Disruptive Technologies Innovation Hub Jyväskylä

Teepussiaforismeista konkretiaan

Share this post:

Viimeisen vuoden aikana olen useissa tilaisuuksissa ja keskustelufoorumeilla törmännyt tekoälyyn liittyvään keskusteluun, joka harmittavan usein keskittyy vain joko itse teknologiaan tai liian suureellisiin tulevaisuuden visiointeihin. On hyvä, että uusista teknologioista puhutaan, mutta konkretian puuttuessa käsite jää liian abstraktille tasolle, eivätkä tekoälyn todelliset hyödyt saavuta kuulijoita. Tärkeämpää olisi, että kykenisimme ajattelemaan tekoälyn hyötyjä ongelmien kautta – ei itseisarvoisena tulevaisuuden ihmelääkkeenä. Ilman todellisia tekoja ja hyödyntämisalueita tekoälyn toteutus jää ikuisesti tulevaisuuteen, eikä pelkkä hype kanna pitkälle.

Historiallisesti olemme nyt ns. ”kolmannessa aallossa” tekoälyn suhteen. Aikaisemmat suuret tekoälyn kulta-ajat olivat 50-60-luvulla sekä 80-luvun teknologiahuumassa. Molempien aikakausien yhteinen trendi oli, että tehtiin jokin uusi läpimurto tekoälyn teknologiassa tai hyödyntämisessä.

50-luvulla suuri mullistus oli ensimmäinen kaupallinen tietokone, joka mahdollisti ensimmäisten koneoppimismallien käytön, hyvinä esimerkkeinä Tammi-peliin kehitetty tekoäly, ensimmäinen chatbot, sekä Perceptron-neuroverkko. Tuohon aikaan kuitenkin laskentateho oli vielä nykypäivään verrattuna vaatimatonta, eivätkä käytännön sovellukset olleet kovinkaan kustannustehokkaita, minkä seurauksena kiinnostus tekoälyä kohtaan laantui 70-luvun alkupuolella.

80-luvun uudelleen heräämisen taustalla oli jälleen uudet edistysaskeleet tekoälyn teknologisessa hyödyntämisessä. Muun muassa asiantuntijajärjestelmien ja Hopfieldin verkon kehittäminen aiheuttivat suurta innostusta varsinkin tutkimuspiireissä. Voidaan myös väittää, että asiantuntijajärjestelmät olivat ensimmäinen kaupallinen menestys tekoälykentällä. Näidenkin järjestelmien käyttöönotto jäi kuitenkin kohtuullisen vähäiseksi, eikä todellisia käyttötarkoituksia saavutettu tarvittavalla määrällä.

Miten konkretia toteutuu?

Nykyisen hypeaallon taustalla on myös suuret edistysaskeleet. Muun muassa Watsonin Jeopardy-voitto  sekä Google DeepMindin AlphaGo:n menestys ruokkivat tekoälyä ympäröivää hypeä. Yksittäiset teknologiademot eivät kuitenkaan kanna pitkälle; tämänkaltaiset yksittäiset kokeilut toimivat hyvin teknologiademoina ja palvelevat hyvin akateemisen maailman perustutkimusta. Hyötyihin päästään kuitenkin vasta, kun teknologia valjastetaan todelliseen käyttöön ja ongelmien ratkaisuun. Teknologian ajatteleminen itseisarvoisena saavutuksena ei johda kuin hypen laantumiseen ja unohdukseen.

Suurena erona 70- ja 80-luvun innostuksen laantumiseen ovat käytössämme olevat resurssit. Molempina aikakausina suurimmaksi ongelmaksi muodostui suorituskyvyn puute: muun muassa asiantuntijajärjestelmät vaativat pyöriäkseen kokonaisen keskustietokoneen, mikä hidasti käyttöönottoa. Tällä hetkellä näyttää siltä, että tähän rajoitukseen emme törmää hetkeen. Laskentatehon ja datan räjähdysmäisen kasvun seurauksena kuka tahansa voi kehittää skaalautuvan tekoälymallin ja hyödyntää pilvilaskentaa oman mallin rakentamiseen. Teknologia ei ole enää este tekemiselle.

Mikäli haluat menestyä tekoälyratkaisun kanssa, teknologiaa tärkeämpi keskustelunaihe on itse käyttökohde. Ajattele ratkaistava ongelma ensin: etsi yrityksesi tai asiakkaasi elämästä sellainen kipupiste, jonka juurisyyn voi parantaa teknologialla. Esimerkiksi liiketoiminnan prosessien automatisointiin tai asiakaspalvelun skaalautuvuuteen löytyy jo valmiita reseptejä, joista on saavutettavissa jo suuria hyötyjä. Tiesitkö, että asiakaspalvelun kontakteista jopa 80% voidaan jo ratkaista ensimmäisellä kontaktilla chatbottien avulla? (https://ibm.biz/Bd2fyD)

Kun tekoäly valjastetaan olemassa olevien ongelmien ratkaisemiseen uusien tarpeiden keksimisen sijaan, voidaan realisoida sille asetetut odotukset jo nyt. Näin saadaan hypestä ja jo käytetyistä resursseista myös hyötyä. Kaikkea ei tarvitse tehdä itse, valmiita toimintamalleja ja ratkaisuja löytyy jo. Ota yhteyttä Innovaatiohubiin, niin autamme konkretian löytämisessä ja alkuun lähdössä.

Click here to rate this article

Rate this article :

Client Technical Specialist, IBM Industry Platform

More Disruptive Technologies Innovation Hub Jyväskylä stories
By Janne Koivisto on Thu, September 19th 2019

Design-systeemit tekevät meistä filosofeja – matka kohti automaattista käyttöliittymää

Design-systeemit ovat olleet viime vuosien trendi. Systemaattinen, organisoitu ja pitkälle mietitty kirjasto on parhaimmillaan työkalupakki, joka tehostaa tiimien sisäistä ja -välistä kommunikaatiota sekä yhtenäistää ulkoista käyttäjäkokemusta. Mutta mitä tapahtuu kulisseissa? 2009 Photoshop 2019PhotoshopSketchFigmaAdobeXDFramerInVision Studio… — Fabio Catapano (@fabiocatapano) January 23, 2019 Kun internetsivujen suunnittelijoista on jakautunut kymmeniä eri käyttöliittymien suunnittelijoita, myös suunnittelijoiden käyttämä litania työkaluja […]

Continue reading

By Hannu Löppönen on Wed, July 17th 2019

Itseoppiva tiedon luettelointi – jatkokertomus datakatalogeista

Tämä on jatkokertomus datakatalogien kehitysnäkymistä. Kuinka niiden avulla voidaan tehostaa ja automatisoida tiedon hallinnointia ja analysointia tekoälyn kehittämistä tukien? Mitkä ovat kehitystyössä huomioonotettavat avainasiat? Lue aiemmin julkaistu artikkeli täältä Johdanto Ensimmäisessä datakatalogi-blogissani kirjoitin kevennykseksi tulevaisuuden yrityksestä vuonna 2044. Sen liiketoiminnan ohjaus oli ulkoistettu tekoälylle, joka kysyi johtoryhmän neuvoa vain vaikeissa päätöksissä. Autonomisesti johdettuihin yrityksiin on pitkä […]

Continue reading

By Sandra Calvo Martinez on Fri, May 24th 2019

With great power comes great responsibility

Coding and creativity are the closest things we have to superpowers. Learning the basics of programming is essential whether you work in marketing, entertainment, manufacturing or construction, but there is no use for technology without great ideas. Innovation and programming open a whole new world of possibilities. This is one of them. What is the […]

Continue reading