Mitä on generatiivinen tekoäly – GenAI Opas (2024)

Tässä oppaassa käymme läpi generatiivisen tekoälyn perusteet.

Saat tietää mitä on generatiivinen tekoäly, mitä sillä voi tehdä ja millaisia haasteita sen käytössä voi kohdata.

Näytän myös esimerkkejä tunnetuimmista GenAI-sovelluksista mitkä sopivat alkuun pääsemiseen.

Sisältö:

LUKU 1:

Generatiivisen tekoälyn perusteet

Generatiivinen tekoäly on saanut paljon huomiota, mutta mitä se oikeastaan on?

Aloitetaan selventämällä, että mistä generatiivinen tekoäly on tullut ja mihin kaikkeen se pystyy.

Mitä on generatiivinen tekoäly?

Generatiivinen tekoäly (GenAI) on tekoälytyyppi, joka pystyy tuottamaan sisältöä, kuten tekstiä, kuvia, videota ja ääntä. Tunnetuimpia GenAI-sovelluksia ovat ChatGPT, Midjourney ja DALL·E, mitkä on koulutettu suurilla datamäärillä.

Generatiivisen tekoälyn taustalla on ajatus, että kone pystyisi oppimaan, ajattelemaan ja ratkaisemaan ongelmia kuin ihminen.

GenAI-sovellukset ovat jo nyt osoittaneet hieman vastaavia kykyjä, minkä on nähty olevan suuri kehitysaskel.

Näillä sovelluksilla kuka tahansa pystyy tekemään kehotteita (prompt) generatiivisille tekoälymalleille, ja täten luomaan tekstiä, kuvaa, ääntä ja muuta sisältöä.

Miten tähän on päästy?

Generatiivisen tekoälyn on mahdollistanut pääosin kaksi asiaa.

Ensimmäinen on jatkuva tutkimustyö, minkä tuloksia ovat julkaisseet sekä akatemia että yritykset.

Yksi tunnetuimpia tapauksia on Googlen tutkijoiden julkaisu nimeltä Attention Is All You Need vuonna 2017, missä kerrottiin uudesta neuroverkkotyypistä nimeltä Transformer.

Tähän samaan Transformer-malliin perustuu moni tunnettu kielimalli, kuten vuodesta 2018 asti kehitetty ChatGPT:n takana oleva GPT.

Nopeaa kehitystä tapahtui vuosien ajan piilossa suurelta yleisöltä, kunnes ChatGPT ja DALL-E toivat näytille generativiisen tekoälyn mahdollisuuksia vuodesta 2021 eteenpäin:

Toinen merkittävä syy GenAI:n räjähdysmäiseen kasvuun on teknologinen kehitys.

Generatiivinen tekoälyn kouluttaminen vaatii nimittäin todella paljon resursseja.

Esimerkiksi uusimman ChatGPT:n uusimman mallin (GPT-4) kouluttamisen kerrotaan maksaneen yli 100 miljoonaa dollaria!

Vaikka hintalappu oli suuri, niin ChatGPT:n kouluttaminen oli taloudellisesti mahdollista juuri teknologisen kehityksen ansiosta.

Tulevaisuudessa tekoälyn kouluttamisen hinta laskee edelleen, jolloin se on toivottavasti mahdollista myös pienemmille yrityksille.

Klassinen vs generatiivinen tekoäly

Tekoäly itsessään ei ole uusi asia.

Sitä on jo parin vuosikymmenen ajan käytetty helpottamaan arkea ennustamalla ruuhkia navigaattorissa, tai vaikka antamalla henkilökohtaisia suosituksia striimauspalvelussa.

Niin sanottu klassinen tekoäly keskittyy analysoimaan ja prosessoimaan dataa.

Esimerkiksi Netflix huomioi aiemmin katsomasi sarjat, niille antamasi arviot, henkilökohtaiset ominaisuutesi ja paljon muuta dataa antaakseen katselusuosituksia.

Generatiivinen tekoäly vie kuitenkin kaiken paljon pidemmälle.

Se pystyy tuottamaan täysin uutta sisältöä sille annetun datan perusteella.

