mikä on tekoäly?

tekoäly on ihmisten älykkyysprosessien simulointia koneiden, erityisesti tietokonejärjestelmien avulla. Tekoälyn erityisiä sovelluksia ovat asiantuntijajärjestelmät, luonnollinen kielenkäsittely, puheentunnistus ja konenäkö.

miten tekoäly vaikuttaa?

kun hype tekoälyn ympärillä on kiihtynyt, myyjät ovat pyrkineet edistämään sitä, miten heidän tuotteensa ja palvelunsa käyttävät tekoälyä. Usein se, mitä he kutsuvat TEKOÄLYKSI, on vain yksi tekoälyn osa, kuten koneoppiminen. Tekoäly vaatii erityisen laitteiston ja ohjelmiston perustan koneoppimisalgoritmien kirjoittamiseen ja kouluttamiseen. Yksikään ohjelmointikieli ei ole synonyymi tekoälylle, mutta muutamat, kuten Python, R ja Java, ovat suosittuja.

yleensä TEKOÄLYJÄRJESTELMÄT toimivat nielemällä suuria määriä merkittyä harjoitustietoa, analysoimalla dataa korrelaatioiden ja kaavojen varalta ja käyttämällä näitä kuvioita ennustamaan tulevia tiloja. Näin esimerkiksi tekstikeskusteluista syötettävä chatbot voi oppia tuottamaan aidon näköistä vaihtoa ihmisten kanssa, tai kuvantunnistustyökalu voi oppia tunnistamaan ja kuvaamaan kuvien kohteita käymällä läpi miljoonia esimerkkejä.

tekoälyn ohjelmointi keskittyy kolmeen kognitiiviseen taitoon: oppimiseen, päättelyyn ja itsensä korjaamiseen.

oppimisprosessit. Tämä tekoälyohjelmoinnin osa-alue keskittyy datan hankkimiseen ja sääntöjen luomiseen siitä, miten data muutetaan toimivaksi tiedoksi. Algoritmeiksi kutsutut säännöt antavat laskentalaitteille vaiheittaiset ohjeet tietyn tehtävän suorittamiseen.

Päättelyprosessit. TEKOÄLYOHJELMOINNIN tämä puoli keskittyy oikean algoritmin valintaan halutun lopputuloksen saavuttamiseksi.

Itsekorjausprosessit. Tämä osa AI ohjelmointi on suunniteltu jatkuvasti hienosäätää algoritmeja ja varmistaa, että ne tarjoavat mahdollisimman tarkkoja tuloksia.

miksi tekoäly on tärkeä?

tekoäly on tärkeä, koska se voi antaa yrityksille tietoa niiden toiminnasta, josta ne eivät ehkä ole olleet tietoisia aiemmin, ja koska tekoäly voi joissakin tapauksissa suorittaa tehtäviä ihmisiä paremmin. Erityisesti kun kyse on toistuvista, yksityiskohtaisista tehtävistä, kuten suurten oikeudellisten asiakirjojen analysoinnista sen varmistamiseksi, että asiaankuuluvat kentät täytetään asianmukaisesti, TEKOÄLYTYÖKALUT suorittavat työt usein nopeasti ja suhteellisen vähillä virheillä.

tämä on auttanut lisäämään tehokkuutta räjähdysmäisesti ja avannut oven täysin uusille liiketoimintamahdollisuuksille joillekin suuremmille yrityksille. Ennen nykyistä tekoälyn aaltoa olisi ollut vaikea kuvitella tietokoneohjelmiston avulla yhdistävän kyytiläisiä takseihin, mutta nykyään Uber on noussut juuri sillä tavalla yhdeksi maailman suurimmista yhtiöistä. Se hyödyntää kehittyneitä koneoppimisalgoritmeja ennustaakseen, milloin ihmiset todennäköisesti tarvitsevat kyytejä tietyillä alueilla, mikä auttaa ennakoivasti saamaan kuljettajat tien päälle ennen kuin heitä tarvitaan. Toisena esimerkkinä Googlesta on tullut yksi suurimmista toimijoista useissa verkkopalveluissa, kun koneoppimisen avulla ymmärretään, miten ihmiset käyttävät palvelujaan ja sitten parannetaan niitä. Vuonna 2017 yhtiön toimitusjohtaja Sundar Pichai julisti Googlen toimivan “tekoäly ensin” – yhtiönä.

