Tekoälyn merkitys: ero koneoppimisen ja tekoälyn välillä

Me Strosslella kuulemme toisinaan kysymyksen, mitä eroa on tekoälyllä (AI eli artificial intelligence) ja koneoppimisella (ML eli machine learning). Siihen ei ole olemassa selkeää määritelmää, mutta näin me – ja monet muut meidän lisäksemme ymmärtävät sen.

Lyhyesti kiteytettynä, koneoppimisella luodaan tekoäly.

Tekoäly jaetaan yleensä kahteen kategoriaan – heikko ja vahva. Heikko tekoäly pystyy ratkaisemaan rajallisen joukon yksinkertaisia ongelmia. Järjestelmä, joka pelaa shakkia ihmisen kanssa tai luokittelee erilaisten esineiden kuvia, on hyvä esimerkki tästä.

Toinen kategoria, vahva tekoäly on järjestelmä, jolla on yli-inhimillinen älykkyys laajalla alueella. Vahvaa tekoälyä ei ole yleisen tiedon mukaan koskaan pystytty luomaan, ja monet alan asiantuntijat ja tutkijat kiistelevät onko sen luominen ylipäätään mahdollista.

Mitä sitten on koneoppiminen? Sen avulla tietokoneohjelma oppii tekemään älykkäitä päätöksiä, jotka perustuvat historialliseen dataan eikä ohjelmointiin. Koneoppimista hahmottaa parhaiten yksinkertainen esimerkki. Oletetaan, että uutissivuston käyttäjä lukee paljon kulttuuriin liittyviä artikkeleita ja vain harvoin urheiluun liittyviä artikkeleita. Tämän perusteella voidaan tehdä johtopäätös, että olisi hyvä idea suositella kulttuuriin liittyviä artikkeleita, eikä urheiluun liittyviä artikkeleita. Koneoppiminen on menneisyyden tietojen eli datan käyttämistä tulevaisuuden ennustamisessa.

Aiemmissa yrityksissä luoda tekoälyä käytettiin käsin kirjoitettuja sääntöjä. Se oli hidas, virheille altis ja erittäin kallis prosessi, joka vaati monta asiantuntijaa koodaamaan tietonsa järjestelmään. Se ei myöskään skaalautunut, ja tulos oli parhaimmillaankin keskinkertainen. Datasta oppiminen, toisin sanoen menneisyyttä koskevien tietojen hyödyntäminen tulevaisuuden ennustamisessa, skaalautuu kuitenkin verrattain hyvin, sillä tarvitset vain kaksi asiaa: dataa, josta oppia sekä prosessointitehoa. Kun prosessointitehoon tarvittavat järjestelmät halpenevat, dataa kertyy yhä runsaammin ja koneoppimiseen tarvittavat algoritmit tarkentuvat. Tämän seurauksena mahdollisuudet hyödyntää koneoppimista laajenevat.

Elämmekin jännittäviä aikoja julkaisijan näkökulmasta. Koneoppiminen antaa mahdollisuuden löytää parhaimman ja tärkeimmän sisällön jokaiselle käyttäjälle. Se myös parantaa sivustojen käyttäjäkokemusta. Tämä pätee luonnollisesti myös natiivimainostajiin, jotka pyrkivät löytämään oikeat lukijat oikealle sisällölle.

 

AVAINSANAT: Tekoäly, koneoppiminen, natiivimainonta

Piditkö lukemastasi? Jaa se ystäviesi kanssa.