Viimeisessä artikkelissa yritimme ymmärtää, mitä tekoäly tarkalleen ottaen on. Koska tekoäly on teknologia, jonka tavoitteena on jäljitellä ihmisen käyttäytymistä, voimme varmuudella sanoa, että tekoälyn osa-alueet koostuvat niistä kokonaisuuksista, jotka erottavat meidät koneista. Kerrotaan siis lyhyesti tekoälyn haaroista ja yritetään suhteuttaa ne ihmisen toimintaan!
1.Koneoppiminen: Tämä on tekniikka, jonka avulla tietokone oppii itse, kun sille annetaan riittävästi dataa. Ihmisen tavoin koneoppiminen kouluttaa järjestelmän ennustamaan lopputuloksen aiempien kokemusten avulla. Koneoppimisalgoritmi tunnistaa annetussa datassa kuvioita, kouluttaa mallin ja ennustaa lopputuloksen ilman, että sitä tarvitsee eksplisiittisesti ohjelmoida samaa varten.
Ensimmäinen professorini esitti huomionarvoisen esimerkin, jolla hän vahvisti, kuinka koneoppiminen on kuin vauvan kouluttamista kohtaamaan maailma. Vauva menee kynttilän lähelle, polttaa sormensa ja on nyt loukkaantunut! Hän ei pystynyt pelkästään päättelemään, mitä juuri tapahtui. Yhdistetään tämä algoritmin kouluttamiseen. Kun kynttilä polttaa hänen sormensa toisen kerran, vauva on nyt varoitettu ja tietää, mikä on voinut aiheuttaa palovamman. Tätä voi jatkua jonkin aikaa, kunnes vauva lopulta keksii, että kynttilän liekki on syy siihen, että hänen sormensa palaa. Nyt kun ”mallimme” on rakennettu, testataan sitä. Seuraavan kerran, kun vauva tulee kynttilän lähelle, se tietää, että liekki voi vahingoittaa häntä ja välttää sitä täysin. On turvallista sanoa, että mallimme on onnistuneesti koulutettu! Juuri näin koneoppiminen tapahtuu.
2.Neuroverkot: Ottaen huomioon, että se on ollut muotisana jo jonkin aikaa, neuroverkko saattaa tuntua joillekin meistä monimutkaiselta termiltä. Luota minuun, jos otat neuroverkon matematiikan sivuun, se on melko yksinkertainen ymmärtää. Sinun tarvitsee vain syöttää mallillesi syötteet ensimmäisellä kerroksella, määrittää piilokerrokset ja ulostulo on viimeinen kerros. Piilokerrosten tehtävänä on poimia tärkeää tietoa annetusta syötteestä, jotta lopputulos voidaan ennustaa. Sisääntulokerros, kuten dendriitti, on reseptori, joka ottaa vastaan syötteen, neuroni käsittelee tietoa kuten piilokerrokset, ja aksoni siirtää käsitellyt signaalit ja toimii kuten ulostulokerros.
3.Robotiikka: Se tekee robotiikasta mielenkiintoisen se, että se on konetekniikan, sähkötekniikan, tietojenkäsittelytieteen ja useiden muiden tieteenalojen yhdistelmä. Se käsittelee robottien suunnittelua, valmistusta ja käyttöä, jotta ne suorittaisivat tehtäviä, joita varten ne on rakennettu.
Robotit ovat älykkään järjestelmän ”runko”, se koordinoi ohjelman ja sen lopputulosten kanssa suorittaakseen tietyn toiminnon, aika lailla samankaltainen kuin ihmiskehon luuranko- ja lihaksisto, eikö niin? On hämmästyttävää nähdä, miten robotit voidaan rakentaa niin elämän kaltaisiksi, aivan kuten Sofia, päivä ei ole kaukana, jolloin meillä ihmisillä voisi vihdoin olla robotti ystävänä!
4.Asiantuntijajärjestelmä: Tiedämme nyt, miten voimme ohjelmoida koneen oppimaan kuin ihminen, mutta oletko koskaan miettinyt, miten saamme koneen ajattelemaan kuin ihminen? No, tässä kohtaa asiantuntijajärjestelmät tulevat kuvaan mukaan. Asiantuntijajärjestelmä on sovellus, jonka avulla tietokone voi jäljitellä ihmisen päätöksentekokykyä. Asiantuntijajärjestelmän kolme komponenttia ovat käyttöliittymä, päättelymoottori ja tietämyskanta.
