Mitä tekoäly on?
- Asiakastietojen
eettinen käyttö 2020-luvulla suurin osa jakamastamme ja keräämästämme tiedosta yritys- tai yksityishenkilöinä tapahtuu digitaalisesti yhdistettyjen kanavien kautta. Vuoden 2020 alussa maailmassa oli yli 3,5 miljardia älypuhelinta , jotka jakavat valtavia määriä dataa – GPS-sijainnista käyttäjien henkilökohtaisiin tietoihin ja mieltymyksiin sosiaalisen median ja hakukäyttäytymisen kautta. Kun yritykset saavat laajemman pääsyn asiakkaidensa henkilökohtaisiin tietoihin, on erittäin tärkeää luoda vertailuarvoja ja jatkuvasti kehittyviä protokollia yksityisyyden suojaamiseksi ja riskien minimoimiseksi. - Tekoälyn vääristymä
Bias voi tunkeutua tekoälyjärjestelmään algoritmiensa ohjelmoinnissa ilmenevän inhimillisen vääristymän tai koneoppimisprosessin virheellisten oletusten kautta leviävien systeemisten ennakkoluulojen kautta. Ensin on ilmeisempää nähdä, miten tämä voi tapahtua. Mutta toisessa, se voi olla vaikeampi havaita ja välttää. Tunnettu esimerkki tekoälyn vääristymistä ilmeni Yhdysvaltain terveydenhuoltojärjestelmässä, jossa tekoälysovelluksia käytettiin hoitostandardien jakamiseen. Algoritmi sai tietää, että tietyt demografiset ryhmät pystyivät maksamaan hoidosta huonommin. Sen jälkeen se ekstrapoloi nämä tiedot korreloidakseen virheellisesti kyseisen ryhmän olevan vähemmän oikeutettu hoitoon. Havaittuaan tämän valitettavan virheen, UC Berkeleyn tietokonetutkijat työskentelivät kehittäjien kanssa algoritmisten muuttujien muokkaamiseksi, mikä vähensi puolueellisuutta 84 %. - Tekoälyn läpinäkyvyys ja selitettävä tekoäly
Tekoälyn läpinäkyvyys on kyky määrittää, miten ja miksi algoritmi päätyi tiettyyn johtopäätökseen tai päätökseen. Tekoäly- ja koneoppimisalgoritmit, jotka antavat tietoa tuloksista – ja itse tuloksista – ovat usein niin monimutkaisia, että ne ovat inhimillisen ymmärryksen ulottumattomissa. Tällaisia algoritmeja kutsutaan "black box" -malleiksi. Yrityksille on tärkeää varmistaa, että tietomallit ovat oikeudenmukaisia, puolueettomia ja että niitä voidaan selittää ja tarkastella ulkoisesti. Varsinkin ilmailun ja lääketieteenkaltaisilla aloilla ihmishenki on vaakalaudalla. Siksi on erittäin tärkeää, että näitä tietoja käyttävät ihmiset suhtautuvat tiedonhallintaaloitteisiin erittäin vakavasti. - Deepfakes ja valeuutisia
Deepfake on "syvän oppimisen" ja "väärennöksen" yhdistelmä . Se on tekniikka, joka käyttää tekoälyä ja koneoppimista – tyypillisesti – ylittämään toisen kasvot toisen kehoon videossa, niin tarkasti, ettei sitä voi erottaa alkuperäisestä. Viattomassa muodossaan se voi johtaa hämmästyttäviin visuaalisiin tehosteisiin, kuten Robert De Niron ja Joe Pescin 30-vuotiseen vanhenemiseen elokuvassa The Irishman. Valitettavasti sen yleisempi käyttö on luoda uskovia valeuutisia tai laittaa julkkiksia graafisiin tai kompromissivideoihin, joissa he eivät koskaan koskaan esiintyneet.