Generatiivinen tekoäly on siis lähempänä ihmisten kykyä ajatella, ratkaista ongelmia ja oppia kokemuksesta.

Tämän vuoksi uskotaan, että generatiivinen tekoäly voi ratkaista haastavia ongelmia monilla erilaisilla toimialoilla.

Tässä oppaassa keskitymme nimenomaan generatiiviseen tekoälyyn ja sen mahdollisuuksiin.

Mitä generatiivinen tekoäly pystyy tekemään?

Generatiivinen tekoäly soveltuu niin moneen asiaan, että sitä voi olla vaikea uskoa todeksi.

Ikinä ennen emme ole voineet esimerkiksi luoda kuvaa vain kertomalla mitä haluaisimme. Tähän väliin on tarvittu aina ihminen.

Tässä on listaus yleisimmistä asioista, mitä GenAI pystyy tänä päivänä tuottamaan:

📕 Teksti: GenAI pystyy nykypäivänä tuottamaan todella laadukasta kirjoitettua tekstiä. Tämä on suuri kehitysaskel, koska ihmiskieli on tietokoneille monimutkaista ymmärtää. Nopea tekstin tuottaminen on hyödyllistä useimmissa työtehtävissä viestien kirjoittamiseen, kielten kääntämiseen, sisällöntuotantoon ja moneen muuhun asiaan.

🖼️ Kuvat: Tekoäly on nopeasti kehittynyt tuottamaan kuvia, mitkä ovat kuin ihmisen tuottamia. Kuvat voivat olla realistisia valokuvia tai jopa taiteellisempia otoksia. Tyypillisesti kuvia tehdään ja muokataan pelkästää kuvailemalla niitä.

🎼 Ääni: Erilainen äänen luominen on ollut jo pitkään mahdollista, mutta GenAI on mahdollistanut paljon uusia asioita. Nykyään tekoälyllä on mahdollista tehdä mm. ääniefektejä, puhetta sekä kokonaisia musiikkikappaleita.

🎥 Video: Videotuotanto tekoälyllä avustettuna mahdollistaa jo nyt realististen kohtausten, animaatioiden ja videomuokkausten tekemisen.

💻 Koodi: Generatiivinen tekoäly pystyy auttamaan jopa ohjelmien koodaamisessa. Se pystyy toimimaan erityisesti ohjelmoinnin ammattilaisten tukena, mutta se pystyy parhaimmillaan myös luomaan ohjelmia alusta alkaen.

Kokonaisuudessaan GenAI:n tuottama sisältö hyödynnettävissä lukuisilla aloilla aina markkinoinnista lääketieteeseen.

GenAI:n käyttötapauksia tietotyössä

Generatiivisella tekoälyllä on valtava määrä käyttötapauksia, mutta eniten niistä hyötyvät tietotyön tekijät.

Tietotyössä nimittäin korostuvat ne asiat missä generatiivinen tekoäly on hyvä.

Tässä on muutama esimerkki siitä, miten GenAI voi jo nyt auttaa työssä:

• Pitkien tekstien lyhentäminen, yhteenveto tai kääntäminen eri kielille
• Sähköpostien, raporttien ja diaesitysten generointi annetusta aiheesta
• Graafisten elementtien luominen ja muokkaaminen
• Puheen muuntaminen tekstiksi tai kuvamuotoon
• Tiedonhaku netistä tai sisäisistä dokumenteista
• Uusien asioiden ideoiminen ja sanoittaminen

Miksi GenAI on tärkeää?

Tekoälyn saama huomio on ollut massiivista, mutta varsin perusteltua.

Generatiivisen tekoälyn uskotaan vaikuttavan erityisen paljon työmarkkinoilla, jossa se voi auttaa työntekijöitä tekemään yksinkertaisia asioita nopeammin ja tehokkaammin.

Jo ensimmäiset tutkimukset GenAI:n käytöstä todensivat tätä kertoen, että erityisesti vähän koulutetut työntekijät saivat parannettua työtehoaan 35%.

