AI moniosaaja: tautien ennustamisesta esteettömyyden edistämiseen

Tekoäly lähti liikkeelle viime vuonna eikä se ole jättänyt koskemattaan yhtään alaa. ChatGPT:n lanseeraus sai generatiivisen tekoälyn alaan kohdistuneen kiinnostuksen räjähtämään, ja kaikki ovat alkaneet hyödyntää teknologiaa sekä kuluttajina että palveluntarjoajina.  

McKinseyn kyselyn mukaan suurin osa organisaatioista (55 %) käyttää nyt tekoälyä vähintään yhdessä liiketoimintatoiminnossa. Tämä on järkevää, kun otetaan huomioon, että tekoäly vaikuttaa kaikkeen myynnistä, markkinoinnista ja asiakaspalvelusta turvallisuuteen, dataan, teknologiaan ja muihin prosesseihin.

Katse tekoälyyn ja sen kykyyn muuttaa toimialoja

Tekoäly, käsite 1950‑luvalta lähtien, on koneiden älykkyyttä. Se on koneen kyky suorittaa kognitiivisia toimintoja ihmisen kaltaisesti. 

Ihmisen älykkyys erottaa meidät muista elollisista olennoista. Se on kyky oppia uusia asioita, järkeistää, sopeutua, ratkaista ongelmia, suunnitella, improvisoida ja toimia. Älykkyys on ihmiskokemuksen perusta, ja nyt luomme sitä keinotekoisesti tieteellisissä pyrkimyksissä. Tämän seurauksena nykypäivän tekoälyjärjestelmät osoittavat joitakin näistä inhimillisistä älykkyysominaisuuksista, kuten oppimista, päättelyä, ongelmanratkaisua ja havaitsemista.

Tekoäly on siis yksinkertaisesti ihmisen älykkyyden simulointia koneissa. Koneoppiminen (ML) on tekoälyn alajoukko, joka viittaa tietokoneohjelmien kykyyn oppia datasta ja sopeutua ilman ihmisen apua. 

Sitten on syväoppiminen, joka mahdollistaa tämän automaattisen oppimisen valtavien datamäärien, kuten tekstin, kuvien tai videoiden, avulla, jotka ovat liian suuria ihmisille. Syväoppiminen käyttää neuroverkkoja, jotka perustuvat siihen, miten neuronit vuorovaikuttavat ihmisaivoissa – datan vastaanottamiseen ja käsittelyyn. Tässä käytetään kolmea tekoälyneuroverkkojen tyyppiä: syötteenvetävät neuroverkot, konvoluutiokerrokselliset neuroverkot ja toistuvat neuroverkot.

Koneoppiminen ja syväoppiminen mahdollistavat tekoälyn suorittaa monimutkaisempia tehtäviä käsittelemällä dataa, jonka avulla ne havaitsevat malleja, tekevät suosituksia ja ennusteita, ja sopeutuvat sitten uuteen dataan ja kokemuksiin.

Klikkaa tästä saadaksesi listan viidestä parhaasta AI- ja digitaalisen bioteknologian yrityksestä.

Tekoälyn laajat käyttötapaukset, jotka ravistavat toimialoja

Kaikki tekoälyteknologian edistysaskeleet vuosien varrella ovat mahdollistaneet sen käytön eri toimialoilla, ja se löytää sovelluksia lähes jokaiselta liiketoiminta‑alueelta.

Aluksi chatbotit auttavat parantamaan käyttäjäkokemusta verkossa. Luonnollista kielenkäsittelyä (NLP) käytetään saamaan keskustelu kuulostamaan inhimilliseltä ja henkilökohtaiselta. Nämä tekoälypohjaiset avustajat voivat myös olla reaaliaikaisesti vuorovaikutuksessa asiakkaiden kanssa. Servion Global Solutionsin mukaan, 95 % asiakaskohtauksista tullaan voimaannuttamaan tekoälyllä vuoteen 2025 mennessä.

Media- ja viihdealalla tekoäly tuo mukanaan uuden aikakauden tehokkuutta ja luovuutta. Taiteilijoista elokuvantekijöihin ja pelinkehittäjiin sisällöntuottajat hyödyntävät tekoälyalgoritmien voimaa luodakseen käsikirjoituksia ja tarinoita.

