Tekoäly on kattotermi menetelmille ja konepohjaisille järjestelmille. Tekoälyjärjestelmä päättelee saamastaan syötteestä, miten se tuottaa esimerkiksi ennusteen, suosituksen, päätöksen tai sisältöä. Syöte voi olla tekstiä, kuvia, ääntä, numeroita, anturitietoa tai näiden yhdistelmä.
Koneoppimiseen perustuva roskapostisuodatin, suoratoistopalvelun suosittelumalli ja keskusteleva kielimalli ovat esimerkkejä tekoälyjärjestelmistä. Ne ratkaisevat kuitenkin eri ongelmia ja toimivat eri tavoin. ChatGPT ei siis ole tekoälyn synonyymi, vaan yksi tekoälyä hyödyntävä palvelu.
Tekoälystä kannattaa ymmärtää ennen kaikkea kaksi vaihetta: järjestelmän rakentaminen ja sen käyttö. Rakentamisen aikana malli oppii aineistosta tai saa ihmisiltä sääntöjä. Käytössä se saa uuden syötteen ja laskee siihen sopivan tuotoksen. Ihmisen tehtäväksi jää arvioida, voiko tulosta käyttää.
Pikalukijan tiivistelmä
Tekoäly on kattotermi monille menetelmille, joilla kone tuottaa syötteestä ennusteita, sisältöä, suosituksia tai päätöksiä.
Koneoppiminen on yksi tapa rakentaa tekoälyä. Kaikki tekoäly ei perustu koneoppimiseen.
Mallin koulutus tarkoittaa sen numeeristen asetusten säätämistä aineiston avulla. Inferenssi tarkoittaa koulutetun mallin käyttämistä uuteen syötteeseen.
Generatiivinen tekoäly tuottaa tekstiä, kuvia, ääntä, videota tai koodia. Se on vain yksi tekoälyn osa-alue.
Tekoäly tunnistaa rakenteita ja laskee todennäköisiä tuloksia, mutta se ei automaattisesti tiedä, onko vastaus totta tai hyvä päätös juuri sinun tilanteessasi.
Turvallinen käyttäjä suojaa yksityiset tiedot, tarkistaa tärkeät väitteet alkuperäisistä lähteistä ja pitää vastuun ihmisellä.
Mitä tekoäly tarkoittaa?
Tekoälylle ei ole yhtä arkikielistä määritelmää, josta kaikki olisivat täysin samaa mieltä. Rajakin liikkuu. Tekstintunnistus tai reittisuositus saattoi aikanaan näyttää selvästi tekoälyltä, mutta nykyään se tuntuu tavalliselta ohjelmiston ominaisuudelta.
OECD:n päivitetyn määritelmän mukaan tekoälyjärjestelmä on konepohjainen järjestelmä, joka päättelee saamastaan syötteestä, miten se tuottaa tavoitteisiinsa sopivia ennusteita, sisältöä, suosituksia tai päätöksiä. Järjestelmät eroavat siinä, kuinka itsenäisesti ne toimivat ja mukautuvatko ne käytön aikana. EU:n tekoälyasetuksen määritelmä noudattaa pitkälti samaa rakennetta.
Selkokielellä asian voi sanoa näin:
Tekoäly on ohjelmisto tai kone, joka käsittelee syötettä ja muodostaa siitä tavoitteen mukaisen ennusteen, suosituksen, päätöksen tai sisällön. Tämä voi perustua esimerkiksi oppimiseen, tunnistamiseen, päättelyyn, suunnitteluun tai valintaan.
Sanat ”oppiminen” ja ”päättely” voivat johtaa harhaan, jos niitä tulkitsee ihmisen toiminnan kautta. Tekoälymallin oppiminen tarkoittaa yleensä lukuarvojen säätämistä esimerkkien perusteella. Päättely eli inferenssi taas tarkoittaa uuden tuotoksen laskemista koulutetulla mallilla. Tästä ei voi päätellä, että järjestelmällä olisi tietoisuus, omia kokemuksia tai ihmisen kaltainen käsitys maailmasta.
