Hype nimeltä tekoäly ja Deep Learning
Tekoälyn tämän hetken tilanne on kaksijakoinen. Toisaalta on tämän hetken tavallisilla tietokoneilla toteutetut opetetut tai oppivat hermoverkko toteutukset ja toisaalta on myös osoitettu, että uusilla hermopiireillä toteutetut laitteet ovat mahdollisia, toimivia ja 1000 - 10 000 kertaa nopeampia kuin tämänhetkiset ratkaisut, mutta tällaisia ei vielä ole käytettävissä. Molemmissa tekoälyissä on toki kyse selkeästä laadullisesta muutoksesta, joka on syvällinen ja periaatteellinen eikä siis perinteisen ohjelmoinni lopputuloksista kuten expert-systeemit aikoinaan olivat. Toinen yleinen väärinkäsitys liittyy isojen aineistojen käyttöön. Eivät tekoälyt opetus vaiheen jälkeen selaa mitään aineistoja vaan niiden oppi on tallella ko. hermoverkossa. Kaikki tekoälysovelluksen nimen ansaitsevat ratkaisut perustuvat hermoverkkoihin ja nämä ovat toiminnaltaa täysin erilaiset perinteiseen deterministiseen ohjelmointiin, jossa ohjelma - vaikkakin monimutkainen- ei kykene oppimaan ja kaikki sen tekemät ratkaisut ovat ohjelmoijan koodin valmiiksi kirjoittamia. Kun hermoverkkoja toteutetaan perinteisen tietokoneen, ohjelmoija ohjelmoi siis hermoverkon rakentaan ja toiminnan, joka siis alkeellisesti simuloi ihmisaivojen toimintaa. Kun verkko on opetettu - tai oppinut - ei ohjelmoija tiedä miten verkko toimii, vaikka saisi verkon täydellisen syötteen.Tällaiset tietokoneilla toteutetut hermoverkot ovat vaan auttamattoman pieniä ja tietokoneet eivät nyt tai tulevaisuudessa sovi näiden verkkojen toteutukseen kuin ihan auttavasti. Näin tämän päivän tekoäly on hyvin kapea-alaista ja rajoitettua, mutta on silti osoittautunut käyttökelpoiseksi useilla alueilla.
Sitten on tämä toinen taso eli piiriteknologialla toteutetut neuro- tai hermokoneet. IBM ja DAPRAN SyNAPSE yhteishanke osoitti, että tällainen aivoja riittävästi muistuttava verkko on toteutettavissa ja toimii. IBM rakensi TrueNorth piirin ja osoitti, että tämä tyyppisellä verkolla voidaan rakentaa toimivia todella massiivisia tekoälykoneita. IBM:n suurin TrueNorth- pohjainen toteutus sisältää vaatimattomat 64 miljoonaa hermosolua 67 000 miljoonaa synapsia. Tämä on erittäin vaatimaton hermokone, mutta se toimii. Tällaiset laitteet ovat luonnollisesti rinnakkaisia ja vaikka yksittäinen solu tässä rakenteessa on varsin hidas perinteisen tietokoneen CPU:hun verrattuna, saadaan tällä laitteella 1000 - 10 000 kertainen suoritusnopeus vastaavan hermoverkon tietokone toteutuksen nähden.
Kysymys sitten siitä miten “älykkäiksi” tällaiset laitteet oppivat, kun niiden hermoverkot ovat aivokuoren hermosolujen kertaluokka siis suunnilleen 10 16 ja dynaamisia synapseja noin 10 19 luokkaa. Minun tietotaito ei riitä moisten arvausten tekemiseen, mutta uskonpa monen yllättävän. Milloin moinen laite on valmis käytettäväksi? Enpä usko, että tähänkään kysymykseen kenelläkään on uskottavaa vastausta.
Lisää tietoja:
The wonderful and terrifying implications of computers that can learn | Jeremy Howard
https://www.youtube.com/watch?v=t4kyRyKyOpo&t=47s
Kommentit
Lähetä kommentti