Yhdysvaltaisen Stanfordin yliopiston tekoälyn tutkimuslaitos (HAI, Human-Centered Artificial Intelligence Intitute) kokoaa vuosittain raportin tekoälyn kehityksen suunnista yhteistyössä alan muiden toimijoiden, kuten Harvardin ja Google Open AI:n kanssa.

Tech Republic suosittelee kaikkia kiinnostuneita lukemaan huolellisesti Stanfordin viime vuodelta kasaamaan koko 290-sivuisen paketin.

Niille joiden aika ei tähän riitä, uutissaitti on koonnut lyhyen oppimäärän tekoälyn viidestä tämän hetken tärkeimmästä tekijästä ja kulkusuunnasta.

1. Tekoäly kiinnostaa ihmisiä

Suurin osa tietojenkäsittelytieteen jatko-opiskelijoista erikoistuu tekoälyyn. Pohjois-Amerikan yliopistoissa 21 prosenttia tietojenkäsittelytieteen tohtoreista väittelee nimen omaan tekoälystä.

Nykyään tekoälytohtoreita valmistuu kaksi kertaa enemmän kuin kakkoseksi sijoittuvalla tietoturva-alalla.

2. Julkaise, julkaise ja julkaise

Vuosien 1998-2018 välisenä aikana tekoälystä julkaistujen tutkimuspapereiden määrä kasvoi 300 prosenttia. Tällä alueella eli raporttien julkaisuissa Kiina peittosi kaikki muut maat.

Tutkimuksia on pantu levitykseen niin paljon, että kiinnostavimpien papereiden löytämiseksi tarvitaan kohta oppivia koneita ja tekoälyä.

3. USA tienaa tekoälyllä eniten

Yhdysvallat johtaa kaikkia muita maita tekoälytutkimusten siteerauksissa. Jenkkitutkijoita lainataan 40 prosenttia useammin kuin muissa maissa keskimäärin.

Amerikkalaiset ovat eteviä myös rahastamaan tekoälyllä. USA:n yritykset satsasivat 12 miljardia dollaria tekoälyyn eli lähes kaksi kertaa enemmän kuin kiinalaisten tekemät 6,8 miljardin dollarin investoinnit olivat viime vuonna. Amerikkalaiset patentoivat tekoälyn keksintöjä tuplasti enemmän kuin kakkoseksi sijoittunut Japani.

4. Tekoäly leviää monella alalla

Tekoäly ei todellakaan ole mikään yhden alan teknologia. Eniten satsataan itseohjautuviin ajoneuvoihin. Fiksujen ajopelien investoinnit olivat viime vuonna 7,7 miljardia dollaria eli lähes kymmenen prosenttia maailman kaikista yksityisistä investoinneista.

Terveysalan ja kasvojentunnistuksen tekoälyyn panostettiin molempiin 4,7 miljardia dollaria. Rahassa mitattuna nopeinta kasvu oli ohjelmistorobotiikassa (rpa, robot process automation) miljardin dollarin satsauksilla. Lähes yhtä paljon rahaa yritykset käyttivät jakeluketjujen hallintaan ja automaatioon.

5. Algoritmit nopeutuvat ja halpenevat

Tekoälyn tarvitsemien algoritmien opettaminen ja harjaannuttaminen tehostuu ja halventuu koko ajan. Esimerkiksi ImageNetin konenäön algoritmin luominen kesti lokakuussa 2017 kolme tuntia. Viime heinäkuussa samaan harjoitukseen kului 88 sekuntia.

Vertailuaikana samojen konenäkötoimintojen hinta putosi muutamasta tuhannesta taalasta alle sataseen.

Edellä kuvatut kehitykset antavat ylimalkaista osviittaa tekoälyn suunnasta, vauhdista ja teknologioihin käytetystä rahamääristä. Yleisesti tekoäly avittaa ohjelmistokokonaisuuksia toimimaan aina vain paremmin. Kehittyäkseen tekoäly tarvitsee toki ihmisten taitoja ja ohjausta - mutta kuinka kauan?