Tekoäly, AI ja algoritmi eivät tarkoita samaa asiaa
AI on lyhenne englannin sanoista artificial intelligence. Suomenkielisessä tekstissä tekoäly ja AI viittaavat tavallisesti samaan laajaan aiheeseen.
Algoritmi puolestaan on täsmällinen toimintaohje ongelman ratkaisemiseksi. Kaikki tietokoneohjelmat käyttävät algoritmeja, mutta kaikkia ohjelmia ei kutsuta tekoälyksi. Esimerkiksi laskin noudattaa sille ohjelmoituja sääntöjä. Koneoppimismalli taas muodostaa toimintansa suurelta osin aineistosta oppimiensa yhteyksien perusteella.
Miten tekoäly toimii?
Tekoälyjärjestelmät voivat olla hyvin erilaisia, mutta koneoppimiseen perustuvan järjestelmän elinkaari on usein seuraavanlainen.
Koulutuksessa mallin parametreja säädetään aineiston avulla. Käytössä koulutettu malli tuottaa uuden syötteen perusteella tuloksen.
1. Ihminen määrittää tehtävän ja kokoaa syötteet
Ensin rajataan ongelma. Halutaanko tunnistaa kuvasta liikennemerkki, arvioida asunnon hinta, suodattaa roskapostia vai tuottaa tekstiluonnos?
Tehtävä ratkaisee, millaista aineistoa tarvitaan. Roskapostisuodattimelle voidaan antaa viestejä, jotka on merkitty roskapostiksi tai tavallisiksi viesteiksi. Kuvantunnistusmalli tarvitsee kuvia ja tietoa siitä, mitä kuvissa on. Kielimallin koulutusaineisto sisältää suuria määriä tekstiä. Multimodaalinen malli voi lisäksi käsitellä esimerkiksi kuvia, ääntä tai videota.
Aineisto ei ole neutraalia. Jos esimerkit ovat yksipuolisia, virheellisiä tai vanhentuneita, malli oppii niiden rajoitukset mukana.
2. Malli koulutetaan
Malli on matemaattinen rakenne, joka muuntaa syötteen tuotokseksi. Esimerkiksi neuroverkon koulutuksessa järjestelmä tekee ennusteen, mittaa sen virhettä koulutustavoitteeseen nähden ja säätää mallin sisäisiä lukuarvoja eli painoja. Kierros toistuu monilla esimerkeillä.
Ajatellaan käsinkirjoitettujen numeroiden tunnistusta. Malli saa kuvan ja ennustaa, mikä numero kuvassa on. Jos oikea vastaus on seitsemän mutta malli ennustaa ykköstä, koulutusmenetelmä muuttaa painoja hieman. Vähitellen malli löytää kuvista sellaisia muotoja ja yhteyksiä, jotka auttavat erottamaan numerot toisistaan.
Kaikki tekoäly ei opi tällä tavalla. Sääntöpohjaisessa tai symbolisessa tekoälyssä ihminen voi kirjoittaa järjestelmälle tietoa ja päättelysääntöjä suoraan. Nykyiset palvelut voivat myös yhdistää sääntöjä, koneoppimismalleja, hakua ja tavallista ohjelmakoodia.
3. Mallia arvioidaan uusilla esimerkeillä
Koulutustulos ei vielä kerro, toimiiko malli todellisessa käytössä. Mallia testataan aineistolla, jota se ei käyttänyt painojensa säätämiseen. Näin nähdään, onko se oppinut yleisiä yhteyksiä vai muistuttaako sen toiminta liikaa koulutusesimerkkejä.
Arvioinnin mittari riippuu tehtävästä. Roskapostisuodattimessa kiinnostaa esimerkiksi se, kuinka moni tavallinen viesti joutuu väärään kansioon. Lääketieteellisessä käytössä yhdenkin virhetyypin seuraukset voivat olla paljon vakavampia kuin toisen. Pelkkä keskimääräinen osumatarkkuus ei siksi riitä kaikkiin tilanteisiin.
4. Koulutettu malli saa uuden syötteen
Kun käytät tekoälypalvelua, tapahtuu inferenssi. Järjestelmä käsittelee uuden syötteen ja laskee mallinsa avulla tuotoksen.
