Tekoälyyn perustuvat tietokoneohjelmat, jotka voivat oppia, sopeutua ja rakentua itse reaaliaikaisesti voisivat tehdä suurista datakeskuksista energiatehokkaampia. Lancasterin yliopiston tutkijat ovat kehittäneet ohjelmiston, joka kykenee sopeutumaan nopeasti optimaalisimpaan tapaan käsitellä suurta määrää erilaisia tehtäviä, ilman että ihmisen tarvitsee siihen puuttua.
Kehitetty REx-järjestelmä perustuu mikromuunnelmiin, jossa suuri kirjasto ohjelmistokomponentteja, kuten välimuistit ja erilaiset haku- ja lajittelualgoritmit voidaan valita ja koota automaattisesti käsillä olevaan tehtävään sopiviksi.
Itsestäänjärjestyvistä ohjelmistomalleista voisi olla etuja myös kehitettäessä ja ylläpidettäessä yhä monimutkaisempia ohjelmistoja monenlaisissa yhteyksissä mukaan lukien käyttöjärjestelmät ja internetin infrastruktuuri.
Viime vuosina tehokkaimmat järjestelmät tekoälyn tutkimuksista ovat löytyneet neuroverkoista, joka etsivät kuvioita harjoitusdatasta. Näin saadaan käyttökelpoisia ennusteita tai luokituksia.
Hermoverkot ovat kuitenkin kuin mustia laatikoita. Koulutuksen jälkeen verkko voi olla erittäin hyvä datan luokittelussa ,mutta edes sen tekijöillä ei ole aavistusta miksi.
MIT:n CSAIL-laboratorion (Computer Science and Artificial Intelligence Laboratoryn) tutkijat Tao Lei, Regina Barzilay ja Tommi Jaakkola esittelevät uuden tavan kouluttaa neuroverkkoja niin, että ne eivät ainoastaan tuota ennusteita ja luokituksia vaan myös perustelevat päätöksiään.
Reaalimaailman sovelluksissa käyttäjät haluavat joskus tietää, miksi malli tekee sellaisia ennusteita kuin ne ovat. Esimerkiksi lääkärit eivät luota koneellisen oppimisen menetelmiin, jos ei ole todisteita toteavat tutkijat.
CSAIL:n tutkijat keksivät jakaa verkon kahteen moduuliin. Ensimmäinen moduuli tekee lähtödatan segmentteihin liittyvää pisteytystä, jotka sitten siirretään toiseen moduuliin, joka sitten suorittaa ennustuksen tai luokituksen tehtävän.
Veijo Hänninen