{"id":5490,"date":"2024-11-05T07:49:39","date_gmt":"2024-11-05T07:49:39","guid":{"rendered":"https:\/\/crowdy.ai\/history-of-artificial-intelligence\/"},"modified":"2025-06-03T07:06:08","modified_gmt":"2025-06-03T07:06:08","slug":"history-of-artificial-intelligence","status":"publish","type":"post","link":"https:\/\/crowdy.ai\/fi\/history-of-artificial-intelligence\/","title":{"rendered":"Teko\u00e4lyn historia"},"content":{"rendered":"

[vc_row][vc_column][vc_column_text css=””]Teko\u00e4ly (Artificial Intelligence, AI) on tieteenala, joka esiteltiin virallisesti maailmanyhteis\u00f6lle vuonna 1956 Hannoverissa, Yhdysvalloissa j\u00e4rjestetyss\u00e4 seminaarissa. Tapahtuma oli nelj\u00e4n amerikkalaisen tiedemiehen aloite: John McCarthy, Marvin Minsky, Nathaniel Rochester ja Claude Shannon. Alusta alkaen termi \u201dteko\u00e4ly\u201d, joka on luultavasti keksitty her\u00e4tt\u00e4m\u00e4\u00e4n yleist\u00e4 huomiota, on tullut uskomattoman suosituksi.<\/p>\n

Alan merkitys on kasvanut melko tasaisesti viimeisten kuudenkymmenen vuoden aikana, ja suuri osa \u00e4lykk\u00e4\u00e4st\u00e4 teknologiasta on vaikuttanut maailmanj\u00e4rjestyksen muuttamiseen. Siit\u00e4 huolimatta termi \u201dteko\u00e4ly\u201d on v\u00e4\u00e4rintulkinta, koska se ymm\u00e4rret\u00e4\u00e4n keinotekoiseksi olennoksi, jonka \u00e4lykkyys pystyy kilpailemaan mink\u00e4 tahansa ihmisen parhaiden ominaisuuksien kanssa.<\/p>\n

John McCarthylle ja Marvin Minskylle teko\u00e4ly tarkoitti aluksi yrityst\u00e4 mallintaa tietokoneella ihmisen, el\u00e4imen, kasvin, yhteiskunnan ja fylogeneettisi\u00e4 \u00e4lyllisi\u00e4 kykyj\u00e4. Oletus siit\u00e4, ett\u00e4 kaikki kognitiiviset toiminnot voidaan kuvata tarkasti ja ohjelmallisesti j\u00e4ljent\u00e4\u00e4, toimi t\u00e4m\u00e4n tieteenalan perustana. Yli kuusikymmenvuotisesta historiasta huolimatta hypoteesia \u00e4lyllisten toimintojen toistettavuudesta tietokoneilla ei ole viel\u00e4 vahvistettu tai kumottu lopullisesti, mik\u00e4 kannustaa tutkijoita uusiin l\u00f6yt\u00f6ihin.<\/p>\n

Nykyaikaisen teko\u00e4lyn sovelluksia l\u00f6ytyy kirjaimellisesti jokaiselta el\u00e4m\u00e4nalalta, ja se on jatkuvassa kehitysvaiheessa, ja se ammentaa 1900-luvun puoliv\u00e4list\u00e4 l\u00e4htien luodusta rikastuneesta taustasta.[\/vc_column_text][vc_column_text css=””]<\/p>\n

Teko\u00e4ly<\/h2>\n

Teko\u00e4lyn kehitys alkoi heti toisen maailmansodan j\u00e4lkeen, kun Alan Turingin kaltaiset tutkijat tutkivat mahdollisuutta, ett\u00e4 koneet voisivat \u201dajatella\u201d. Vuonna 1950 Turing julkaisi teoksensa \u201dComputing Machines and Intelligence\u201d, jossa h\u00e4n ehdotti Turingin testi\u00e4 menetelm\u00e4ksi, jolla m\u00e4\u00e4ritet\u00e4\u00e4n, pystyyk\u00f6 kone j\u00e4ljittelem\u00e4\u00e4n ihmisen \u00e4lykkyytt\u00e4. Teko\u00e4ly her\u00e4tti paljon huomiota 1960-luvulla, ja ensimm\u00e4iset shakkia pelaavat ohjelmat ja algebrallisia ongelmia ratkaisevat ohjelmat syntyiv\u00e4t. Teko\u00e4lyn ensimm\u00e4inen \u201dtalvikausi\u201d koitti kuitenkin 1970-luvulla, jolloin reaalimaailman edistysaskeleet eiv\u00e4t aivan vastanneet monien asettamia suuria odotuksia ja tutkimusrahoitusta v\u00e4hennettiin.<\/p>\n

Kiinnostus teko\u00e4ly\u00e4 kohtaan her\u00e4si 1980-luvulla, kun koneoppimisen algoritmeja kehitettiin ja laskentateho kasvoi. T\u00e4lle aikakaudelle on tunnusomaista asiantuntijaj\u00e4rjestelmien – jotka voivat simuloida ihmisen asiantuntijoiden p\u00e4\u00e4t\u00f6ksi\u00e4 tietyll\u00e4 alalla – toteutuksen parantuminen. Uudesta vuosituhannesta alkaen oli alkanut uusi teko\u00e4lyn aikakausi, jota kiihdytti internetin, suurten datam\u00e4\u00e4rien ja suuremman laskentatehon kehitys. Syv\u00e4oppimisen ja neuroverkkojen l\u00e4pimurrot ovat t\u00e4h\u00e4n menness\u00e4 johtaneet siihen, ett\u00e4 monet j\u00e4rjestelm\u00e4t pystyv\u00e4t nyt tunnistamaan puhetta ja kuvia, ja ne ovat tukeneet viimeaikaista ty\u00f6t\u00e4 autonomisten autojen, yksil\u00f6llisen l\u00e4\u00e4ketieteen ja muiden sovellusten parissa.<\/p>\n