nykypäivän suurimmat ja menestyneimmät yritykset ovat hyödyntäneet tekoälyä parantaakseen toimintaansa ja saadakseen etua kilpailijoihinsa nähden.

mitkä ovat tekoälyn edut ja haitat?

keinotekoiset hermoverkot ja syväoppimisen tekoälyteknologiat kehittyvät nopeasti, ennen kaikkea siksi, että tekoäly käsittelee suuria tietomääriä paljon nopeammin ja tekee ennustuksia tarkemmin kuin inhimillisesti on mahdollista.

vaikka päivittäin syntyvä valtava tietomäärä hautaisi ihmistutkijan, koneoppimista hyödyntävät tekoälysovellukset voivat ottaa tiedon ja muuttaa sen nopeasti toimivaksi tiedoksi. Tätä kirjoitettaessa tekoälyn käytön ensisijainen haitta on se, että tekoälyn ohjelmoinnin vaatimien suurten tietomäärien käsittely on kallista.

edut

• hyvä yksityiskohtiin keskittyvissä tehtävissä;
• lyhennetty aika datapainotteisissa tehtävissä;
• tuottaa johdonmukaisia tuloksia; ja
• tekoälyä käyttäviä virtuaaliagentteja on aina saatavilla.

haitat

• kallis;
• vaatii syvällistä teknistä asiantuntemusta;
• pätevien työntekijöiden rajallinen tarjonta TEKOÄLYTYÖKALUJEN rakentamiseen;
• tietää vain, mitä on osoitettu; ja
• kykenemättömyys yleistää tehtävästä toiseen.

vahva tekoäly vs. heikko tekoäly

tekoäly voidaan luokitella joko heikoksi tai vahvaksi.

• heikko tekoäly, tunnetaan myös nimellä kapea tekoäly, on tekoälyjärjestelmä, joka on suunniteltu ja koulutettu tietyn tehtävän suorittamiseen. Teollisuusrobotit ja virtuaaliset Henkilökohtaiset avustajat, kuten Applen Siri, käyttävät heikkoa tekoälyä.
• vahva tekoäly, joka tunnetaan myös nimellä artificial general intelligence (AGI), kuvaa ohjelmointia, joka voi jäljitellä ihmisaivojen kognitiivisia kykyjä. Tuntemattomassa tehtävässä vahva tekoälyjärjestelmä voi sumean logiikan avulla soveltaa tietoa verkkotunnuksesta toiseen ja löytää ratkaisun itsenäisesti. Teoriassa vahvan TEKOÄLYOHJELMAN pitäisi pystyä läpäisemään sekä Turingin testi että kiinalainen huonetesti.

mitkä ovat tekoälyn 4 tyyppiä?

integratiivisen biologian ja tietojenkäsittelytieteen ja tekniikan apulaisprofessori Arend Hintze Michiganin osavaltionyliopistosta selitti vuonna 2016 julkaistussa artikkelissaan, että tekoäly voidaan luokitella neljään tyyppiin, alkaen tehtäväkohtaisista älykkäistä järjestelmistä, jotka ovat laajassa käytössä nykyään ja etenevät tunteviin järjestelmiin, joita ei vielä ole olemassa. Kategoriat ovat seuraavat:

