Koneoppiminen: kaikki puhuvat siitä, mutta mitä se on?

Mitä on koneoppiminen?

Koneoppiminen (kutsutaan joskus “automaattiseksi oppimiseksi” tai “älyksi oppimiseksi”) tarkoittaa nimensä mukaisesti koneen tai järjestelmän saamista oppimaan itsekseen. Tämä merkitsee merkittävää eroa klassiseen tietokoneohjelmointiin, joka koostui käskyn antamisesta ja koneesta, joka suoritti käskyn. Koneoppimisessa kone pystyy sopeutumaan tilanteisiin ja siten oppimaan itse. Jotta tämä tapahtuisi, kyse ei ole vain ohjelmistoalgoritmeista, vaan myös laitteistokomponenteista, jotka kestävät itsensä, ovat erittäin tärkeitä, kuten TPU-siru, jonka Google ilmoitti Google I/O:ssa viime viikolla.

Ihmisen väliintulo ohjelmointiin ei ole täydellistä, koska ohjelman kehitys (uusien sääntöjen lisääminen) voi aiheuttaa ristiriitoja olemassa olevan koodin kanssa, mikä johtaa epävakauteen. Jos järjestelmä tekee “kehityksen” itse, se ei tee mitään typerää (teoriassa…). Koneoppimista kehitetään kuitenkin monilla muilla aloilla, joihin palaamme myöhemmin.

Mitä eroa on koneoppimisen ja tekoälyn välillä?

Vaikka koneoppiminen ja tekoäly eivät ole täysin eri käsitteitä, ne eivät myöskään ole aivan sama asia. Koneoppiminen voidaan tiivistää koneen kyvyksi sopeutua tilanteisiin ja kehittyä itsestään. Tietyssä mielessä se on yksi tekoälylle välttämättömistä prosesseista, joka puolestaan ​​on itsenäinen järjestelmä.

Otetaanpa esimerkki autonomisesta autosta – siis autosta, joka voi kulkea paikasta A pisteeseen B tiesäännösten mukaisesti. Tähän liittyy tekoäly, koska kone pystyy mukautumaan. Jos se olisi ohjelmoitu oppimaan ja tarkkailemaan sopeutumaan liikenteeseen tai erilaisiin tilanteisiin, tämä olisi koneoppimista. Jos se olisi ohjelmoitu noudattamaan miljardeja ennalta määritettyjä sääntöjä, jotka pysyvät kiinteinä päivitykseen asti, se olisi ollut tekoälyä ilman koneoppimista.

Koneoppimisella on luonnollisesti suurin potentiaali tekoälyn parantamiseen ja se tarjoaa meille pitkällä aikavälillä toimivan laitteen.

Koneoppimisessa on suurin potentiaali tekoälyn parantamiseen

Mitä järkeä koneoppimisessa on?

Koneoppimisen päätarkoitus on antaa tietokonejärjestelmän reagoida itsekseen suojatakseen itseään tai verkkoa kyberhyökkäyksiltä. Tällä on monia etuja, mukaan lukien se, että tietojenkäsittelytieteilijöiden ei enää tarvitse olla yhteydessä hyökkäyksen aikana ongelman ratkaisemiseksi. Kuten monet muutkin modernit teknologiat, koneoppimisen on tarkoitus lopulta siirtyä valtavirtaan kenen tahansa käytettäväksi eikä jäädä keskittymään vain markkinarakoyleisöön.

Tämä on se reitti, johon koneoppiminen tähtää, ja sitä käytetään eri aloilla, joilla, kuten voit kuvitella, on enemmän yhteistä kuin aluksi näyttää. Google selitti viime viikon Google I/O -puheenvuorossa, että se käyttää tätä käsitettä Google Photos -sovelluksessaan. Jälkimmäinen oppii sovelluksen käytöstä ja käyttää ilmeisesti puhelimessasi olevia tietoja (kuvia, nimiä jne.) ja yrittää tarjota sinulle kokemuksen, jota se luulee siltä odottavasi.

Googlen strategia ei rajoitu Google Kuviin: sen strategiana on yhdistää useimmat (tai ehkä kaikki?) sen palveluista. Tämän strategian kasvot ovat ilmeisesti tekoäly: Google Assistant. Assistant oppii kaikesta, mitä se havaitsee, ja Googlen ekosysteemi vain parantaa saatavilla olevan tiedon laatua (ja siten myös sopeutumismahdollisuuksia).

• Google Assistantin vinkkejä ja temppuja: kaikki mitä sinun tarvitsee tietää aloittelijasta asiantuntijaan

Mielenkiintoinen tekniikka, mutta sinun ei pitäisi olla liian mukava

“On houkuttelevaa hylätä käsitys erittäin älykkäistä koneista pelkkänä tieteisfiktiona. Mutta tämä olisi virhe, ja mahdollisesti historian pahin virhe. […] Valitettavasti se voi olla myös viimeinen, ellemme opi välttämään riskejä.” Näin ajattelee fyysikko Stephen Hawking tekoälystä, joka, muistuttakaamme, on koneoppimisen huipentuma. Tämän tekniikan seuraukset ovat siis merkittävää, mutta on välttämätöntä pitää joitakin elementtejä näköetäisyydellämme.

Koneoppiminen oppii määritelmän mukaan, joten jos sen tarkoituksena on oppia sinusta (kuten Googlen tapauksessa), meidän pitäisi tietysti kysyä itseltämme eettisiä kysymyksiä, jolloin joudumme ristiriitaan modernin pragmatismin kanssa. Onko hyväksyttävää, että joku (tai pikemminkin jokin) voi saada niin paljon tietoa meistä? Kuten kollegani Hans-Georg huomautti, meidän ei pidä unohtaa, että myös Googlella ja useilla Yhdysvaltain virastoilla (hallituksen osastoilla) on pääsy näihin tietoihin.

Toinen huomioon otettava näkökulma on sen vaikutus yhteiskuntaan. Kuten kollegani Stefan huomautti vaikutelmissaan Google I/O:sta, Google Assistantista on tulossa eräänlainen “keskus”, yksi yhteyspiste kaikelle toiminnallesi (reittiohjeiden kysyminen, ruoan tilaaminen jne.). Sosiaaliseen vuorovaikutukseen kohdistuvien seurausten lisäksi (jonka voimme nähdä vaikutukset vain pitkällä aikavälillä), voimme myös harkita käsitettä “kone, joka ajattelee”, voisiko tämä tekniikka korvata ihmiset? En tarkoita tätä tieteiskirjallisuudesta, vaan ammatillisesta näkökulmasta: koneet korvaavat jo ihmisen monissa tehtävissä, koneoppiminen voisi jatkaa tätä vauhtia. Lisäksi Google on hyvin tietoinen tämän vaikutuksista työllisyyteen, sillä yritys käytti myös tilaisuutta hyväkseen Google I/O:ssa avatakseen uuden Google Jobs -palvelunsa, työnhakuportaalin.

Lopuksi, älkäämme unohtako ilmeistä tosiasiaa: tekniikka noudattaa sen luojan sääntöjä. Jos sitä voidaan käyttää hyvään, sitä voidaan käyttää pahaan. Emme tietenkään elä Terminatorissa, (konevetoisessa) universumissa, mutta kyberneettiset konfliktit voivat hyvinkin kehittyä täysin eri tavalla.

Lyhyesti sanottuna koneoppimisjärjestelmä on erittäin hyödyllinen ja sillä on pitkä tulevaisuus edessään, mutta sen mukanaan tuomaan ajansäästöön ja vaivansäästöön tulee suhtautua kevyesti.

Missä koneoppimisesta on mielestäsi eniten hyötyä? Missä se vaikuttaa eniten? Kerro meille mielipiteesi alla olevissa kommenteissa.