Skip to content

Tekoälyn lyhyt historia

Ajatus tietokoneista oli olemassa jo pitkään ennen, kuin sellainen pystyttiin rakentamaan. Antiikin Kreikassa tunnettiin myytit Taloksesta: pronssista tehdystä miehestä, joka suojeli Kreetaa valloittajilta. Pronssinen mies siis suoritti automaattisesti tehtävää, joka oli ihmisille vaarallinen. Se oli kone, joka teki mitä käskettiin. Samoilta ajoilta on peräisin oleva legenda, Pandoran lipas on jäänyt elämään käsitteenä tähän päivään asti. Pandora oli keinotekoisesti luotu nainen, jolla oli ihmismäiset tunteet. Samat tunteet, jotka ajoivat hänet uteliaisuudesta avaamaan surullisen kuuluisan lippaansa.

Pandora oli keinotekoinen luomus, joka ajatteli itse. [1, 2] Talos ja Pandora olivat kuitenkin myyttejä, mikä erottaa ne tämän päivän koneista ja tekoälyistä.  Vuonna 1843 Ada Lovelacen kääntämä ja täydentämä tutkimuspaperi “Analyyttisesta koneesta” ei kuitenkaan ollut myytti, vaikka hänen omana aikanaan ei ollut tarpeeksi tehokkaita koneita näitä ajatuksia hyödyntämään. Lovelacea nimitetään monesti ensimmäiseksi koodaajaksi. Hän visioi konetta, joka vaativien matemaattisten laskelmien lisäksi pystyisi käsittelemään nuotteja. [3]

 

codebreaker

Seuraava askel kohti tulevaisuutta tehtiin, kun Alan Turing, joka tunnetaan toisen maailmansodan aikaisena koodinpurkajana, kehitti automaattisen laskentakoneen (Automatic Computing Engine eli ACE). Tämäkin osoittautui liian haastavaksi rakentaa omana aikanaan. Turing kuitenkin jatkoi työskentelyä tietokoneiden parissa ja kirjoitti ensimmäisen ohjelmointioppaan. [4]

1958 Frank Rosenblatt rakensi elektronisen laitteen, jonka toiminta perustui ihmisaivoihin. Kyseessä oli perseptroni, kone, joka kykeni omaan ajatteluun. Koneelle annettiin rei’itettyjä kortteja, ja se oppi itse erottelemaan kortit sen mukaan, kummalla puolella reikä oli. Omana aikanaan kone ei saanut tarpeeksi suosiota ja kiinnostusta jatkokehitystä varten, mutta myöhemmin sitä on nimitetty ensimmäiseksi neuroverkoksi. [5]

Tekoälyn historia siis on pitkä ja kulkee käsi kädessä tietokoneiden kehittymisen kanssa. Tämä ei ole mikään ihme, sillä ihmisaivot kuluttavat paljon muistia [6], joten ihmisen lailla ajatteleva kone tarvitsee tuekseen paljon tehoa. Teoria ja ajatukset tekoälyn takana ovat kuitenkin kulkeneet ihmiskunnan mukana jo pitkään, vaikka tekniikka ei olekaan riittänyt niiden toteuttamiseen, ja vahvasti matematiikkaan yhdistyneenä: Lovelace ja Turing olivat matemaatikkoja. Samalla on tärkeä muistaa, että tekoäly ei tarvitse tuekseen vain matematiikkaa, vaan myös opettajia ja datantuntijoita. Rosenblatt oli psykologi, hän tunsi ihmisten aivojen rakenteen ja toiminnan, jota sovellettiin tekoälyn rakentamisessa.

Tehokkaiden koneiden yleistyessä myös tekoälyn rakentamisesta on tullut helpompaa kuin ennen. On jo olemassa monia ohjelmia, joilla sellaisen rakentamiseen ei tarvitse koodata: esimerkiksi Microsoftilla ja Tableaulla on omat ohjelmansa: Azure AutoML ja Einstein Discovery. [7, 8] Nämä ohjelmat mahdollistavat datan tutkimisen ja sieltä oivallusten saamisen ilman syvempää data-analytiikan tuntemusta. 

Syytä on kuitenkin kysyä, kuinka tärkeää tekoälyssä on ymmärtää, mitä taustalla tapahtuu. Millaista matematiikkaa ja algoritmeja kätkeytyy kuoren alle? Loppujen lopuksi tässäkin voimme tehdä vertauksen ihmisen aivoihin: jokainen meistä osaa käyttää omiaan, mutta päänkuoren avaamiseen moni meistä kuitenkin suosii aivokirurgia. Tämä ei kuitenkaan tarkoita, etteivätkö kaikki voisi osallistua tekoälyn kehittämiseen: aivan kuten ihminen on oppinut elämänsä aikana monilta ihmisiltä, samoin tekoälyä tulee opettaa. Ja opettamiseen tarvitaan dataa ja datan tuntevia ihmisiä, jotka osaavat tukea koneen oppimista. 

  1. The Ancient Greek Predicted AI, Killer Robots and Self-Driving Cars — Curiosmos
  2. Gods and Robots: Myths, Machines, and Ancient Dreams of Technology | Department of Classics (stanford.edu) 
  3. Ada Lovelace: The First Computer Programmer | Britannica 
  4. Alan Turing | Biography, Facts, Computer, Machine, Education, & Death | Britannica 
  5. Professor’s perceptron paved the way for AI – 60 years too soon | Cornell Chronicle 
  6. https://www.scientificamerican.com/article/what-is-the-memory-capacity/ 
  7. Automated Machine Learning | Microsoft Azure 
  8. Einstein Discovery (tableau.com)

 

Kirjoittanut

Veera Korte