Tiimiakatemia on Jyväskylän Ammattikorkeakoulun yrittäjyyden huippuyksikkö

Tekoäly, Matkaopas johtajalle

Kirjoitettu 14.01.19
Esseen kirjoittaja: Tom Kaskinen
Kirjapisteet: 3
Kirja: Tekoäly, matkaopas johtajalle
Kirjan kirjoittaja: Antti Merilehto
Kategoriat: 1. Oppiminen, 4.2. Johjajan / valmentajan taidot ja työkalut, 4.3. Johtamisen ja organisaation kehittämisen työkalut

VN:F [1.9.22_1171]
Rating: 0.0/5 (0 votes cast)

Avasin kirjan kiinnostuneena melkein heti joulun alla kun olin juuri saanut päätökseeni edellisen vuoden opintoni ja ensimmäiset kuukauteni yrittäjänä. Syksyn jälkeen heräsin ajatukseen, että haluan oppia ymmärtämään kaikkea edes vähän. Antti Merilehdon kirjoittama teos tekoälystä oli mahtava startti uuteen ajatukseeni. Käytän esseessäni hyvin paljon lainauksia kirjasta, koska tiedon pukeminen täysin omin sanoin olisi omalla tietopohjallani typerää.

 

Minulla ei pohjalla mitään tietoa tekoälystä, mikä olikin kirjan mukaan aivan oikea lähtökohta kirjan lukemiseen. Kirjassa avataan paljon tekoälyn peruskäsitteitä ja mitä ne tarkoittavat tyhmälle suomennettuna. Kirja on erittäin hyödyllinen opus ymmärtämään ainakin perustasolla mitä tekoäly on, ja miten sitä on tällä hetkellä mahdollista hyödyntää liiketoiminnassa. Avaankin esseessäni hieman tekoälyn peruskäsitteitä.

 

Tekoäly

 

Tekoäly on koneen suorittamaa toimintaa, joka ihmisen tekemänä tulkittaisiin älykkääksi. Tekoäly ei kuitenkaan rajoitu vain ihmisen tasoon, vaan se voi esimerkiksi ennakoida, kuulla tai nähdä. Tekoäly kuitenkin yleensä jaetaan kahteen kategoriaan, heikkoon ja vahvaan.

 

Heikko tekoäly kykenee ratkaisemaan vain yhtä tehtävää, jota se on opetettu tekemään. Kirjassa käytetään esimerkkinä konetta joka tunnistaa konenäön avulla syöpäkasvaimia kuvista. On myös mainittu, että käytännössä kaikki nykyinen tekoäly on heikkoa tekoälyä.

 

Vahva tekoäly pystyy taas ratkomaan laajaa skaalaa erilaisia ongelmia, ajaa autoa, ymmärtää kieliä ja kokkaa. Vahvaa tekoälyä ei ole vielä kehitetty.

 

Koneoppiminen

 

Merilehto mainitsee kirjassaan, että koneoppimisen perusasioiden osaaminen on lähitulevaisuudessa jokaisen tulosvastuussa olevan ihmisen perusosaamista. Koneoppiminen on tekoälyn osa-alue, jossa kone hyödyntää itse dataa mikä sille annetaan, eikä sitä ohjelmoida siihen erikseen.

 

Konetta voidaan opettaa ohjatulla oppimisella. Koneelle voidaan esimerkiksi antaa tiettyyn tehtävään oikea vastaus, ja se oppii itse antamaan samanlaisiin tehtäviin oikean vastauksen. Koneoppiminen on kirjaimellisesti koneen opettamista syöttämällä sille dataa. Kirjassa on mahtava esimerkki Netflixistä, joka käyttää suositusjärjestelmäänsä koneen opettamiseen. Voit arvioida elokuvat asteikolla 1-5 ja kun olet antanut tarpeeksi arvioita, osaa kone kertoa sinulle sopivimmat vaihtoehdot itsestään. Tässä tapauksessa palvelunkäyttäjä itse opettaa konetta.

Koneoppiminen on omalla tavallaan kuin lapsen opettamista tässä hyvä esimerkki kirjasta:

 

”Kaverin mukelo oli saanut pienen lelupakettiauton ensimmäisten lelujen joukossa ja tästä pakettiautosta tulikin hänen lempilelunsa, jota kutsuttiin nimellä paku. Matkustaminen autossa pienen lapsen kanssa on jatkuvaa havainnointia, ja nelipyöräinen liikkuva esine koosta riippumatta oli tälle lapselle aina paku. ”Katso isi, paku!” kuului jokaisen auton kohdalla, joka kiinnitti lapsen huomion. Jos käytetään koneoppimisen kieltä, harjoitusdataan perustuvan ensimmäisen arvauksen pohjalta lapsi sai isältään palautetta: ”Toi vihreä on henkilöauto ja sininen rekka.” Ja kun arvaus osui oikeaan ja auto, jota osoitettiin, oli todella pakettiauto, riemu oli rajaton. Eikä aikaakaan, kun lapsi hahmotti jo henkilöauton, rekan ja pakettiauton toisistaan. Oli tapahtunut oppimista.”

 

Syväoppiminen ja neuroverkot

 

Neuroverkot

 

Keinotekoiset neuroverkot koostuvat joukoista toisiin kytkettyjä neuroneita, jotka ovat harjoitelleet jotain toimintaa isolla määrällä dataa. Meillä ei kuitenkaan ole varmuutta siitä miten aivot oikeasti toimivat, joten meillä ei ole mahdollisuutta rakentaa tietokonetta joka toimisi aivojen tavoin. Neuroverkkojen tehtävänä on jäljitellä tiettyjä ihmisaivojen toimintamalleja.

 

”Syvät neuroverkot jäljittelevät ihmisen aivojen rakennetta. Verkot koostuvat neuroneista ja synapseista. Tietokoneiden kohdalla puhutaan solmuista ja niistä yhdistävistä kaarista. Neuronit ovat koneita, jotka tekevät kerralla vain yhtä asiaa. Ne ottavat sisään syötteen, prosessoivat sen ja antavat eteenpäin seuraavalle neuronille.”

 

Syväoppiminen

 

Syväoppimisen ytimessä on nämä nimenomaiset neuroverkot. Syväoppimiseen soveltuva järjestelmä pystyy esimerkiksi opettamaan itsensä tunnistamaan kissan, kun sille näytetään tarpeeksi kuvia kissoista. Koneelle syötetään kuvia mitkä ovat etukäteen luokiteltu joko kissoiksi, tai joksikin muuksi. Kone oppii parhaiten, mitä enemmän dataa sille syötetään. Kyseisessä esimerkissä dataa pitää kuitenkin syöttää tuhansia ja taas tuhansia kuvia.

 

Merilehdon mukaan yleisin argumentti syväoppimisen rajallisuudesta on se, että opetusdataksi tarvitaan usein erittäin suuri määrä dataa. Pääosin asia on näin, mutta kirjassa on myös hyvä esimerkki patologeista. Syväoppiva tekoäly pystyy tällä hetkellä tunnistamaan tiettyjä syöpiä paremmin kuin patologi, ja tämän menetelmän mahdollistava aineisto käsitti vain 273 kuvaa.

 

 

En voi väittää, että ymmärrän syviä neuroverkkoja, neuroneita ja synapseja paremmin kuin luin kirjan. Väitän kuitenkin, että osaan nyt tekoälyn perusteet, ja osaan mahdollisesti ehdottaa niiden hyödyntämistä tulevaisuudessa.