Teko\u00e4ly rikkoo uusia raameja ja haasteita, l\u00f6yt\u00e4\u00e4 paikkansa jokap\u00e4iv\u00e4isess\u00e4 el\u00e4m\u00e4ss\u00e4 ja muuttaa radikaalisti monia aloja: liiketoimintaa, l\u00e4\u00e4ketiedett\u00e4 ja koulutusta. Teko\u00e4lyn historia on tie utopistisista ideoista todellisiin teknologioihin, jotka inspiroivat tutkijoita ja kehitt\u00e4ji\u00e4 luomaan uutta.<\/p>\n

Teko\u00e4ly on kokenut monia muutoksia niin lyhyess\u00e4 ajassa sen olemassaolosta. Sen kehityshistoriasta voidaan erottaa kuusi vaihetta.<\/p>\n

Kehityksen alkuvuosina monet tutkijat, kuten Herbert Simon, tekiv\u00e4t ensimm\u00e4isten onnistumisten rohkaisemina optimistisia ennusteita. Simon ennusti, ett\u00e4 \u201dkymmenen vuoden kuluessa digitaalinen tietokone olisi maailman shakkimestari\u201d. Kun kuitenkin 1960-luvun puoliv\u00e4liss\u00e4 kymmenvuotias poika voitti tietokoneen shakissa ja Yhdysvaltain senaatin raportissa tuotiin esiin konek\u00e4\u00e4nt\u00e4misen rajallisuus, teko\u00e4lyn kehitys oli hidastunut merkitt\u00e4v\u00e4sti. N\u00e4it\u00e4 aikoja pidettiin teko\u00e4lyn synkkin\u00e4 aikoina.<\/p>\n

Seuraava oli semanttinen teko\u00e4ly, jossa tutkija kiinnostui muistin ja ymm\u00e4rt\u00e4mismekanismien psykologiasta. 1970-luvun puoliv\u00e4liin menness\u00e4 alkoi ilmesty\u00e4 semanttisen tiedon esitt\u00e4misen menetelmi\u00e4 sek\u00e4 asiantuntijaj\u00e4rjestelmi\u00e4, jotka hy\u00f6dynsiv\u00e4t ammattitaitoista tietoa ajatusprosessien toistamiseksi. N\u00e4m\u00e4 j\u00e4rjestelm\u00e4t lupasivat paljon erityisesti l\u00e4\u00e4ketieteellisess\u00e4 diagnostiikassa.<\/p>\n

1980- ja 1990-luvuilla koneoppimisalgoritmien kehittyminen ja teknisten valmiuksien parantuminen johtivat siihen, ett\u00e4 kehitettiin \u00e4lykk\u00e4it\u00e4 j\u00e4rjestelmi\u00e4, jotka pystyiv\u00e4t suorittamaan erilaisia teht\u00e4vi\u00e4, kuten sormenj\u00e4lkien tunnistamista ja puheen tunnistamista. T\u00e4lle ajanjaksolle oli ominaista teko\u00e4lyn integroiminen muihin tieteenaloihin hybridij\u00e4rjestelmien luomiseksi.<\/p>\n

My\u00f6hemmin 1990-luvulla teko\u00e4ly\u00e4 alettiin yhdist\u00e4\u00e4 robotiikkaan ja ihmisen ja koneen v\u00e4liseen k\u00e4ytt\u00f6liittym\u00e4\u00e4n muodostaen jotakin affektiivisen tietojenk\u00e4sittelyn kaltaista, joka analysoi ja sitten j\u00e4ljittelee ihmisen tunteita; t\u00e4m\u00e4 auttoi dialogij\u00e4rjestelmien, kuten chatbottien, kehitt\u00e4misess\u00e4.<\/p>\n

Vuodesta 2010 l\u00e4htien tietojenk\u00e4sittelyn uudet mahdollisuudet ovat mahdollistaneet suurten datam\u00e4\u00e4rien ja keinotekoisten neuroverkkojen innoittamien syv\u00e4oppimistekniikoiden yhdist\u00e4misen. Puhe- ja kuvantunnistuksen, luonnollisen kielen ymm\u00e4rt\u00e4misen ja miehitt\u00e4m\u00e4tt\u00f6mien ajoneuvojen alalla saavutettu edistys on merkkin\u00e4 teko\u00e4lyn uudesta renessanssista.<\/p>\n

Teko\u00e4lysovellukset<\/h2>\n

Teko\u00e4lyteknologiat ovat osoittaneet suuria etuja verrattuna ihmisen kykyihin eri toiminnoissa. Esimerkiksi vuonna 1997 IBM:n Deep Blue -tietokone voitti silloisen shakin maailmanmestarin Garri Kasparovin. Vuonna 2016 tietokonej\u00e4rjestelm\u00e4t voittivat maailman parhaat go- ja pokerinpelaajat osoittaakseen kykyns\u00e4 k\u00e4sitell\u00e4 ja analysoida valtavia tietom\u00e4\u00e4ri\u00e4, jotka mitataan teratavuina ja petatavuina.<\/p>\n

Sovelluksissa, jotka vaihtelevat puheiden tunnistamisesta kasvojen ja sormenj\u00e4lkien tunnistamiseen miljoonista muista, kuten sihteerien konekirjoittajien k\u00e4ytt\u00e4mist\u00e4, k\u00e4ytet\u00e4\u00e4n koneoppimistekniikoita. Samojen tekniikoiden avulla autot voivat ajaa itse itse\u00e4\u00e4n ja tietokoneet voivat diagnosoida ihotautil\u00e4\u00e4k\u00e4reit\u00e4 paremmin melanooman matkapuhelimilla otettujen luomen kuvien perusteella. My\u00f6s sotilasrobotit ja tehtaiden automatisoidut kokoonpanolinjat hy\u00f6dynt\u00e4v\u00e4t teko\u00e4lyn tarjoamaa voimaa.<\/p>\n