Roskapostisuodatin antaa viestille roskapostin todennäköisyyden.
Suosittelumalli järjestää elokuvat sen mukaan, mistä käyttäjä voisi pitää.
Kuvantunnistusmalli nimeää kuvassa näkyviä kohteita.
Kielimalli tuottaa seuraavan tekstin osan ja jatkaa, kunnes vastaus on valmis.
Tulos perustuu mallin oppimiin yhteyksiin ja juuri nyt saatavilla olevaan syötteeseen. Tekoäly ei tavallisesti hae valmista vastausta muististaan samalla tavalla kuin tietokanta hakee tietueen.
5. Ihminen tai toinen järjestelmä käyttää tulosta
Tekoälyn tuotos voi jäädä suositukseksi, käynnistää automaattisen toiminnon tai siirtyä ihmisen hyväksyttäväksi. Se, miten tuotos muuttuu päätökseksi tai toiminnaksi, vaikuttaa olennaisesti käytön riskiin. Ihmisen mukanaolo ei kuitenkaan yksin takaa turvallisuutta.
Musiikkisuosituksen voi antaa käyttäjälle melko kevyellä tarkistuksella. Lääkeannosta, luottopäätöstä tai oikeudellista neuvoa ei pidä käsitellä samalla tavalla. Mitä suurempi vahinko virheestä voisi syntyä, sitä vahvempi arviointi ja ihmisvalvonta tarvitaan.
Tekoäly, koneoppiminen ja generatiivinen tekoäly: mikä ero niillä on?
Käsitteet menevät helposti sekaisin, koska ne ovat osittain sisäkkäisiä.
Käsite | Mitä se tarkoittaa? | Esimerkki |
|---|---|---|
Tekoäly | Laaja joukko menetelmiä, joilla kone tuottaa tavoitteeseen sopivia ennusteita, suosituksia, päätöksiä tai sisältöä | reittisuositus, puheentunnistus, peliohjelma |
Koneoppiminen | Menetelmiä, joissa malli muodostetaan tai sitä parannetaan aineiston avulla | roskapostisuodatin oppii merkityistä viesteistä |
Neuroverkko | Toisiinsa kytketyistä laskennallisista solmuista koostuva matemaattinen malli, joka rakennetaan tavallisesti kerroksiksi ja jonka painoja säädetään koulutuksessa | kuvantunnistus |
Syväoppiminen | Koneoppimista, jossa käytetään monikerroksisia neuroverkkoja | puheentunnistus, kuvamallit, suuret kielimallit |
Generatiivinen tekoäly | Mallit ja järjestelmät, jotka tuottavat opitun aineiston rakenteisiin perustuvaa uutta tekstiä, kuvaa, ääntä, videota, koodia tai muuta sisältöä | tekstiluonnos tai kuvitus käyttäjän ohjeesta |
Kielimalli | Malli, joka käsittelee ja tuottaa kieltä laskemalla tekstin osien välisiä yhteyksiä | tekstin täydentäminen, tiivistäminen ja kääntäminen |
AI-agentti | Järjestelmä, jossa malli voi suunnitella vaiheita, käyttää työkaluja ja jatkaa tehtävää saamansa palautteen perusteella | agentti hakee tiedot, vertailee vaihtoehdot ja laatii luonnoksen |
Tekoäly on siis laajin käsite. Koneoppiminen on yksi tekoälyn rakentamisen tapa, ja syväoppiminen on koneoppimisen osa-alue. Generatiivinen tekoäly kuvaa sitä, millaista tuotosta malli tekee.
Jos haluat syventyä sisältöä tuottaviin malleihin, lue opas generatiivisesta tekoälystä. 20 AI-käsitteen oppaassa avataan tarkemmin neuroverkot, tokenit, embeddingit, transformerit, RAG ja muut nykyisten järjestelmien rakennusosat.
Kun perusteet ovat selvät ja haluat verrata eri mallityyppejä, kielimallin valintaopas auttaa punnitsemaan laatua, kustannuksia, tietosuojaa, laitteistoa ja lisenssejä.
Millä tavoilla tekoäly oppii?