Tekoälyä käytetään myös helpottamaan reaaliaikaista kielenkäännöstä kirjoituksissa, videoissa, podcasteissa ja muissa multimediamuodoissa, jotka tekevät sisällöstä saavutettavampaa laajemmalle yleisölle. Tämän pohjalta teknologia analysoi kielellisiä vivahteita ja kasvojen liikkeitä auttaakseen suun synkronointikäännöksessä. Tämä rikastuttaa katsojakokemusta ja muuttaa sen, miten audiovisuaalinen sisältö synkronoidaan eri kielillä.

Lisäksi tekoäly auttaa mediasektoria synteettisten näyttelijöiden luomisella, jotka esittävät oikeaa henkilöä digitaalisissa ympäristöissä, asiakaskeskeisten mainostekstien tuottamisessa sekä itsenäisesti uutisartikkeleiden ja tiivistelmien luomisessa.

Tämä teknologia vaikuttaa myös elämäntapaamme, erityisesti itseohjautuvien ajoneuvojen kautta. Yritykset kuten Tesla (TSLA ), Toyota ja Audi käyttävät koneoppimista rakentaakseen itseajavia ajoneuvoja, tarjotakseen kuljettajaa avustavia järjestelmiä ja lopulta poistaakseen ihmisen tarve ohjaajaksi. Tässä sektorissa tekoälyä käytetään myös roskapostisuodattimiin, kasvojentunnistukseen ja räätälöityjen suositusten tarjoamiseen sitoutumisen lisäämiseksi.

Tekoäly tunkeutuu myös syvemmin koulutussektoriin auttaakseen parantamaan henkilökunnan tuottavuutta automatisoimalla hallinnollisia tehtäviä, kuten henkilökohtaisia viestejä, ilmoittautumisen hallintaa ja muita rutiinitehtäviä. Se auttaa myös räätälöimään oppimateriaalia, luomaan älykästä sisältöä ja tarjoamaan ääniavustajia lisämateriaalin tai avun saamiseksi.

Tämä on kuitenkin vain jäävuoren huippu, sillä tekoälyllä on laaja käyttöalue, mukaan lukien navigointi tarkkojen ja yksityiskohtaisten tietojen tarjoamiseksi, henkilöstöhallinto prosessien helpottamiseksi, maatalous sadonkorjuun nopeuttamiseksi ja volyymin kasvattamiseksi, pelit ihmismäisten NPC‑hahmojen luomiseksi sekä rahoituspalveluiden parantamiseksi.

Lisäksi tekoälyä hyödynnetään tietoturvassa tuntemattomien uhkien tunnistamiseen, virheiden havaitsemiseen, uhkien ehkäisyyn ja tuntemattomien toimien tunnistamiseen. Liikenteen hallinnan, kimppakyydit ja reittisuunnittelun lisäksi matkailualalla tekoäly tarjoaa tukea laadunvalvonnassa, tarkastuksissa ja toimitusketjun hallinnassa.

Sitten on robotiikka, jossa tekoälyä käytetään yleisesti esteiden havaitsemiseen ja matkojen ennakkosuunnitteluun. Pian myös yleinen tekoäly (AGI) tulee todellisuudeksi, mikä tarkoittaa, että koneilla on älykkyys suorittaa ja toteuttaa älyllisiä tehtäviä, jotka tällä hetkellä ovat vain ihmisten hallussa. Organisaatiot kuten OpenAI työskentelevät teknologian luomiseksi, joka ylittää ihmisen älykkyyden.

Tekoäly tekee internetistä saavutettavamman

Kuten totesimme, tekoäly muuttaa lähes jokaista sektoria, eikä se kuitenkaan kata sen käyttöä kokonaan. Esimerkiksi Ohio State Universityn tutkijat kehittävät tekoälyagenttia, joka tekee internetistä saavutettavamman vammaisille ihmisille. Tämä tekoälyagentti pystyy navigoimaan verkon monimutkaisessa järjestelmässä suorittaakseen monimutkaisia tehtäviä millä tahansa verkkosivustolla käyttäen yksinkertaisia kielikomentoja.