• tyyppi 1: reaktiiviset koneet. Näissä TEKOÄLYJÄRJESTELMISSÄ ei ole muistia ja ne ovat tehtäväkohtaisia. Esimerkki on Deep Blue, IBM: n shakkiohjelma, joka päihitti Garry Kasparovin 1990-luvulla. Deep Blue pystyy tunnistamaan paloja shakkilaudalta ja tekemään ennustuksia, mutta koska sillä ei ole muistia, se ei voi käyttää menneitä kokemuksia informoidakseen tulevia.
• tyyppi 2: rajoitettu muisti. Näillä TEKOÄLYJÄRJESTELMILLÄ on muisti, joten ne voivat käyttää menneitä kokemuksia informoidakseen tulevia päätöksiä. Osa itseohjautuvien autojen päätöksentekotoiminnoista on suunniteltu näin.
• Type 3: theory of mind. Mielen teoria on psykologian termi. Tekoälyyn sovellettuna se tarkoittaa, että järjestelmällä olisi sosiaalista älykkyyttä ymmärtää tunteita. Tämän tyyppinen tekoäly pystyy päättelemään ihmisen aikeita ja ennustamaan käyttäytymistä, mikä on välttämätön taito TEKOÄLYJÄRJESTELMIEN tulemiseksi ihmisryhmien olennaisiksi jäseniksi.
• Tyyppi 4: itsetietoisuus. Tässä kategoriassa TEKOÄLYJÄRJESTELMILLÄ on minuuden tunne, joka antaa niille tietoisuuden. Itsetuntoiset koneet ymmärtävät Oman nykytilansa. Tällaista tekoälyä ei vielä ole olemassa.

mitkä ovat esimerkkejä TEKOÄLYTEKNOLOGIASTA ja miten sitä käytetään nykyään?

tekoäly on sisällytetty useisiin erityyppisiin tekniikoihin. Tässä kuusi esimerkkiä:

• automaatio. Kun se yhdistetään TEKOÄLYTEKNOLOGIOIHIN, automaatiotyökalut voivat laajentaa suoritettujen tehtävien määrää ja tyyppejä. Esimerkkinä voidaan mainita robotic process automation (RPA), eräänlainen ohjelmisto, joka automatisoi toistuvia, sääntöihin perustuvia tietojenkäsittelytehtäviä, joita ihmiset perinteisesti tekevät. Yhdistettynä koneoppimiseen ja kehittyviin TEKOÄLYTYÖKALUIHIN RPA voi automatisoida suurempia osia yritystyöpaikoista, jolloin RPA: n taktiset robotit voivat välittää älyä tekoälyltä ja vastata prosessimuutoksiin.
• Koneoppiminen. Tämä on tiedettä saada tietokone toimimaan ilman ohjelmointia. Syväoppiminen on koneoppimisen osajoukko, jota voidaan hyvin yksinkertaisesti pitää ennakoivan analytiikan automaationa. Koneoppimisen algoritmeja on kolmenlaisia:
  • Ohjattu oppiminen. Tietokokonaisuudet merkitään niin, että kuviot voidaan havaita ja niitä voidaan käyttää uusien tietokokonaisuuksien merkitsemiseen.
  • valvomaton oppiminen. Tietokokonaisuuksia ei ole merkitty, vaan ne lajitellaan samankaltaisuuksien tai erojen mukaan.
  • vahvistaminen oppiminen. Tietokokonaisuuksia ei merkitä, mutta toimenpiteen tai useiden toimien suorittamisen jälkeen TEKOÄLYJÄRJESTELMÄLLE annetaan palautetta.
• Konenäkö. Tämä teknologia antaa koneelle kyvyn nähdä. Konenäkö kaappaa ja analysoi visuaalista informaatiota kameran, analogisesta digitaaliseen muuntamisen ja digitaalisen signaalinkäsittelyn avulla. Sitä verrataan usein ihmisen näköön, mutta konenäköä ei sido biologia ja se voidaan ohjelmoida näkemään esimerkiksi seinien läpi. Sitä käytetään monenlaisissa sovelluksissa allekirjoitustunnistuksesta lääketieteelliseen kuvaanalyysiin. Koneelliseen kuvankäsittelyyn keskittyvä tietokonenäkö yhdistetään usein konenäköön.
• luonnollisen kielen käsittely (NLP). Tämä on ihmisen kielen käsittelyä tietokoneohjelmalla. Yksi vanhemmista ja tunnetuimmista esimerkeistä NLP: stä on spam detection, joka katsoo sähköpostin aiheriviä ja tekstiä ja päättää, onko se roskaa. Nykyiset lähestymistavat NLP: hen perustuvat koneoppimiseen. NLP: n tehtäviin kuuluvat tekstin kääntäminen, tunteenanalyysi ja puheentunnistus.
• robotiikka. Tämä tekniikan ala keskittyy robottien suunnitteluun ja valmistukseen. Robotteja käytetään usein tehtäviin, joita ihmisen on vaikea suorittaa tai suorittaa johdonmukaisesti. Robotteja käytetään esimerkiksi autonvalmistuksen kokoonpanolinjoissa tai NASA: n toimesta suurten kappaleiden siirtämiseen avaruudessa. Tutkijat rakentavat koneoppimisen avulla myös robotteja, jotka pystyvät vuorovaikutukseen sosiaalisissa ympäristöissä.
• itseohjautuvat autot. Autonomiset ajoneuvot käyttävät tietokonenäön, kuvantunnistuksen ja syväoppimisen yhdistelmää kehittääkseen automaattista taitoa ohjata ajoneuvoa samalla kun pysytään tietyllä kaistalla ja vältetään yllättäviä esteitä, kuten jalankulkijoita.