Tieteellisess\u00e4 maailmassa teko\u00e4ly\u00e4 on k\u00e4ytetty biologisten makromolekyylien, kuten proteiinien ja genomien, toimintojen erittelyyn niiden osien j\u00e4rjestyksen mukaan. T\u00e4m\u00e4 erottaa in silico – historiallisista menetelmist\u00e4, kuten kokeista in viv – el\u00e4vill\u00e4 organismeilla – ja in vitro – laboratorio-olosuhteissa.<\/p>\n

Itseoppivien \u00e4lykk\u00e4iden j\u00e4rjestelmien sovellukset ulottuvat teollisuudesta ja pankkitoiminnasta vakuutuksiin, terveydenhuoltoon ja puolustukseen. Lukuisien rutiiniprosessien automatisointi muuttaa ammatillista toimintaa ja tekee joistakin ammateista mahdollisesti sukupuuttoon kuolleita.<\/p>\n

Teko\u00e4lyn erottaminen neuroverkoista ja koneoppimisesta<\/h2>\n

Teko\u00e4ly, yleisemmin teko\u00e4ly, on yleinen tietojenk\u00e4sittelytieteen ala, joka k\u00e4sittelee sellaisten \u00e4lykk\u00e4iden koneiden luomista, jotka kykenev\u00e4t jatkamaan toimintoja, jotka yleens\u00e4 edellytt\u00e4v\u00e4t ihmisen \u00e4lykkyytt\u00e4. Se kattaa muun muassa erikoistuneet ohjelmat ja erilaiset teknologiset l\u00e4hestymistavat ja ratkaisut. Teko\u00e4ly hy\u00f6dynt\u00e4\u00e4 monia loogisia ja matemaattisia algoritmeja, jotka voivat perustua hermoverkkoihin ihmisen aivoprosessien j\u00e4ljittelemiseksi.<\/p>\n

Neuroverkot edustavat tietynlaista tietokonealgoritmia, jota voidaan pit\u00e4\u00e4 keinotekoisista neuroneista koostuvana matemaattisena mallina. T\u00e4llaiset j\u00e4rjestelm\u00e4t eiv\u00e4t vaadi alustavaa ohjelmointia tiettyjen toimintojen suorittamiseksi. P\u00e4invastoin, ne pystyv\u00e4t oppimaan aiemmasta kokemuksesta, aivan kuten ihmisaivojen neuronit luovat ja vahvistavat yhteyksi\u00e4\u00e4n oppimisprosessin aikana. Neuraaliverkot ovat teko\u00e4lyn v\u00e4lineit\u00e4, joiden avulla voidaan suorittaa teht\u00e4vi\u00e4, joihin liittyy tietojen tunnistamista tai k\u00e4sittely\u00e4.<\/p>\n

Vaikka teko\u00e4ly on yleinen termi, jolla kuvataan koneita, jotka pystyv\u00e4t ajattelemaan ja oppimaan ihmisten tavoin, teko\u00e4lyn keskeist\u00e4 osa-aluetta, joka koskee teknologioita ja algoritmeja, joiden avulla ohjelmat oppivat ja kehittyv\u00e4t ilman ihmisen v\u00e4liintuloa, kutsutaan koneoppimiseksi. T\u00e4llaiset j\u00e4rjestelm\u00e4t analysoivat sy\u00f6tetty\u00e4 dataa, l\u00f6yt\u00e4v\u00e4t siit\u00e4 kuvioita ja k\u00e4ytt\u00e4v\u00e4t t\u00e4t\u00e4 tietoa uuden tiedon k\u00e4sittelyyn ja monimutkaisempien ongelmien ratkaisemiseen. Yksi koneoppimisen organisointimenetelmist\u00e4 on nimelt\u00e4\u00e4n neuroverkot.<\/p>\n

Jos siis etsimme teko\u00e4lyn analogiaa ihmiskehosta, teko\u00e4ly toimii kuin aivojen koko toiminta, koneoppiminen on analogia tiedonk\u00e4sittely- ja ongelmanratkaisumenetelmille ja neuroverkot ovat rakenneosia – kuten neuronit – jotka suorittavat tietojenk\u00e4sittely\u00e4 atomitasolla.<\/p>\n

Teko\u00e4lyn soveltaminen nykyel\u00e4m\u00e4ss\u00e4<\/h2>\n

Teko\u00e4ly on l\u00f6yt\u00e4nyt paikkansa l\u00e4hes kaikilla nykymaailman el\u00e4m\u00e4nalueilla kaupallisesta k\u00e4yt\u00f6st\u00e4 l\u00e4\u00e4ketieteeseen ja aina valmistustekniikkaan asti. Teko\u00e4ly\u00e4 on kahta p\u00e4\u00e4tyyppi\u00e4: heikkoa ja vahvaa. Heikot teko\u00e4lyt ovat erikoistuneet suppeampiin teht\u00e4viin, kuten diagnosointiin tai data-analyysiin, kun taas vahva teko\u00e4ly on luotu ratkaisemaan globaaleja monimutkaisia ongelmia syv\u00e4llisemmin j\u00e4ljittelem\u00e4ll\u00e4 ihmis\u00e4ly\u00e4.<\/p>\n