Tämän jälkeen useat tutkimukset ovat löytäneet käytännön tehokkuushyötyjä eri toimialoilta:

Näiden tulosten (ja varmasti osin GenAIn:n ympärillä olevan hypen) takia yritykset ympäri maailmaa ovat kiinnostuneita kokeilemaan generatiivista tekoälyä.

Esimerkiksi EU-maissa odotetaan, että työntekijät voisivat sen avulla keskittyä strategisimpiin tehtäviin ja minimoida tylsät, toistuvat tehtävät:

GenAI:n tuomien etujen näkeminen vie tietty vielä pitkän aikaa, mutta erityisesti tietotyöläisten kannattaa pitää silmällä tätä uutta teknologiaa.

Kuten Stanford Institute for Human-Centered AI:n johtaja Erik Brynjolfsson asian ilmaisi:

“Generatiivista tekoälyä käyttävät työntekijät korvaavat ne, jotka eivät sitä käytä”

LUKU 2:

Tärkeimmät GenAI:n termit

Ennen kuin siirrymme katsomaan GenAI-sovelluksia, niin on hyvä tietää muuta termi.

Tässä osiossa opit perusteet tekoälymalleista, niiden opettamisesta ja niille keskustelemisesta.

Tekoälymallit (AI Model)

Kun käytät generatiivisen tekoälyn sovellusta, niin taustalta löytyy aina tekoälymalli.

Tekoälymallit ovat kuin aivot, mitkä on etukäteen opetettu johonkin tarkoitukseen, ja mitkä tekevät tarvittavan ajattelun päästä haluttuun tulokseen.

Mallien tarkoitus on ymmärtää, oppia ja hyödyntää tietoa ihmisten kaltaisesti.

Termi viittaa siihen, että GPT keskittyy ihmiskielen luomiseen ja se käyttää tässä todella suurta datamäärää.

Tekoälymalleja on kuitenkin monia muitakin, kuten kielimallit PaLM ja Claude, sekä kuvien luomiseen keskittyvät DALL-E ja Stable Diffusion.

Näistä malleista kehitetään myös jatkuvasti uusia versiota. GPT-mallin tapauksessa tunnetuimmat versiot ovat GPT-3.5 ja GPT-4.

Tämä näkyy käytännössä niin, että GPT-mallin version vaihto ChatGPT:ssä muuttaa täysin sovelluksen käyttötapauksia: GPT-4 voi käsitellä kuvia sekä monimutkaisempaa tekstiä, kun taas GPT-3.5 ei tähän pysty.

Pidä siis mielessä, että erilaiselta näyttävien GenAI-sovellusten taustalla voi olla täysin samoja tekoälymalleja, millä on iso merkitys sovelluksen käytettävyyteen.

Koneoppiminen (Machine Learning)

Tekoäly on niin laaja yläkäsite, että se on generatiivisesta tekoälystä puhuttaessa jopa hämäävä.

Tekoälyn alaryhmä nimeltä koneoppiminen on jo paljon kuvaavampi.

Koneoppiminen tarkoittaa, että kone pystyy itsenäisesti oppimaan sille annetulla datalla ilman, että ihminen määrittää kaikki toiminnot.

Koneoppiminen ja siihen liittyvät teemat – kuten ihmisaivoja jäljittelevät neuroverkot – ovat kriittisiä GenAI:lle, koska sisältöjen generointi vaatii jättimäistä oppimismäärää.

Samalla tavoin kuin ihmistaiteilija voi oppia maalaamista seuraamalla muiden esimerkkiä, niin koneoppiminen mahdollistaa tekoälylle maalaamisen tyylien, värien ja muotojen opiskelun käyttäen miljoonia olemassaolevia maalauksia.

Mallista oppiminen on siis kriittisen tärkeä vaihe ennen toimivaan generatiivista tekoälyä.

Esikoulutus (Pre-training)

Generatiivisen tekoälymallin oppiminen tapahtuu käytännössä sen kehitysvaiheessa nimeltä esikoulutus.

Esikoulutuksen (pre-training) aikana tekoälymallin alkuvaihe (nimeltä algoritmi) käy läpi todella suuria määriä dataa.