mitkä ovat tekoälyn Sovellukset?

tekoäly on raivannut tiensä monenlaisille markkinoille. Tässä yhdeksän esimerkkiä.

tekoäly terveydenhuollossa. Suurimmat panostukset kohdistuvat potilastulosten parantamiseen ja kustannusten alentamiseen. Yritykset hakevat koneoppimista tehdäkseen parempia ja nopeampia diagnooseja kuin ihmiset. Yksi tunnetuimmista terveydenhuollon teknologioista on IBM Watson. Se ymmärtää luonnollista kieltä ja osaa vastata sille esitettyihin kysymyksiin. Järjestelmä louhii potilastietoja ja muita käytettävissä olevia tietolähteitä muodostaakseen hypoteesin, jonka se sitten esittää luotettavuuspistejärjestelmällä. Muita TEKOÄLYSOVELLUKSIA ovat virtuaalisten terveydenhuollon avustajien ja chatbottien käyttäminen verkossa potilaiden ja terveydenhuollon asiakkaiden auttamiseksi löytämään lääketieteellisiä tietoja, aikatauluttamaan ajanvarauksia, ymmärtämään laskutusprosessia ja suorittamaan muita hallinnollisia prosesseja. Erilaisia TEKOÄLYTEKNOLOGIOITA käytetään myös COVID-19: n kaltaisten pandemioiden ennustamiseen, torjuntaan ja ymmärtämiseen.

tekoäly liike – elämässä. Koneoppimisalgoritmeja integroidaan analytiikka-ja asiakkuudenhallinta-alustoihin (CRM), jotta saadaan tietoa siitä, miten asiakkaita voidaan palvella paremmin. Chatbotit on sisällytetty verkkosivustoihin tarjoamaan välitöntä palvelua asiakkaille. Työpaikkojen automatisoinnista on tullut myös keskustelunaihe akateemikkojen ja IT-analyytikoiden keskuudessa.

AI koulutuksessa. Tekoäly voi automatisoida luokituksen, jolloin kouluttajille jää enemmän aikaa. Se voi arvioida opiskelijoita ja sopeutua heidän tarpeisiinsa, auttaa heitä työskentelemään omaan tahtiinsa. TEKOÄLYOHJAAJAT voivat tarjota opiskelijoille lisätukea ja varmistaa, että he pysyvät oikeilla raiteilla. Ja se voisi muuttaa sitä, missä ja miten oppilaat oppivat, ehkä jopa korvata joitakin opettajia.

AI rahoituksessa. Tekoäly henkilökohtaisissa rahoitussovelluksissa, kuten Intuit Mint tai TurboTax, häiritsee finanssilaitoksia. Tällaiset sovellukset keräävät henkilötietoja ja tarjoavat talousneuvontaa. Muita ohjelmia, kuten IBM Watsonia, on sovellettu kodin ostoprosessiin. Nykyään tekoälyohjelmisto tekee suuren osan kaupankäynnistä Wall Streetillä.