Googlen koneoppimisen perusteet jakaa koneoppimisjärjestelmiä sen mukaan, millaista palautetta ne saavat ja millaisen tehtävän ne ratkaisevat. Ohjattu, ohjaamaton ja vahvistusoppiminen kuvaavat erilaisia tapoja saada opetussignaalia. Generatiivinen tekoäly ei ole samalla tavalla yksi oppimistapa: generatiivisia malleja voidaan kouluttaa esimerkiksi itseohjatusti, ohjatusti ja vahvistusoppimisella.
Ohjattu oppiminen
Ohjatussa oppimisessa esimerkeillä on valmiit oikeat vastaukset. Malli voi saada asuntojen ominaisuudet ja toteutuneet hinnat, minkä jälkeen se opettelee ennustamaan uuden asunnon hintaa. Toinen tavallinen tehtävä on luokittelu: kuuluuko viesti roskapostiin vai ei?
Ohjaamaton oppiminen
Ohjaamattomassa oppimisessa aineistossa ei ole valmiita vastauksia. Malli etsii rakenteita itse. Se voi esimerkiksi ryhmitellä samankaltaisia kappaleita, ostoksia tai asiakaspalautteita. Ihminen tulkitsee myöhemmin, mitä löydetyt ryhmät merkitsevät.
Vahvistusoppiminen
Vahvistusoppimisessa järjestelmä toimii ympäristössä ja saa toiminnastaan palkkioita tai rangaistuksia. Tavoitteena on oppia toimintatapa, joka kasvattaa palkkioiden määrää pitkällä aikavälillä. Menetelmää on käytetty esimerkiksi peleissä, robotiikassa ja mallien jälkikoulutuksessa.
Itseohjattu oppiminen ja generatiivisten mallien koulutus
Suurten kielimallien peruskoulutuksessa aineisto voi tuottaa opetustehtävän itse. Tekstistä peitetään tai ennustetaan osia, jolloin mallin ei tarvitse saada ihmiseltä oikeaa vastausta jokaiseen esimerkkiin erikseen. Kielimalli oppii näin kielen rakenteita ja sisältöjen välisiä yhteyksiä.
Peruskoulutuksen jälkeen mallia voidaan jatkokouluttaa ihmisten laatimilla esimerkeillä, palautteella tai muilla menetelmillä. Siksi yksi nykyinen palvelu on harvoin vain yhden oppimistavan tulos.
Miten kielimalli tuottaa vastauksen?
Nykyinen generatiivinen suuri kielimalli pilkkoo tekstin tokeneiksi eli pieniksi tekstin osiksi. Se muuttaa tokenit numeroesityksiksi ja laskee niiden suhteita annetussa asiayhteydessä. Tuottamisvaiheessa malli muodostaa todennäköisyysjakauman seuraaville tokeneille, valitsee niistä yhden ja toistaa vaiheen, kunnes vastaus on valmis.
Tämä selittää kaksi näennäisesti ristiriitaista asiaa. Kielimalli voi kirjoittaa sujuvasti, yhdistellä tietoa ja mukautua monenlaisiin ohjeisiin. Samalla se voi tuottaa uskottavan virkkeen, joka on sisällöltään väärä. Koulutus opettaa ennustamaan hyvin sopivaa tekstiä, mutta jokaisen väitteen totuutta ei tarkisteta automaattisesti.
Palvelu voi parantaa vastausta verkkohaulla, tietokannalla, laskimella tai muilla työkaluilla. Silloinkin kokonaisuus voi erehtyä haussa, lähteen tulkinnassa tai lopullisessa muotoilussa. Hallusinaatio-opas näyttää seitsemän tapaa tarkistaa tekoälyn vastaus.
AI-agentti vie työkalujen käytön pidemmälle. Se voi valita välivaiheita, käyttää selainta tai sovellusta ja arvioida, jatkaako tehtävää. Kuuden kerroksen agenttiopas selittää, miten malli, data, työkalut, taidot, muisti ja orkestrointi liittyvät toisiinsa.
Missä tekoälyä käytetään?
Tekoäly on ollut kuluttajan arjessa jo kauan ennen nykyisiä keskustelupalveluja. Seuraavat palvelut voivat hyödyntää tekoälyä, vaikka yksittäinen toteutus voi perustua myös tavallisiin sääntöihin tai muihin laskennallisiin menetelmiin.