Decemberissa 37. Neural Information Processing Systems (NeurIPS) -konferenssissa esitellyn tutkimuksen mukaan internetin käyttöön liittyvät esteet kasvavat, vaikka se on elintärkeä päivittäisessä elämässämme ja työssämme. Näiden esteiden poistamiseksi ja eriarvoisuuden vähentämiseksi, erityisesti vammaisille, tutkimus käytti tietoa live‑sivustoilta ja loi verkk agenteja.

Nämä verkossa toimivat tekoälyavustajat hyödyntävät syväoppimisalgoritmia ja suuria kielimalleja (LLM), toimien samalla tavalla kuin ihmiset selatessa internetiä. Luotu malli pystyy ymmärtämään eri verkkosivustojen asettelun ja toiminnallisuuden pelkästään kielen prosessointi‑ ja ennustamiskykyään käyttäen.

Kehittääkseen tämän ratkaisun tiimi loi ensin Mind2Web‑datasarjan yleisiä verkkosivustoagentteja varten. Tutkijat käyttivät 137 erilaista todellista verkkosivustoa yli 2 000 avoimeen tehtävään, kuten seuraamaan julkkisten tilejä sosiaalisessa mediassa, varaamaan kansainvälisiä lentoja ja aikatauluttamaan testejä DMV:ssä, kouluttaakseen agentejaan.

Ohio State -yliopiston tietojenkäsittelytieteen ja tekniikan apulaisprofessori Yu Su:n mukaan, se johtui pitkälti heidän mallinsa kyvystä omaksua nykypäivän verkkosivustojen monimutkainen ja dynaaminen luonne sekä käsitellä jatkuvasti kehittyvää internetiä.

“Tämän kaltaisen asian toteuttaminen on tullut mahdolliseksi vasta äskettäisen suurten kielimallien, kuten ChatGPT:n, kehityksen myötä.” 

Siitä lähtien, kun chatbot tuli julkisuuteen marraskuussa 2022, miljoonat ihmiset ovat käyttäneet sitä sisällön luomiseen. Äskettäin ChatGPT:n luoja OpenAI:n toimitusjohtaja Sam Altman paljasti, että chatbotin uusin versio GPT‑5 julkaistaan tänä vuonna videotoiminnolla ja paremmalla tarkkuudella. Altmanin mukaan tekoäly ei ainoastaan muuta tapaamme työskennellä, vaan teknologian edistysaskeleet “auttavat valtavasti nopeuttamaan tieteellisen löytämisen tahtia.”

Mind2Webin lisäksi Ohio State -tutkijat esittelivät myös MindAct‑nimisen kehyksen, joka käyttää sekä pieniä että suuria kielimalleja tehtävien suorittamiseen. Käyttämällä molempia malleja tiimi havaitsi, että heidän kehys ylittää muut yleiset mallintamisstrategiat ja ymmärtää monipuolisesti erilaisia käsitteitä.

Kun malli on hiottu, sitä voitaisiin käyttää yhdessä avoimen ja suljetun lähdekoodin LLM‑mallien, kuten Flan‑T5:n tai GPT‑4:n, kanssa, totesi tutkimus, jota tukevat National Science Foundation, Yhdysvaltain armeijan tutkimuslaboratorio ja Ohio Supercomputer Center.

Kaiken tämän keskellä tutkimus korosti eettistä ongelmaa joustavan tekoälyn luomisessa, joka voi olla äärimmäisen hyödyllinen ihmisille monin tavoin, kuten verkossa selailussa, mutta samalla muuttaa internetin ennennäkemättömän voimakkaaksi työkaluksi vahvistamalla järjestelmiä kuten ChatGPT.

“Toisaalta meillä on suuri potentiaali parantaa tehokkuuttamme ja antaa meille mahdollisuuden keskittyä työn luovimpaan osaan,” sanoi Su, lisäten: “Mutta toisaalta on valtava riski haittaan.” Tämä voi ilmetä esimerkiksi väärän tiedon levittämisenä tai taloudellisten tietojen väärinkäyttönä.

