Tekoälyn aalto pyyhkäisee maailmaa, ja monet sanat viipyvät aina korvissamme: tekoäly (tekoäly), koneoppiminen (koneoppiminen), syväoppiminen (Syväoppiminen). Monilla ihmisillä on aina epämääräinen ymmärrys näiden korkean taajuuden sanojen merkityksestä ja niiden takana olevasta suhteesta. Tässä artikkelissa selvennetään näiden sanojen merkitystä yksinkertaisimmalla kielellä, mikä voi auttaa kaikkia ymmärtämään paremmin niiden välistä suhdetta.
Autoista älypuhelimiin, digitaalisiin avustajiin ja jopa robotteihin. Emme puhu vain uraauurtavista uusista ominaisuuksista, jotka ilmestyvät joka päivä. Lisäksi laitteet, tietokoneet ja koneet suorittavat tehtäviä älykkäästi. Miten he tekevät sen? — Tekoälyn eli tekoälyn kautta.
Termin "tekoäly" keksi ensin kognitiivinen tiedemies John McCarthy, joka kirjoitti kirjassaan: "Tämä tutkimus perustuu oletukseen, että mikä tahansa oppimiskäyttäytyminen tai muu älyllinen ominaisuus voi periaatteessa olla tarkka kuvaus, jotta kone voidaan rakentaa simuloimaan sitä." Siitä lähtien tekoäly on kummitellut ihmisten mielissä ja kuoriutunut hitaasti tieteellisissä tutkimuslaboratorioissa. Seuraavina vuosikymmeninä tekoäly on kääntänyt napaisuutensa tai sitä on kutsuttu profetiaksi ihmisen sivilisaation häikäisevästä tulevaisuudesta tai heitetty roskakasaan teknologisten hullujen fantasioita. Vuoteen 2012 asti molemmat äänet olivat olemassa samanaikaisesti.
Kuva | Tekoälyn tutkimushaara
Vuoden 2012 jälkeen tekoäly alkoi räjähtää datan määrän kasvun, laskentatehon parantamisen ja uusien koneoppimisalgoritmien syntymisen (syväoppiminen) ansiosta. Nykyinen tieteellinen tutkimustyö keskittyy kuitenkin heikon tekoälyn osaan, ja on hyvin toiveikasta, että lähitulevaisuudessa tehdään suuri läpimurto. Suurin osa elokuvien tekoälystä kuvaa vahvaa tekoälyä, ja tätä osaa on vaikea saavuttaa nykyisessä todellisessa maailmassa. (Tekoäly jakautuu yleensä heikkoon tekoälyyn ja vahvaan tekoälyyn. Ensimmäinen antaa koneille mahdollisuuden tarkkailla ja havaita, ja se voi saavuttaa tietyn ymmärryksen ja päättelyn tason, kun taas vahva tekoäly antaa koneille mahdollisuuden hankkia mukautuvia ominaisuuksia ja ratkaista joitain ongelmia, joita ei aiemmin kohdattu.
Heikon tekoälyn odotetaan tekevän läpimurtoja, miten se saavutetaan ja mistä "älykkyys" tulee? Tämä johtuu suurelta osin yhdestä tekoälyä koskevasta lähestymistavasta – koneoppimisesta.
Käytämme yksinkertaisinta menetelmää visualisoidaksemme näiden kolmen välisen suhteen.
Tekoäly
Yksinkertaisesti sanottuna tekoäly kuvaa erilaisia tapoja, joilla kone on vuorovaikutuksessa ympäröivän maailman kanssa. Kehittyneen, ihmisen kaltaisen älykkyyden ansiosta tekoälykone tai -laite voi jäljitellä ihmisen käyttäytymistä tai suorittaa ihmisen kaltaisia tehtäviä ohjelmistojen ja laitteistojen yhdistettyjen vaikutusten avulla.
Voimme nähdä paljon tekoälystä tänään, kuten puheentunnistuksesta (käytetään älykkäissä henkilökohtaisissa avustajalaitteissa), kasvojentunnistuksesta (käytetään suodattimissa, jotka ovat tällä hetkellä suosittuja sosiaalisessa mediassa) tai esineiden tunnistamisesta (kuten omenan ja appelsiinien kuvan etsiminen).
Koneoppiminen
Koneoppiminen on tekoälyn lähestymistapa tai osajoukko, joka korostaa "oppimista" tietokoneohjelmien sijaan. Kone käyttää monimutkaisia algoritmeja analysoimaan suuria määriä tietoja, tunnistamaan tietojen kuvioita ja tekemään ennusteen, prosessin, joka ei vaadi ihmistä kirjoittamaan erityisiä ohjeita koneen ohjelmistoon. Kun on luullut kermanvärisen puffin oranssiksi, järjestelmän kuviontunnistus paranee ajan myötä, kun se oppii virheistään ja korjaa itsensä kuin ihminen.
Syvä oppiminen
Syväoppiminen on koneoppimisen osajoukko, joka ajaa suuria edistysaskeleita tietokoneälyssä. Se käyttää paljon dataa ja laskentatehoa simuloimaan syviä neuroverkkoja. Pohjimmiltaan nämä verkot jäljittelevät ihmisen aivojen liitettävyyttä, luokittelevat tietojoukkoja ja löytävät korrelaatioita niiden välillä. Äskettäin opitun tiedon avulla (ilman ihmisen väliintuloa) kone voi soveltaa oivalluksiaan muihin tietojoukkoihin. Mitä enemmän tietoja kone käsittelee, sitä tarkempia sen ennusteet ovat.
Syväoppimislaite voisi esimerkiksi tutkia massadataa, kuten hedelmien väriä, muotoa, kokoa, kypsymisaikaa ja alkuperää, selvittääkseen tarkasti, onko omena vihreä omena vai oranssi verioranssi.
Tekoälyn, koneoppimisen ja syväoppimisen väliset erot eivät ole yhtä ilmeisiä kuin omenat ja appelsiinit, ne ovat hienovaraisempia. Koneoppiminen on menetelmä tekoälyn saavuttamiseksi, ja syväoppiminen on tekniikka koneoppimisen saavuttamiseksi. Ymmärrätkö nyt eron niiden välillä?