Yksinkertaistaen esikoulutuksen voi ajatella olevan tekoälymallille kuin koulunkäynti:

Mallin tulee tässä vaiheessa oppia kaikki perustiedot mitä ne tulevat tarvitsemaan.

Esikoulutuksen vaikutuksista kannattaa tietää ainakin nämä:

• Koulutuksessa käytetään tyypillisesti netistä saatavaa dataa sekä digitalisoitua kirjallista materiaalia
• Datassa olleet faktavirheet, ennakkoasenteet ja muut ikävyydet tulevat vaikuttamaan mallin toimintaan
• Tekoälymallien esikouluttamisen vaatimat tekniset resurssit ovat niin kalliita, että suurella osalla yrityksistä ei ole siihen varaa

Tekoälyn opettaminen ei kuitenkaan aina jää tähän…

Hienosäätö (Fine-tuning)

Vaikka GenAI:n esikoulutus on mahdollista vain jättiyrityksille, niin kerran koulutettuja malleja on mahdollista hyödyntää omiin käyttötapauksiin.

Hienosäätö (fine-tuning) tarkoittaa prosessia, jossa esikoulutettua tekoälymallia jatkokehitetään tarkempaan käyttötarkoitukseen.

Esimerkiksi tekstiä tuottava tekoälymalli voitaisiin hienosäätää tekemään pelkästään esseitä, tai musiikkia tuottava tekoäly hienosäädettäisiin tuottamaan hyvin yhtä musiikkigenreä.

Jos esikoulutus oli generatiiviselle tekoälymallille kuin peruskoulun käyminen, niin mallin hienosäätö on kuin erikoistuminen tiettyyn ammattiin.

Juuri hienosäätö tekee mahdolliseksi generatiivisten tekoälymallien laajan käytön eri toimialoilla ja käyttötapauksissa.

Voidaan jopa sanoa, että kun suuryritykset tekevät ensin kalliin esikoulutuksen, niin hienosäätö tekee GenAI-sovellusten kehittämisen mahdolliseksi periaatteessa kenelle tahansa.

Esimerkiksi Googlen Vertex AI ja Amazonin Bedrock tarjoavat kehitysympäristön, joissa esikoulutettuja malleja voi hienosäätää käyttäen omaa dataa.

Toki, suuri osa meistä tulee käyttämään generatiivista tekoälyä pelkästään valmiilla sovelluksilla, jolloin on erityisen tärkeä tietää…

Kehote (Prompt)

Kehote (prompt) ovat tapa kommunikoida tekoälymallille ja kertoa mitä haluat tehtävän.

Ne ovat siis ensisijainen tapa vaikuttaa GenAI-työkalujen tuottamaan lopputulokseen.

Periaate on, että jos teet kehotteen mikä on tekoälylle epäselvä, niin saamasi tulos on myös epäselvä.

Jos taas osaat muodostaa hyviä kehotteita (mitä kutsutaan myös nimellä prompt engineering), niin lopputulokset voivat olla huikeita.

Hyvien kehotteiden tekeminen onkin tärkeä taito, kun toimit generatiivisten tekoälyjen kanssa.

Olen itse huomannut, että hyvä kehote muodostuu kolmesta elementistä.

Kutsun tätä nimellä TRIPLA-malli:

Suuri osa GenAI-sovelluksista tukee myös useiden kehotteiden tekemistä, jolloin ensimmäistä kehotetta voi täydentää ja kehittää.

LUKU 3:

Generatiivisen tekoälyn haasteet

Generatiivisesta tekoälystä ei voi puhua mainitsematta sille ominaisia haasteita ja rajoitteita.

Tässä luvussa kerron asioita, mitkä kannattaa aina pitää mielessä kun käytät GenAI-sovelluksia tai harkitsen omien mallien kehitystä.

Hallusinointi

Hallusinointi tarkoittaa GenAI:n tapauksessa sitä, kun tekoälymalli luo vääriä, harhaanjohtavia tai täysin keksittyjä tuloksia.

