#koneoppiminen

[miikkasaarinen-blog]

Mitä tekoäly on?

Tekoäly on sellaista toimintaa koneen toimesta, joka ihmisen tekemänä olisi älykästä.

Yksinkertaisesti esimerkiksi maalilinjastolla tietokone laittaa kansia maalipurkkiin eli automaatio toistaa tiettyä toimintaa, kyseessä on tekoäly. Jos kone havainnoi virheitä ja toimii sen mukaan, kyseessä on älykästoiminto.

”Älykästä toimintaa koneen toimesta”

Koneoppiminen on tekoälyn osa-alue, eli kaikki koneoppiminen on tekoälyä, mutta kaikki tekoäly ei ole koneoppimista. Kone tulee tietyssä suorituksessa tietyillä mittareilla paremmaksi yli ajan, silloin kyse on koneoppimisesta. Tekoäly voidaan erotella heikkoon ja laajaan tekoälyyn. Nykyinen tekoäly on heikkoa, sillä se tekee yhden asian hyvin. Laaja tekoäly pystyy tekemään montaa asiaa yhtä aikaan. Näiden lisäksi voidaan ajatella olevan hypoteettinen superintelligence (yli-inhimillinen) tekoäly, joka on kaikkia elollisia oliomuotoja älykkäämpi singulariteetti.

Tekoälyn hyödyntäminen

Tekoälystä puhutaan nii hyvää, kuin pahaa ja sitä pidetään sekä uhkana että mahdollisuutena. Riittämätön ymmärrys ja osaaminen koetaan myös suureksi pulmaksi tekoälyn suhteen. Asiaa käsittelevässä Almamedian Jargonmankeli podcastissa jakson vieras Antti Merilehto tiivistää aihetta hyvin ja vastaa väittämiin sekä neuvoo, miten tekoälyä voi valjastaa käytäntöön ja kuinka sitä voi oppia ymmärtämään jo parissa kuukaudessa. Kaikki lähtee perusasioiden ymmärtämisestä ja siitä, mitä koneoppiminen pystyy ratkaisemaan tietyssä yrityksessä. Data on avainasemassa, sillä kaikkea kerättyä dataa pystytään hyödyntämään ja analysoimaan. Jo maltillinen koneoppiminen pystyy ennustamaa ja tätä voidaan automatisoida. Kone ehdottaa lukuja ja pystyy ennustamaan muun muassa liikenneruuhkaa.

Keinoäly tulee tekemään tiettyjä töitä, viemään työpaikkoja?

Tekoäly tulee hyödyntämään vajavaisia resursseja muun muassa poliisin työssä, kuten podcastissa ilmeni. ”Se helpottaa työntekoa, on apuna ja työkaluina eri työtehtävissä. Uudelleen koulutus on kuitenkin kaiken kehityksen avain. Tekoäly siis voidaan nähdä apuälynä tulevaisuudessa, kuten kuluttaja- ja yritysmyynnissä. Tekoälyratkaisu voi toimia muun muassa yrityksen verkkosivuilla viestiboksina, joka tarjoaa vaihtoehtoja ja toimii chat-operaattorin apuna, ikään kuin muistuttaa tätä kysymään tärkeitä asioita. Tekoäly siis auttaa prosessissa eteenpäin. Kone tekee tietyt asiat paremmin, kuin ihminen.” Tiettyihin resurssipuliin nähden tekoäly tulee täyttämään ja vastaamaan tarpeeseen ennemmin, kuin viemää ihmisten työpanokset kokonaan. Työnkuva tulee näin ollen muuttumaan ja tehostumaan.

Tekoälyä epäilevän kannattaa siis perehtyä aiheen tuomiin hyötyihin ja ymmärtää tulevaisuuden yhteiskunnan hyvinvoinnin ylläpitämisen haasteet ja luottaa tekoälyyn; luottaa prosessiin.

Tekoäly on tulevaisuus, ratkaisu ja asioilla on aina vaihtoehtoiskustannus.

https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse

[e-rommcgary-blog]

Anteeksi, mutta olisiko sinulla hetki aikaa puhua datasta?

Viikonlopun runtelemia aivosynapseja sytyttelee tällä kertaa avoin data ja Big Data (konsulttipiireissä nykyisin vain data). Tuttuun tapaan heti alkuun avaan teille äidin pikku simasuille kirjoituksessa käsiteltävät termit eli esittelen muiden mielipiteitä kylmän rauhallisesti ominani. Loppusilauksen kirjoitukselleni antaa avointa dataa taitavasti alustassaan hyödyntävä suomalainen kasvuyritys nimeltään Vainu. Turvavyöt kiinni!

Big datalla viitataan suuriin järjestelemättömiin, jatkuvasti lisääntyviin tietomassoihin, joita kerätään, säilytetään, jaetaan, analysoidaan ja etsitään. Big Datan konkreettinen määritteleminen on melko hankalaa, kuten edeltävästä lausehirviöstä voitte päätellä, eikä sillä ole vakiintunutta yksiselitteistä määritelmää. Big Dataa kuitenkin yhdistää kolme tunnusomaista piirrettä, jotka ovat:

Määrä (volume), suuren datamäärän johdosta se ei ole käytettävissä yleisesti käytössä olevilla laiteilla järkevässä ajassa

Nopeus (velocity), dataa kertyy eri muodossa monista eri lähteistä ja se kasaantuu sekä muuttuu nopeasti

Monimuotoisuus (variety), datalla ei ole välttämättä mitään selkeää rakennetta, minkä vuoksi sen analysointi sellaisena on erittäin vaikeaa

Avoimella datalla viitataan julkiseen vapaasti ja maksuttomasti hyödynnettävään tietoon, jota tuottavat muun muassa julkishallinto, organisaatiot ja yritykset. On kuitenkin hyvä erottaa julkinen tieto ja avoin julkinen tieto, eli avoin data. Avoin data eroaa julkisesta tiedosta siten, että avointa dataa voivat yritykset ja kansalaiset käyttää omiin tarkoituksiinsa tasavertaisesti julkishallinnon kanssa. Puolestaan kaikkea julkista tietoa ei saa käyttää vapaasti ja maksuttomasti omiin tarkoitusperiin. Esimerkiksi verkkojulkaisun maksullisia uutisia ei saa käyttää vapaasti, vaikka ne ovat julkista tietoa. Toisin sanoen kaikki avoin data on julkista tietoa, mutta kaikki julkinen tieto ei ole avointa dataa.

Avoimeen dataan liittyy 4 pääperiaatetta, jotka ovat:

Julkisuus; dataa käyttäessä kenenkään yksityisyydensuoja tai turvallisuus ei saa vaarantua. Datan on siis oltava julkista tietoa

Koneluottavuus; data on esitetty sellaisessa muodossa, että sitä on helppo käsitellä erilaisilla tietokoneohjelmistoilla

Uudelleenkäytön sallivat lisenssiehdot; käyttöehdoissa lukee selkeästi, että datan luoja sallii aineiston uudelleenkäytön

Maksuttomuus; dataa voidaan käyttää maksuttomasti, mikä vähentää datan käyttöön liittyviä kuluja ja mahdollistaa erilaiset datan hyödyntämiseen liittyvät kokeilut

Pitkän ja puuduttavan terminologian jälkeen pääsemmekin konkreettiseen esimerkkiin siitä (yleisön pyynnöstä, siis hieman lisää dataohjautuvaa myyntiterminologiaa), kuinka avointa dataa hyödyntämällä voit viedä yrityksesi Nordic Startup Awardseissa kahdessa eri kategoriassa ykköspalkintopallille. Näin on toiminut kasvuraketti nimeltään Vainu, jonka luoman cloud-pohjaisen alustan avulla yrityksien perinteinen myyntiliidien prospektointi on jäänyt historiaan. Vainun platformin idea on muuttaa epäjärjestelmällistä avointa dataa asiakasyrityksille myyntiliideiksi. Vainu hyödyntää yli 108 miljoonan yrityksen yritystietokantaa ja avoimen datan lähteistä kerättyä yritysdataa, joka koneoppimisalgoritmien avulla muodostetaan yrityksille ajantasaisiksi myyntiliideiksi. Vainu luo lisäarvoa yritykselle tästä syystä muun muassa ajansäästön, paremman hit raten ja lisämyynnin merkeissä, koska alusta tekee prospektoinnin asiakasyrityksen puolesta ja itse yritys voi keskittyä pelkästään myyntiin.

DISCLAIMER: Allekirjoittanut pelaa jalkapalloa samassa joukkueessa Vainun CEO:n, Client Managerin ja Head of Real-Time Salesin kanssa.

Lähteet:

https://www.sovelto.fi/ratkaisut/ict-ja-uudet-teknologiat/big-data/

https://hri.fi/fi/ohjeet/mita-on-avoin-data/

https://product.vainu.io/fi/

[kaiheli-blog]

Tekoäly ja koneoppiminen

Tekoäly

Tekoälyksi (artificial intelligence, AI) sanotaan tietokonetta tai tietokoneohjelmaa, joka suorittaa ihmismäistä ajattelua. Sillä on kykyä tulkita ulkoisia tietoja oikein, oppia näistä tiedoista ja käyttää opittuja asioita tiettyjen tavoitteiden ja tehtävien saavuttamisessa. Tekoälyn avulla koneet, laitteet, ohjelmat, järjestelmät ja palvelut voivat toimia tehtävän ja tilanteen mukaisesti järkevällä tavalla.

Tekoäly ei ole enää pelkästään isojen toimijoiden etuoikeus. Teknologian kehittyminen tuo sen pikkuhiljaa osaksi arkipäiväämme ja pian se on kiinteä osa kaikkea tekemistämme.

Puhutaan kapeasta, vahvasta ja supertekoälystä. Tämänhetkiset sovellukset ovat kaikki vielä kapeaa tekoälyä. Kapea tekoäly toimii rajoitetuissa tehtävissä ja sillä ei ole tietoisuutta, tahtoa eikä ymmärrystä oman alansa ulkopuolelta.

Vahvalla tekoälyllä tarkoitetaan laajan ymmärryksen ja ihmisen kaltaisen tietoisuuden omaavaa tekoälyä.

Jos tai kun tekoäly ohittaa ihmisen kyvykkyyden, voidaan puhua super-tekoälystä Supertekoälyyn liittyy uhkakuvia, joissa tekoäly ottaa vallan ihmiskunnasta. Näihin uskovien mielestä laskentatehon kasvu johtaa väistämättä tekoälyn valtaan. 

Tekoälyn käyttöä tarkkailee vuonna 2009 perustettu The International Committee for Robot Arms Control (ICRAC). Se edistää robottien rauhanomaista kehittämistä ja pyrkii luomaan säännöt aseistettujen robottien käytölle. Myös tappavien autonomisten asejärjestelmien kansainvälisen oikeuden lainsäädäntö on kehitteillä.

Tekoäly sulautuu jo automaattisesti osaksi päivittäistä toimintaamme, mm. Spotify käyttää tekoälyyn perustuvaa tekniikkaa musiikkikappaleiden analysointiin, suosittelemiseen ja hakemiseen. Samoin kasvojentunnistusohjelma puhelimen lukituksen avaamiseen on myös tekoälyä.

Koneoppiminen

Koneoppiminen on tekoälyn osa-alue tai alaryhmä, jossa toimintaa ei ole ohjelmoitu valmiiksi. Koneoppimisessa kone oppii itsenäisesti päätymään haluttuun lopputulokseen. Jokapäiväisessä elämässä tutuimpia tällaisia ovat hakukoneohjelmistot sekä sähkopostien roskapostisuodattimet.

Koneoppimisen ero perinteiseen tekoälyyn on se, että se ei yritä matkia ihmisen älykästä käytöstä, vaan enneminkin ratkoo tiukasti määriteltyjä tehtäviä, jotka ovat ihmisen älykkyyden vahvuusalueiden ulkopuolella.

Koneoppimisen muotoja ovat; ohjattu oppiminen jossa koneelle annetaan syöte sekä oikea ratkaisu opetusdatasta. Ohjaamattomassa oppimisessa kone päättelee oikeat vastaukset datassa olevien säännönmukaisuuksien perusteella. Vahvistusoppiminen tarkoittaa sitä, että kone ei saa valmiita vastauksia mutta sille annetaan palautetta siitä, kuinka onnistuneesti se toimii. 

Esimerkiksi robottiautot ovat hyvä esimerkki tähän kategoriaan kuuluvasta koneoppimisesta.

Lähteet: Wikipedia tekoäly ja koneoppiminen Editori  Yle.fi  Itewiki

[jennikarantanen]

Mitä tekoäly on?

18.12.2019

Ohjelmistoyritys Skycode Oy määrittelee Tekoäly.info – sivustollaan (https://xn--tekoly-eua.info/mita_tekoaly_on/) ytimekkäästi ja ymmärrettävällä tavalla mitä tekoäly tarkoittaa. Tekoäly tarkoittaa tietojenkäsittelytieteen osa-aluetta, jossa painotus on älykkäiden koneiden / ohjelmien luomisessa.

Tekoälyn tarkoituksena on yrittää matkia ihmisen tajuntaa ja suorittaa tehtäviä ihmisen kaltaisesti. Käytännössä se siis tarkoittaa koneen / ohjelman kykyä ajatella ja oppia ja toimia tämän pohjalta. Tekoälystä on tullut oleellinen osa teknologian teollisuutta ja sitä hyödynnetään jo nyt laajalti erilaisissa palveluissa ja tuotteissa.

Maailmalla tekoälyyn liittyvä tuote- ja palvelukehitys on edistyksellisintä Kiinassa ja Piilaaksossa, mutta myös Suomessa sitä on hyödynnetty ansiokkaasti esimerkiksi terveydenhuollon saralla ja startupeissa.

Tekoälystä puhuttaessa keskusteluun nousee usein pinnalle tasapaino asioiden välillä, kuten millä lailla ihmiset voivat hyödyntää tekoälyä ilman, että se vaikuttaa työpaikkojemme tulevaisuuteen.

Kapea ja laaja tekoäly sekä ”super intelligence”

Alma Talentin podcast avaa tarkemmin tekoälyä käsitteenä (https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse) ja kertoo muun muassa mitä eroa on kapealla tekoälyllä ja laajalla tekoälyllä. Tällä hetkellä kaikki olemassa olevat tekoälyn ratkaisut ovat ns. ”heikkoa” eli kapeaa tekoälyä, mikä tarkoittaa, että kone tekee yhden asian todella hyvin eli on erikoistunut yhteen asiaan.

Laaja tekoäly taas tarkoittaa, että kone tekee montaa asiaa samanaikaisesti yhtä hyvin. Lisäksi on olemassa kolmas määritelmä ”super intelligence”, mikä olisi niin edistyksellistä tekoälyä, että se olisi kaikkea olemassa olevaa elollista älykkäämpi.

Koneoppiminen

Koneoppiminen on yksi tekoälyn osa-alue. Kaikki koneoppiminen on tekoälyä mutta kaikki tekoäly ei ole suinkaan koneoppimista. Hyvin yksinkertaistettuna koneoppiminen on siis sitä, kun tietyssä suoritteessa ja tietyillä mittareilla mitattuna kone tulee paremmaksi, kuin nykyhetken paras lopputulema. Koneoppimista on mahdollista hyödyntää jo nyt hyvinkin yksinkertaisilla tavoilla, eikä se, ehkä päinvastoin ennakko-oletuksia, vaadi mitään insinöörin tutkintoa.

Miten itse määrittelen tekoälyn käsitteenä?

Määrittelen itse tekoälyn käsitteenä melko käytännönläheisesti. Tekoäly näyttäytyy minulle tuotteena tai palveluna, jossa koneoppimista on hyödynnetty niin, että se tuo jotain uutta tai lisäarvoa kuluttajalle. Yksinkertaisimmillaan tekoälyyn pohjautuvat ratkaisu voi olla sovellus, chatbot – palvelu pankin verkkosivuilla tai vaikka ostokäyttäytymisestä oppiva ostoskori vaatebrändin verkkokaupassa.

Itse aiheeseen tutustuneena ja siitä suuresti kiinnostuneena tiedostan, että skenaario missä tekoäly tulee lähitulevaisuudessa korvaamaan osan ihmisten suorittamasta manuaalisesta työstä, on realistinen. Tämä ei silti tarkoita, että kaikkea työtä tullaan korvaamaan tai sitä edes voi korvata. Toistaiseksi koneilta puuttuu sama tunneäly mitä ihmiselle on suotu ja tämä on suurin eroavaisuus siinä, mitä ihminen voi tehdä ja mitä kone voi tehdä.

On kuitenkin hyvä tiedostaa, että tekoälyyn liittyvää keskustelua kannattaa seurata ja miettiä, voisiko sitä jotenkin hyödyntää tulevaisuudessa oman osaamisen kannalta.

Lähteet: - https://xn--tekoly-eua.info/mita_tekoaly_on/ - https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse - https://www.helsinki.fi/fi/unitube/video/53a4b635-44ae-467f-ba40-26cd60f1d931

[ajatuksiasarib]

Tekoäly, mitä se on?

(Tekoäly, automatisointi, robotiikka – Mitä tekoäly on?)

Tekoäly - Asia joka on esillä jatkuvasti ja kaikkialla, mutta silti ehkä vielä vieras. Milloin se on uhka milloin mahdollisuus. Milloin se vie kaikki työpaikat ja tekee ihmisistä hyödyttömiä. Milloin se on robotti ja milloin ihmisen hallitsema vahva mahdollisuus. Eli totuus löytyy varmaan näiden kaikkien summasta.

Kuuntelin Antti Merilehdon haastattelun aiheesta tekoäly ja kahlasin sivustoja aiheen ympärillä läpi ja törmäsin aina samoihin termeihin kuten koneoppiva, vahva ja heikko tekoäly, algoritmit, superinteligense.

Minulle tuli jo vähän ahdistus ja tuskanhiki, tämä on liian vaikea aihe, mutta rauhoituin ja pilkoin sana ja lähestyin sen loppuosaa älyä.

Linda Gottfredsonin määritelmän mukaan: ”Älykkyys on hyvin yleinen mielen kyky joka mm. käsittää kyvyn järkeillä, suunnitella, ratkaista ongelmia, ajatella käsitteellisesti, ymmärtää monimutkaisia ajatuksia, oppia nopeasti ja oppia kokemuksesta.”

Niimpä, tuntui heti paljon yksinkertaisemmalta.

Joten siinä missä ihmisen älykkyys pystyy havainnoimaan, ratkaisemaan ja oppimaan uusia asioita – tekoäly tekee sitä samaa mutta koneellisesti ja automaattisestikkin.

Tietotekniikka tuo älykkyytteen kapasittettia ja nopeutta käsitellä, yhdistellä, ratkoa, laskea ja ketjuttaa asioita sekä tietoja ihmistä tehokkaammin. Se on myös tasalaatuisempi, sillä koneälyllä ei ole huonoja päiviä esim. huonosti nukutun yön jälkeen ja aamulla kaatuneen maitopurkin takia. Antti Merilehti totesikin haastattelussaan, että yksinkertaisella tekoälyllä pystytään kuvantamisen keinoin jo varmemmin toteamaan tiettyjä sairauksia kuin ihmislääkärin diagnostoimana.

Liiketoiminnassa tekoälyn avulla voidaan ennakoida ja suunnitella myynnin menekkiä, asiakaspoistumaa tai ennustaa vaikka liikenneruuhkia. Avain tämän kaiken takana on data – isot datavarannot, joita analysoimalla ja hyödyntämällä voidaan tehdä liiketoimintaa tukevia ennustavia ja ennakoivia malleja. Nämä taas puolestaan mahdollistavat toimintojen sopeuttamisen kulloiseenkin tulossa olevaan tilanteeseen.

Joten näin ajateltuna ei niin pahan kuuloista, eihän?

Lähteet:

https://fi.wikipedia.org/wiki/%C3%84lykkyys

https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse

https://xn--tekoly-eua.info/mita_tekoaly_on/

https://fi.wikipedia.org/wiki/Teko%C3%A4ly

https://www.cgi.fi/fi/mita-on-tekoaly

[digisprint]

Mitä koneoppiminen on?

Kurssi: Digitaalinen liiketoiminta RDI1LH101-3029 Haaga-Helia ammattikorkeakoulu

Tehtäväpaketti 6 Tekoäly, automatisointi ja robotiikka

Julkaisupäivä: 10.12.2019

Valitsin tekoälyä ja automatisointia koskevasta tehtäväpaketista mielestäni kaikista perustavanlaatuisimman aiheen, sillä vaikka robotiikasta ja koneoppimisesta puhutaan paljon, aihe tuntuu monimutkaiselta. Kuuntelin Helsingin yliopiston Elements of AI -kurssin opettajan Teemu Roosin podcastin aiheesta.

Koneoppiminen tarkoittaa sitä, että ohjelmisto oppii sitä mukaa kun tulee lisää dataa: se parantaa toimintaansa datasta löytyvän säännönmukaisuuden perusteella. Koneoppiminen on ikään kuin tilastomatematiikkalaskuri, joka kehittyy ilman, että sitä tarvitsee datan lisääntyessä aina ohjelmoida uudelleen. A.I. Materin blogin mukaan koneoppiminen mahdollistaa tekoälyn, joka taas tarkoittaa koneen pyrkimystä toimia kuten ihminen yleensä melko kapea-alaisissa tehtävissä.

Roos kertoo, että koneoppiminen sopii tilanteisiin, joissa tarvitaan systemaattista päättelyä ja dataa päätöksentekoa varten. Epämääräistä tai intuitiivista työskentelyä kuten johtoryhmätyöskentelyä tekoäly ei auta: datan tulee olla kvantitatiivista ja määrämittaista eli aina samassa muodossa. Roosin mukaan oppivan koneen ei kuitenkaan kannata antaa tehdä päätöksiä puolestamme, vaan voimme ottaa siltä vinkkejä ja pikkuhiljaa opetella luottamaan siihen.

Koneoppiminen on nyt pinnalla kolmesta syystä

·       Dataa on valtavasti ja tarve sen lajitteluun on kasvanut

·       Laitteistoa on opittu käyttämään tehokkaasti: sekä havainnointimenetelmät että datan käsittely on helpottunut

·       Hiljaista käytännön tietotaitoa päästään käyttämään: kokeneita koneälyn ammattilaisia alkaa olla sekä yliopistoissa että yrityksissä

Mitä menetelmiä käytetään missäkin sovelluksessa?

Esimerkiksi markkinoinnissa voidaan koneoppimisen avulla tutkia asiakkaan ostokäyttäytymistä ja suositella tuotteita muiden saman tyyppisten asiakkaiden ostohistorian perusteella. Lääketieteessä koneälysovellus voi kuvien perusteella oppia tunnistamaan esim. syöpäsoluja sisältävät näytteet. Myös esimerkiksi Google käyttää hakukoneensa tulosten järjestelyssä koneoppimista: se järjestää ja karsii tulokset tietyn algoritmin mukaiseen järjestykseen.

Menetelmiä ovat:

·       Yleisesti datan lajittelu ja järjestäminen, algoritmit

·       Tekstintunnistus

·       Kuvantunnistus

·       Puheentunnistus

Yllättävää kyllä, Euroopassa tehdään Roosin mukaan eniten koneälyyn liittyvää tutkimusta, jos lasketaan kaikki Euroopan maat yhteen. Tutkimuksen vahvuuksia Euroopassa ovat datan hallinta ja regulaatio ja eettisten käytäntöjen kehittäminen. Koneälyn kehittymiseen liittyy yhteiskunnallisia kysymyksiä ja huolenaiheita: esimerkiksi algoritmin kehittäjällä on valtaa siihen, mitä ihmiset näkevät tai eivät näe, joten heillä on valtaa siihen, millainen maailmankuva ihmisille muodostuu.

Roosin mukaan kuka tahansa voi alkaa käyttämään koneoppimista hyödykseen. Koneoppimiseen ei tarvita kvanttitietokonetta ja sitä voi koodata millä tahansa kielellä. Ei tarvita isoja tehtaita, vaan kokeileminen on nopeaa. Tärkeintä on hoksata sovellusalue, josta koneoppimisesta voisi olla hyötyä.

Kuva: Algoritmin rakentamista suosittelujärjestelmää varten. Lähde: Pavel Kordnik: Machine Learning for Recommender systems - Part 1 (algorithms, evaluation and cold start) 

Esimerkkejä arkisista koneoppimisen sovellusalueista

·       Roskapostisuodattimet

·       Kasvojen tunnistus kuvista

·       Suositukset: Spotifyn, Netflixin, Amazonin suosittelualgoritmit

·       Samanlaisten kuvien etsiminen esim. Pinterestistä

·       Sosiaalisen median feedin kuratointi: Facebook, Twitter

·       Liikenne-ennusteet: Uberin reitin etsiminen, Google Maps

·       Rahanpesun tunnistaminen

·       Uusiutuvan energiantuotannon ennustaminen

Heikkoa tekoälyä sovelletaan myös jo arkisesti

·       Chatbot-asiakaspalvelijat oppivat koko ajan paremmin tunnistamaan puhetta ja vastaamaan puhekielellä

·       ”Henkilökohtainen assistentti”, joka tunnistaa puheen ja ohjaa esim. valoja, äänentoistoa, herätyskelloa tai kalenteria

·       Automaattiautot

Kuva: Eugene Goostman, ensimmäinen chatbot, joka läpäisi Turingin testin eli 33% testin tuomareista luuli keskustelevansa ihmisen eikä koneen kanssa. 

Itselleni tuli mieleen niinkin laaja ja monimutkainen aihe kuin sotatraumojen ymmärtäminen: voisiko sotatraumoja saaneiden tarinat, valokuvat, tiedossa oleva data kartoista, päivämääristä ja tapahtumista sekä sodassa olleiden sukulaisuussuhteet ja terveystiedot yhdistää niin, että uudet sukupolvet voisivat paremmin ymmärtää mitä heidän isovanhemmilleen on tapahtunut ja mihin kaikkeen trauma voi vielä vaikuttaa? Voisiko koneoppimisesta olla apua kollektiivisen trauman purkamisessa? Tähän tarvittaisiin kyllä rutkasti erilaisen datan yhdistämistä ja varsinkin sitä eettistä pohdintaa ja rajoituksia, että tällainen tieto pysyy parantamisen eikä satuttamisen apuvälineenä. 

Lähteet

A.I. Mater 2018. Mitä eroa on koneoppimisella ja tekoälyllä. Blogi 1.6.2018. Luettavissa: https://aimater.com/mita-eroa-on-koneoppimisella-ja-tekoalylla/ Luettu 10.12.2019

Daffodil 2017. 9 Machine Learning Examples from Day-to-Day Life. Luettavissa https://insights.daffodilsw.com/blog/9-machine-learning-examples-from-day-to-day-life Luettu 10.12.2019

Roos, Teemu 2019. Mitä pitää tietää koneoppimisesta. Podcast: Uuden työn ääniä. DNA Business. Kuunneltavissa: https://soundcloud.com/dna-business/mita-pitaa-tietaa-koneoppimisesta Kuunneltu 10.12.2019

[erikakorpinen-blog]

Koneoppiminen- Osana helpottamassa monen arkea

Koneoppiminen, mitä se on?

