Tekoäly puhututtaa tällä hetkellä valtavan paljon. Suunnittelemme juuri uutta tuotantokauttamme Tulevaisuusajattelua-podcastiimme ja ehdottomasti yksi minua ja Henriä kiinnostavimmista aiheista tulevaa kautta ajatellen koskettaa tekoälyä. Tästä syystä tulevalla kaudella yksi jakso tulee koskettamaan tekoälyä ja etenkin sitä, mitä tekoäly on ja miten jokainen meistä pystyy tunnistamaan tekoälyn ja hyödyntämään sitä arjessaan. Tiimiakatemialla tekoäly on vahvasti osana ainakin Vengan arkea ja hyödynnän etenkin itse tekoälyä paljon markkinointiprojekteissani. Aika harva on kuitenkaan samassa asemassa meidän tekoälytuntemuksen kanssa. Vierastamme podcastiin kontaktoidessa, oli yksi äärimmäisen tärkeä pointti meillä se, että saamme jaksoon vieraan, joka osaa kertoa tekoälystä mahdollisimman yksinkertaisesti ja konkreettisesti ajatellen  meidän kuulijaa joka ei välttämättä tekoälystä juurikaan muuta kuin nimen tiedä. 

Tästä päästäänkin hyvin siihen, että mielestäni Elements of Ai-kurssi, oli hyvin monimutkaisesti toteutettu ja sisälsi hyvin paljon sellaisia asioita, joita en ainakan itse pysty suoranaisesti soveltamaan omaan arkeeni. Tämän vuoksi kurssin suorittaminen oli todella pitkäveteistä.  Tiedostan kyllä, että tekoäly pohjautuu hyvinkin paljon matematiikkaan, mutta koen kuitenkin, että se käyttötarkoitus, jossa suurin osa tulee tekoälyä hyödyntämään ei vaadi matemaattisia taitoja tai tekoälyn laskukaavojen ymmärtämistä. Tämän lisäksi kurssilla oli esimerkiksi tehtävä, jossa tuli sijoittaa yleensä biologiassa käsiteltävän hermosolun rakenteen osia paikoilleen, joka ei mielestäni ollut kovinkaan relevantti tehtävä. Olisin ehdottomasti toivoinut kurssilta nimenomaan vinkkejä siihen, kuinka pystyn hyödyntämään tekoälyä arjessani entistä tehokkaammin hyödyksi ja millä ohjelmilla ja sovelluksilla. 

Kokonaisuudessaan kurssi tarjosi erittäin syvällisen sukelluksen tekoälyn maailmaan, avaten näkymiä sen mahdollisuuksiin, haasteisiin ja eettisiin näkökulmiin. Itselleni ehdottomasti suurimpia oppeja ja ajatuksia herättivät seuraavat aiheet:

Turingin testi, eli menetelmä, jolla pyritään määrittämään koneen kyky jäljitellä ihmisen älykkyyttä. Esimerkiski pystyykö ihminen havainnoimaan chat keskustelun pohjalta, onko chattailija ihminen vai tietokone. Puhuttiin meidän podcastissa Petri Widgrenin kanssa verkkokauppojen asiakaspalvelusta ja siitä, kuinka nykyään yhä useammassa verkkokaupassa on mahdollisuus selvittää asiaa helposti chatbotin kautta. Keskustelimme esimerkiksi sitä,  että haluaako ihminen ensisijaisesti valita aidon ihmisen linjojen päähän vai pystyykö selvittämään saman asian botin kautta. Petrin mukaan botit on kehitetty nimenomaan sitä varten, että he pystyvät tarjoamaan samaa tietoa kuin ihminen ja yleisesti omaamaan jopa paremman tietotaidon vastata kysymyksiin ihmistä paremmin. 

Tekoälystä puhuttaessa on kuitenkin eri asia tarkoittaa älykästä ja asiasta tietoista, sillä esimerkiksi kurssillakin mainittujen konvoluutioneuroverkkojen ideana on ennustaa sille syötetystä tietopätkästä, miten teksti tulee jatkumaan. Konvoluutioneuroverkkoihin pohjautuu myös Open AI, joka on osa LLM:ää eli laajoja kielimalleja. Jotta esimerkiksi Open AI, eli ennakoivan syötön ohjelma pystyy tuottamaan tekstiä, tulee sille syöttää faktoja, jota se pystyy niin sanotusti jatkojalostamaan. Koska periaatteessa kuka vaan voi syöttää Chat GBT:lle tekstiä, on mahdollista, että sen syöttämä 

teksti sisältää virheitä.  Tämän vuoksi on äärimmäisen tärkeää osata kriittisesti tulkita tietoa, jota Chat GBT syöttää. Tähän tarvitsemme vielä omia aivojamme. 

Konvoluutioneuroverkkojen avulla pystytään myös  luomaan generoituja kuvia, joita on tenkin viimeaikoina pyörinyt paljon Instagramissa. Muistan muun muassa parin viikon takaa jutun, jossa  Sini Sabotage oli julkaissut Instagramissa ’’lapsuuskuviaan’’, jotka todellisuudessa olivat tekoälyn luomaa. En tiedä kyseistä maksullista sovellusta, jolla tämä on mahdollista, mutta ymmärtääkseni idea pohjautuu siihen, että syötät sovellukselle kuvan itsestäsi ja ohjelma generoi sinut toivomaasi ikään tai lokaatioon. Kuvat on todella aidonnäköisiä, minkä vuoksi ne ovat aiheuttaneet somessa paljon kuohuntaa. 

Ehdottomasti yksi mieleenpainuvimmista aiheista kurssilla oli koneoppiminen ja algoritmien toiminta.  Algoritmien ideana on personoida aikaisemman käyttäytymisemme  ja klikkailuhistorian pohjalta meille  esimerkiksi tuotteita ja palveluita, joista voisimme olla kiinnostuneita. Oli erityisen mielenkiintoista seurata, millä logiikalla minulle ehdotettiin erilaisia tuotteita ja palveluja. Yksi esimerkeistä oli muun muassa se, että ihmiset lokeroidaan omiin sarakkeisiin heidän ostamiensa tuotteiden mukaan. Ne sarakkeet, jotka ovat lähimpänä ostohistoriassa olevia tuotteitani, toimivat ideana ehdotuksille, joita algoritmi minulle syöttää seuraavaa ostosta varten. Esimerkiksi jos olen ostanut paidan ja sukat edellisellä kerralla ja algoritmi havaitsee, että saman tyylinen osto on tapahtunut henkilöllä x, joka on tämän jälkeen tilannut esimerkiksi aurinkorasvan, näyttäytyy minun algoritmissani seuraavaksi aurinkorasvoja. Voidaan puhua siis filtterikupla-ilmiöstä, jossa käyttäjän päätyessä informaatiokuplaan, hän näkee vain algoritmien hänelle räätälöimää sisältöä.