Su:n mukaan meidän kaikkien tulisi olla “äärimmäisen varovaisia” näiden riskien suhteen ja tehdä yhteistyötä niiden lieventämiseksi. Hän totesi, että tekoälyn edistyminen jatkuvan tutkimuksen kautta auttaa yhteiskuntaa kokemaan merkittävää kasvua tulevina vuosina.

Tekoälyn suuri rooli terveydenhuollossa 

Toinen alue, jossa tekoäly osoittautuu pelin muuttajaksi, on terveydenhuolto, parantaen eri puolia tässä teollisuudessa.

Terveydenhuolto on tärkeä osa elämäämme sairauksien ehkäisemiseksi ja elämänlaadun parantamiseksi. Kuitenkin ala kohtaa ongelmia tehottomien prosessien ja kasvavien lääketieteellisten kustannusten kanssa. Tässä tekoäly voi täysin muuttaa terveydenhuollon kasvattamalla prosesseja ja auttamalla elintärkeitä lääkkeitä koskevassa tutkimuksessa yhdistämällä historiallista dataa ja lääketieteellistä älykkyyttä. Näin organisaatiot voivat vähentää T&K‑kustannuksiaan samalla kun ne lisäävät tuottoa.

AI‑pohjaiset virtuaaliavustajat auttavat ihmisiä vähentämällä tarpeettomia sairaalakäyntejä ja säästämällä terveydenhuollon ammattilaisten aikaa. Chatbotteja voidaan käyttää myös potilasaikojen varaamiseen, tiedon tarjoamiseen, potilastietojen täyttämiseen ja vakuutuskyselyiden käsittelyyn.

Lääketieteelliset laitokset voivat edelleen analysoida potilaita löytääkseen oivalluksia ja ehdottaa toimenpiteitä tarkemmin, mikä alentaa kuolleisuutta ja lisää potilastyytyväisyyttä. Potilastietoja, kuten sairaushistoriaa ja geneettistä profiilia, voidaan käyttää myös räätälöityjen lääkkeiden ja parhaan hoitosuunnitelman tarjoamiseen. Sairaalat voivat myös hyödyntää tekoälyä markkinatutkimuksessa palveluiden optimoimiseksi ja luodakseen optimaalisia markkinointistrategioita brändinhallintaan ja markkinointiin.

Kaiken lisäksi teknologiaa käytetään rakentamaan kehittyneitä laitteita, jotka voivat havaita sairauksia ja auttaa analysoimaan kroonisia tiloja varhaisen diagnoosin varmistamiseksi.

Äskettäin, uusi tutkimus, jonka rahoittajina olivat Ruotsin aivofondaatio, Ruotsin strategisen tutkimuksen säätiö, Ruotsin tutkimusneuvosto ja muut, käytti koneoppimista ennustamaan vakavaa multippeliskleroosia (MS). MS on keskushermoston krooninen sairaus, jonka kulku on ennustamaton ja jonka eteneminen vaihtelee merkittävästi henkilöstä toiseen.

Uskotaan sen olevan autoimmuunisairaus, mikä tarkoittaa, että immuunijärjestelmä hyökkää kehon omia kudoksia vastaan. MS:ssä rasvainen yhdiste, myeliini, hyökkää hermoja vastaan aivoissa ja selkäytimessä. Tämä johtuu siitä, että myeliini ympäröi ja eristää hermosolujen aksooneja mahdollistamalla signaalien kulun, mikä häiriintyy, kun myeliini vaurioituu.

Jotta voitaisiin löytää tapa havaita sairaus varhaisessa vaiheessa, Linköpingin yliopiston, Karolinska‑instituutin ja Skövden yliopiston tutkijat yhdistivät voimansa tässä tutkimuksessa.

Tutkijat analysoivat noin 1 500 proteiininäytettä käyttäen koneoppimista. Tämä oli itse asiassa ensimmäinen tutkimus, jossa mitattiin näin suuri määrä proteiineja lähestymislaajennusassaylla (PEA), erittäin herkällä menetelmällä, yhdistettynä seuraavan sukupolven sekvensointiin (NGS). Käytetty teknologia mahdollistaa tarkemman mittauksen erittäin pienistä määristä, mikä on erityisen tärkeää, koska nämä proteiinit ovat usein läsnä hyvin alhaisina pitoisuuksina.

Tutkimus havaitsi, että yhdistelmä 11 proteiinia pystyy ennustamaan sekä lyhyen että pitkän aikavälin sairauden aktiivisuuden ja toimintakyvyn tulokset. Erityisesti neurofilamentti‑kevytketju (NfL) oli luotettava lyhyen aikavälin indikaattori. Tämä proteiinikombinaatio vahvistettiin myöhemmin erillisessä ryhmässä MS‑potilaiden keskuudessa.

Lisäksi nämä proteiinit on mitattava aivo‑selkäydinnesteessä eikä veressä, jotta saadaan parempi käsitys keskushermoston tapahtumista. Näitä proteiineja voidaan myöhemmin käyttää räätälöimään hoitoja kullekin potilaalle MS:n odotetun vakavuuden perusteella.

Klikkaa tästä oppiaksesi tekoälyn ja neurotieteen kasvavasta synergian.

Yritykset, jotka johtavat tekoälyä 

Kun tekoälystä on tullut normi ja maailmanlaajuisen tekoälyohjelmistomarkkinan liikevaihdon odotetaan saavuttavan $126 bln vuoteen 2025, kaikki hyppäävät tähän junaan. Mutta jotkut yritykset tekevät suurta vaikutusta alalla innovatiivisilla koneoppimisratkaisuilla:

1. Microsoft

Teknojätti tarjoaa liiketoiminnan AI‑avustajan, Office 365 Copilotin. Microsoft (MSFT ), joka on OpenAI:n suurin sijoittaja, julkaisi äskettäin tekoälypohjaisen työkalun, “Reading Coachin.” 

Markkina‑arvolla $2,9 triljoonaa, MSFT‑osakkeet käyvät hintaan $398, nousussa 4,74 % vuoden alusta. Yrityksen liikevaihto (TTM) on $218,3 bln, EPS (TTM) on 10,33, P/E (TTM) on 38,14, ja se maksaa osinkotuoton 0,76 %.

2. Tesla

Yritys valmistaa sähköautoja, joissa on autonominen ajokyky. Toimitusjohtaja Elon Musk kutsuu Teslata “AI/robotiikka‑yritykseksi” ja on väittänyt kehittävänsä “edistyneintä todellista tekoälyä.”

Markkina‑arvolla $673,55 bln, TSLA‑osakkeet käyvät hintaan $209,20, laskiessa 14,72 % vuoden alusta. Yrityksen liikevaihto (TTM) on $95,92 bln, EPS (TTM) on 2,10, ja P/E (TTM) on 68,28.

3. Luminar Technologies

Yritys tuottaa kehittyneitä LIDAR‑pohjaisia ajoneuvojen näköjärjestelmiä. Sen anturit käyttävät kuitulaseja, jotka antavat itseajaville autoille AI‑pohjaisten ohjelmistojärjestelmien mahdollisuuden tarkkaan ympäristön tarkasteluun.

Markkina‑arvolla $1,095 bln, LAZR‑osakkeet käyvät hintaan $2,19, laskiessa 35,9 % vuoden alusta. Yrityksen liikevaihto (TTM) on $58,79 bln, EPS (TTM) on -1,50, ja P/E (TTM) on -1,44.

Lopulliset ajatukset

Vuosi 2023 toi tekoälyn massamediaan, ja teknologian suosion ja käytön kasvaessa sen suorituskyky kasvaa merkittävästi jatkuvan tutkimuksen ja investointien myötä. Jo nyt tekoälyn joustavuus muuttaa eri toimialoja, ja edetessämme sen sovellukset vain edistävät innovaatiota ja teollisuuksia entisestään. Kuten Su totesi, se “säästää ihmisiltä aikaa ja tekee mahdottomasta mahdollisen.” 

Klikkaa tästä oppiaksesi kaiken tekoälyyn sijoittamisesta.