Käyttäjärajapinta vastaanottaa silmiemme tapaan käyttäjän kyselyn ja välittää sen päättelymoottorille. Päättelymoottori on kuin aivomme, sillä on tietty sääntöjen sarja ongelman ratkaisemiseksi, ja se viittaa tietopohjaan päättelyä varten. Tietokanta on kuin muistimme, se on valtava tietovarasto, johon on koottu alan asiantuntijoilta saatuja tietoja. Näin ollen asiantuntijajärjestelmän menestys riippuu suuresti sen tietämyksen tarkkuudesta.
5.Sumea logiikka: Me ihmiset olemme erittäin alttiita dilemmoille, joten olisi vain reilua, jos suunnittelemamme järjestelmät koulutettaisiin kohtaamaan myös tällaisia tilanteita. Sumea logiikka on tekniikka, joka käsittelee sellaisten ongelmien ratkaisemista, joissa on epävarmuutta. Kuvittele, että katsot taivaalle ja näet muutaman tummanharmaan pilven kauniina aurinkoisena päivänä. Hämmentävää, eikö?
Voisitko määritellä, tuleeko satamaan vai ei? Voisitko sanoa ”ehdottomasti kyllä” tai ”ehdottomasti ei”? Tässä sumea logiikka auttaa sinua! Toisin kuin Boolen algebra, sumea logiikka ei vaadi absoluuttisia arvoja ’Totta’ tai ’Väärin’. Itse asiassa sumeassa logiikassa voi olla väliarvoja, kuten ”osittain tosi” tai ”osittain epätosi”. Sumea arkkitehtuuri koostuu neljästä komponentista: sääntöpohjasta, sumeuttamisesta, päättelymoottorista ja sumeuden poistamisesta. Sääntöpohja koostuu joukosta sääntöjä ja jos-jos-ehtoja, jotka asiantuntijat ovat antaneet päätöksentekoa varten. Sumeuttamista käytetään muuttamaan terävät syötteet (järjestelmään käsiteltäväksi syötetyt arvot) sumeiksi joukoiksi. Tämän jälkeen päättelyjärjestelmä määrittää kunkin säännön vastaavuusasteen ja päättää, mitkä säännöt käynnistetään vastaavasti. Käynnistetyt syötteet yhdistetään sitten ohjaustoimiksi. Defuzzifiointi muuntaa päättelyjärjestelmästä saadut sumeat joukot teräviksi arvoiksi ja siirtää ne sitten tulosteeksi.
6.Luonnollisen kielen käsittely: Oletko koskaan yrittänyt kommunikoida jonkun kanssa, joka ei puhu sinun kieltäsi, eikä hän ymmärtänyt sinua? Melko haastavaa, eikö? Kuvittele nyt, että yrität kommunikoida tietokoneen kanssa, eikö se ole vielä haastavampaa? Mitä sanat ja lauseet merkitsevät tietokoneelle, joka ymmärtää vain nollia ja ykkösiä? Ei ehkä tunnu helpolta tehtävältä opettaa koneita ymmärtämään viestintäämme. No, kyllä ja ei.
Prosessia, jossa kone pannaan lukemaan, tulkitsemaan, ymmärtämään ja saamaan tolkkua inhimillisestä kanssakäymisestä, kutsutaan luonnollisen kielen käsittelyksi. Pähkinänkuoressa luonnollisen kielen järjestelmä toimii seuraavalla tavalla- Ihminen sanoo jotain koneelle, kone tallentaa äänen ja muuttaa äänen tekstiksi. Tämän jälkeen NLP-järjestelmä jäsentää tekstin osiin, ymmärtää keskustelun kontekstin ja henkilön aikomuksen. Tulosten perusteella kone määrittää, mikä komento pitäisi suorittaa. Ihmiset kommunikoivat juuri näin: kuuntelemme, mitä toinen henkilö sanoo, yritämme ymmärtää hänen puheensa merkityksen ja annamme sitten samassa yhteydessä sopivan vastauksen. Vai mitä?
Voidaan varmaan sanoa, että tekoäly on vielä hauskempaa, kun sitä yritetään suhteuttaa ihmisen toimintaan. Etkö ole samaa mieltä? No, se siitä tähän artikkeliin. Seuraavassa artikkelissa kerron tekoälyn sovelluksista, pysykää kuulolla!