TP5 AI -kurssilla käytetään Google Researchin avointa ohjelmointi- ja dokumentointialustaa nimeltä Google Colaboratory (Colab). Sen avulla käydään läpi harjoitukset ja tehtävät. Niiden suorittamista varten tarvitset Googlen tilin, jonka avulla voit kirjautua Colabiin. Jos käytössäsi on jo Googlen sähköpostipalvelu Gmail, niin se riittää.
Colabin osoite on https://colab.research.google.com/
Ensimmäisellä kerralla – miksei kertauksen vuoksi myöhemminkin – kannattaa käydä läpi Colabin esittely Welcome to Colab.
Varsinainen työskentely pohjautuu teksti- ja koodilohkojen käyttöön. Tekstilohkoihin kirjoitetaan dokumentaatiota, esimerkiksi kuvailuja seuraavaksi suoritettavista toiminnoista. Koodilohko on suoritettava elementti, tämän kurssin osalta Python-ohjelmointikielellä. Kurssilla ei edellytetä Python-osaamista, mutta ohjelmoinnin alkeet on syytä osata ymmärtääkseen mitä edellytetään tehtäväksi.
Ohjelmointikielenä Python on yksinkertainen ja tämän kurssin osalta on tärkeää huomioida erilaisten moduulien soveltaminen. Niiden käyttöönotto on helppoa ja tapahtuu komennolla:
import <moduulin nimi>, esimerkiksi import tensorflow, jolloin voidaan soveltaa Googlen alun perin kehittämän Tensorflow-moduulin tarjoamia ominaisuuksia ja toiminnallisuuksia niin datan keruuseen ja käsittelyyn, kuin koneoppimiseen ja tekoälymallien ajamiseen.
Colab-dokumentit käyttävät nimeämisessä laajennusta .ipynb, joka on kotoisin Jupyter Notebookista, siis muokkainohjelmasta jota Colab käyttää. Kokeneemmat oppijat voivat asentaa sen omalle koneelleen tai käyttää jotain haluamaansa Colabia korvaavaa ympäristöä. Tällöin pitää varautua lataamaan tarvittavat Python-moduulit itse.
Johdanto
Tekoäly on termi, jota käytetään kuvaamaan sellaisia tietojärjestelmän ominaisuuksia jotka muistuttavat ihmisen tapaa päätellä ja yhdistellä asioita. Tällöin vaarana on rinnastaa tietokone ohjelmineen inhimilliseen ja luovaan toimijaan. Siitä ei kuitenkaan tällä hetkellä ole kyse, vaan olisi käytännöllisempää ajatella, että uusien ominaisuuksien myös tietokoneet ja -ohjelmistot tarjoavat paremman tuen päätöksenteolle olipa sitten kyse esimerkiksi aikataulujen suunnittelusta tai magneettikuvien tulkinnasta.
Tässä jaksossa käydään läpi tekoälyn perusteita, sovelluksia ja opettamisen periaatteita. Datan merkitys on tekoälylle suuri. Tekoälystä voidaan todeta, että se on uusi sähkö ja tällöin data on sen polttoainetta.
Tekoälyn määritelmiä
Kuten aiemmin todettiin, ei tekoälylle ole olemassa yhtä kattavaa määritelmää. Tämän vahvistamiseksi seuraavassa esitetään kolmen tahon näkemykset asiasta:
Euroopan parlamentin artikkkelin mukaan tekoäly on (https://www.europarl.europa.eu/news/fi/headlines/society/20200827STO85804/mita-tekoaly-on-ja-mihin-sita-kaytetaan):
”Tekoälyllä tarkoitetaan koneen kykyä käyttää perinteisesti ihmisen älyyn liitettyjä taitoja, kuten päättelyä, oppimista, suunnittelemista tai luomista.”
Wikipedia määrittelee tekoälyn seuraavasti (https://fi.wikipedia.org/wiki/Tekoäly): ”Tekoäly eli keinoäly tai AI (englannin kielen sanoista artificial intelligence) on tietokone tai tietokoneohjelma, joka kykenee tekemään älykkäinä pidettäviä toimintoja. Esimerkkejä tällaisista tehtävistä ovat puheentunnistus, tietokonenäkö ja kääntäminen luonnollisten kielten välillä.”
Elements of AI-kurssilla perustellaan tekoälyn määrittelemisestä näin (https://course.elementsofai.com/fi/1/1): ”Edes tekoälytutkijat eivät käytä yhtä yleisesti hyväksyttyä määritelmää. Tekoäly tutkimusaiheena määritellään jatkuvasti uudelleen, kun tiettyjen aihepiirien ei katsota enää kuuluvan siihen tai kun uusia erikoisalueita syntyy. ”
Tavoitteet tekoälyosuudelle
Aineiston läpikäytyään ja tehtyään annetut tehtävät oppija ymmärtää seuraavat asiat:
- tekoälyn ja koneoppimisen perusteet
- datan merkitys tekoälyn ja koneoppimmisen näkökulmasta
- mihin tekoälyä kannattaa soveltaa ja mihin ei
- mihin asioihin tulee kiinnittää huomiota opetettaessa tekoälyä.
Järjestäjä: Metropolia Ammattikorkeakoulu
Kieli: Suomi
Aihepiiri: Tekoäly
Osaamisen taso: Perusteet
Kohderyhmät: Ammattikorkeakoulu, Toisen asteen opiskelijat,
Kategoriat: koneoppiminen, tekoäly, sovellukset, toisen asteen opiskelijat, perusteet
Tutustu muihin hankkeen koulutuksiin täältä.