Tekoälyn varhainen määritelmä (AI) tuli yhdestä sen perustajaisästä Marvin Minsky, joka kuvaili sitä ”tieteeksi siitä, että koneet tekevät asioita, jotka vaatisivat älyä, jos ihmiset tekisivät sen”. Vaikka tämän määritelmän ydin on nykyään totta, nykyaikaiset tietokonetutkijat menevät hieman pidemmälle ja määrittelevät tekoälyn järjestelmäksi, joka kykenee hahmottamaan ympäristönsä ja ryhtymään toimiin maksimoidakseen mahdollisuuden saavuttaa tavoitteensa – ja lisäksi järjestelmän kyky tulkita ja analysoida dataa niin, että se oppii ja mukautuu.
Tekoälyn historia
Pygmalionin kreikkalaisesta myytistä Frankensteinin viktoriaaniseen tarinaan saakka ihmisiä on pitkään kiehtonut ajatus luoda ihmisen luoma olento, joka voisi ajatella ja toimia kuin ihminen. Tietokoneiden nousun myötä tajusimme, että tekoälyn visio ei synny itsenäisinä, itsenäisinä kokonaisuuksina – vaan työkaluina ja yhdistettyinä teknologioina, jotka voivat täydentää ja sopeutua ihmisen tarpeisiin.
Tekoälyn käsite keksittiin vuonna 1956Dartmouthin yliopistossa New Hampshiren Hannoverissa pidetyssä tieteellisessä konferenssissa. Sittemmin tekoäly ja tiedonhallinta ovat kehittyneet erittäin riippuvaisesti toisistaan. Tekoäly vaatii paljon Big Dataa, jotta voidaan tehdä merkityksellisesti luotettavia analyyseja. Jotta paljon dataa voitaisiin käsitellä digitaalisesti, järjestelmä vaatii tekoälyn. Sellaisenaan tekoälyn historia on kehittynyt laskentatehon ja tietokantateknologioiden nousun myötä.
Nykyään liiketoimintajärjestelmät, jotka pystyivät käsittelemään vain muutamia gigatavuja tietoja, voivat nyt hallita teratavuja ja käyttää tekoälyä tulosten ja näkemysten reaaliaikaiseen käsittelyyn. Toisin kuin ihmisen luoma luomakunta, tekoälyteknologiat ovat ketteriä ja reagoivia – ne on suunniteltu parantamaan ja laajentamaan ihmisten kumppaneita, ei korvaamaan niitä.
Tekoälyn tyypit
Tekoäly on yksi nopeimmin kasvavista teknologisen kehityksen aloista. Kuitenkin nykyään monimutkaisimmatkin tekoälymallit hyödyntävät vain ”tekoälyä”, joka on perustavanlaatuisin kolmesta tekoälyn tyypistä. Kaksi muuta ovat edelleen tieteiskirjallisuuden juttuja, ja tällä hetkellä niitä ei käytetä millään käytännön tavalla. Tietojenkäsittelytiede on kuitenkin kehittynyt viimeisten 50 vuoden aikana, joten on vaikea sanoa, mihin tekoälyn tulevaisuus vie meidät.
Kolme pääasiallista tekoälytyyppiä
Keinotekoinen kapea älykkyys (ANI)
ANI on sellainen tekoäly, joka on olemassa tänään ja tunnetaan myös "heikko" tekoäly. Vaikka kapean tekoälyn suorittamiseen voivat vaikuttaa erittäin monimutkaiset algoritmit ja neuroverkot, ne ovat kuitenkin yksittäisiä ja päämääräorientoituneita. Kasvojentunnistus, internethaut ja itseohjautuvat autot ovat kaikki esimerkkejä kapeasta tekoälystä. Sitä ei luokitella heikoksi sen vuoksi, että sillä ei olisi laajuutta ja valtaa, vaan siksi, että se on vielä kaukana inhimillisistä komponenteista, joita pidämme todellisena älykkyytenä. Filosofi John Searle määrittelee kapean tekoälyn olevan ”hyödyllinen testattaessa hypoteesia mielistä, mutta ei itse asiassa olisi mieli”.