Tämä voi näyttäytyä niin, että tekstiä luova tekoäly (kuten ChatGPT) kertoo vakuuttavasti henkilöistä tai historiallisista tapahtumista mitkä eivät ole todellisia.

Hallusinointi voi tosin olla pienikin virhe, kuten väärin tehty laskutoimitus tai muutama faktavirhe muutoin todellisessa vastauksessa:

Mistä nämä virheet sitten johtuvat?

Useat lähteet kertovat, että hallusinointi voi johtua huonolaatuisesta datasta mitä on käytetty mallin esikoulutuksessa.

Syynä voi myös olla huonosti tehty kehote mitä malli ei ymmärrä.

Hyvien kehotteiden tekemisen tärkeys korostuu siis jälleen, mutta mallien hallusinointiin voi itse vaikuttaa vain rajallisesti

On argumentoitu, että generatiivinen tekoäly on nimenomaan suunniteltu keksimään asioita, eikä olemaan aina faktuaalisesti oikeassa.

Pidä siis mielessä, että jopa oikealta kuulostava ja itsevarmasti esitetty tekoälysisältö ei välttämättä ole totta.

Tietoturva

Kun käytämme tekoälymalleja, niin annamme niille kaikenlaista dataa työstettäväksi.

Tyypillisesti tämä data on tekstiä, kuvia, taulukoita, äänitteitä, koodia tai muita tiedostoja.

On tutkittu, että tämä arkaluontoinen data voi päätyä tekoälymallin koulutusdataan.

Tämä tarkoittaa, että esimerkiksi ChatGPT:n kehotteeseen annetut tiedot voivat huonossa tapauksessa päätyä mallin tulevaan versioon, jolloin ne saattavat tulla jonkun toisen vastauksessa näkyviin.

Tämä on erityisesti yrityksille suuri tietoturvauhka.

Pääperiaate on, että tekoälysovelluksille ei kannata antaa mitään dataa mitä et halua julkiseen tietoon.

Tässä on lista omia suosituksiani tekoälyn tietoturvaan liittyen:

• ÄLÄ anna tekoälylle henkilökohtaisia tunnistetietoja (nimi, osoite, puhelinnumero, sähköpostiosoite, IP-osoite jne.)
• ÄLÄ anna tekoälylle salasanoja tai todennustietoja (kuten API-avaimet)
• ÄLÄ anna tekoälylle mitään muuta arkaluontoista tietoa (terveystiedot, pankkitiedot, NDA:n alainen tieto jne.)

Tekijänoikeudet

Tekijänoikeudet herättävät paljon kysymyksiä liityen generatiiviseen tekoälyyn.

Nyt kun tekstiä, kuvia, ääntä ja videota on mahdollista generoida ilman ihmistyötä, niin voiko ihminen omistaa oikeudet esimerkiksi DALL·E 3:n luomiin kuviin?

Yhdysvalloissa asiaa on puitu jo oikeudessa, jossa erityisesti tekoäly-avusteisesti tehtyjen tuotosten oikeudet ovat harmaalla alueella.

Euroopan Unioni on ottamassa asiaan tarkemmin kantaa tulevalla AI Act-lainsäädännöllä.

Mutta entä se tärkein kysymys: Voitko itse joutua oikeudelliseen vastuuseen jos käytät tekoälyn tuotoksia?

Tällä hetkellä tekijänoikeuskanteet ovat kohdistuneet nimenomaan tekoälyä kehittäviin yrityksiin.

Microsoft jopa pyrki ensimmäisten joukossa vähentämään pelkoa tekoälyn käyttäjiin kohdistuvista kanteista sanomalla, että Microsoft maksaa kaikki Copilot-ohjelman käyttöön liittyvät oikeudenkäyntikulut.

Tekijänoikeuksiin liittyvistä kysymyksistä tullaan varmasti kiistelemään vielä pitkään, ja tällä hetkellä ongelmaan ei ole yhtä oikeaa vastausta.

LUKU 4:

Tunnetuimmat sovellukset

Tekoälysovellukset tekevät monimutkaisten mallien käytön mahdolliseksi kenelle tahansa.