Käyttötapa | Mitä tekoäly tekee? | Mitä käyttäjän kannattaa huomata? |
|---|---|---|
Roskaposti- ja huijaussuodatus | luokittelee viestejä ja tunnistaa poikkeavia piirteitä | Tavallinenkin viesti voi joutua väärään kansioon. |
Suoratoiston ja verkkokaupan suositukset | järjestää sisältöä aiemman käytön ja muiden signaalien perusteella | Suositukset voivat kaventaa sitä, mitä käyttäjä näkee, jos vaihtoehtoja ei aktiivisesti monipuolisteta. |
Kartat ja navigointi | arvioi matka-aikoja ja ehdottaa reittejä | Poikkeustilanne tai vanha karttatieto voi tehdä reitistä huonon. |
Puheen-, kuvan- ja kasvojentunnistus | muuttaa havaintoja tekstiksi, luokiksi tai tunnisteiksi | Tarkkuus vaihtelee ympäristön, aineiston ja käyttäjäryhmän mukaan. |
Kääntäminen ja tekstin syöttö | ennustaa sanoja ja muuntaa kieltä toiseksi | Sävy, erikoissanasto ja monimerkityksiset kohdat vaativat tarkistuksen. |
Pankkien poikkeamahavainnot | etsii maksuliikenteestä tavallisesta poikkeavia tapahtumia | Poikkeava ei aina tarkoita petosta. |
Generatiiviset avustajat | tuottavat ja muokkaavat tekstiä, kuvia, ääntä, videota ja koodia | Tuotos voi sisältää virheitä, vinoumia tai käyttöoikeusongelmia. |
Usein tekoäly toimii osana tavallista sovellusta. Käyttäjä näkee vain ehdotetun reitin, automaattisen kuvatekstin tai järjestetyn uutisvirran. Tämä tekee tekoälystä hyödyllistä, mutta samalla sen vaikutusta on vaikeampi huomata.
Mihin tekoäly pystyy – ja mihin ei?
Tekoälyn kyky riippuu tehtävästä, mallista, aineistosta ja käyttötilanteesta. Yksi järjestelmä voi olla ihmistä tarkempi rajatussa kuvantunnistustehtävässä ja täysin hyödytön tavallisessa arkijärjen kysymyksessä.
Tekoäly on usein hyvä | Tekoäly on usein heikko |
|---|---|
käsittelemään suuria määriä samankaltaista aineistoa | toimimaan luotettavasti tilanteessa, joka poikkeaa koulutuksesta |
löytämään toistuvia rakenteita ja poikkeamia | erottamaan varma tieto vakuuttavasta arvauksesta |
tuottamaan nopeasti luonnoksia ja vaihtoehtoja | ymmärtämään tavoitteesi, jos et kerro sitä |
tekemään rajattuja ennusteita hyvin määritellystä syötteestä | kantamaan vastuuta päätöksen seurauksista |
avustamaan tehtävässä, jossa tulos on helppo tarkistaa | tekemään itsenäisesti korkean riskin terveys-, laki- tai rahapäätöksiä |
Tekoälyjärjestelmä voi näyttää yleiskäyttöiseltä, koska sama keskusteluruutu vastaa monenlaisiin pyyntöihin. Taustalla suorituskyky on silti epätasainen. Tehtävä, jossa malli onnistui eilen, ei todista sen onnistuvan toisen alan, kielen tai aineiston kanssa.
Milloin tekoäly keksittiin?
Tekoälyllä ei ole yhtä keksimispäivää. Laskennan, logiikan, tilastotieteen, neurotieteen ja automaation ajatukset kehittyivät pitkään ennen nykyistä termiä. Warren McCulloch ja Walter Pitts julkaisivat vuonna 1943 matemaattisen mallin hermoverkon kaltaisesta rakenteesta. Vuonna 1950 Alan Turing tarkasteli koneiden älykkyyttä ja jäljittelypeliä, joka tunnetaan myöhemmin Turingin testinä.