Teko\u00e4ly\u00e4 hy\u00f6dynt\u00e4v\u00e4 big data -analyysi soveltuu hyvin kaupank\u00e4yntiin, sill\u00e4 sen avulla suuret kauppapaikat voivat tutkia kuluttajien k\u00e4ytt\u00e4ytymist\u00e4 ja optimoida markkinointistrategioita.<\/p>\n

Teko\u00e4ly\u00e4 on sovellettu valmistusteollisuudessa ty\u00f6ntekij\u00f6iden toiminnan valvomisessa ja koordinoinnissa, mik\u00e4 on lis\u00e4nnyt huomattavasti ty\u00f6prosessin tehokkuutta ja turvallisuutta. Liikenteen alalla teko\u00e4ly\u00e4 k\u00e4ytet\u00e4\u00e4n liikenteen valvonnassa, tieolosuhteiden seurannassa sek\u00e4 miehitt\u00e4m\u00e4tt\u00f6mien ajoneuvojen kehitt\u00e4misess\u00e4 ja parantamisessa.<\/p>\n

Luksusbr\u00e4ndit ovat ottamassa k\u00e4ytt\u00f6\u00f6n teko\u00e4ly\u00e4, joka tekee syv\u00e4llisi\u00e4 analyysej\u00e4 asiakkaiden tarpeista ja personoi tuotteita heille. Terveydenhuollossa teko\u00e4ly muuttaa diagnostiikkaa, l\u00e4\u00e4kkeiden kehitt\u00e4mist\u00e4, sairausvakuutusta ja jopa kliinisi\u00e4 tutkimuksia, mik\u00e4 tekee terveydenhuoltopalveluista paljon tarkempia ja tehokkaampia.<\/p>\n

Syit\u00e4 t\u00e4h\u00e4n teknologiseen kehitykseen ovat tietovirtojen nopea kasvu, teko\u00e4lyyn teht\u00e4vien investointien lis\u00e4\u00e4ntyminen sek\u00e4 vaatimukset tuottavuuden ja tehokkuuden lis\u00e4\u00e4misest\u00e4 kaikilla aloilla. Teko\u00e4ly laajentaa edelleen vaikutusvaltaansa, tunkeutuu uusille aloille ja muuttaa perinteisi\u00e4 l\u00e4hestymistapoja liiketoimintaan ja jokap\u00e4iv\u00e4isiin toimintoihin.<\/p>\n

Teko\u00e4lyn sovellusalueet<\/h3>\n

Teko\u00e4ly on peitt\u00e4nyt alleen kaikki muutkin ihmisel\u00e4m\u00e4n osa-alueet ja luonut perinteisille toimialoille uusia mahdollisuuksia parantaa tehokkuutta ja tarkkuutta.<\/p>\n

L\u00e4\u00e4ketiede ja terveydenhuolto: Teko\u00e4ly k\u00e4ytt\u00e4\u00e4 potilastietoja, analysoi l\u00e4\u00e4ketieteellisi\u00e4 kuvia, kuten ultra\u00e4\u00e4ni-, r\u00f6ntgen- ja tietokonetomografiakuvia, ja se diagnosoi sairauksia oireiden perusteella. \u00c4lykk\u00e4\u00e4t j\u00e4rjestelm\u00e4t antavat hoitovaihtoehtoja ja auttavat terveiden el\u00e4m\u00e4ntapojen noudattamisessa mobiilisovellusten avulla, jotka voivat seurata sykett\u00e4 ja ruumiinl\u00e4mp\u00f6\u00e4.<\/p>\n

V\u00e4hitt\u00e4iskauppa ja s\u00e4hk\u00f6inen kaupank\u00e4ynti: Teko\u00e4lyn avulla analysoidaan k\u00e4ytt\u00e4jien verkkok\u00e4ytt\u00e4ytymist\u00e4, jotta voidaan tarjota heille r\u00e4\u00e4t\u00e4l\u00f6ityj\u00e4 suosituksia tai mainontaa. T\u00e4h\u00e4n kuuluu my\u00f6s k\u00e4ytt\u00e4jien verkkokaupoissa katselemien tuotteiden mainostaminen ja k\u00e4ytt\u00e4jien kiinnostuksen kohteiden analyyseihin perustuvat samankaltaiset tuote-ehdotukset. Politiikka: Teko\u00e4ly\u00e4 on k\u00e4ytetty presidentinvaalikampanjoissa, jopa Barack Obaman kampanjoissa, tietojen analysointiin, jotta kampanjastrategioita on voitu optimoida – valita, miss\u00e4 ja milloin puhutaan, ja n\u00e4in lis\u00e4t\u00e4 voittomahdollisuuksia.<\/p>\n

Teollisuus: Teko\u00e4ly auttaa tuotantoprosessien ohjauksessa, laitteiden kuormitusanalyysiss\u00e4 ja kysynn\u00e4n ennustamisessa, jotta voidaan varmistaa resurssien asianmukainen k\u00e4ytt\u00f6 ja kustannusten leikkaaminen. Pelaaminen ja koulutus: Teko\u00e4ly luo realistisempia virtuaalivastustajia, personoituja peliskenaarioita pelialalla. Koulutuksessa sit\u00e4 hy\u00f6dynnet\u00e4\u00e4n muun muassa opetussuunnitelmien suunnittelussa opiskelijoiden tarpeiden ja kykyjen mukaan, opetusresurssien hallinnassa jne.<\/p>\n

Muita aloja, joilla teko\u00e4ly\u00e4 sovelletaan, ovat oikeudelliset palvelut, rahoitusala ja kaupunkien infrastruktuurin hallinta, vain muutamia aloja mainitakseni, jotka todella korostavat teko\u00e4lyn panosta nykyaikaiseen innovointiin ja teknologiseen kehitykseen.<\/p>\n