Tällaisia sovelluksia onkin saatavilla paljon erilaisiin käyttötapauksiin.

Tässä viimeisessä luvussa esittelen niistä muutaman tärkeimmän.

ChatGPT

ChatGPT ei juuri esittelyjä tarvitse.

Tämä OpenAI-yrityksen luoma tekoälychatti toi generatiivisen tekoälyn kaikkien hyppysiin loppuvuodesta 2022.

ChatGPT on lyhyessä ajassa kehittynyt paljon, ja tuonut monia uusia ominaisuuksia:

• GPT-4 –malli, mikä ymmärtää kieltä paremmin
• Reaaliaikaisen tiedon hakeminen netistä
• Kehotteiden tekeminen ja vastausten saaminen puheella
• Kuvien luominen yhdessä DALL·E 3 –tekoälyn kanssa

Vaikka moni edistyneempi asia vaatii maksullisen Plus-version, niin ChatGPT on monipuolinen myös pelkillä tekstikehotteilla.

ChatGPT on ilmaiseksi käytettävissä, kun teet tilin osoitteessa chat.openai.com.

Bard

Bard on Googlen kehittämä keskusteleva GenAI-chatsovellus, mikä toimii hyvin samalla tavalla kuin ChatGPT.

Bard perustuu kuitenkin täysin erilaiseen Googlen luomaan tekoälymalliin nimeltä PaLM 2.

Bardin vahvuus on erityisesti tekstien kirjoittaminen, ongelmanratkaisu, tutkimustyö ja kuvien tutkiminen.

Tällä hetkellä suuri etu Bardille on, että sen kaikki ominaisuudet ovat ilmaisia. Tähän kuuluu esimerkiksi uusimman tiedon hakeminen internetistä.

Google on tosin esitellyt mahdollisuutta käyttää Bardia yhdessä maksullisten Google Workspace-ohjelmien kanssa.

Näin Bardista tulee kuin assistentti jolta onnistuu Gmail-viestien lähettäminen, dokumenttien ja diaesitysten tekeminen, oikolukeminen ja paljon muuta.

Google etenee OpenAI:n tavoin nopeaa vauhtia GenAI-työkalujen kehityksessä, joten Bard on vain yksi osa Googlen suurta tarjoomaa.

Bard on ilmaiseksi käytettävissä Google-profiililla osoitteessa bard.google.com.

Midjourney

Midjourney on yksi tunnetuimpia kuvien luomiseen tarkoitettuja GenAI-työkaluja.

Kuvia luodaan Midjourneylla antamalla tekstikuvaus kuvasta mikä halutaan tehdä.

Lopputuloksena on oletuksena neljän kuvan sarja, mistä parhaat versiot voi ladata tai jatkokäsitellä.

Kuvien ominaisuuksia – kuten koko, realistisuus, kuvasuhde ja tyyli – voi määrittää tarkasti alusta alkaen, tai kuvaa muokata kunnes se vastaa odotuksiasi.

Tekoälyllä tehdyt kuvat voivat olla hyödyllisiä esimerkiksi grafiikan tekemisessä, markkinointikampanjoiden kuvittamisessa, logojen ideoinnissa tai sivustojen ja verkkokauppojen kuvituksissa.

Kannattaa tosin huomioida, että Midjourneyn käyttö tapahtuu Discord-viestintäsovelluksen kautta, missä tulee liittyä tiettyyn kanavaan minkä kautta Midjourneyn tekoälylle voi antaa komentoja.

Midjourney ei myöskään ole enää ilmainen, vaan sen käyttö vaatii maksullista tilausta. Halvin tilaus kustantaa 10 dollaria kuukaudessa.

Voit nähdä esimerkkejä Midjourneylla luoduista kuvista täältä.

DALL·E 3

DALL·E 3 on OpenAI:n tekoäly mikä tuottaa kuvia tekstistä.

Aikaisempi versio nimeltä DALL·E 2 julkaistiin vuonna 2022 ja sai aikanaan paljon mediahuomiota.

