Mitä tekoäly on?

📄 Mitä tekoäly on?

🎯 Oppimistavoitteet

• Ymmärtää, mitä tekoäly oikeasti on (ja mitä se ei ole)
• Tietää ero kapean tekoälyn ja AGIn välillä
• Tietää, miksi tekoälykehitys kiihdyttää juuri nyt

Moni kuvittelee tekoälyn Terminatorina, HAL 9000:na tai C-3PO:na — tietoisena ja omatahtoisena. Se on science fictiona. Nykyinen tekoäly on erilaista ja usein käytännöllisempää kuin monet uskovat.

Tekoäly-termiä käytetään laajasti — tässä selvennämme merkityksen ja eron ihmisen ajatteluun.

Mitä tekoäly oikeasti on?

Tekoäly (AI) tarkoittaa järjestelmiä, jotka suorittavat tehtäviä, jotka perinteisesti vaativat ihmisen älykkyyttä — kasvojen tunnistus, puheen ymmärtäminen, päätökset tai ongelmanratkaisu.

Avain: tekoäly jäljittelee älykästä käyttäytymistä, mutta ei ajattele kuten ihminen.

Ajattele laskinta: se laskee nopeasti, mutta ei “ymmärrä” matematiikkaa ihmisen tavoin; se vain noudattaa ohjeita. Tekoäly toimii samoin, mutta monimutkaisemmissa tehtävissä.

Tekoäly ei ole uutta, mutta kolme samaan aikaan vaikuttavaa tekijää selittää räyhken juuri nyt, ei kolmekymmentä vuotta sitten.

Lyhyt historia

Tekoäly ei ole uusi — jo 1950-luvulla unelmoittiin älykkäistä koneista. Kolme asiaa viimeisen 10–15 vuoden aikana mahdollisti nykyisen tilanteen:

1. Data – Internet on tuottanut valtavia määriä tekstiä, kuvaa, videota ja ääntä. Tekoäly oppii esimerkeistä; esimerkkejä on enemmän kuin koskaan.

2. Laskentateho – Nykyprosessorit ja erikoislaitteistot (GPU:t) suorittavat miljardeja operaatioita sekunnissa. Mitä 1990-luvulla olisi kestänyt vuosia, kestää minuutteja.

3. Algoritmit – Tutkijat kehittivät parempia koulutusmenetelmiä, erityisesti syviä neuroniverkkoja.

Yhdessä tekoäly siirtyi kuriositeetista käytännön vallankumoukseen.

Tärkeä ero päivän järjestelmien ja fantasian välillä pitää odotukset järkevinä.

Kapea tekoäly (ANI) vs. AGI – ero?

Kapea tekoäly (Artificial Narrow Intelligence, ANI)

Kaikki tuotannossa oleva tekoäly kuuluu tähän. “Kapea” tarkoittaa erikoistumista tiettyyn tehtävään:

• Kasvontunnistaja ei osaa ajaa autoa
• Shakkitekoäly ei käännä kieliä ilman omaa malliaan
• Tekstigenerointi ei lue automaattisesti röntgenkuvia

Järjestelmä on vahva omassa tehtävässään — täysin avuton sen ulkopuolella.

Tekoäly yleiseen älykkyyteen (AGI)

Ei ole vielä olemassa. AGI osaisi:

• oppia ihmisen kaltaisesti minkä tahansa tehtävän
• ymmärtää kontektia eri aloilla
• päättellä abstraktisti ja yleistää tietoa
• siirtää kokemuksia aiheesta toiseen

Nyt: kapeaa tekoälyä on erinomaisesti. AGI on tutkimuskysymys — aikaskaalaa ei tiedä kukaan.

Kapea tekoäly näyttäytyy monin tavoin. Kolmen tyypin jako auttaa näkemään, mitä tekoäly tekee tiedolle — ja missä kohtaat kutakin.

Kolme päätyyppiä tekoälyjärjestelmissä

Analyyttinen tekoäly — analysoi ja luokittelee

Käyttää olemassa olevaa dataa päätöksiin tai ennusteisiin.

Esimerkit: Gmailin roskaposti, Netflix-suositukset, diagnoesityökalut, luottopisteytys.

Generatiivinen tekoäly — luo uutta

Tuottaa sisältöä, jota ei aiemmin ollut: tekstiä, kuvaa, ääntä, videota, koodia.

Esimerkit: ChatGPT, DALL‑E ja Midjourney, GitHub Copilot, musiikintekevä tekoäly.

Robotiikka ja automaatio — toimii fyysisesti

Yhdistää tekoälyn laitteistoihin, jotka liikkuvat ja vaikuttavat ympäristöön.

Esimerkit: Itseajavat autot, teollisuusrobotit, toimitusdronet, robotti-imurit.

Tyyppejä usein yhdistetään — itseajava auto voi käyttää analyyttistä havainnointia ja robotiikkaa ohjaukseen.

Ymmärrys syntyy vertailemalla perinteisiä ohjelmia ja koneoppimista — pohjimmiltaan eri lähestymistapoja.

Miten tekoäly oppii?

Perinteinen ohjelmointi ja koneoppiminen

Perinteinen: ohjelmoija kirjoittaa säännöt — yli 25° “lämmin”, 15–25° “mukava”, alle 15° “viileä”. Hyvä kun säännöt ovat selkeitä.

Jotkut tehtävät eivät ole sääntöjä — kissan tunnistus kuvassa, tekstin sävy (sarkasmi!), tunne äänessä. Yksi yksinkertainen sääntö ei riitä.

Koneoppiminen: annetaan tuhansia tai miljoonia esimerkkejä, järjestelmä löytää kuviot itse.

Esimerkki: kissat

• Perinteinen (käytännössä mahdoton): listaa kaikki säännöt…
• ML: merkitään satoja tuhansia kuvia “kissa”/“ei kissa”, opetetaan, testataan.

Ihminen ei kirjoittanut kaikkia sääntöjä — malli löysi mallit datasta.

Harha — kun tekoäly oppii ennakkomme

Data on usein ihmisten tuottamaa. Historiallinen epätasaisuus ja stereotypiat voivat vahvistua, jos niitä ei mitata ja korjaa. Pitäkö mielessä tuloksia tulkitessa.

Yhteenveto

• Tekoäly jäljittelee älykkästä toiminta laskennalla — se ei ajattele kuten ihminen.
• Moderni tekoäly on kapeaa (ANI). AGI ei ole käytännön tuote.
• Data + laite + algoritmit ohjaavat kehitystempoa.
• Tekoäly voi olla analyyttinen, generatiivinen tai liittyä robotiikkaan.
• Koneoppiminen oppii esimerkeistä, ei vain käsinkirjoitetuista säännöistä.

Testaa tietosi

3 kysymystä · 100 % oikein läpäistäksesi · Tarkista vastaukset lopussa

Aloita tietovisa →