Yleinen tekoäly (AGI)
AGI:n pitäisi pystyä suoriutumaan kaikista älyllisistä tehtävistä, joita ihminen voi tehdä. Kuten kapeat tekoälyjärjestelmät, AGI-järjestelmät voivat oppia kokemuksesta ja havaita ja ennustaa kuvioita – mutta niillä on kyky viedä se askeleen pidemmälle. AGI voi ekstrapoloida tämän tiedon monenlaisissa tehtävissä ja tilanteissa, joita aiemmin hankitut tiedot tai olemassa olevat algoritmit eivät käsittele.
Summit Supercomputer on yksi vain harvoista sellaisista supertietokoneista maailmassa, jotka osoittavat AGI: n. Se voi suorittaa 200 nelikiljoonaa laskentaa sekunnissa – mikä vaatisi ihmiseltä miljardi vuotta. Jotta AGI-mallit olisivat mielekkäästi toteuttamiskelpoisia, ne eivät välttämättä tarvitsisi niin paljon tehoa, mutta ne vaatisivat laskennallisia kapasiteetteja, joita tällä hetkellä on vain supertietokonetasolla.
Tekoäly (ASI)
ASI-järjestelmät ovat teoreettisesti täysin itsetietoisia. Sen lisäksi, että he jäljittelevät tai ymmärtävät ihmisen käyttäytymistä, he tarttuvat siihen perustasolla.
Näiden inhimillisten piirteiden ansiosta – ja vielä enemmän prosessoimalla ja analyyttisellä voimalla, joka ylittää selvästi omat ominaisuutemme – ASI voi näyttää esittävän dystopistisen, scifi-tulevaisuuden, jossa ihmisistä tulee yhä vanhentuneempia.
On epätodennäköistä, että kukaan tällä hetkellä elävä koskaan näkisi tällaista maailmaa, mutta se sanoi, että tekoäly etenee niin nopeasti, että on tärkeää harkita eettisiä ohjeita ja ohjausta ennakoitaessa tekoälyä, joka voisi ylittää meidät lähes kaikilla mitattavilla tavoilla. Kuten Stephen Hawking neuvoo: "Tekoälyn suuren potentiaalin vuoksi on tärkeää tutkia, miten hyödyntää sen etuja ja välttää mahdolliset sudenkuopat."
Tekoälyn hyödyt
Vain muutama vuosikymmen sitten tekoälyn käyttö liiketoiminnassa oli "varhaisessa käyttöönottovaiheessa" ja sen potentiaali oli vielä jonkin verran teoreettinen. Siitä lähtien tekoälyteknologiat ja -sovellukset ovat kehittyneet ja tuoneet lisäarvoa yrityksille, ja IDC:n ennustetaan kasvavan 19,6 % vuodesta 2022 432,8 miljardiin dollariin. Kun tekoälyteknologiat kehittyvät ja nousevat innovaatioiden seuraavaksi aalloksi, niin myös inhimillinen ymmärrys niiden potentiaalista ja luovuudesta, jolla niitä sovelletaan. Nykyään yritykset saavat yhä enemmän mitattavissa olevia hyötyjä tekoälyllä toimivista järjestelmistä, mukaan lukien seuraavat viisi:
- Liiketoiminnallinen resilienssi: Yritykset tiesivät jo kauan ennen tietokoneiden olemassaoloa, miten arvokasta on kerätä ja ymmärtää tietoja liiketoiminnastaan, markkinoistaan ja asiakkaistaan. Kun aineistot kasvoivat ja monimutkaistuivat, kyky analysoida dataa tarkasti ja oikea-aikaisesti muuttui yhä haastavammaksi. Tekoälyä hyödyntävien ratkaisujen avulla voidaan paitsi hallita Big Dataa myös ottaa siitä käyttökelpoisia oivalluksia. Tekoälyn avulla monimutkaiset prosessit voidaan automatisoida, resursseja voidaan käyttää tehokkaammin ja häiriöitä (ja mahdollisuuksia) voidaan paremmin ennustaa ja mukauttaa.
- Parempi asiakaspalvelu: tekoälyn avulla yritykset voivat räätälöidä palvelutarjontaa ja olla vuorovaikutuksessa asiakkaidensa kanssa reaaliajassa. Kun kuluttajat siirtyvät nykyaikaisen myyntisuppilon läpi ”liidistä” muuntamiseen, he tuottavat monimutkaisia ja monipuolisia tietokokonaisuuksia. Tekoäly antaa liiketoimintajärjestelmille mahdollisuuden hyödyntää näitä tietoja ja palvella ja olla paremmin yhteydessä asiakkaisiinsa.