AI oikeustieteessä. Löytöprosessi, asiakirjojen läpikäyminen, – on lakitieteessä usein ylivoimaista ihmisille. Tekoälyn käyttäminen lakiteollisuuden työvoimavaltaisten prosessien automatisointiin säästää aikaa ja parantaa asiakaspalvelua. Asianajotoimistot käyttävät koneoppimista tietojen kuvaamiseen ja tulosten ennustamiseen, tietokonenäköä dokumenttien luokitteluun ja tietojen poimimiseen sekä luonnollisen kielen käsittelyä tietopyyntöjen tulkitsemiseen.

tekoäly teollisuudessa. Valmistus on ollut eturintamassa sisällyttämällä robotteja työnkulkuun. Esimerkiksi teollisuusrobotit, jotka oli aikoinaan ohjelmoitu suorittamaan yksittäisiä tehtäviä ja erotettu ihmistyöntekijöistä, toimivat enenevässä määrin kobotteina: Pienempiä, moniajavia robotteja, jotka tekevät yhteistyötä ihmisten kanssa ja ottavat vastuun useammasta osasta työtä varastoissa, tehtaiden lattioissa ja muissa työtiloissa.

AI pankkitoiminnassa. Pankit käyttävät onnistuneesti chatbotteja saattaakseen asiakkaansa tietoisiksi palveluista ja tarjonnasta ja käsitelläkseen tapahtumia, jotka eivät vaadi ihmisen väliintuloa. Tekoälyn virtuaaliavustajia käytetään pankkisäädösten noudattamisesta aiheutuvien kustannusten parantamiseen ja leikkaamiseen. Pankkiorganisaatiot käyttävät tekoälyä myös parantaakseen lainapäätöksiään sekä asettaakseen luottorajoja ja tunnistaakseen sijoitusmahdollisuuksia.

AI kuljetuksessa. Sen lisäksi, että tekoälyllä on keskeinen rooli autonomisten ajoneuvojen operoinnissa, tekoälytekniikkaa käytetään kuljetuksissa liikenteen hallintaan, lentojen viivästysten ennustamiseen ja meriliikenteen turvallisuuteen ja tehokkuuteen.

turvallisuus. Tekoäly ja koneoppiminen ovat buzzword-listan kärjessä, jota tietoturvamyyjät käyttävät nykyään eriyttääkseen tarjontaansa. Nämä termit edustavat myös todella toteuttamiskelpoista teknologiaa. Organisaatiot käyttävät koneoppimista tietoturvatiedon ja tapahtumien hallinnan (Siem) ohjelmistoissa ja niihin liittyvissä asioissa havaitakseen poikkeamia ja tunnistaakseen uhkiin viittaavia epäilyttäviä toimintoja. Analysoimalla tietoja ja käyttämällä logiikkaa tunnistaakseen samankaltaisuudet tunnettuun haitalliseen koodiin, tekoäly voi antaa hälytyksiä uusista ja kehittyvistä hyökkäyksistä paljon nopeammin kuin ihmistyöntekijät ja aiemmat teknologiset iteraatiot. Kypsytystekniikalla on iso rooli järjestöjen auttamisessa kyberhyökkäysten torjunnassa.

Augmented intelligence vs. tekoäly

jotkut alan asiantuntijat ovat sitä mieltä, että termi tekoäly liittyy liian läheisesti populaarikulttuuriin, ja tämä on aiheuttanut suurelle yleisölle epätodennäköisiä odotuksia siitä, miten tekoäly tulee muuttamaan työpaikan ja elämän yleensä.

• Augmented intelligence. Jotkut tutkijat ja markkinoijat toivovat, että merkintä augmented intelligence, jolla on neutraalimpi mielleyhtymä, auttaa ihmisiä ymmärtämään, että useimmat tekoälyn toteutukset ovat heikkoja ja yksinkertaisesti parantavat tuotteita ja palveluita. Esimerkkeinä voidaan mainita tärkeiden tietojen automaattinen paljastaminen business intelligence-raporteissa tai tärkeiden tietojen korostaminen oikeudellisissa arkistoissa.
• tekoäly. Todellinen tekoäly eli keinotekoinen yleisäly liittyy läheisesti teknologisen singulariteetin käsitteeseen – tulevaisuuteen, jota hallitsee keinotekoinen superälykkyys, joka ylittää ihmisaivojen kyvyn ymmärtää sitä tai miten se muokkaa todellisuuttamme. Tämä pysyy tieteiskirjallisuuden piirissä, vaikka jotkut kehittäjät työskentelevät ongelman parissa. Monet uskovat, että kvanttilaskennan kaltaisilla teknologioilla voisi olla tärkeä rooli AGI: n toteuttamisessa ja että meidän olisi varattava termin tekoäly käyttö tällaiseen yleiseen älykkyyteen.