Nimi sai kuitenkin selvän alkupisteen. John McCarthy, Marvin Minsky, Nathaniel Rochester ja Claude Shannon laativat 31.8.1955 ehdotuksen Dartmouthin kesän 1956 tutkimushankkeesta. Ehdotuksessa käytettiin nimeä artificial intelligence ja pohdittiin, voisivatko koneet käyttää kieltä, muodostaa käsitteitä, ratkaista ihmisille varattuja ongelmia ja kehittää toimintaansa.
Dartmouthin työpajaa kesällä 1956 pidetään tavallisesti tekoälyn tutkimusalan syntyhetkenä. Sen jälkeen kehitys eteni useina aaltoina:
Varhaisessa tutkimuksessa painottuivat logiikka, haku, ongelmanratkaisu ja symboliset säännöt.
Asiantuntijajärjestelmät pyrkivät tallentamaan tietyn alan osaamista sääntöihin ja tietämyskantoihin.
Tilastollinen koneoppiminen siirsi painoa käsin kirjoitetuista säännöistä aineistosta opittuihin malleihin.
2010-luvulla suuret aineistot, tehokkaampi laskenta ja syvät neuroverkot paransivat muun muassa kuvan- ja puheentunnistusta.
Vuonna 2017 julkaistu Attention Is All You Need -tutkimus esitteli transformer-arkkitehtuurin, josta tuli suurten kielimallien keskeinen rakennustapa.
2020-luvulla generatiiviset teksti-, kuva-, ääni- ja videopalvelut toivat tekoälyn suoraan tavallisten käyttäjien ulottuville.
Vastaus kysymykseen ”milloin tekoäly keksittiin” riippuu siis rajauksesta. Tutkimusalan nimi muotoiltiin vuonna 1955 ja Dartmouthin työpaja järjestettiin vuonna 1956. Tekoälyn tekniset ja filosofiset juuret ovat tätä vanhempia.
Onko nykyinen tekoäly yleistä älykkyyttä?
Nykyiset tekoälyjärjestelmät voivat suoriutua hyvin monenlaisista tehtävistä, mutta jokaisella järjestelmällä on rajattu arkkitehtuuri, syötemuodot, työkalut ja käyttöoikeudet. Laaja tehtävävalikoima ei yksin osoita AGI:n saavuttamista.
AGI eli yleinen tekoäly viittaa tavoiteltuun järjestelmään, joka suoriutuisi hyvin laajasta joukosta älyllisiä tehtäviä ja siirtäisi osaamista tilanteesta toiseen. Käsitteelle ei ole yhtä yleisesti hyväksyttyä testiä. Google DeepMindin AGI-tasojen tutkimus tarkastelee aihetta suorituskyvyn, yleisyyden ja autonomian kautta ja korostaa mittaamisen vaikeutta. Väitteitä AGI:n saavuttamisesta tai tarkasta ajankohdasta kannattaa siksi käsitellä ennusteina, ei varmoina faktoina.
Tekoälyn riskit ja turvallinen käyttö
NISTin tekoälyn riskienhallintamalli nostaa luotettavuuden osiksi muun muassa pätevyyden ja luotettavuuden, turvallisuuden, tietoturvan ja palautumiskyvyn, vastuuvelvollisuuden ja läpinäkyvyyden, selitettävyyden ja tulkittavuuden, yksityisyyden sekä haitallisten vinoumien hallinnan. Kaikki ominaisuudet eivät paina yhtä paljon jokaisessa käyttötavassa.
Kuluttajalle tärkeimmät riskit näkyvät viidessä kohdassa.
1. Virheellinen tai keksitty sisältö
Generatiivinen malli voi esittää väärän tiedon vakuuttavasti. NISTin generatiivisen tekoälyn riskiprofiili käsittelee muun muassa virheellistä sisältöä ja liiallista luottamista automaatioon. Tarkista nimet, luvut, päivämäärät, lainaukset ja lähteet. Avaa lähde sen sijaan, että luottaisit mallin laatimaan viitteeseen.