Hei lukijat! Tänään kerron teille hieman koneoppimisesta. Mitä se on ja mihin sitä voidaan yleisimmin hyödyntää. Koneoppiminen on tekoälyn osa-alue, jonka tarkoituksena kone parantaa suorituskykyään oppimalla itsenäisesti datasta ilman erillisiä toimintaohjeita. (itewiki.fi) Tarkoituksena on yrittää löytää datasta kaikista relevanteimmat tai samankaltaiset tapaukset, jonka perusteella kone oppii parempia ratkaisuja sekä parantamaan toimintaansa. Olennaista koneoppimisessa on siis löytää datasta säännönmukaisuutta mitä hyödyntää. (Teemu Roos)

Jotta asia olisi mahdollisimman selkeä, kerron teille hyvän esimerkin koneoppimisesta. Ennalta määritettyjä sääntöjä voidaan hyödyntää esimerkiksi verkkokaupan kehittämisessä. Kone oppii tarjoamaan verkkokaupassa parempia tuotteita sen perusteella, miten ihmiset asioivat verkkokaupassa. Kun verkkokauppaan tulee uusi asiakas, kone löytää ostoshistoriadatasta kaikista samankaltaisimman tapauksen ja sitä hyödyntämällä katsotaan mitä edelliset asiakkaat ovat ostaneet ja tarjotaan niitä tuotteita esimerkiksi lisämyyntinä myös uudelle asiakkaalle. Usein nämä osuvat oikeaan, jos vain on tarpeeksi paljon dataa mihin verrata. Ja mikä parasta myös asiakkaat hyötyvät tästä. Kone tarjoaa suoraan asuusi mätsäävät kengät ilman sen kummempia sivujen selaamista. (Teemu Roos)

Koneoppimisen ero perinteiseen tekoälyyn on se, ettei koneoppimisen avulla pyritä ihmisen älykkääseen käytökseen vaan etsimään isosta data-aineistosta ne säännönmukaisuudet, joita ihminen ei löytäisi tai siihen menisi älyttömästi aikaa. Yleisimmissä koneoppimisen ongelmissa onkin vain yksi oikea vastaus. Koneoppimisen hyödyntämiseen tarvitsee siis jotakin dataa minkä pohjalta ratkaisu pyritään löytämään eikä niinkään yksittäistä epäsäännöllistä tietoa. (Itewiki)

Minkälaisia erilaisia ratkaisuja koneoppimiselle on sitten olemassa?

Koneoppiminen jaetaan kolmeen alakategoriaan koneoppivalle ratkaisulle syötettävän datan mukaan. Ohjattu oppiminen, jossa koneelle annetaan syöte sekä oikea ratkaisu opetusdatasta. Oppimisen tuloksena algoritmi osaa yhdistää nämä keskenään. Ohjaamaton oppiminen, jossa kone ei saa valmiita oikeita vastauksia, vaan se päättelee ne datassa olevien säännönmukaisuuksien perusteella eli oppii malleja ilman suoraa palautetta. Vahvistusoppiminen, jossa kone ei saa valmiina oikeita vastauksia, mutta sille annetaan positiivista ja negatiivista palautetta toiminnan perusteella. Kone optimoi toimintaansa mahdollisimman paljon positiivista palautetta tuottavaan suuntaan. (Theseus)

Koneoppimismenetelmiä käytännön sovelluksissa

Suuri osa tekoälyä hyödyntävistä sovelluksista perustuu koneoppimiseen. Kaupallisessa käytössä koneoppimisen avulla pystytään luomaan monimutkaisia algoritmeja ja malleja, joita voidaan hyödyntää liiketoiminnassa esimerkiksi päätöksenteon tukena tai tuotantoprosessien tehostamisessa. Koneoppimisella onkin monia sovelluskohteita muun muassa hakukoneissa, lääketieteessä ja robotiikassa. Käytämmekin huomaamattamme arjessa monia sovelluksia missä hyödynnetään koneoppimista, jopa enemmänkin mitä edes tulisi ajatelleeksi. (Itewiki)

Teemu Roos kertoo koneoppimista käytettävän hyvin paljon eri tavoilla. Kuvantunnistussovelluksia käytetään muun muassa lääketieteessä näytteiden analysoimiseksi. Kuvantunnistuksen ansiosta kone pystyy tulkitsemaan röntgenkuvia ja tunnistaa kuvista esimerkiksi ihosyövän. (Teemu Roos) Äänen tunnistusta hyödynnetään yleisimmin muun muassa puhetunnistukseen perustuvan avustajan kuten Sirin tai Alexan käytössä. Ne ymmärtävät käyttäjän puhetta ja tekevät käskystä tehtäviä kuten tilaavat tavaraa verkon kautta tai soittavat musiikkia. Tiedonhaku hakukoneessa kuten Googlessa on koneoppimista, missä kone pyrkii järjestämään hakutulokset niin, että tärkein tai relevantein tulos näytetään alussa. Tätä samaa käytetään myös roskapostien suodattamisessa. Esimerkiksi Googlen Gmail tunnistaa roskapostit jo 99,9-prosenttisesti. (Wikipedia) Koneoppimisella on paljon sovelluksia, joiden käyttö yleistyy nopeasti ja samalla keksitään jo uusia käyttökohteita. Kuinka kauan tarvitsee enää edes teknologian kehittyä, kun koneoppimista voidaan soveltaa jopa lähes jokaiseen asiaan tuomaan helpotusta?

Lähteet:

https://soundcloud.com/dna-business/mita-pitaa-tietaa-koneoppimisesta

https://www.itewiki.fi/opas/koneoppiminen/

https://www.theseus.fi/bitstream/handle/10024/138332/SiipolaAntti_Koneoppimisen_kehitysymparistot.pdf?sequence=1&isAllowed=y

https://lamia.fi/blog/mita-on-koneoppiminen

https://fi.wikipedia.org/wiki/Tekoäly#Koneoppiminen

[thisisjasmiina-blog]

Tulevaisuus - Terminaattori?

Viime vuosien aikana koneoppiminen ja tekoälyteknologia ovat kehittyneet merkittävästi sekä luoneet uusia mahdollisuuksia markkinoille, voimme sanoa, että tämä teknologia on merkittävästi mullistavaa. Koneista on tullut viisaampia ja ne ovat oppineet uusia kykyjä. Yritykset ovat omaksuneet teknologian käytön nopeasti, koska ovat huomanneet sen antamat positiiviset vaikutukset. Valitettavasti tekoälyteknologia ei tule valloittamaan maailmaa, sillä sen valjastaminen on täysin ihmisestä kiinni.

Miten tämä tekoälyteknologian käyttö näkyy yrityksissä? Monet yritykset ovat ottaneet käyttöönsä Big Datan ja ennustavan analyysin, jota käytetään koneoppimiseen, jossa algoritmi antaa mahdollisuuden laitteille käyttää dataa oppimiseen ja sen kautta kehittymiseen. Esimerkkinä voidaan katsoa Netflixiä tai Spotifyta, joissa hyödynnetään teknologia, jotta ohjelmistot voivat suositella ohjelmia tai musiikkia, josta pidät. Tekoälyä hyödynnetään myös chatbottien ja virtuaalisten assistenttien käytössä, diagnostiikassa ja puheentunnistustekniikassa sekä tukee lääketieteen kehittymistä ja eri alojen tutkimuksia.

Koneoppimista ja tekoälyteknologiaa käytetään paljon varsinkin logistiikka- ja teollisuusyrityksissä, sillä ohjelmistojen kautta voidaan luoda koneille automaattinen rutiini vähäpätöisempiin tehtäviin, mikä vapauttaa työntekijät kannattavimpiin tehtäviin. Automatisoitu ohjelmaa myös vähentää ihmisten virheitä prosesseissa sekä vahinkoja työpaikalla. Teknologia voi nostattaa minkä vain yrityksen toimintaa, myynnissä puheluiden ja myyntikanavien analysointi, palveluissa asiakkaiden vastaanottaminen 24/7 ja asiakkaiden jalanjäljen seuraaminen parempien palveluiden tarjoamisen.

Tekoäly ohjelmistot pystyvät keräämään ja analysoimaan suurta määrää dataa, jonka kautta pystytään luomaan strategioita myyntiin, palveluun, markkinointiin tai apua käytännön työtehtäviin. Tämän kaiken tiedon hyödyntäminen ei olisi mahdollista ilman tekoälyteknologiaa ja harppauksia mitä alalla on tapahtunut.

Teknologian arkipäiväistyminen ei vie meitä lähemmän terminaattorin luomaa kuvaa teknologioiden ylivallasta ja käyttöön ottaminen luo potentiaalia yritykselle sekä työhyvinvointia ja -mukavuutta työntekijöille, kuin myös helppokäyttöisyyttä asiakkaille. Teknologia ei ole hyvä, paha -keskustelu ja se pystyy matkimaan ihmisten tietoisuutta niin paljon, kuin me ohjelmoimme. Joten Spotify ei tule orjuuttamaan ihmiskuntaa ainakaan fyysisesti. Teknologia helpottaa jokapäiväistä elämäämme nyt ja ikuisesti.