tekoälyn eettinen käyttö

tekoälyn työkalut tuovat yrityksille uusia toimintoja, mutta tekoälyn käyttö herättää myös eettisiä kysymyksiä, koska tekoälyjärjestelmä vahvistaa paremmin tai huonommin jo oppimaansa.

tämä voi olla ongelmallista, koska koneoppimisen algoritmit, jotka tukevat monia edistyneimpiä TEKOÄLYTYÖKALUJA, ovat vain yhtä älykkäitä kuin koulutuksessa annetut tiedot. Koska ihminen valitsee, mitä tietoja käytetään TEKOÄLYOHJELMAN kouluttamiseen, koneoppimisen vinouman mahdollisuus on luontainen ja sitä on seurattava tarkasti.

jokaisen, joka haluaa käyttää koneoppimista osana reaalimaailman tuotantojärjestelmiä, on otettava etiikka huomioon tekoälyn koulutusprosesseissa ja pyrittävä välttämään puolueellisuutta. Tämä pätee erityisesti silloin, kun käytetään TEKOÄLYALGORITMEJA, jotka ovat luonnostaan selittämättömiä syväoppimisen ja generatiivisen kontradiktorisen verkon (gan) sovelluksissa.

Selitettävyys on mahdollinen kompastuskivi tekoälyn käytölle teollisuudenaloilla, jotka toimivat tiukkojen lakisääteisten vaatimusten mukaisesti. Esimerkiksi Yhdysvalloissa rahoituslaitokset toimivat sellaisten säännösten mukaan, jotka velvoittavat niitä selittämään luottoa myöntävät päätöksensä. Kun päätös luoton epäämisestä tehdään TEKOÄLYOHJELMOINNILLA, voi kuitenkin olla vaikea selittää, miten päätös tehtiin, koska tällaisten päätösten tekemiseen käytetyt TEKOÄLYTYÖKALUT toimivat kiusoittelemalla hienovaraisia korrelaatioita tuhansien muuttujien välillä. Kun päätöksentekoprosessia ei voida selittää, ohjelmasta voidaan käyttää nimitystä black box AI.

mahdollisista riskeistä huolimatta TEKOÄLYTYÖKALUJEN käytöstä on nykyisin vain vähän säädöksiä, ja jos lakeja on olemassa, ne koskevat tekoälyä yleensä epäsuorasti. Kuten aiemmin mainittiin, esimerkiksi Yhdysvaltain Fair Lending regulations vaatii rahoituslaitoksia selittämään luottopäätöksiä potentiaalisille asiakkaille. Tämä rajoittaa sitä, missä määrin lainanantajat voivat käyttää syväoppimisalgoritmeja, jotka ovat luonteeltaan läpinäkymättömiä ja joilla ei ole selitettävyyttä.

Euroopan unionin yleinen tietosuoja-asetus (GDPR) asettaa tiukat rajat sille, miten yritykset voivat käyttää kuluttajatietoja, mikä vaikeuttaa monien kuluttajille suunnattujen TEKOÄLYSOVELLUSTEN koulutusta ja toimivuutta.

lokakuussa 2016 kansallinen tiede-ja teknologianeuvosto julkaisi raportin, jossa tarkasteltiin valtion sääntelyn mahdollista roolia tekoälyn kehityksessä, mutta se ei suositellut erityisen lainsäädännön harkitsemista.