- Luotettava päätöksenteko: Hyvät yritysjohtajat pyrkivät aina tekemään nopeita ja tietoon perustuvia päätöksiä. Mitä ratkaisevampi päätös on, sitä todennäköisempää on, että sillä on lukemattomia ja monimutkaisia komponentteja ja keskinäisiä riippuvuussuhteita. Tekoäly auttaa lisäämään ihmisten viisautta ja kokemusta hyödyntämällä kehittynyttä data-analyysia ja toimintakykyisiä oivalluksia, jotka tukevat luotettavaa, reaaliaikaista päätöksentekoa.
- Merkitykselliset tuotteet ja palvelut: Monet perinteiset T&K-mallit olivat takapajuisia. Suorituskyky- ja asiakaspalautetietojen analysointi tapahtui usein vasta hyvissä ajoin tuotteen tai palvelun tultua markkinoille. Käytössä ei myöskään ollut järjestelmiä, joilla voitaisiin nopeasti havaita markkinoiden mahdolliset puutteet ja mahdollisuudet. Tekoälyä hyödyntävien järjestelmien avulla yritykset voivat tarkastella laajaa tietovalikoimaa samanaikaisesti ja reaaliaikaisesti. Näin he voivat muokata olemassa olevia tuotteita ja ottaa käyttöön uusia, jotka perustuvat olennaisimpiin ja ajantasaisimpiin markkina- ja asiakastietoihin.
- Sitoutuneet työntekijät: Äskettäinen gallup-kysely osoittaa, että yritykset, joiden työntekijät ovat sitoutuneita, ovat keskimäärin jopa 21 % kannattavampia. Työpaikan tekoälytekniikat voivat vähentää arkisten tehtävien taakkaa ja antaa työntekijöille mahdollisuuden keskittyä työn suorittamiseen. Tekoälyä hyödyntävät HR-teknologiat voivat myös auttaa huomaamaan, kun työntekijät ovat ahdistuneita, väsyneitä tai kyllästyneitä. Yksilöimällä hyvinvointisuosituksia ja auttamalla priorisoimaan tehtäviä tekoäly voi tukea työntekijöitä ja auttaa heitä palauttamaan terveen työ- ja yksityiselämän tasapainon.
Pyydä demo
Näe älykkäät teknologiat, kuten tekoäly ja koneoppiminen toiminnassa.
Tekoälyteknologiat
Jotta tekoäly olisi hyödyllinen, sen on oltava sovellettavissa. Sen todellinen arvo voidaan toteuttaa vain, kun se tuottaa toteuttamiskelpoisia oivalluksia. Jos ajattelemme tekoälyä ihmisaivojen suhteen, tekoälyteknologiat ovat kuin kädet, silmät ja kehon liikkeet – kaikki mikä mahdollistaa aivojen ideoiden toteuttamisen. Seuraavat ovat yleisimmin käytettyjä ja nopeasti kehittyviä tekoälyteknologioita.
Tekoälyteknologiat
Koneoppiminen
Koneoppiminen – ja kaikki sen komponentit – on tekoälyn osajoukko. Koneoppimisessa algoritmeja sovelletaan erityyppisiin oppimismenetelmiin ja analysointitekniikoihin, joiden avulla järjestelmä voi automaattisesti oppia ja kehittyä kokemuksesta ohjelmoimatta sitä erikseen. Yrityksissä koneoppimista voidaan soveltaa mihin tahansa ongelmaan tai tavoitteeseen, joka vaatii ennakoivia tuloksia, jotka saadaan monimutkaisesta data-analyysista.
Mitä eroa on tekoälyllä ja koneoppimisella? Koneoppiminen on tekoälyn komponentti, eikä sitä voi olla olemassa ilman sitä. Se ei siis ole niin paljon , että ne ovat erilaisia – vaan miten ne ovat erilaisia. Tekoäly käsittelee tietoja päätösten ja ennusteiden tekemistä varten. Koneoppimisalgoritmien avulla tekoäly voi paitsi käsitellä kyseistä dataa myös käyttää sitä oppimaan ja kehittymään älykkäämmäksi ilman lisäohjelmointia.
Luonnollisen kielen käsittely (NLP)
NLP:n avulla koneet voivat tunnistaa ja ymmärtää kirjoitettua kieltä, äänikomentoja tai molempia. Tähän sisältyy kyky kääntää ihmisen kieli muotoon, jota algoritmi voi ymmärtää. Luonnollinen kielisukupolvi (NLG) on NLP:n osajoukko, jonka avulla kone voi muuntaa digitaalisen kielen luonnolliseksi ihmisen kieleksi. Kehittyneemmissä sovelluksissa NLP voi käyttää kontekstia päättelemään asennetta, mielialaa ja muita subjektiivisia ominaisuuksia tulkitsemaan tarkoituksen tarkimmin. NLP:n käytännöllisiä sovelluksia ovat chatbotit ja digitaaliset ääniavustajat, kuten Siri ja Alexa.
Tietokonenäkö
Tietokonenäkö on menetelmä, jolla tietokoneet ymmärtävät ja ”näkevät” digitaalisia kuvia ja videoita – sen sijaan, että vain tunnistaisivat tai luokittelisivat niitä. Tietokonenäkösovellukset käyttävät antureita ja oppimisalgoritmeja poimimaan monimutkaisia, kontekstuaalisia tietoja, joiden avulla voidaan sitten automatisoida tai informoida muita prosesseja. Tietokonenäkö voi myös ekstrapoloida dataa ennakoiviin tarkoituksiin, mikä tarkoittaa käytännössä sitä, että se näkee seinien ja kulmien ympäri. Itseajavat autot ovat hyvä esimerkki käytössä olevasta tietokonenäköstä.
Robotiikka
Robotiikka ei ole mitään uutta, ja sitä on käytetty jo vuosia, erityisesti valmistuksessa. Ilman tekoälyä automaatio on kuitenkin toteutettava manuaalisella ohjelmoinnilla ja kalibroinnilla. Jos näissä työnkuluissa on heikkouksia tai tehottomuutta, ne voidaan havaita vasta tosiasian jälkeen – tai jonkin hajoamisen jälkeen. Ihmisen toimija ei voi usein koskaan tietää, mikä johti ongelmaan tai mitä mukautuksia voitaisiin tehdä paremman tehokkuuden ja tuottavuuden saavuttamiseksi. Kun tekoälyä tuodaan yhdistelmään – tyypillisesti IoT-antureiden avulla – se tuo mukanaan kapasiteetin laajentaa huomattavasti suoritettavien robottitehtävien laajuutta, määrää ja tyyppiä. Esimerkkejä teollisuuden robotiikasta ovat tilauskeräilyrobotit suurissa varastoissa ja maatalousrobotit, jotka voidaan ohjelmoida poimimaan tai palvelemaan satoa optimaalisina aikoina.
Enterprise AI toiminnassa
Joka vuosi yhä useammat yritykset toteuttavat tekoälyn tarjoamia etuja ja kilpailuetuja toiminnassaan. Joillakin aloilla, kuten terveydenhuollossa ja pankkitoiminnassa, on erityisen suuria ja haavoittuvia tietokokonaisuuksia. Heille tekoälyn hyödyllisyys oli ilmeistä sen varhaisimmista iteraatioista. Nykyaikaisen tekoälyn laajuus ja saavutettavuus tarkoittavat kuitenkin sitä, että sillä on merkityksellisiä sovelluksia lähes kaikissa liiketoimintamalleissa. Seuraavat esimerkit ovat vain muutamia tällaisia teollisuudenaloja.
- Tekoäly terveydenhuollossa
Lääketieteelliset tietoaineistot ovat maailman suurimpia, monimutkaisimpia ja herkimpiä. Tekoälyn keskeinen painopiste terveydenhuollossa on hyödyntää tätä tietoa löytääkseen yhteyden diagnoosin ja hoitosuositusten sekä potilaiden tulosten välillä. Lisäksi sairaalat turvautuvat tekoälyn ratkaisuihin tukeakseen muita toiminta-alueita ja aloitteita. Näitä ovat muun muassa henkilöstön tyytyväisyys ja optimointi, potilastyytyväisyys ja kustannussäästöt. - Tekoäly pankkitoiminnassa
Pankeilla ja rahoituslaitoksilla on yhä suurempi tarve turvallisuuteen, vaatimustenmukaisuuteen ja liiketoimien nopeuteen, ja näin ollen ne ovat ensimmäisiä tekoälyteknologioiden käyttöönottajia. AI-bottien, digitaalisten maksuneuvojien ja biometristen petosten havaitsemismekanismien kaltaiset ominaisuudet parantavat tehokkuutta ja asiakaspalvelua sekä vähentävät riskejä ja petoksia. Katso, miten pankit ajavat päästä päähän -palvelua digitalisoinnilla ja älykkäillä teknologioilla. - Tekoäly tuotannossa
Kun laitteet ja koneet on kytketty lähettämään ja vastaanottamaan dataa keskusjärjestelmän kautta, ne muodostavat IoT-verkon. Tekoäly ei ainoastaan käsittele tätä tietoa, vaan käyttää sitä mahdollisuuksien ja häiriöiden ennakointiin sekä parhaiden tehtävien ja työnkulkujen automatisointiin. Älytehtaissa tämä ulottuu 3D-tulostimien on-demand-tuotantoprotokolliin ja virtuaalisiin varastoihin. Lue, miten Adidas käyttää koneoppimista räätälöityjen tennareiden toimittamiseen vain 24 tunnissa. - Vähittäiskaupan
tekoäly Pandemialla oli valtava vaikutus ostostottumuksiin, ja verkko-ostosten määrä kasvoi merkittävästi edellisvuoden vastaavaan ajanjaksoon verrattuna. Tämä on edistänyt vähittäiskauppiaiden erittäin kilpailukykyistä ja nopeasti muuttuvaa ilmapiiriä. Verkko-ostajat ovat mukana monenlaisissa kontaktipisteissä ja tuottavat suurempia määriä monimutkaisia ja rakenteettomia tietojoukkoja kuin koskaan aiemmin. Jotta nämä tiedot ymmärrettäisiin ja hyödynnettäisiin parhaalla mahdollisella tavalla, vähittäiskauppiaat etsivät tekoälyratkaisuja, jotka voivat käsitellä ja analysoida erilaisia tietojoukkoja tarjotakseen hyödyllistä tietoa ja reaaliaikaista vuorovaikutusta asiakkaidensa kanssa.
Tekoälyn etiikka ja haasteet
Vuonna 1948 tietojenkäsittelytieteen uranuurtaja Alan Turing sanoi: ”Tietokone ansaitsisi tulla kutsutuksi älykkääksi, jos se voisi pettää ihmisen uskomaan, että se on inhimillinen.” Vaikka nykyaikaisen tekoälyyn perustuvan tietokoneen prosessointinopeus ja analyyttinen voima olisi tuntunut Turingin mielestä uskomattomalta, hän olisi kuitenkin todennäköisesti ymmärtänyt tuon valtatason esittämät eettiset kvandariat. Kun tekoäly ymmärtää meitä paremmin ja jäljittelee meitä, se tuntuu yhä enemmän inhimilliseltä. Kun luomme yhä enemmän henkilötietoja digitaalisten kanavien kautta, meidän on voitava luottaa yhä enemmän tekoälysovelluksiin, jotka tukevat niin monia päivittäisiä toimintojamme. Seuraavassa on muutamia esimerkkejä eettisistä haasteista, joista yritysjohtajien on oltava tietoisia ja seurattava.
Tutustu SAP:n tekoälyn etiikkaa koskeviin ohjeisiin
Katso periaatteet tekoälyohjelmistomme kehityksen ja käyttöönoton ohjaamiseksi.
- Asiakastietojen
eettinen käyttö 2020-luvulla suurin osa jakamastamme ja keräämästämme tiedosta yritys- tai yksityishenkilöinä tapahtuu digitaalisesti yhdistettyjen kanavien kautta. Vuoden 2020 alussa maailmassa oli yli 3,5 miljardia älypuhelinta , jotka jakavat valtavia määriä dataa – GPS-sijainnista käyttäjien henkilökohtaisiin tietoihin ja mieltymyksiin sosiaalisen median ja hakukäyttäytymisen kautta. Kun yritykset saavat laajemman pääsyn asiakkaidensa henkilökohtaisiin tietoihin, on erittäin tärkeää luoda vertailuarvoja ja jatkuvasti kehittyviä protokollia yksityisyyden suojaamiseksi ja riskien minimoimiseksi. - Tekoälyn vääristymä
Bias voi tunkeutua tekoälyjärjestelmään algoritmiensa ohjelmoinnissa ilmenevän inhimillisen vääristymän tai koneoppimisprosessin virheellisten oletusten kautta leviävien systeemisten ennakkoluulojen kautta. Ensin on ilmeisempää nähdä, miten tämä voi tapahtua. Mutta toisessa, se voi olla vaikeampi havaita ja välttää. Tunnettu esimerkki tekoälyn vääristymistä ilmeni Yhdysvaltain terveydenhuoltojärjestelmässä, jossa tekoälysovelluksia käytettiin hoitostandardien jakamiseen. Algoritmi sai tietää, että tietyt demografiset ryhmät pystyivät maksamaan hoidosta huonommin. Sen jälkeen se ekstrapoloi nämä tiedot korreloidakseen virheellisesti kyseisen ryhmän olevan vähemmän oikeutettu hoitoon. Havaittuaan tämän valitettavan virheen, UC Berkeleyn tietokonetutkijat työskentelivät kehittäjien kanssa algoritmisten muuttujien muokkaamiseksi, mikä vähensi puolueellisuutta 84 %. - Tekoälyn läpinäkyvyys ja selitettävä tekoäly
Tekoälyn läpinäkyvyys on kyky määrittää, miten ja miksi algoritmi päätyi tiettyyn johtopäätökseen tai päätökseen. Tekoäly- ja koneoppimisalgoritmit, jotka antavat tietoa tuloksista – ja itse tuloksista – ovat usein niin monimutkaisia, että ne ovat inhimillisen ymmärryksen ulottumattomissa. Tällaisia algoritmeja kutsutaan "black box" -malleiksi. Yrityksille on tärkeää varmistaa, että tietomallit ovat oikeudenmukaisia, puolueettomia ja että niitä voidaan selittää ja tarkastella ulkoisesti. Varsinkin ilmailun ja lääketieteenkaltaisilla aloilla ihmishenki on vaakalaudalla. Siksi on erittäin tärkeää, että näitä tietoja käyttävät ihmiset suhtautuvat tiedonhallintaaloitteisiin erittäin vakavasti. - Deepfakes ja valeuutisia
Deepfake on "syvän oppimisen" ja "väärennöksen" yhdistelmä . Se on tekniikka, joka käyttää tekoälyä ja koneoppimista – tyypillisesti – ylittämään toisen kasvot toisen kehoon videossa, niin tarkasti, ettei sitä voi erottaa alkuperäisestä. Viattomassa muodossaan se voi johtaa hämmästyttäviin visuaalisiin tehosteisiin, kuten Robert De Niron ja Joe Pescin 30-vuotiseen vanhenemiseen elokuvassa The Irishman. Valitettavasti sen yleisempi käyttö on luoda uskovia valeuutisia tai laittaa julkkiksia graafisiin tai kompromissivideoihin, joissa he eivät koskaan koskaan esiintyneet.
Tutustu tekoälyratkaisuihin
SAP:n tekoäly ja koneoppimistyökalut auttavat maailman parhaita yrityksiä.
SAP Insights -uutiskirje
Ideoita, joita et löydä mistään muualta
Saat käyttöösi annoksen Business Intelligence -tietoja suoraan saapuneiden kansioosi.