Mistä puhumme kun puhumme tekoälystä?

Tekoäly on viime vuosina liukunut scifi-maailmasta arkipäivän ilmiöksi. Tekoälyratkaisuja on oikeastaan jo vaikea välttää, ellei satu elelemään yksin erakkona ilman muita yhteyksiä ulkomaailmaan kuin radio.

Organisaatioissa tekoäly ei kuitenkaan ole vielä arkea. Tilannetta kuvaa hyvin aihetta koskeva keskustelu, joka painottuu kahteen ääripäähän. Suurin osa ei tiedä, mistä puhutaan ja kuittaa, että ”kai meilläkin sitä jossain tehdään”. Alan osaajien näkemys kuitenkin lienee, että ”johto ei ymmärrä, mistä on kysymys ja paljonko alueeseen kannattaisi panostaa”.

Molemmat ovat todennäköisesti jonkin verran oikeassa, mutta lopputulema hidastaa kehitystä: Harva uskaltaa investoida tekoälyyn. Suurin osa yritysten ja organisaatioiden johdosta luottaa edelleen perinteisiin työkaluihin ja mittareihin yrittäessään hahmottaa tulevaa.

Kysymyksiä ja termejä risteilee ilmassa:

• Mitä tekoälyllä tarkoitetaan? Mitä on puhdas tekoäly? Millaista tietojenkäsittelyprosessia voi kutsua tekoälyksi?
• Miten tekoäly eroaa tehtävistä, joita älykkäät sovellukset suorittavat?
• Miten erottaa toisistaan normaali analytiikka, data-analytiikka ja perinteinen automaatio?
• Mitä ovat erilaiset automaation ja analytiikan keinot, jotka hyödyntävät tekoälyä?
• Ja vielä: Mitä Fujitsu tarkoittaa tekoälyllä ja milloin kone on älykäs?

Yritän ensin vastata keskeisimpään kysymykseen. Älykkyyttä ei ole se, että pystyy matkimalla toistamaan asioita. Mutta jos kone pystyy jonkinlaiseen itseoppimiseen siten, että se ratkaisee ”itse” asioita, sitä voi sanoa älykkääksi. Koska kyse on koneen eikä ihmisen älystä, kutsumme tuota tekoälyksi.

Useimmiten tekoälyä tarkastellaan käyttökohteiden kautta. Kun me Fujitsussa puhumme tekoälystä, tarkoitamme ennen kaikkea koneoppimista. Oppimista on kuitenkin monenlaista.

Ohjatusta oppimisesta puhutaan silloin, kun ilmiö tunnetaan ja siitä on olemassa luokiteltua dataa ja arvoja. Esimerkiksi sairauden tai vamman voi tunnistaa röntgenkuvista.

Ohjaamaton oppiminen on kyseessä, kun ennustettavaa ilmiötä ei tunneta ja tavoitteena on ymmärtää ilmiöön liittyvää dataa entistä paremmin. Esimerkiksi ennakoiva kunnossapito voi hyödyntää ohjaamatonta oppimista.

Vahvistusoppimisen avulla tekoäly oppii kuten hyvin pieni lapsi eli enimmäkseen yrityksen ja erehdyksen kautta. Tämän kautta on mahdollisuutta kehittää tekoälyn omaa älykkyyttä ja ratkaisutaitoja – liittyivätpä nämä vaikkapa tietokoneella pelaamiseen tai miksei ajoneuvon itseohjautuvuuteen.

Tässä siis määritelmät. Seuraavassa blogissa nostan esiin käytännön esimerkkejä siitä, miten tekoälyratkaisut jo auttavat meitä arjessa.