2. Yksityisyyden menetys
Älä koskaan syötä tekoälypalveluun salasanoja, tunnistautumiskoodeja tai maksukortin täydellisiä tietoja. Älä anna myöskään henkilötunnuksia, terveystietoja, yksityisiä keskusteluja tai muuta arkaluontoista aineistoa, ellei se ole tehtävän kannalta välttämätöntä, palvelun tietojenkäsittely ole selvillä ja sinulla ole oikeutta käsitellä tietoja.
3. Vinoutunut tai epäreilu tulos
Malli voi toistaa aineiston puutteita ja yhteiskunnassa esiintyviä vinoumia. Erityisen varovainen kannattaa olla, jos tulos vaikuttaa ihmisen koulutukseen, työhön, luottoon, vakuutukseen, terveyteen tai muihin oikeuksiin.
4. Liiallinen luottamus automaatioon
Sujuva käyttöliittymä houkuttelee hyväksymään ehdotuksen nopeasti. Tämä on vaarallista silloin, kun järjestelmä toimii koulutuksensa ulkopuolella tai käyttäjä ei näe, mihin tieto perustuu.
5. Tietoturva ja harhaanjohtava sisältö
Tekoälyä voidaan käyttää huijausviestien, ääni- ja kuvaväärennösten sekä haitallisen koodin tuottamiseen. Myös AI-agentti voi tehdä väärän toiminnon, jos sillä on liian laajat oikeudet tai se tulkitsee verkkosisällön ohjeeksi. Traficomin katsaus tekoälyagenttien kyberturvallisuuteen kuvaa agenttien uhkia ja suojauskeinoja tarkemmin.
Laajempi tekoälyn vaarojen ja riskien opas käsittelee yksityisyyttä, päätöksentekoa ja turvallisuutta tarkemmin.
Viiden kohdan turvallisuussääntö
Aloita tehtävästä, jossa virhe on helppo huomata ja korjata.
Poista aineistosta arkaluontoiset tiedot ennen kuin annat sen palvelulle.
Pyydä lähteet tärkeille väitteille ja avaa alkuperäiset sivut itse.
Tarkista lopputulos tehtävän riskin mukaisella tavalla.
Pidä päätös ja vastuu ihmisellä, kun tulos vaikuttaa rahaan, terveyteen, oikeuksiin tai turvallisuuteen.
Kolme kehotetta tekoälyn perusteiden harjoitteluun
Voit käyttää seuraavia kehotteita ChatGPT:ssä, Claudessa, Geminissä tai muussa keskustelupalvelussa. Älä liitä niihin yksityisiä tai luottamuksellisia tietoja.
1. Opettele yksi käsite omalla tasollasi
Selitä minulle käsite [KÄSITE] suomeksi.
Oletustasoni: aloittelija.
Käytä yhtä arkista vertausta ja yhtä konkreettista esimerkkiä.
Kerro myös, missä vertaus menee rikki, jotta en ymmärrä käsitettä väärin.
Kysy lopuksi kaksi lyhyttä tarkistuskysymystä. Älä anna vastauksia ennen kuin olen yrittänyt itse.2. Arvioi, sopiiko tehtävä tekoälylle
Arvioi seuraava tehtävä tekoälyn käytön kannalta:
[KUVAILE TEHTÄVÄ]
Jaa vastauksesi viiteen kohtaan:
1. Mitä tekoäly voisi tehdä?
2. Mitä tietoa se tarvitsee?
3. Mitkä ovat todennäköisimmät virheet?
4. Miten ihminen tarkistaa tuloksen?
5. Mitä tietoja palveluun ei pidä syöttää?
Jos virheen seuraukset voivat olla vakavia, suosittele vain avustavaa käyttöä tai tehtävän jättämistä ammattilaiselle.3. Tarkista tekoälyn antama vastaus
Arvioi alla oleva tekoälyn vastaus. Älä oleta sen olevan oikea.
[LIITÄ VASTAUS]
Erota toisistaan:
- tarkistettavat faktaväitteet
- tulkinnat
- suositukset
- epäselvät tai puuttuvat tiedot
Tee faktaväitteistä tarkistuslista. Kerro, millainen ensisijainen lähde sopii kunkin väitteen varmistamiseen. Jos sinulla on verkkohaku käytössä, anna suorat lähteet ja kerro lyhyesti, mitä kohtaa kukin lähde tukee.Usein kysytyt kysymykset tekoälystä
Onko ChatGPT tekoäly?
