Mikä ihmeen neuroverkko? Katso tekoälysanastostamme!

Mitä tarkoittaa neuroverkko? Entä mitä oikeastaan ovat algoritmit, jotka tuntuvat osaavan, tekevän ja ennustavan kaikenlaista? Tekoälyyn liittyy paljon erikoissanastoa, joka voi äkkiseltään vaikuttaa vaikeaselkoiselta. Kokosimme pienen tekoälysanaston jargonia taltuttamaan.

Tekoäly

Tekoäly on koneelle rakennettua älyä. Sitä käytetään automatisoimaan tehtäviä, joiden tekeminen vaatisi ihmiseltäkin älyä. Tekoälylle olennaisia ominaisuuksia on, että se ei tarvitse jatkuvaa ohjausta suorittaakseen tehtäviä ja että se pystyy kehittämään toimintakykyään koneoppimisen kautta.

Äly

Mitä rakennamme, kun rakennamme älyä? Tekoälyn maailmassa älyllä tarkoitetaan lähinnä kykyä ratkaista ongelmia. Älyä voidaan käyttää monenlaisten ongelmien ratkaisuun: matemaattisten pulmien ratkomiseen, vieraskielisen tekstin kääntämiseen tai vaikkapa tunteiden tunnistamiseen. Mitä monimutkaisempia ongelmia kone tai ihminen osaa ratkoa, sitä älykkäämpi se on. Tekoälyn äly on kuitenkin aina ohjelmoitua eikä sellaista luovaa, soveltavaa älykkyyttä ja ajattelutaitoa kuin ihmisen älykkyys. Ainakaan vielä.

Algoritmi

Algoritmi on jonkin tietyn tehtävän suorittamiseksi tai ratkaisemiseksi kehitetty selkeä prosessi – kokoelma yksiselitteisiä, tietyssä järjestyksessä tapahtuvia toimintaohjeita. Yksinkertainen esimerkki algoritmista on alakoulussa opeteltava allekkainlasku. Se on yksiselitteinen tapa esimerkiksi kertolaskujen ratkaisuun, jota voi soveltaa kaikkiin lukuihin. Tekoälyssä käytettävät algoritmit ovat toki monimutkaisempia, mutta sama pääperiaate pätee kaikkiin algoritmeihin.

Koneoppiminen

Koneoppiminen tarkoittaa yksinkertaistaen sitä, että kone oppii parantamaan suorituskykyään ilman, että sille annetaan tarkkoja toimintaohjeita. Kone tottelee algoritmia, jossa ei välttämättä olekaan jokaiseen tilanteeseen valmista toimintamallia, vaan oppiva algoritmi parantaa toimintaansa sille syötetyn (riittävän suuren) datamäärän perusteella. Oppivat algoritmit pystyvät hyödyntämään sekä pohjatietoa että algoritmin käytön aikana saatavaa tietoa.

Datastrategia

Datastrategia on yrityksellä tai organisaatiolla oleva suunnitelma datan säilömisestä, käyttämisestä ja hyödyntämisesta. Datastrategia tukee yrityksen liiketoimintastrategiaa. Koska data on algoritmien toiminnan kannalta niin tärkeää, on datastrategia ensimmäinen askel, joka yrityksen on otettava, kun suunnittelee tekoälyprojektin aloittamista.

Tiedonlouhinta (Data mining)

Tiedonlouhinnalla tarkoitetaan erilaisia menetelmiä, joilla pyritään löytämään oleellinen tieto suuresta datamassasta ja muuttamaan se helposti hyödynnettävään, usein visuaaliseen muotoon. Käytettävästä datasta ja etsittävästä tiedosta riippuen tiedonlouhintaa voidaan toteuttaa erilaisin tavoin, esimerkiksi klusteroinneilla tai neuroverkoilla. Tiedonlouhinnan avulla voidaan saada selville esimerkiksi, millaisia tuotteita tietty asiakassegmentti (esim. 25–35-vuotiaat miehet) ostaa minäkin aikoina. Tiedonlouhinnan avulla saaduista malleista voidaan jatkokehittää myös ennusteita.

