Valaiden suojelusta lisääntyneeseen mukavuuteen – Mitä tekoäly ei vielä pysty tekemään?

Artificial Intelligence continues to become more common in everyday lives. The introduction of LLMs (Large Language Models) like ChatGPT placed AI in everyone’s hands. However, the technology was already well on its way to changing lives far before LLMs ever hit the market. Here’s a glimpse into what AI can’t do currently and where it will end up in the future.

Tekoälyn evoluutio

The AI sector has undergone numerous iterations based on the technology’s capabilities and accessibility. The concept of human-like machines dates back to ancient times. The Renaissance revived these concepts, and famous inventors like Leonardo da Vinci demonstrated the concept with automatons in 1495.

Nykyään nähtävissä oleva tekoäly voidaan jäljittää Alan Turingin universaaliin Turingin koneeseen vuodelta 1935. Vain 15 vuotta myöhemmin hän loi Turingin testin. Turingin testi käyttää ihmiskeskustelua määrittääkseen, onko tekoälyjärjestelmä saavuttanut ihmisen kaltaisia kykyjä ja enemmän. Tätä testiä käytetään edelleen tänä päivänä tekoälyn vuorovaikutuksen mittapuunana.

The 1990‑luvun laskennalliset läpimurrot auttoivat viemään tekoälyjärjestelmiä eteenpäin. Koneoppiminen ja muut tekoälyjärjestelmät alkoivat nousta esiin tänä aikana, mikä johti läpimurtoihin 2000‑luvun alussa. Esimerkiksi IBM osoitti Watsonin tekoälytaitoja voittamalla ihmiset Jeopardy‑pelissä. Samaan aikaan Google alkoi julkaista tietoa sen neuroverkkojärjestelmistä.

Tekoäly tänä päivänä

This decade has seen some of the greatest leaps in AI technology so far. The introduction of self-learning AI technologies like torque clustering algorithms has made the sector a point of discussion.

These technological gains have been met with moral questions and environmental concerns as well. All of these factors have led to more scrutiny of the future of AI and its influence on daily lives. So what can’t AI do? These projects highlight just some of its current capabilities and limitations.

Auta ihmisiä rakentamaan parempia kaupunkeja

AI systems can help city planners create more effective and efficient communities. AI systems can track traffic and other vital data that can be of great value when determining locations for new services, highways, and other community needs.

Infrastruktuuri‑näkemykset

One way in which AI systems are already being used to create safer and more comfortable neighborhoods is through insights. A study¹ published in the Journal of Smart Cities and Society delves deep into electrical security and stability.

Erityisesti se tarkastelee energian jakelua, talojen vaatimuksia, mitä energialähdettä kukin talo käyttää ja asettaako se sijainnin suurempaan sähkökatkoksen riskiin. Tutkimus selittää, että kun yhä useammat talot siirtyvät täysin sähköisiin vaihtoehtoihin, jotkut riskit ovat saattaneet jäädä huomiotta.

Erityisesti raportti korostaa, että aurinkopaneelit ovat erinomainen energialähde kesällä, mutta ne voivat jättää kokonaiset yhteisöt ilman virtaa talvisissa myrskyissä ja muissa ympäristöolosuhteissa. Valitettavasti tämä tilanne on yleistynyt, kun kaikkiin koteihin siirtymisen tavoite jatkuu.

AI-mallin rakentaminen sähkökatkoksen riskin arvioimiseksi

Stevensin tutkijat analysoivat Yhdysvaltain energiaministeriön (DOE) rakennusvaraston tietoja, mukaan lukien 129 000 omakotitalon energiamallit. Nämä talot sijaitsivat kahdeksassa eri osavaltiossa, mikä antoi tiimille mahdollisuuden testata järjestelmää erilaisissa ympäristöissä.

Koneoppimismallit pystyivät onnistuneesti määrittämään yksittäisten talojen energiajärjestelmien jalanjäljet. Ne käsittelivät tämän datan, vertasivat sitä omiin mallipohjiinsa ja määrittivät, millaisia energialähteitä talo käytti.

Lisäksi järjestelmä käytti tätä tietoa arvioidakseen sähkökatkoksen riskejä talolle ja yhteisölle. Nyt tiimi pyrkii laajentamaan testejä useampiin yhteisöihin auttaakseen suunnittelijoita rakentamaan turvallisempia ja kestävämpiä sähköverkkoja.

Pelastetaan Maa

Environmental conditions, pollution, human expansion, and other factors have left many wildlife regions in tatters. Artificial intelligence has been one solution that environmentalists have turned to to help determine wildlife patterns.

These systems can help conservationists notice sudden changes in species, which is a valuable tool that can assist in protecting rare and endangered animals from extinction. Already, AI systems can track migration patterns, health, poacher activity, and other vital data.

Valaiden suojelu

A team of innovative researchers from Rutgers University-New Brunswick introduced an tekoälymallin designed to help international shipping vessels avoid endangered species populations recently.

The lead authors of the study², Ahmed Aziz Ezzat and Josh Kohut, created the whale migration and tracking model using a variety of data designed to protect the rare North Atlantic Right Whale species. Sadly, data from the National Merentutkimus- ja ilmakehähallinnon reveals fewer than 400 of these majestic creatures remain alive in the wild. Of the remaining population, only 70 are reproductive females, leading to heightened concerns by conservationists.

Lähde – Nature Communications

Erityisesti tiimi integroi Rutgers University Center for Ocean Observing Leadership -datan, joka ulottuu 1990‑luvun alkuun, satelliittikuvia University of Delaware -yliopistolta sekä vedenalaisen liukukoneen tiedot malliin. Huomionarvoista on, että liukukoneet ovat vedenalaisia aluksia, joissa on useita antureita. Ne kulkevat merenpohjalla kartoittaen kartoittamattomia alueita, seuraten ympäristön muutoksia ja etsiä arvokkaita resursseja,

Tekoäly ennusti valaspopulaatioiden sijaintia ja ajankohtaa valaslajien mieltymysten, menneiden sijaintien, ympäristöolosuhteiden ja vuodenajan perusteella. Se mahdollisti tutkijoiden yhdistää nämä tiedot ja löytää kaavat, jotka lisäävät valasnäkemisten mahdollisuuksia. Tulevaisuudessa tämä järjestelmä näyttää aluksille tarkasti, missä valaspopulaatiot sijaitsevat, jolloin ne voivat suunnitella reitin uudelleen välttäen nämä luonnolliset elinympäristöt.

Tekoälyn ja esineiden internet (AIoT).

The melding of Artificial Intelligence and Internet of Things technologies created the now budding AIoT industry. This sector combines the reach and data gathering capabilities of IoT systems with pattern recognition, processing, and convenience AI systems provide.

AIoT-järjestelmät mahdollistavat logistiikkayritysten tuotteiden nopeamman kuljetuksen ympäri maailmaa, vähentävät väärennöksiä ja tarjoavat joukon muita korkean tason ominaisuuksia, jotka olisivat mahdottomia. AIoT parantaa IoT-konseptia useilla keskeisillä tavoilla, mukaan lukien tehokkuus.

Perinteiset IoT-järjestelmät toimivat antureina. Ne keräävät ja lähettävät dataa internetin kautta toiseen sijaintiin, jossa data käsitellään.  AIoT poistaa tarpeen lähettää dataa internetin kautta. Sen sijaan nämä järjestelmät voivat käsitellä tiedot sisäisesti, mikä vähentää aikaa, kustannuksia ja kaistanleveyden tarvetta.

Älykäs talous

AIoT will serve a crucial role in tomorrow’s smart economy. Today’s smart homes rely on various human activity recognition protocols to try and provide convenience to their operators. For example, imagine telling Alexa that you want to work out, and initiating a sequence of tasks designed to make the process more convenient.

These tasks could include adjusting the lighting, playing music, closing the blinds, and even starting up the after-workout smoothie maker. All of this is possible now using preset macros. However, the use of advanced human activity recognition AI systems will automate this process.

MSF-Net

Incheon National University engineers recently raised eyebrows after esittelemällä³ their MSF-Net (multiple spectrogram fusion network) Wifi human activity tracking system. The system can leverage channel state information (CSI) to determine subtle human activity.

This technology will make smart homes more convenient. Soon AI will be able to determine if you are cooking, resting, watching TV, or about to leave for work and adjust the environment accordingly. This technology could see integration into multiple sectors including manufacturing, security, and healthcare.

Moraalinen neuvonta

It seems that no matter how advanced AI technology gets, there will always be a little distrust for these systems. A recent tutkimus⁴ published in the journal Cognition highlights how humans don’t trust AI systems regarding moral advice.

The School of Psychology studies why there is a distrust of AI systems, how it has slowed adoption, and what it would take to overcome these roadblocks to adoption. The researchers looked at the rise of artificial moral advisors (AMAs) and how they could one day become common.

Artificial moral advisors are purpose-built algorithms that leverage pre-programmed ethical theories, principles, and guidelines to provide users with answers to difficult moral dilemmas.

Notably, the study found that people were wary of AI advice on moral issues, even when it was the same advice given by a human advisor. It also demonstrated that many people have misconceptions about AI and concerns regarding its ability to go rogue.

In the future, you may have an AMA by your side to help you make the right choice. At the very least, it will document and probably report any “wrong” choices you make. As such, it’s easy to see why humanity may be ready to give AI missile launch codes, but not let it run the sermon.

Mitä tekoäly ei pysty tekemään? Vielä on paljon

The AI revolution is in full swing and major technological breakthroughs continue to drive AI system capabilities further. Despite the constant echo that AI is coming for your job, most people still have plenty of time before their robot overlords take control. However, the human touch is still a way out.

Many factors like distrust and misunderstandings will inevitably lead to skepticism regarding AI’s true capabilities and purpose. For now, this tech has infinite potential but remains limited in its ability to connect to humans. As LLMs and robotics improve, the line between humanity and AI may meld further, opening the door for new realities.

Learn about Other Cool AI Projects nyt

Tutkimusviitteet:

^{1. Majowicz, A., Popli, C., & Odonkor, P. (2025). Kotitalouksien haavoittuvuuden kvantifiointi sähkökatkoksiin: Nopea sähköistymisen riskien arviointi älykaupungeissa. Journal of Smart Cities and Society, 0(0). https://doi.org/10.1177/27723577241306340}

^{2. Ji, J., Ramasamy, J., Nazzaro, L., Kohut, J., & Ezzat, A. A. (2024). Koneoppiminen Pohjois-Atlantin oikeavalasien läsnäolon mallintamiseen tukemaan offshore‑tuulivoiman kehittämistä Yhdysvaltojen Keski‑Atlantilla. Scientific Reports, 14, 29147. https://doi.org/10.1038/s41598-024-80084-z}

^{3. Chen, J., Xu, X., Wang, T., Jeon, G., & Camacho, D. (2024). AIoT-viitekehys, jossa on multimodaalinen taajuusfuusio WiFi-pohjaiseen karkeaan ja tarkkaan toiminnan tunnistukseen. IEEE Internet of Things Journal, 11(24), 39020-39029. https://doi.org/10.1109/JIOT.2024.3400773}

^{4. Myers, S., & Everett, J. A. C. (2025). Ihmiset odottavat tekoälypohjaisten moraalinen neuvonantajien olevan utilitaristisempia ja epäluottavat utilitaristisiin moraalinen neuvonantajiin. Cognition, 256, 106028. https://doi.org/10.1016/j.cognition.2024.106028}