Teko\u00e4ly (Artificial Intelligence, AI) on tieteenala, joka esiteltiin virallisesti maailmanyhteis\u00f6lle vuonna 1956 Hannoverissa, Yhdysvalloissa j\u00e4rjestetyss\u00e4 seminaarissa. Tapahtuman aloitti nelj\u00e4 amerikkalaista tiedemiest\u00e4: John McCarthy, Marvin Minsky, Nathaniel Rochester ja Claude Shannon. Aloituksesta l\u00e4htien termi \u201dteko\u00e4ly\u201d, joka luotiin todenn\u00e4k\u00f6isesti her\u00e4tt\u00e4m\u00e4\u00e4n yleist\u00e4 huomiota, on saavuttanut valtavan suosion.<\/p>\n

Teko\u00e4lyn merkitys on kasvanut tasaisesti viimeisten kuuden vuosikymmenen aikana, ja \u00e4lykk\u00e4\u00e4ll\u00e4 teknologialla on merkitt\u00e4v\u00e4 vaikutus maailmanj\u00e4rjestyksen muuttumiseen. Laajasta k\u00e4yt\u00f6st\u00e4 huolimatta termi \u201dteko\u00e4ly\u201d tulkitaan usein v\u00e4\u00e4rin, erityisesti silloin, kun sen ymm\u00e4rret\u00e4\u00e4n tarkoittavan keinotekoista olentoa, jonka \u00e4lykkyys voi kilpailla ihmisten kanssa.<\/p>\n

John McCarthylle ja Marvin Minskylle teko\u00e4ly oli aluksi yritys mallintaa tietokoneella \u00e4lyllisi\u00e4 kykyj\u00e4 – ihmisen, el\u00e4imen, kasvin, yhteiskunnan tai fylogeneettisi\u00e4 kykyj\u00e4. T\u00e4m\u00e4n tieteenalan perustaksi tuli oletus, ett\u00e4 kaikki kognitiiviset toiminnot voidaan kuvata tarkasti ja j\u00e4ljent\u00e4\u00e4 ohjelmallisesti. Yli kuusikymmenvuotisesta historiasta huolimatta hypoteesia \u00e4lyllisten toimintojen toistettavuudesta tietokoneilla ei ole viel\u00e4 vahvistettu tai kumottu lopullisesti, mik\u00e4 kannustaa tutkijoita uusiin l\u00f6yt\u00f6ihin.<\/p>\n

Nykyaikaista teko\u00e4ly\u00e4 sovelletaan laajalti eri el\u00e4m\u00e4naloilla, ja se kehittyy edelleen 1900-luvun puoliv\u00e4liss\u00e4 alkaneen tutkimus- ja kehitysty\u00f6n rikkaan perinn\u00f6n pohjalta.<\/p>\n

Teko\u00e4lyn kehitys<\/h3>\n

Teko\u00e4lyn kehitys alkoi heti toisen maailmansodan j\u00e4lkeen, kun Alan Turingin kaltaiset tiedemiehet tutkivat koneiden mahdollisuuksia \u201dajatella\u201d. Vuonna 1950 Turing julkaisi teoksensa \u201dComputing Machines and Intelligence\u201d, jossa h\u00e4n ehdotti Turingin testi\u00e4 menetelm\u00e4ksi, jolla m\u00e4\u00e4ritet\u00e4\u00e4n koneen kyky j\u00e4ljitell\u00e4 ihmisen \u00e4lykkyytt\u00e4. 1960-luvulla teko\u00e4lyyn kiinnitettiin paljon huomiota, ja ensimm\u00e4iset ohjelmat shakin pelaamiseen ja algebrallisten ongelmien ratkaisemiseen kehitettiin. 1970-luvulla alkoi kuitenkin teko\u00e4lyn ensimm\u00e4inen \u201dtalvikausi\u201d, jolloin todelliset edistysaskeleet eiv\u00e4t vastanneet suuria odotuksia, mik\u00e4 johti tutkimusrahoituksen v\u00e4henemiseen.<\/p>\n

Kiinnostus teko\u00e4ly\u00e4 kohtaan her\u00e4si uudelleen 1980-luvulla koneoppimisalgoritmien kehittymisen ja laskentatehon lis\u00e4\u00e4ntymisen my\u00f6t\u00e4. T\u00e4lle ajanjaksolle on ominaista edistyminen sellaisten asiantuntijaj\u00e4rjestelmien kehitt\u00e4misess\u00e4, jotka pystyv\u00e4t j\u00e4ljittelem\u00e4\u00e4n ihmisten asiantuntijoiden p\u00e4\u00e4t\u00f6ksi\u00e4 tietyill\u00e4 aloilla. Uuden vuosituhannen alussa teko\u00e4ly siirtyi uuteen aikakauteen, jota vauhdittivat internetin, suurten datam\u00e4\u00e4rien ja lis\u00e4\u00e4ntyneen laskentatehon kehittyminen. L\u00e4pimurrot syv\u00e4oppimisessa ja neuroverkoissa ovat johtaneet puheen- ja kuvantunnistukseen kykenevien j\u00e4rjestelmien kehitt\u00e4miseen, mik\u00e4 on tukenut autonomisten autojen, yksil\u00f6llistetyn l\u00e4\u00e4ketieteen ja muiden sovellusten kehitt\u00e4mist\u00e4.<\/p>\n

Teko\u00e4ly rikkoo edelleen uusia rajoja ja haasteita, integroituu jokap\u00e4iv\u00e4iseen el\u00e4m\u00e4\u00e4n ja muuttaa radikaalisti monia aloja, kuten liiketoimintaa, l\u00e4\u00e4ketiedett\u00e4 ja koulutusta. Teko\u00e4lyn historia on polku utopistisista ideoista todellisiin teknologioihin, jotka innostavat tutkijoita ja kehitt\u00e4ji\u00e4 tekem\u00e4\u00e4n uusia l\u00f6yt\u00f6j\u00e4.<\/p>\n