tekoälyä säätelevien lakien laatiminen ei tule olemaan helppoa osittain siksi, että tekoäly käsittää erilaisia teknologioita, joita yritykset käyttävät eri tarkoituksiin, ja osittain siksi, että säädökset voivat tulla tekoälyn kehityksen ja kehityksen kustannuksella. TEKOÄLYTEKNOLOGIOIDEN nopea kehittyminen on toinen este tekoälyn mielekkään säätelyn muodostamiselle. Teknologian läpimurrot ja uudet sovellukset voivat tehdä olemassa olevista laeista hetkessä vanhentuneita. Esimerkiksi nykyiset lait, jotka säätelevät keskustelujen ja nauhoitettujen keskustelujen yksityisyyttä, eivät kata Amazonin Alexan ja Applen Sirin kaltaisten ääniavustajien aiheuttamaa haastetta, jotka keräävät mutta eivät jaa keskustelua — paitsi yritysten teknologiatiimeille, jotka käyttävät sitä parantaakseen koneoppimisen algoritmeja. Ja tietenkin lait, joita hallitukset onnistuvat laatimaan säädelläkseen tekoälyä, eivät estä rikollisia käyttämästä teknologiaa pahantahtoisesti.

kognitiivinen tietojenkäsittely ja AI

termejä AI ja kognitiivinen tietojenkäsittely käytetään joskus keskenään, mutta yleisesti ottaen nimitystä AI käytetään koneista, jotka korvaavat ihmisen älykkyyden simuloimalla sitä, miten aistimme, opimme, käsittelemme ja reagoimme informaatioon ympäristössä.

merkintää kognitiivinen tietojenkäsittely käytetään viittaamaan tuotteisiin ja palveluihin, jotka jäljittelevät ja lisäävät ihmisen ajatusprosesseja.

mikä on tekoälyn historia?

älyä omaavien elottomien esineiden käsite on ollut olemassa jo antiikin ajoista lähtien. Kreikan jumala Hefaistos kuvattiin myyteissä takomassa robottimaisia palvelijoita kullasta. Muinaisen Egyptin insinöörit rakensivat pappien animoimia jumalpatsaita. Läpi vuosisatojen ajattelijat Aristoteleesta 1200-luvun espanjalaiseen teologiin Ramon Llulliin René Descartesiin ja Thomas Bayesiin käyttivät aikansa työkaluja ja logiikkaa kuvaamaan ihmisen ajatusprosesseja symboleina, luoden perustan tekoälyn käsitteille, kuten yleistiedon esittämiseen.

1800-luvun loppupuoli ja 1900-luvun alkupuolisko toivat esiin sen perustyön, joka synnyttäisi nykyaikaisen tietokoneen. Vuonna 1836 Cambridgen yliopiston matemaatikko Charles Babbage ja Lovelacen kreivitär Augusta Ada Byron keksivät ensimmäisen ohjelmoitavan koneen suunnittelun.

1940-luku. Princetonin matemaatikko John Von Neumann kehitti tallennetun ohjelmatietokoneen arkkitehtuurin-ajatuksen siitä, että tietokoneen ohjelma ja sen käsittelemä data voidaan säilyttää tietokoneen muistissa. Warren McCulloch ja Walter Pitts loivat perustan hermoverkoille.

1950-luku. nykyaikaisten tietokoneiden myötä tutkijat saattoivat testata käsityksiään koneälystä. Yhden menetelmän sen määrittämiseksi, onko tietokoneella älykkyyttä, keksi brittiläinen matemaatikko ja toisen maailmansodan aikainen koodinmurtaja Alan Turing. Turingin testi keskittyi tietokoneen kykyyn huijata kuulustelijoita uskomaan, että sen vastaukset heidän kysymyksiinsä ovat ihmisen tekemiä.

1956. Nykyaikaisen tekoälyn kentän on yleisesti mainittu alkaneen tänä vuonna kesäkonferenssissa Dartmouth Collegessa. Konferenssin sponsoroi Defense Advanced Research Projects Agency (DARPA), ja siihen osallistui 10 alan valovoimaista henkilöä, mukaan lukien tekoälyn pioneerit Marvin Minsky, Oliver Selfridge ja John McCarthy, jonka katsotaan keksineen termin tekoäly. Läsnä olivat myös tietojenkäsittelytieteilijä Allen Newell ja Herbert A. Simon, taloustieteilijä, valtiotieteilijä ja kognitiivinen psykologi, joka esitteli uraauurtavan Logiikkateoreetikkonsa, tietokoneohjelman, joka pystyy todistamaan tiettyjä matemaattisia teoreemoja ja jota kutsutaan ensimmäiseksi TEKOÄLYOHJELMAKSI.

