesta. Jos opetus onnistui, kone on valmis erottamaan sille syötettyjen kuvien perusteella autot – monesti vieläpä paremmin kuin ihminen.

”Tekoälyä rakennetaan asteittain, jotta prosesseja pystytään seuraamaan tarkasti ja varmistamaan parempi ja huolitellumpi lopputulos.” 

Koneet oppivat toiston avulla esimerkeistä

Tekoälyä rakennetaan asteittain, jotta prosesseja pystytään seuraamaan tarkasti ja varmistamaan parempi ja huolitellumpi lopputulos.  

Ihminen luo toimintaohjeet tietokoneelle ohjelmoimansa koodin avulla. Tekoäly tuottaa esimerkkien pohjalta koodia vastaavia toimintaohjeita tuhansia tai jopa miljoonia kappaleita. Tekoälyn luomat yksittäiset ohjeet ovat yksinkertaisia ja tylsiä, mutta niiden teho tulee niiden volyymistä ja tietokoneen kyvystä muistaa tämä monimutkainen kokonaisuus. 
Otetaan esimerkkinä tekstiiliteollisuuden yritys, jonka tarkoituksena on luoda miesten puku L-koossa. Yrityksen tuotekehitystiimi päätyy käyttämään tarkoitukseen tekoälyä. He osallistavat tuotekehitysprosessiin 100 palveluksessaan olevaa L-kokoista miestä puvun testaajiksi. 

Nämä 100 miestä jaetaan 80 hengen opetusjoukkoon ja 20 hengen testijoukkoon, ja puvusta luodaan aluksi näytekappale satunnaisilla mitoilla. 

Ensimmäiseltä puvun testaajalta pyydetään kirjallinen palaute. Palaute voivat vaihdella laidasta laitaan: "liian iso", "muuten hyvä mutta liian kapeat olkapäät", tai "kolmas hiha on tarpeeton". 

Tuotekehitystiimi mukauttaa puvun mittoja saamansa palautteen mukaisesti, mutta vain aavistuksen verran. Sama operaatio toistetaan jokaisella 80:llä opetusjoukon jäsenellä. Kun kaikki 80 miestä on käyty läpi, 20 hengen testiryhmän annetaan kokeilla pukua. Testiryhmän mielipiteiden perusteella takin ja housujen mittoihin ei tehdä muutoksia, vaan he antavat pelkän arvosanan lopputuotteelle. Seuraavaksi uudella kierroksella käydään läpi 80 miehen opetusjoukko. Operaatiota jatketaan niin kauan, kunnes 20 miehen testiryhmä antaa huonomman arvosanan puvulle kuin edellisellä kierroksella. Tällöin kompromissi opetusryhmän ja testiryhmän eri mittojen, istuvuuden ja tarpeiden välille on löytynyt. Uudet kierrokset operaatiossa parantaisivat puvun istuvuutta opetusryhmälle testiryhmän kustannuksella, jolloin puvun istuvuus ei todennäköisesti olisi yhtä optimaalinen suuremmassa mittakaavassa koko maailman L-kokoisen miespopulaation kannalta. 

Koneen tuottamaa ohjetta puvunvalmistukseen, kuvantunnistukseen tai mihin tahansa muuhun tehtävään kutsutaan matematiikasta tutulla termillä ’malli’. Mallia rakennetaan vähän kerrallaan ja varovasti, jotta resepti yleistyy, eikä sitä luoda vain opetusjoukon oikkujen, omituisuuksien ja erityispiirteiden ulkomuistamiseen. Tässä tapauksessa viitataan esimerkiksi 80 miehen vaatemaun täyttämiseen, tai että autoiksi tunnistetaan pelkästään vasemmalta ohjattavat katolliset henkilöautot.

Mallinnusta voidaan hyödyntää kaikilla toimialoilla ja hyvin erilaisissa käyttötarkoituksissa. Jos haluat kuulla lisää tekoälyn hyödyntämistavoista, tervetuloa Digital Insight -työpajaamme, tai ota rohkeasti yhteyttä minuun.

Blogin on alunperin kirjoittanut Matti Karppanen.


Kuinka tekoälyn avulla voi menestyä omissa ydintoiminnoissaan ja mitä huomioida ennen ensimmäistä tekoälyprojektia? Lataa tekoälyn ostajan oppaamme. 

Kirjoittajasta

Miten tekoäly oppii?

Tekoäly saavuttaa oppimiskyvyssään jatkuvasti uusia virstanpylväitä, sekä lähellä että maailmalla. Tekoäly on käytännössä koneoppimista. Miten tekoäly oppii? Lue Matti Karppasen blogista.

Kirjoita kommentti

Comment editor

  • No HTML tags allowed.
  • Lines and paragraphs break automatically.
Blogi-kommentoinnin ohjeet ja käyttöehdot