Teko\u00e4ly (AI) on kokenut lukuisia muutoksia lyhyen olemassaolonsa aikana. Sen kehityshistoriassa voidaan erottaa kuusi vaihetta.<\/p>\n

Kehityksen alkuvaiheessa Herbert Simonin kaltaiset tutkijat tekiv\u00e4t optimistisia ennusteita ensimm\u00e4isten onnistumisten innoittamina. Simon arveli, ett\u00e4 kymmeness\u00e4 vuodessa koneista voisi tulla shakin maailmanmestareita. Kehitys kuitenkin hidastui 1960-luvun puoliv\u00e4liss\u00e4, kun kymmenvuotias poika voitti tietokoneen shakissa ja kun Yhdysvaltain senaatin raportissa tuotiin esiin konek\u00e4\u00e4nt\u00e4misen rajoitukset. T\u00e4m\u00e4 ajanjakso tunnettiin teko\u00e4lyn synkkin\u00e4 aikoina.<\/p>\n

Seuraava vaihe suuntautui semanttiseen teko\u00e4lyyn, jossa tutkijat keskittyiv\u00e4t muistin psykologiaan ja ymm\u00e4rt\u00e4mismekanismeihin. 1970-luvun puoliv\u00e4liss\u00e4 syntyiv\u00e4t semanttisen tiedon esitt\u00e4mismenetelm\u00e4t ja asiantuntijaj\u00e4rjestelm\u00e4t, jotka k\u00e4yttiv\u00e4t ammattitaitoista tietoa ajatusprosessien toistamiseen. N\u00e4m\u00e4 j\u00e4rjestelm\u00e4t olivat eritt\u00e4in lupaavia erityisesti l\u00e4\u00e4ketieteellisess\u00e4 diagnostiikassa.<\/p>\n

1980- ja 1990-luvuilla koneoppimisalgoritmien kehitt\u00e4minen ja tekniset parannukset johtivat sellaisten \u00e4lykk\u00e4iden j\u00e4rjestelmien kehitt\u00e4miseen, jotka kykeniv\u00e4t suorittamaan erilaisia teht\u00e4vi\u00e4, kuten sormenj\u00e4lkien tunnistamista ja puheen tunnistamista. T\u00e4lle ajanjaksolle oli ominaista teko\u00e4lyn ja muiden tieteenalojen yhdist\u00e4minen hybridij\u00e4rjestelmien luomiseksi.<\/p>\n

1990-luvun lopulla teko\u00e4ly\u00e4 alettiin yhdist\u00e4\u00e4 robotiikkaan ja ihmisen ja koneen v\u00e4liseen rajapintaan, mik\u00e4 johti affektiivisen tietojenk\u00e4sittelyn luomiseen, jonka tarkoituksena oli analysoida ja j\u00e4ljent\u00e4\u00e4 ihmisen tunteita. T\u00e4m\u00e4 suuntaus auttoi parantamaan dialogij\u00e4rjestelmi\u00e4, kuten chatbotteja.<\/p>\n

Vuodesta 2010 l\u00e4htien tietojenk\u00e4sittelyn uudet mahdollisuudet ovat mahdollistaneet suurten datam\u00e4\u00e4rien yhdist\u00e4misen keinotekoisiin neuroverkkoihin perustuviin syv\u00e4oppimistekniikoihin. Edistyminen esimerkiksi puheen- ja kuvantunnistuksen, luonnollisen kielen ymm\u00e4rt\u00e4misen ja miehitt\u00e4m\u00e4tt\u00f6mien ajoneuvojen alalla on merkkin\u00e4 teko\u00e4lyn uudesta renessanssista.<\/p>\n

Teko\u00e4lyn sovellukset<\/h3>\n

Teko\u00e4lyteknologiat ovat osoittaneet merkitt\u00e4vi\u00e4 etuja ihmisen kykyihin verrattuna monilla aloilla. Esimerkiksi vuonna 1997 IBM:n Deep Blue -tietokone voitti silloisen shakin maailmanmestarin Garri Kasparovin. Vuonna 2016 tietokonej\u00e4rjestelm\u00e4t p\u00e4ihittiv\u00e4t maailman parhaat go- ja pokerinpelaajat, mik\u00e4 osoitti niiden kyvyn k\u00e4sitell\u00e4 ja analysoida valtavia tietom\u00e4\u00e4ri\u00e4, jotka mitataan teratavuina ja petatavuina.<\/p>\n

Koneoppimistekniikoita k\u00e4ytet\u00e4\u00e4n laajalti sovelluksissa, jotka vaihtelevat puheentunnistuksesta, joka muistuttaa entisaikojen sihteerien konekirjoittajia, kasvojen ja sormenj\u00e4lkien tarkkaan tunnistamiseen miljoonien muiden joukossa. Samojen tekniikoiden avulla autot voivat ajaa itse itse\u00e4\u00e4n ja tietokoneet, jotka ovat ihotautil\u00e4\u00e4k\u00e4reit\u00e4 parempia, voivat diagnosoida melanooman matkapuhelimella otettujen luomen kuvien perusteella. My\u00f6s sotilasrobotit ja tehtaiden automatisoidut kokoonpanolinjat ovat teko\u00e4lyn tulosta.<\/p>\n

