Tekoäly (AI) on noussut trendikkääksi aiheeksi teknologia-alalla, ja erityisesti sen suosio on kasvanut OpenAI:n julkaiseman ChatGPT:n myötä vuoden 2022 lopulla. Siitä huolimatta edelleen esiintyy sekaannusta siitä, mikä lasketaan todelliseksi tekoälyksi ja mitkä ominaisuudet ovat vain markkinointitarkoituksiin leimattuina tekoälyksi.
Tekoäly voidaan pääosin jakaa kahteen pääluokkaan: kapea tekoäly, jota kutsutaan toisinaan heikoksi tekoälyksi ja yleinen tekoäly, jota sanotaan vahvaksi tekoälyksi. Kapea tekoäly kattaa järjestelmät, jotka on suunniteltu suorittamaan tiettyjä tehtäviä, kuten puheentunnistusohjelmistot tai kuvankäsittelytyökalut. Nämä järjestelmät ovat huippuluokkaa omilla aloillaan, mutta niiltä puuttuvat laajemmat kognitiiviset kyvyt.
Toisaalta vahvaa tekoälyä, jota ei tällä hetkellä ole muualla kuin teoreettisissa keskusteluissa, kuvitellaan omaavan kyvyn ymmärtää ja oppia laajalta valikoimalta kognitiivisia tehtäviä samankaltaisesti kuin ihmisen aivot. Työtä vahvan tekoälyn luomiseksi tehdään edelleen, mutta se säilyy tulevaisuuden tavoitteena.
Niin sanotut tekoälyominaisuudet, joita kohtaamme tuotteissa kuten Samsung Galaxy -älypuhelimissa, nojaavat usein tekoälypohjaisiin algoritmeihin, mutta eivät itsessään lasketa täydelliseksi tekoälyksi. Ne voivat kuitenkin olla osia tekoälyjärjestelmästä. Tekoälyyn yleisesti liitetyt teknologiat ovat muun muassa:
1. **Koneoppiminen**: Tämä on osa-aluetta tekoälystä, joka käyttää algoritmeja havaitsemaan kuvioita datasta ja oppimaan siitä. Koneoppimisen menetelmiin kuuluvat neuroverkot, jotka matkivat aivojen neuroneja ja synapseja, sekä päätöspuut, jotka käyttävät haarakäytäntöä ennusteiden tai päätösten tekemiseen syötedatan perusteella.
Jotkin ohjelmat ja toiminnallisuudet saattavat saada virheellisen tekoäly-leiman. Esimerkiksi sääntöpohjaiset järjestelmät luottavat esiasetettuihin sääntöihin ja algoritmeihin. Digitaaliset avustajat kuten Siri ja Alexa kuuluvat tähän kategoriaan – ne toimivat avainsanoilla ja suorittavat ohjelmoidut vastaukset, mutta eivät itse asiassa opi tai sopeudu itsenäisesti.
On myös heuristiikkaan pohjautuvaa ongelmanratkaisua, joka käyttää kokemusta ja sääntöjä tehokkaasti monimutkaisten ongelmien ratkaisemiseen. Google Maps hyödyntää tätä lähestymistapaa käyttämällä tunnettuja kuvioita reittien ennustamiseen sen sijaan, että oppisi uudesta datasta.
Yhteenvetona voidaan todeta, että tekoälyn maailma kattaa monimutkaisen kirjon kapeista tekoälyjärjestelmistä vielä toteutumattomaan vahvaan tekoälyyn, eivätkä kaikki ’älykkäät’ ominaisuudet ole todellista tekoälyä. On tärkeää tunnistaa tekoäly yksittäisten teknologioiden ulkopuolella – se on dynaaminen ala, joka on jatkuvassa kehityksessä.