RNN http://tronic.puheenvuoro.uusisuomi.fi/taxonomy/term/171735/all Thu, 20 Jul 2017 14:50:28 +0300 fi Tulevaisuus on täällä: Tekoäly http://tronic.puheenvuoro.uusisuomi.fi/240334-tulevaisuus-on-taalla-tekoaly <p>Muistatko, milloin kuulit ensimmäistä kertaa neuroverkoista, joiden piti mullistaa tekoäly? Niistä on puhuttu vuosikymmenten ajan ja samalla on lupailtu tietokoneiden saavuttavan ihmisaivojen laskentakapasiteetin noin 20 vuoden päästä.</p><p>Konkreettisia tuloksia ei kuitenkaan saatu ennen hiljattain tehtyä läpimurtoa. Recurrent neural network (RNN) ketjuttaa useita neuroverkkoja peräkkäin. Juuri tällaisella rakenteella huomattiin saatavan hyödyllisiä tuloksia, vaikkei kukaan oikeastaan tiedä, miten RNN-verkko tarkkaanottaen toimii. Neuroverkko on suuri joukko lukuarvoja, joita on ulkoapäin vaikeaa, jos ei mahdotonta, tulkita.</p><p>Googlen tutkijat taisivat tehdä ensimmäisiä avauksia ja sittemmin koodarit ympäri maailmaa ovat löytäneet RNN-verkoille mitä mielenkiintoisempia sovelluksia. Tuloksena saatiin esimerkiksi minkä tahansa tekstin tyyliä jäljittelevä ohjelma, joka ei ymmärrä kieliopista hölkäsen pöläystä, mutta pystyy silti Shakespearen tuotannolla koulutettuna tuottamaan ainakin ensisilmäyksellä vakuuttavaa englanninkielistä proosaa. Linuxin lähdekoodeilla opetettuna sama ohjelma suoltaa oikein muotoiltua C-koodia.</p><p>Neuroverkkojen vahvuus onkin algoritmin yleiskäyttöisyys. Koulutukseen käytettyä dataa vaihtamalla sama ohjelma tekee eri asioita. Tässä onkin tärkein ero perinteiseen automaatio-ohjelmointiin, jossa ihminen on joutunut suunnittelemaan toimintalogiikan joka kerta uudelleen.</p><p>Tekstin jäljittelyn lisäksi neuroverkkoja on sovellettu kuvien, musiikin ja vaikka minkälaisen tiedon tunnistamiseen ja tuottamiseen. Kasvokuvilla koulutettu neuroverkko oppii tunnistamaan eri ilmeitä tai vaikkapa sukupuolen. Kääntäen algoritmi voi listätä tai vähentää kuvista piirteitä. Tähän perustuu FaceApp-sovellus, jolla pärstäkuvansa voi muuttaa nuoreksi, vanhaksi tai vaikka eri sukupuoliseksi.</p><p>Kuluneen vuoden aikana neuroverkot ovat tulleet todella kaikkien saataville. Niitä voi käyttää tavallisella tietokoneella tai ostaa netistä pilvipalveluna. Tarjolla on myös valmiiksi koulutettuja palveluita mm. puheentunnistukseen ja kielten kääntämiseen.</p><p>Myös se ihmisaivojen raaka laskentakapasiteetti on lopultakin saavutettu. Ei tosin vielä tavallisilla prosessoreilla tai näytönohjaimilla, joihin niin kotikoneet kuin supertietokoneetkin perustuvat, vaan erityisillä neuraaliprosessoreilla. Niiden voinee odottaa yleistyvän varsinkin neuroverkkoja tarjoavissa pilvipalveluissa, joissa tarvitaan maksimaalista laskentakapasiteettia.</p><p>Ihmisaivojen kaltaiseksi keinoälyksi neuroverkoista ei kuitenkaan vielä ole. Olennaisin puuttuva ominaisuus ainakin nykyisistä neuroverkkototeutuksista on, että neuroverkko tekee vain sitä toimintoa, mihin se on koulutettu. Nykyinen neuroverkko ei pysty itsenäisesti tai oman päättelynsä pohjalta muokkaamaan parametrejään Tällainen olisi keskeinen edellytys ihmisen kaltaiselle tekoälylle.</p><p>Kyseessä on algoritmi, joka luokittelee, muokkaa tai generoi dataa verkon koulutuksessa käytetyn aineiston mukaisesti. Soveltuvuutta rajoittaa myös koulutukseen vaaditun tiedon suuri määrä. Shakespearen tuotanto riittää, mutta vaikkapa tämän blogin teksteillä ei kummoista tulosta saa aikaiseksi. Lisäksi aineiston tulisi olla valmiiksi luokiteltua sen mukaisesti, mitä piirteitä siitä halutaan tunnistaa.</p><p>Neuroverkot ovat aivan ylivoimainen ratkaisu käsiteltäessä monimutkaista tosimaailman dataa, jonka lainalaisuuksia on liki mahdotonta mallintaa kovakoodatulla logiikalla. Algoritmit varmasti kehittyvät ja sovelluksia syntyy jo nyt valtavalla tahdilla, joten mielestäni tätä voi helposti pitää 2010 -luvun merkittävimpänä tietoteknisenä läpimurtona.</p><div class="field field-type-number-integer field-field-first-published"> <div class="field-items"> <div class="field-item odd"> 0 </div> </div> </div> Muistatko, milloin kuulit ensimmäistä kertaa neuroverkoista, joiden piti mullistaa tekoäly? Niistä on puhuttu vuosikymmenten ajan ja samalla on lupailtu tietokoneiden saavuttavan ihmisaivojen laskentakapasiteetin noin 20 vuoden päästä.