Tieteen alalla teko\u00e4ly\u00e4 k\u00e4ytet\u00e4\u00e4n biologisten makromolekyylien, kuten proteiinien ja genomien, toiminnan analysointiin niiden osien j\u00e4rjestyksen perusteella. T\u00e4m\u00e4 erottaa in silico (tietokonepohjaiset kokeet, joissa k\u00e4ytet\u00e4\u00e4n suurta dataa ja tehokkaita prosessoreita) perinteisist\u00e4 menetelmist\u00e4, kuten in vivo (el\u00e4vill\u00e4 organismeilla) ja in vitro (laboratorio-olosuhteissa) teht\u00e4vist\u00e4 kokeista.<\/p>\n

Itseoppivia \u00e4lykk\u00e4it\u00e4 j\u00e4rjestelmi\u00e4 k\u00e4ytet\u00e4\u00e4n l\u00e4hes kaikilla aloilla teollisuudesta ja pankkitoiminnasta vakuutuksiin, terveydenhuoltoon ja puolustukseen. Monien rutiiniprosessien automatisointi on muuttamassa ammatillista toimintaa ja mahdollisesti h\u00e4vitt\u00e4m\u00e4ss\u00e4 joitakin ammatteja.<\/p>\n

Teko\u00e4lyn erottaminen neuroverkoista ja koneoppimisesta<\/h2>\n

Teko\u00e4ly on laaja tietojenk\u00e4sittelytieteen ala, joka k\u00e4sittelee \u00e4lykk\u00e4iden koneiden luomista, jotka pystyv\u00e4t suorittamaan teht\u00e4vi\u00e4, jotka edellytt\u00e4v\u00e4t ihmisen \u00e4lykkyytt\u00e4. Siihen kuuluvat paitsi erikoistuneet ohjelmat my\u00f6s erilaiset teknologiset menetelm\u00e4t ja ratkaisut. Teko\u00e4lyss\u00e4 k\u00e4ytet\u00e4\u00e4n monia l\u00e4hestymistapoja, kuten loogisia ja matemaattisia algoritmeja, ja se voi tukeutua hermoverkkoihin j\u00e4ljitell\u00e4kseen ihmisaivojen toimintaa.<\/p>\n

Neuroverkot ovat erityyppisi\u00e4 tietokonealgoritmeja, jotka edustavat keinotekoisista neuroneista koostuvaa matemaattista mallia. N\u00e4m\u00e4 j\u00e4rjestelm\u00e4t eiv\u00e4t vaadi edelt\u00e4v\u00e4\u00e4 ohjelmointia suorittaakseen tiettyj\u00e4 teht\u00e4vi\u00e4. Sen sijaan ne pystyv\u00e4t oppimaan aikaisemman kokemuksen ja alkeislaskujen perusteella samalla tavalla kuin ihmisaivojen neuronit muodostavat ja vahvistavat yhteyksi\u00e4 oppimisprosessin aikana. Neuroverkkoja k\u00e4ytet\u00e4\u00e4n teko\u00e4lyss\u00e4 keinona ratkaista tiedon tunnistamiseen ja k\u00e4sittelyyn liittyvi\u00e4 teht\u00e4vi\u00e4.<\/p>\n

Koneoppiminen puolestaan on teko\u00e4lyn osa-alue, joka keskittyy sellaisten teknologioiden ja algoritmien kehitt\u00e4miseen, joiden avulla ohjelmat voivat oppia ja kehitty\u00e4 ilman ihmisen suoraa puuttumista asiaan. N\u00e4m\u00e4 j\u00e4rjestelm\u00e4t analysoivat sy\u00f6tetty\u00e4 dataa, l\u00f6yt\u00e4v\u00e4t siit\u00e4 malleja ja k\u00e4ytt\u00e4v\u00e4t t\u00e4t\u00e4 tietoa uuden tiedon k\u00e4sittelyyn ja monimutkaisempien ongelmien ratkaisemiseen. Neuraaliverkkoja k\u00e4ytet\u00e4\u00e4n usein yhten\u00e4 koneoppimisen organisointimenetelm\u00e4n\u00e4.<\/p>\n

Jos siis ved\u00e4mme analogian ihmiskehoon, teko\u00e4ly\u00e4 voidaan verrata aivojen t\u00e4yteen toimintakykyyn, koneoppiminen olisi analogista tiedonk\u00e4sittely- ja ongelmanratkaisutekniikoille, ja neuroverkot ovat neuronien kaltaisia rakenneosia, jotka tarjoavat tietojenk\u00e4sittely\u00e4 perustasolla.<\/p>\n

Teko\u00e4lyn sovellukset nykyel\u00e4m\u00e4ss\u00e4<\/h2>\n

Teko\u00e4ly\u00e4 (AI) on sovellettu laajalti monilla nykyel\u00e4m\u00e4n eri aloilla kaupallisista sovelluksista l\u00e4\u00e4ketieteelliseen ja valmistustekniikkaan. Teko\u00e4ly\u00e4 on kahta p\u00e4\u00e4tyyppi\u00e4: heikko teko\u00e4ly ja vahva teko\u00e4ly. Heikko teko\u00e4ly on erikoistunut suorittamaan erityisteht\u00e4vi\u00e4, kuten l\u00e4\u00e4ketieteellist\u00e4 diagnostiikkaa tai data-analyysi\u00e4, kun taas vahva teko\u00e4ly pyrkii ratkaisemaan globaaleja, monimutkaisia ongelmia j\u00e4ljittelem\u00e4ll\u00e4 ihmis\u00e4ly\u00e4 syvemm\u00e4ll\u00e4 tasolla.<\/p>\n

Kaupank\u00e4ynniss\u00e4 teko\u00e4ly\u00e4 k\u00e4ytet\u00e4\u00e4n laajalti Big Data -analyyseihin, joiden avulla suuret kauppapaikat voivat tutkia kuluttajien k\u00e4ytt\u00e4ytymist\u00e4 ja optimoida markkinointistrategioita.<\/p>\n