Kyllä. ChatGPT on palvelu, joka käyttää suuria kielimalleja ja muita tekoälyominaisuuksia. ChatGPT ei kuitenkaan tarkoita kaikkea tekoälyä. Suosittelujärjestelmät, konenäkö ja ennustemallit ovat muita esimerkkejä.
Ajatteleeko tekoäly kuten ihminen?
Nykyisten järjestelmien toiminnasta ei pidä päätellä ihmisen kaltaista ajattelua. Malli käsittelee syötettä matemaattisesti ja tuottaa oppimiinsa yhteyksiin sopivan tuloksen. Se voi jäljitellä keskustelua tai päättelyketjua ilman ihmisen kokemusta maailmasta.
Oppiiko tekoäly jokaisesta keskustelusta?
Ei välttämättä. Mallin peruspainot eivät tavallisesti muutu kesken yksittäisen keskustelun. Palvelu voi silti tallentaa keskusteluhistoriaa, käyttää muistitoimintoa tai hyödyntää aineistoa myöhemmässä kehityksessä omien asetustensa ja ehtojensa mukaan. Tarkista käyttämäsi palvelun ajantasainen tietosuojakuvaus.
Onko tekoäly aina yhteydessä internetiin?
Ei. Koulutetulla mallilla voi olla tietoa koulutusaineistonsa ajalta, mutta se ei automaattisesti näe nykyistä verkkoa. Osa palveluista voi tehdä verkkohakuja tai käyttää muita tietolähteitä. Käyttäjän pitää tarkistaa, käyttikö vastaus todella hakua ja tukevatko löydetyt lähteet väitteitä.
Voiko tekoäly korvata ihmisen?
Tekoäly voi automatisoida tehtävän osia ja muuttaa työnjakoa. Kokonaisen ammatin korvaaminen on eri kysymys, koska työ sisältää yleensä tavoitteiden asettamista, vuorovaikutusta, vastuuta ja poikkeustilanteita. Käytännöllisempi tapa arvioida muutosta on tarkastella tehtäviä yksi kerrallaan.
Onko tekoäly vaarallista?
Riski riippuu järjestelmästä ja käyttötavasta. Huono elokuvasuositus on lähinnä harmi. Virhe terveyttä, oikeuksia tai rahaa koskevassa päätöksessä voi aiheuttaa suuren vahingon. Turvallisuus syntyy mallin lisäksi aineistosta, käyttöoikeuksista, tarkistuksista ja siitä, mitä järjestelmän annetaan tehdä.
Mitä tarkoittaa yleinen tekoäly eli AGI?
AGI tarkoittaa ajatusta tekoälystä, joka suoriutuisi laajasti erilaisista älyllisistä tehtävistä ja soveltaisi osaamistaan uusiin tilanteisiin. Käsitteellä ei ole yhtä yleisesti hyväksyttyä mittaria, joten sen saavuttamista koskevat väitteet ovat tulkinnanvaraisia.
Milloin tekoäly keksittiin?
Tekoälyn taustalla olevat ideat ovat vanhoja, mutta nimi artificial intelligence esiintyi Dartmouthin tutkimushankkeen ehdotuksessa vuonna 1955. Kesän 1956 Dartmouth-työpajaa pidetään usein tutkimusalan syntyhetkenä.
Näin jatkat perusteista käytäntöön
Jos haluat harjoitella perusasioita ohjatusti, maksuton Tekoälyn perusteet -verkkokurssi ei vaadi aiempaa osaamista. Kurssi käsittelee kielimalleja, kehotteita, sisällöntuotantoa ja turvallista käyttöä. AI-Sanomien verkkokurssit on tarkoitettu yksityishenkilöille, eikä palvelu myy kursseja yrityksille.
Seuraavaksi kannattaa valita omaa kysymystäsi vastaava syventävä opas:
AI-Sanomat kokoaa tuoreimmat tekoälyuutiset, työkalut ja käytännön oppaat suomeksi. Tilaa uutiskirje osoitteessa aisanomat.fi.