Konkreettisia tuloksia ei kuitenkaan saatu ennen hiljattain tehtyä läpimurtoa. Recurrent neural network (RNN) ketjuttaa useita neuroverkkoja peräkkäin. Juuri tällaisella rakenteella huomattiin saatavan hyödyllisiä tuloksia, vaikkei kukaan oikeastaan tiedä, miten RNN-verkko tarkkaanottaen toimii. Neuroverkko on suuri joukko lukuarvoja, joita on ulkoapäin vaikeaa, jos ei mahdotonta, tulkita.

Googlen tutkijat taisivat tehdä ensimmäisiä avauksia ja sittemmin koodarit ympäri maailmaa ovat löytäneet RNN-verkoille mitä mielenkiintoisempia sovelluksia. Tuloksena saatiin esimerkiksi minkä tahansa tekstin tyyliä jäljittelevä ohjelma, joka ei ymmärrä kieliopista hölkäsen pöläystä, mutta pystyy silti Shakespearen tuotannolla koulutettuna tuottamaan ainakin ensisilmäyksellä vakuuttavaa englanninkielistä proosaa. Linuxin lähdekoodeilla opetettuna sama ohjelma suoltaa oikein muotoiltua C-koodia.

Neuroverkkojen vahvuus onkin algoritmin yleiskäyttöisyys. Koulutukseen käytettyä dataa vaihtamalla sama ohjelma tekee eri asioita. Tässä onkin tärkein ero perinteiseen automaatio-ohjelmointiin, jossa ihminen on joutunut suunnittelemaan toimintalogiikan joka kerta uudelleen.

Tekstin jäljittelyn lisäksi neuroverkkoja on sovellettu kuvien, musiikin ja vaikka minkälaisen tiedon tunnistamiseen ja tuottamiseen. Kasvokuvilla koulutettu neuroverkko oppii tunnistamaan eri ilmeitä tai vaikkapa sukupuolen. Kääntäen algoritmi voi listätä tai vähentää kuvista piirteitä. Tähän perustuu FaceApp-sovellus, jolla pärstäkuvansa voi muuttaa nuoreksi, vanhaksi tai vaikka eri sukupuoliseksi.

Kuluneen vuoden aikana neuroverkot ovat tulleet todella kaikkien saataville. Niitä voi käyttää tavallisella tietokoneella tai ostaa netistä pilvipalveluna. Tarjolla on myös valmiiksi koulutettuja palveluita mm. puheentunnistukseen ja kielten kääntämiseen.

Myös se ihmisaivojen raaka laskentakapasiteetti on lopultakin saavutettu. Ei tosin vielä tavallisilla prosessoreilla tai näytönohjaimilla, joihin niin kotikoneet kuin supertietokoneetkin perustuvat, vaan erityisillä neuraaliprosessoreilla. Niiden voinee odottaa yleistyvän varsinkin neuroverkkoja tarjoavissa pilvipalveluissa, joissa tarvitaan maksimaalista laskentakapasiteettia.

Ihmisaivojen kaltaiseksi keinoälyksi neuroverkoista ei kuitenkaan vielä ole. Olennaisin puuttuva ominaisuus ainakin nykyisistä neuroverkkototeutuksista on, että neuroverkko tekee vain sitä toimintoa, mihin se on koulutettu. Nykyinen neuroverkko ei pysty itsenäisesti tai oman päättelynsä pohjalta muokkaamaan parametrejään Tällainen olisi keskeinen edellytys ihmisen kaltaiselle tekoälylle.

Kyseessä on algoritmi, joka luokittelee, muokkaa tai generoi dataa verkon koulutuksessa käytetyn aineiston mukaisesti. Soveltuvuutta rajoittaa myös koulutukseen vaaditun tiedon suuri määrä. Shakespearen tuotanto riittää, mutta vaikkapa tämän blogin teksteillä ei kummoista tulosta saa aikaiseksi. Lisäksi aineiston tulisi olla valmiiksi luokiteltua sen mukaisesti, mitä piirteitä siitä halutaan tunnistaa.

Neuroverkot ovat aivan ylivoimainen ratkaisu käsiteltäessä monimutkaista tosimaailman dataa, jonka lainalaisuuksia on liki mahdotonta mallintaa kovakoodatulla logiikalla. Algoritmit varmasti kehittyvät ja sovelluksia syntyy jo nyt valtavalla tahdilla, joten mielestäni tätä voi helposti pitää 2010 -luvun merkittävimpänä tietoteknisenä läpimurtona.

]]>
15 http://tronic.puheenvuoro.uusisuomi.fi/240334-tulevaisuus-on-taalla-tekoaly#comments Neuroverkot RNN Tekoäly Tietotekniikka Thu, 20 Jul 2017 11:50:28 +0000 Lasse Kärkkäinen http://tronic.puheenvuoro.uusisuomi.fi/240334-tulevaisuus-on-taalla-tekoaly