Valmistusteollisuudessa teko\u00e4ly\u00e4 k\u00e4ytet\u00e4\u00e4n ty\u00f6ntekij\u00f6iden toiminnan seurantaan ja koordinointiin, mik\u00e4 lis\u00e4\u00e4 ty\u00f6prosessien tehokkuutta ja turvallisuutta. Liikenneteollisuudessa teko\u00e4ly auttaa liikenteen hallinnassa, tieolosuhteiden seurannassa sek\u00e4 miehitt\u00e4m\u00e4tt\u00f6mien ajoneuvojen kehitt\u00e4misess\u00e4 ja parantamisessa.<\/p>\n

Luksusbr\u00e4ndit k\u00e4ytt\u00e4v\u00e4t teko\u00e4ly\u00e4 asiakkaiden tarpeiden syv\u00e4lliseen analysointiin ja tuotteiden personointiin. Terveydenhuollossa teko\u00e4ly mullistaa diagnostiikan, l\u00e4\u00e4kekehityksen, sairausvakuutuksen ja kliiniset tutkimukset ja parantaa terveydenhuoltopalvelujen tarkkuutta ja tehokkuutta.<\/p>\n

T\u00e4t\u00e4 teknologista kehityst\u00e4 vauhdittavat tietovirtojen nopea kasvu, teko\u00e4lyyn teht\u00e4vien investointien lis\u00e4\u00e4ntyminen ja vaatimukset tuottavuuden ja tehokkuuden lis\u00e4\u00e4misest\u00e4 kaikilla toimialoilla. Teko\u00e4ly laajentaa edelleen vaikutusvaltaansa, tunkeutuu uusille aloille ja muuttaa perinteisi\u00e4 l\u00e4hestymistapoja liiketoimintaan ja jokap\u00e4iv\u00e4isiin toimintoihin.<\/p>\n

Teko\u00e4lyn k\u00e4ytt\u00f6alueet<\/h3>\n

Teko\u00e4ly (AI) tunkeutuu monille jokap\u00e4iv\u00e4isen el\u00e4m\u00e4n osa-alueille, muuttaa perinteisi\u00e4 toimialoja ja luo uusia mahdollisuuksia parantaa tehokkuutta ja tarkkuutta:<\/p>\n

    \n
  1. L\u00e4\u00e4ketiede ja terveydenhuolto: Teko\u00e4ly\u00e4 k\u00e4ytet\u00e4\u00e4n potilastietojen hallintaan, l\u00e4\u00e4ketieteellisten kuvien, kuten ultra\u00e4\u00e4ni-, r\u00f6ntgen- ja tietokonetomografiakuvien, analysointiin ja sairauksien diagnosointiin oireiden perusteella. \u00c4lykk\u00e4\u00e4t j\u00e4rjestelm\u00e4t tarjoavat hoitovaihtoehtoja ja auttavat terveiden el\u00e4m\u00e4ntapojen noudattamisessa mobiilisovellusten avulla, jotka voivat seurata sykett\u00e4 ja ruumiinl\u00e4mp\u00f6\u00e4.<\/li>\n
  2. V\u00e4hitt\u00e4iskauppa ja s\u00e4hk\u00f6inen kaupank\u00e4ynti: Teko\u00e4ly analysoi k\u00e4ytt\u00e4jien verkkok\u00e4ytt\u00e4ytymist\u00e4 tarjotakseen yksil\u00f6llisi\u00e4 suosituksia ja mainontaa. T\u00e4h\u00e4n sis\u00e4ltyy sellaisten tuotteiden mainostaminen, joita k\u00e4ytt\u00e4j\u00e4t ovat katselleet verkkokaupoissa, ja samankaltaisten tuotteiden ehdottaminen k\u00e4ytt\u00e4jien kiinnostuksen kohteiden analyysien perusteella.<\/li>\n
  3. Politiikka: Esimerkiksi Barack Obaman presidentinvaalikampanjoissa teko\u00e4ly\u00e4 k\u00e4ytettiin tietojen analysointiin ja kampanjastrategioiden optimointiin, kuten puheiden pitopaikkojen ja -ajankohtien valintaan, mik\u00e4 lis\u00e4si Obaman voittomahdollisuuksia.<\/li>\n
  4. Teollisuus: Teko\u00e4ly auttaa hallitsemaan tuotantoprosesseja, analysoimaan laitteiden kuormitusta ja ennustamaan kysynt\u00e4\u00e4, optimoimaan resursseja ja v\u00e4hent\u00e4m\u00e4\u00e4n kustannuksia.<\/li>\n
  5. Pelaaminen ja koulutus: Peliteollisuudessa teko\u00e4ly luo entist\u00e4 realistisempia virtuaalivastustajia ja yksil\u00f6llisi\u00e4 peliskenaarioita. Koulutuksessa teko\u00e4ly\u00e4 k\u00e4ytet\u00e4\u00e4n opetussuunnitelmien r\u00e4\u00e4t\u00e4l\u00f6imiseen oppilaiden tarpeiden ja kykyjen mukaan sek\u00e4 koulutusresurssien hallintaan.<\/li>\n<\/ol>\n

    Teko\u00e4ly\u00e4 sovelletaan monilla muillakin aloilla, kuten oikeudellisissa palveluissa, rahoituksessa ja kaupunki-infrastruktuurin hallinnassa, mik\u00e4 korostaa teko\u00e4lyn roolia nykyaikaisen innovaation ja teknologisen edistyksen t\u00e4rkeimp\u00e4n\u00e4 moottorina.[\/vc_column_text][\/vc_column][\/vc_row][vc_row el_id=”videosdiv”][vc_column][vc_column_text css=”” el_id=”videosdiv”]<\/p>\n

    \n