Tekoäly (AI), koneoppiminen (ML) ja algoritmit – nämä termit ymmärretään toisinaan väärin. Niitä myös käytetään päällekäisinä, vaikka niiden merkitys ei ole sama. Tämä aiheuttaa joskus hämmennystä muutenkin kompleksisissa asiayhteyksissä.
Toisaalta, yllä mainittu on myös luonnollista. Uusien trendien ilmaantuessa on yleistä, että niihin liittyvät määritelmät menevät kerroksittain toistensa päälle. Tekoäly, koneoppiminen ja algoritmit ovat kuitenkin käsitteinä jo niin pitkäaikaisia, että niillä kullakin on jo suhteellisen vakiintunut merkitys.
Haastattelimme Quinyxin Berend Berendseniä tästä aiheesta, jotta saisimme termit kristallinkirkkaiksi!
MITÄ ON ALGORITMI?
Algoritmi on mikä tahansa automatisoitu ohje. Valtaosa algoritmeista on yksinkertaisempia kuin ehkä ajattelemmekaan. Joskus ne ovat pelkkiä jos -> niin -yhtälöitä. Jos nappia painetaan, niin toiminto tapahtuu.
Algoritmi voi olla myös yksinkertaisten jos -> niin -yhtälöiden tai monimutkaisempien matemaattisten yhtälöiden sarja. Algoritmin kompleksisuus määräytyy sen mukaan, kuinka moniulotteisia sen yksittäiset askeleet ovat ja kuinka monta askelta algoritmi tarvitsee toimiakseen.
MITÄ ON KONEOPPIMINEN?
Siinä missä algoritmit ovat sekä koneoppimisen että tekoälyn rakennuspalikoita, on koneoppimisessa ja tekoälyssä kuitenkin jo selkeä eroavaisuus. Ja tämä liittyy dataan, jota niihin syötetään.
Koneoppiminen on sarja algoritmeja, joille syötetään strukturoitua dataa niin, että tehtävä voidaan suorittaa ilman ohjelmoimista. Luottokorttihuijauksia paljastava algoritmi on hyvä esimerkki koneoppimisesta. Jos joskus olet saanut pankilta yhteydenoton ja tiedustelun siitä, onko luottokorttiasi käytetty tietyssä maassa tietyllä summalla, on taustalla nimittäin koneoppimisen havainnoima poikkeama.
Tässä yhteydessä algoritmi saa strukturoitua dataa. Pankit säilyttävät dataa vakiintuneessa muodossa, ja jokaiselle tapahtumalle on asetettu esimerkiksi päivämäärä, sijainti ja summa. Mikäli esimerkiksi sijainti yhtäkkiä poikkeaa siitä, mitä algoritmi tavallisesti saa tietoonsa, se varoittaa ja estää transaktiota tapahtumasta. Tämänlainen toiminta perustuu koneoppimiseen.
MITÄ ON TEKOÄLY?
On todettava, että linjanveto tekoälyn ja koneoppimisen välillä ei aina ole täysin selkeä. Itse asiassa koneoppiminen on osa tekoälyä. Määrittelemme tekoälyn algoritmien sarjaksi, joka pystyy käsittelemään ennakoimattomia tilanteita. Tekoäly eroaa koneoppimisesta: sille voidaan syöttää strukturoimatonta dataa ja se toimii silti. Syy sille, miksi tekoälyä usein käytetään synonyymisenä koneoppimisen kanssa on se, ettei aina ole tietoa siitä, onko taustalla oleva data strukturoitua vai strukturoimatonta. Kyseessä ei niinkään ole ohjattu tai ohjaamaton oppiminen – siitä aiheesta saisi ihan oman kirjoituksensa – vaan siitä, miten se syötetään ja esitetään AI-algoritmille.
Hyvä esimerkki äärimmäisen taitavasta tekoälystä on Boston Dynamicsin Atlas-robotti, joka pystyy liikkumaan missä tahansa ja samalla välttämään esteitä. Robotti ei tiedä mitä sen eteen tulee, mutta toimii silti ihailtavan taitavasti ilman strukturoitua dataa. Data on paljon moninaisempaa kuin esimerkissämme luottokorttihuijauksen estosta, sillä muuttujia ei ole tiedossa. Siitä huolimatta aina kun algoritmi on aktivoitu ja kohtaa täysin uuden tilanteen, se toimii ilman ihmisen ohjausta.
Yhteenvetona: algoritmit ovat automatisoituja ohjeita, ja ne voivat olla yksinkertaisia tai monimutkaisia, riippuen siitä, montako kerrosta algoritmissa on. Koneoppiminen ja tekoäly ovat molemmat sarja algoritmeja, mutta eroavat siinä, onko niiden saama data strukturoitua vai strukturoimatonta.
Toivottavasti artikkelimme selkeytti näitä hieman monimutkaisia ja joskus päällekäisiäkin termejä. Näiden eroavaisuuksien ymmärtäminen on ollut meille Quinyxillä arvokasta – toivottavasti myös sinä hyödyt näistä tiedonjyväsistä!
