Teknologia19 – Messukeskuksen päälavalla kahden tekoäly-yrityksen perustajat kertoivat, missä tekoälyssä mennään nyt ja mitä lähivuosina on odotettavissa. Curious AI:n Harri Valpola näkee, että pian tekoäly oppii itse ratkaisemaan uusia ongelmia. Kyse on merkittävästä hyppäyksestä eteenpäin.
Se tekoäly, mistä nyt puhutaan, ei itse asiassa ole kovin älykästä. – Lähinnä tietokoneet tekevät nyt sen, mitä ovat datasta oppineet, eivät mitään muuta. Tämä on erittäin kaukana ihmisen ”tekoälystä”, mitään varsinaista ajattelua robotissa ei vielä ole, Valpola muistutti.
Tämän hetken tekoäly on tietysti tehokasta. Se perustuu valtavaan määrään dataan. – Tekoäly on eräänlainen musta laatikko. Se ei voi keksiä mitään uutta.
50 vuoden aikana on kuitenkin huomattu, että ihan kaikkea ei voi koodata tietokoneelle. On esimerkiksi hyvin vaikea koodata, miten itseajava auto toimii eri tilanteissa. – Sama pätee esimerkiksi virtuaaliassistentteihin. Puhetta yritettiin pitkään muuntaa tekstiksi sääntöjen avulla, mutta siitä ei tullut oikein mitään.
Valpolan mukaan neuroverkot mullistavat tekoälyn. Hän kutsuu sitä Daniel Kahnemania seuraten 2-järjestelmän tekoälyksi: hitaaksi, tietoiseksi, suunnittelevaksi ja joustavaksi. – Tämä on tekoälyä, joka pystyy ratkomaan uusia ongelmia ilman, että on kertaakaan nähnyt niitä.
Tämä toisen polven tekoäly voi myös perustua oppimiseen, mutta se ei siirry suoraan inputista outputtiin. – Siinä yritetään mallintaa prosessia, opitaan datan avulla, miten prosessi toimii. Sen avulla voidaan käyttää järkeilyä tekemään päätöksiä ja analyysejä.
Valpolan mukaan tekoälyn uusin läpimurto ja samalla se, mitä Curious AI tekee on se, että on pystytty yhdistämään oppiminen ja järkeily. Tätä on jo testattu käytännössä menestyksellä esimerkiksi Neste Engineering Servicesin öljynjalostamossa, jossa prosessia on voitu optimoitu neuroverkkojen avulla.
- Monimutkaisessa prosessissa erilaisia lopputuloksia on paljon, joten on hyvin vaikea kerätä riittävästi dataa ennustamiseen. 2-järjestelmän tekoäly on paljon datatehokkaampaa, eikä jokaisesta tilanteesta tarvitse erikseen kerätä massiivisia määriä dataa, jotta voidaan ennustaa.
Valpolan mukaan samaa menetelmää voidaan soveltaa kaikenlaisiin optimointeihin ja ohjausongelmiin. - Toisen polven tekoäly osaa ratkaista sellaisia ongelmia, joita ei voi edes nähdä datasta. Se voi myös tuottaa uudenlaisia ratkaisuja, hän esitti.
Silo.AI:n perustaja Tero Ojanperä muistutti puolestaan, ettei tekoälyn ole tarkoitus korvata ihmistä. – Tekoälyn pitää auttaa ihmistä. Ihmisen ja koneen yhteistyö on tehokkaampaa kuin pelkkä automatisointi ja mitä nopeammin saa tekoälyn käyttöön osaksi prosesseja, sitä nopeammin tekoälyn toiminta parantuu.
Silo.AI on soveltanut tekoälyä esimerkiksi lentokoneiden myöhästymisten ennustamiseen poikkeusoloissa. Yhtiön kehittämä ohjelmisto ennakoi, miten koneet myöhästyvät 12 tunnin kuluttua.
- Tekoälyn avulla ei voida ratkaista, mitä tapahtuu, kun koneet alkavat myöhästyä. Tämä on liian monimutkainen ongelma koneille.
Silo.AI on saanut hyviä tuloksia myös Rambollin vedenpuhdistusprosessin ja Orica Blastin louhusten panostuksen optimoinnissa. Viimeksi mainitussa tapauksessa tekoäly muutti yrityksen räjähdysainevalmistajasta palveluntarjoajaksi. Näin käy usein, kun toiminta digitalisoidaan.
Jotta tekoälystä olisi hyötyä, se on Ojanperän mukaan tuotava osaksi yrityksen liiketoimintaa. - Tekoäly on vain teknologia – vaikkakin hyvin mullistava teknologia - jonka hyödyntämisessä olemme vielä hyvin alkuvaiheessa, Ojanperä muistutti.
Saksalaislähtöinen Ubitium on kehittänyt innovatiivisen prosessoriarkkitehtuurin, joka yhdistää eri suorittimien (CPU, GPU, DSP, FPGA) toiminnot yhteen siruun. Yrityksen mukaan tämä uusi RISC-V-arkkitehtuuriin perustuva ratkaisu mullistaa yli 50 vuotta vanhan suorittimien suunnittelun.
Moni uusi sähköauton omistaja kokee toimintasädeahdistusta. Tätä ongelmaa autonvalmistajat voivat helpottaa siirtymällä piipohjaista IGBT-piireissä piikarbidiopohjaisiin siruihin. auton vetoinvertterissä.