1950-ja 1960-luvuilla. Dartmouth Collegen konferenssin jälkeen tekoälyn johtajat ennustivat, että ihmisaivoja vastaava ihmistekoinen älykkyys oli nurkan takana ja sai suurta tukea hallitukselta ja teollisuudelta. Lähes 20 vuotta hyvin rahoitettua perustutkimusta tuottikin merkittävää edistystä tekoälyssä: Esimerkiksi 1950-luvun lopulla Newell ja Simon julkaisivat General Problem Solver (GPS) – algoritmin, joka ei kyennyt ratkaisemaan monimutkaisia ongelmia, mutta loi perustan kehittyneempien kognitiivisten arkkitehtuurien kehittämiselle; McCarthy kehitti Lisp-kielen, joka on TEKOÄLYOHJELMOINNIN kieli, jota käytetään vielä nykyäänkin. 1960-luvun puolivälissä MIT: n professori Joseph Weizenbaum kehitti Elizan, varhaisen luonnollisen kielen käsittelyohjelman, joka loi perustan nykyisille chatboteille.

1970-ja 1980-luvuilla. Mutta keinotekoisen yleisälykkyyden saavuttaminen osoittautui vaikeasti saavutettavaksi, ei välittömäksi, ja sitä vaikeuttivat tietokoneen käsittelyn ja muistin rajoitukset sekä ongelman monimutkaisuus. Hallitus ja yritykset perääntyivät tukemasta TEKOÄLYTUTKIMUSTA, mikä johti kesantokauteen, joka kesti vuodesta 1974 vuoteen 1980 ja joka tunnetaan ensimmäisenä “TEKOÄLYTALVENA.”1980-luvulla syväoppimistekniikoiden tutkimus ja teollisuuden omaksuminen Edward Feigenbaumin asiantuntijajärjestelmiin nostatti uuden TEKOÄLYINNOSTUKSEN aallon, jota seurasi jälleen valtion rahoituksen ja teollisuuden tuen romahdus. Toinen TEKOÄLYTALVI kesti 1990-luvun puoliväliin asti.

1990-luvulta nykypäivään. Laskentatehon kasvu ja datan räjähdysmäinen kasvu käynnistivät 1990-luvun lopulla tekoälyn renessanssin, joka on jatkunut nykypäiviin asti. Viimeisin keskittyminen tekoälyyn on synnyttänyt läpimurtoja muun muassa luonnollisen kielen käsittelyssä, tietokonenäössä, robotiikassa, koneoppimisessa ja syväoppimisessa. Lisäksi tekoäly konkretisoituu yhä enemmän, sillä se antaa virtaa autoille, diagnosoi tauteja ja sementoi rooliaan populaarikulttuurissa. Vuonna 1997 IBM: n Deep Blue voitti venäläisen shakin suurmestarin Garry Kasparovin, ja hänestä tuli ensimmäinen tietokoneohjelma, joka on voittanut shakin maailmanmestarin. Neljätoista vuotta myöhemmin IBM: n Watson hurmasi yleisön, kun se voitti kaksi entistä mestaruutta Game show Jeopardy!. Viime aikoina Google DeepMindin AlphaGon 18-kertaisen maailmanmestarin Lee Sedolin Historiallinen tappio löi GO-yhteisön ällikällä ja merkitsi merkittävää virstanpylvästä älykkäiden koneiden kehityksessä.

tekoäly palveluna

koska tekoälyn laitteisto -, ohjelmisto-ja henkilöstökustannukset voivat olla kalliita, monet myyjät sisällyttävät tekoälyn komponentteja standarditarjontaansa tai tarjoavat pääsyn tekoäly palveluna (aiaas) – alustoille. AIaaS antaa yksityishenkilöille ja yrityksille mahdollisuuden kokeilla tekoälyä erilaisiin liiketoimintatarkoituksiin ja maistella useita alustoja ennen sitoumuksen tekemistä.

suosittuja tekoälyn pilvitarjontaa ovat muun muassa seuraavat:

• Amazonin tekoäly
• IBMAT Atson Assistant
• Microsoft Cognitive Services
• Googlen tekoäly