Luokittelu

Luokittelussa data ryhmitellään eri luokkiin saman ominaisuuden tai toisiaan muistuttavien ominaisuuksien avulla. Nämä luokat on ennalta määrätty. Esimerkiksi asiakkaita voidaan luokitella iän tai asuinpaikan perusteella.

Klusterointi

Klusterointi on yksi luokittelua muistuttava tiedonlouhinnan menetelmä. Klusteroinnissa data ryhmitellään toisiaan muistuttavien havaintojen avulla. Erona luokitteluun on, että ennalta ei välttämättä tiedetä, millä tavalla havainnot muistuttavat toisiaan.

Segmentointi

Segmentointi on lähinnä markkinoinnissa käytetty termi. Asiakkaat jaetaan segmentteihin, joiden perusteella mainontaa voidaan kohdentaa täsmällisesti. Klusterointia ja segmentointia käytetään joskus synonyymeinä. Klusterianalyysin avulla voidaan tunnistaa asiakassegmenttejä, joihin asiakkaat voidaan luokitella. Klusteroinnin avulla voidaan löytää asiakkaista ja asiakaskäyttäytymisestä sellaisia yhtäläisyyksiä, jotka jäisivät huomaamatta, jos tarkasteltaisiin vain ennalta määrättyjä luokitteluja.

Neuroverkko

Neuroverkko on ihmisaivojen toimintaa jäljittelevä rakenne, jota käytetään ratkaisemaan monimutkaisia matemaattisia ongelmia. Neuroverkolle ei tarvitse tarkkaan kertoa, miten sen pitää missäkin tilanteessa toimia, vaan sitä opetetaan esimerkkien kautta. Neuroverkkoja käytetään esimerkiksi kasvojentunnistusteknologioissa.

Strukturoitu/strukturoimaton data

Strukturoitu ja strukturoimaton data ovat datatyyppejä. Strukturoitua dataa ovat esim. tietokannoissa olevat tiedot kuten nimi, ikä ja sukupuoli. Strukturoimatonta dataa ovat esimerkiksi kuva- ja videotiedostot, sähköpostit. Strukturoidun datan automaattinen analysointi on luonnollisesti helpompaa kuin strukturoimattoman datan, mutta tekoälyn menetelmillä siihenkin pystytään tehokkaasti. Esimerkki strukturoimattoman datan analysoinnista ovat kasvojentunnistusalgoritmit, jotka tunnistavat kuvasta ihmiskasvot, ihmisen ilmeet ja jopa henkilön (esim. Facebookissa).

Valvottu/valvomaton oppiminen

Valvottu ja valvomaton oppiminen ovat koneoppimisen kategorioita. Valvotussa oppimisessa koneelle opetetaan, mitä tilanteita sen tulee seurata ja tarkkailla. Valvomattomassa oppimisessa kone etsii itse tarkkailtavat kohdat. Valvomattomalla oppimisella voidaan saadaan yllättäviä tuloksia, mutta useimmiten niiden hyödynnettävyys on vähäistä tai ei toivotunlaista halutun lopputuloksen kannalta. Varsinkin monimutkaisissa koneoppimisen sovelluksissa hyödynnetään usein sekä valvottua että valvomatonta oppimista.

Datatiede (Data science)

Datatiede on tutkimusala, jonka päämääränä on saada parempi ymmärrys tutkittavasta datasta. Datatiede yhdistää matematiikan ja tietojenkäsittelytieteen menetelmät liiketalouden ja muiden toimialojen käytännön ongelmien ratkaisuun. Datatieteen hienous on nimenomaan sen monialaisuudessa: se on ikään kuin alue, jossa kysymykset ja vastaukset kohtaavat. Ongelmat ja ilmiöt, joihin datan avulla etsitään ratkaisua, tulevat liiketalouden tai muun toimialan tarpeista. Matematiikan, tilastotieteen ja tietojenkäsittelytieteen menetelmin ja välinein kysymyksiin saadaan vastauksia, joita taas toimiala pääsee tulkitsemaan ja hyödyntämään omista lähtökohdistaan.

Kommentoi

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *