Huomio: tämä on kirjoitettu 2019 ja esimerkit ovat sieltä. En jaksa päivittää tätä LLM-aikaan, mutta pääviesti on about sama.
Tekoäly voidaan jakaa heikkoon ja vahvaan tekoälyyn. Heikko tekoäly tarkoittaa tekoälyratkaisua, joka ratkaisee johonkin tiettyyn ongelmaan liittyvän tehtävän. Vahvan tekoälyn määritelmään kuuluu oletus tietoisuudesta sekä tietynlaisesta universaalista älykkyydestä, joka pystyy ratkaisemaan monenlaisia ongelmia.
Minä en usko siihen, että tekoälyratkaisujen lisääntymissä olisi merkitystä sillä että pystyttäisiin luomaan vahva tekoäly. Voi olla, että sellainen pystytään jossain vaiheessa luomaan, sillä esimerkiksi transfer learning -menetelmät mahdollistavat jo nyt oppimisalgoritmien hyödyntämisen erilaisten ongelmien välillä.
Tekoälyn kehitystä ohjaa sen hyödyllisyys: tekoälyn avulla voidaan vähentää ihmisten tekemää kallista tai vaikeaa työtä ja saavuttaa sitä kautta säästöjä. Heikkojen tekoälyratkaisuiden kehittäminen on melko helppoa ja kustannustehokasta. Jos haluaisin tehdä ratkaisun joka tunnistaa liikkuvasta videosta kaikki koirat, niin työkalut ovat saatavilla. Ilmaiseksi. Minkä tahansa ratkaisun voi viedä edullisesti pilvipalveluun pyörimään ilman sen suurempaa IT-infrastruktuurihanketta.
Uskon siihen, että tekoälyratkaisuiden maailmanvalloitusta ohjaa paljolti taloustieteestä tutut lainalaisuudet. Tekoälyratkaisuja tulee ohjaamaan ensinnäkin suhteellisen edun periaate: jos on olemassa neuroverkko, joka tunnistaa kissanpentuja niin sen on järkevää tunnistaa jatkossakin vain kissanpentuja eikä ratkoa myös Sudoku-ruudukoita.
Toinen ohjaava tekijä on pitkä häntä (long tail), jonka mukaan marginaaliset tuotteet voivat olla kannattavia. Tekoälyratkaisuiden suhteen tämä tarkoittaa sitä, että hyvin erikoistuvat algoritmit saadaan todennäköisesti kannattavaksi sopivalla levityksellä ja jakelulla.
Kolmantena uskon, että tekoälyratkaisut esimerkiksi kaupallisissa sovelluksissa tulee koostumaan useasta heikosta ratkaisusta jotka ovat yhdistettyjä toisiinsa ja joiden kesken valintaa ohjaa jotkin algoritmit: eli esimerkiksi tunnistetaan minkälaisesta ongelmasta on kyse (eläimen luokittelu, Sudokun ratkaiseminen, joku muu) ja sen perusteella tehtävää yrittää jokin toinen menetelmä.