Vuoden 2023 lopussa julkaistu DALL·E 3 on huomattavasti kehittyneempi versio korkealaatuisten ja luovien kuvien tekemiseen.

Tästä tekoälystä on tärkeä tietää, että OpenAI on integroinut sen toimimaan yrityksen tunnetuimmat tuotteen, eli ChatGPT:n kanssa.

Tämän ansiosta DALL·E 3 on käytettävissä ChatGPT:n maksullisille tilaajille.

Kuvia voi luoda osana ChatGPT:n normaalia keskustelua, mikä on todella kätevää:

Jos haluat kokeilla DALL·E 3:a, niin sinun ei onneksi tarvitse sitoutua kuukausimaksua.

Kuvia voi luoda myös ilmaiseksi Bing Image Creatorin kautta osoitteessa bing.com/create

Tämä vaatii Microsoft-tiliin kirjautumista, niin saat käyttöösi ilmaisia krediittejä, millä voit luoda tietyn määrän kuvia päivän aikana.

Kannattaa hyödyntää tätä mahdollisuutta niin pitkään kun Microsoftin ja OpenAIn tiivis yhteistyö jatkuu.

Github Copilot

Ohjelmistokehittäjät ovat olleet alusta alkaen tärkeä kohderyhmä tekoälytyökaluille.

Generatiivinen tekoäly pystyy nimittäin auttamaan mm. toistuvan koodin kirjoittamisessa ja prototyyppien tekemisessä.

Jos nämä asiat sattuvat kuulumaan työtehtäviisi, niin kannattaa katsastaa koodaamiseen erikoistunut GitHub Copilot.

GitHub Copilot pystyy antamaan koodiehdotuksia mitkä perustuvat tekoälylle kirjallisesti annettuihin ohjeisiin ja aikaisemmin luotuun koodiin.

Näitä ehdotuksia voi saada kaikilla yleisimmillä koodikielillä, kuten Python, Java ja Javascript.

Saadut ehdotukset perustuvat GitHub-palvelussa olevaan suureen koodimäärään, millä Copilot on koulutettu.

Odotettavissa on myös, että Copilotia tullaan kehittämään yhä enemmän keskustelevaksi koodausavustajaksi käyttäen GPT-4 -tekoälymallia.

Tällä hetkellä Copilotin saa koodauskaveriksi alkaen 10 dollarin kuukausihintaan.

Tekoälyä tutuissa työkaluissa

Yllä olevat esimerkit olivat vain pintaraapaisua generatiivisen tekoälyn työkaluihin.

On mahdollista, että suuri osa ohjelmistoista tulee hyödyntämään tulevaisuudessa generatiivista työkalua jossakin muodossa.

Tätä on nimittäin alkanut jo tapahtumaan:

• Googlen ja Bingin hakuun on kehitetty GenAI:n tuottamia keskustelevia tuloksia
• Microsoft Officen ohjelmat saavat huiman määrän tekoälyominaisuuksia
• Adobe Photoshop julkaisi GenAI-laajennuksia kuvien editointia varten
• Canvan graafisen suunnittelun työkalua päivitettiin Magic Design-tekoälyominaisuudella
• Duolingo tarjoaa oppimisen avustajaksi generatiivista tekoälyä Duolingo Maxilla

Aika näyttää missä kaikissa käyttötapauksissa GenAI:n nähdään olevan hyödyllinen.

Mitä seuraavaksi?

Generatiivinen tekoäly on jo nyt käytettävissä monessa muodossa, jopa täysin ilmaiseksi.

Voit jo nyt kokeilla esimerkiksi ChatGPT:n tekstin tuottoa, tai kuvien tekemistä DALL·E 3:lla.

Parhaassa tapauksessa tämä voi vapauttaa aikaasi toistuvista ja tylsistä asioista niin työssä kuin vapaa-ajallakin. Juuri tämä oli tärkeimpiä GenAI:n lupauksia!

GenAI kehittyy edelleen kovaa vauhtia, joten kannattaa myös pitää silmällä mitä uusia mahdollisuuksia se tuo.

Tämä onnistuu helposti esimerkiksi uutiskirjeelläni: