Data tarkoittaa kaikkea tietoa, jota tietokone voi tallentaa ja käsitellä. Se voi olla esimerkiksi numeroita, tekstiä, kuvia, videoita tai ääntä. Tekoälyn opettamiseen tarvitaan valtavia määriä dataa. Mitä enemmän ja monipuolisempaa dataa on, sitä paremmin kone pystyy oppimaan halutun asian.

💡 Dataa kerätään verkkosivuilla ja sovelluksissa. Tekoälyn opettamisen lisäksi dataa käytetään esimerkiksi markkinoinnin kohdentamiseen ja tutkimukseen.

Liittyvät työkalut: Opetettava kone, Somekone, Profilointipeli

Algoritmi on sarja toimintaohjeita, joita tietokone seuraa ratkaistakseen jonkin tehtävän. Se on vähän kuin resepti: Jos haluat tehdä kakun, tarvitset tarkat vaiheet ja raaka-aineet.

💡 Esimerkki yksinkertaisesta algoritmista on automaattisesti tarkastuvat tehtävät. Esimerkki monimutkaisesta algoritmista on oppiva algoritmi, joita käytetään tekoälyjen kehittämisessä.

Liittyvät työkalut: Opetettava kone, Somekone

Koneoppiminen tarkoittaa sitä, että tietokonetta opetetaan esimerkkien avulla ilman, että sille kerrotaan kaikkia sääntöjä valmiiksi. Tietokoneessa on oppiva algoritmi, joka muovautuu kun sille annetaan dataa. Kun koneelle syötetään paljon dataa ja se alkaa tunnistaa toistuvuuksia ja pystyy näennäisesti älylliseen toimintaan.

💡 Esim. Jos näytät koneelle annetaan paljon kuvia kissoista ja koirista, se oppii tunnistamaan kissan ja koiran kuvasta.

Liittyvät työkalut: Opetettava kone, Pieni kielikone

Opetusdata on kaikki se tieto, jota käytetään tekoälyn opettamiseen. Se voi olla kuvia, tekstiä, ääntä tai numeroita, ja usein niihin on merkitty oikeat vastaukset. Mitä parempaa ja monipuolisempaa opetusdata on, sitä paremmin tekoäly oppii.

💡 Esim. kuvia kissoista ja koirista, joiden kohdalla lukee, kumpi on kumpi.

Liittyvät työkalut: Opetettava kone, Pieni kielikone

Tekoälymalli on ohjelma, joka on opetettu datan avulla tekemään tiettyjä tehtäviä. Se voi esimerkiksi tunnistaa kuvia, ymmärtää tekstiä tai ennustaa asioita. Malli käyttää oppimaansa tehdäkseen päätöksiä uusissa tilanteissa.

💡 Tekoälymalleja ovat esimerkiksi kielimallit ja kuvageneraattorit.

Liittyvät työkalut: Opetettava kone, Pieni kielikone

Tekoälymallin opettaminen tarkoittaa prosessia, jossa koneelle annetaan opetusdataa ja se harjoittelee sen avulla. Se yrittää arvata vastauksia ja saa tietää, menikö oikein vai väärin. Ajan kanssa se kehittyy ja oppii tekemään valistuneempia arvauksia.

💡 tk

Liittyvät työkalut: Opetettava kone, Pieni kielikone

Luokittelija on tekoälyjärjestelmä, joka jakaa asioita eri ryhmiin. Se katsoo esimerkiksi kuvaa tai tekstiä ja päättää, mihin luokkaan se kuuluu. Esimerkiksi sähköpostin roskapostisuodatin on luokittelija, joka päättää onko viesti roskapostia vai ei.

💡 Sosiaalisen median taustalla käytetään luokittelijoita, jotka pystyvät automaattisesti luokittelemaan kuvia ja videoita.

Liittyvät työkalut: Opetettava kone

Kuratointi tarkoittaa datan valitsemista, siivoamista ja järjestämistä ennen kuin sitä käytetään. Harhaanjohtavat, epäselvät tai kyseenalaiset esimerkit poistetaan, jotta tekoäly ei opi vääriä asioita.

💡 Kuratoinnissa käytetään ihmisiä ja luokittelijoita.

Liittyvät työkalut: Opetettava kone, Pieni kielikone

Vinouma tarkoittaa sitä, että tekoäly ei ole täysin reilu tai tasapainoinen. Tämä voi johtua siitä, että opetusdatassa on enemmän tiettyjä esimerkkejä kuin toisia. Tällöin tekoäly voi tehdä epäreiluja tai vääristyneitä päätöksiä.

💡 Esim. jos opetusdatassa on enemmän kissoja kuin koiria, kone voi oppia huonommin tunnistamaan koiria. Sama pätee ihmisryhmiin liittyviin yleistyksiin.

Liittyvät työkalut: Opetettava kone, Somekone, Hajoava kone

Hauraus tarkoittaa, että tekoälystä tulee epävakaa, jos tilanne muuttuu vähänkin. Se voi toimia hyvin tutuissa tilanteissa, mutta hämmentyä uusista tai erilaisista esimerkeistä. Tämä johtuu siitä, että se ei oikeasti “ymmärrä”, vaan toistaa vain opittuja kaavoja.

💡 Esim. jos tunnistettavan kuvan tausta muuttuu liikaa, itse asian tunnistaminen vaikeutuu.

Liittyvät työkalut: Opetettava kone, Pieni kielikone, Hajoava kone

Profiili on kokoelma tietoa jostakin käyttäjästä tai asiasta. Se voi sisältää esimerkiksi kiinnostuksen kohteita, käyttäytymistä ja valintoja.

💡 Esim. mitä videoita katsot, mistä tykkäät.

Liittyvät työkalut: Somekone, Profilointipeli

Suosittelija on järjestelmä, joka ehdottaa sinulle asioita, joista voisit tykätä. Se käyttää tietoa sinusta ja muista käyttäjistä (profiileja) tehdäkseen arvauksia. Esimerkiksi suoratoistopalvelut suosittelevat videoita ja sisältöä sen perusteella, mitä olet katsonut aiemmin.

💡 Esim. YouTube ja TikTok ehdottaa ja ohjaa videoiden pariin, joista se ennustaa sinun tykkäävän.

Liittyvät työkalut: Somekone, Profilointipeli

Aktiivisuus tarkoittaa sitä, kuinka paljon ihmiset reagoivat sisältöön sosiaalisessa mediassa. Se voi olla tykkäyksiä, kommentteja, jakoja tai katselukertoja. Mitä enemmän aktiivisuutta, sitä kiinnostavampana sisältöä yleensä pidetään.

💡 Sisällön kiinnostuksen lisääksi aktiivisuutta mitataan käyttäjän kohdalla: Mihin liittyen tämä henkilö on aktiivinen? Miten pidämme hänet jatkossakin aktiivisena?

Liittyvät työkalut: Somekone

Isot kielimallit ovat tekoälymalleja, jotka on opetettu valtavalla määrällä tekstiä. Ne osaavat lukea, kirjoittaa ja tulkita tekstiä. Niitä käytetään esimerkiksi tekstien automaattisessa kirjoittamisessa, tiedonhaussa ja ohjelmoinnissa.

💡 Kielimallieja käytetään moderneissa keskustelu-boteissa (ChatGPT, CoPilot, Gemini jne.)

Liittyvät työkalut: Pieni kielikone

Generatiivinen tekoäly kykenee pyynnön perusteella luomaan sisältöä, esimerkiksi tekstiä, kuvia, musiikkia tai videoita. Kun nykyään puhutaan tekoälystä, viitataan usein moderniin generatiiviseen tekoälyyn, kuten kuvageneraattoreihin ja kielimalleihin.

💡 Generatiiviseen tekoälyyn liittyy samat vahvuuden ja heikkoidet kuin kaikkeen tekoälyyn: Opetusdatan laadun ja määrän tärkeys korostuvat vinouman ja haurauden vähentämiseksi.

Liittyvät työkalut: Opetettava kone, Pieni kielikone