Googlen omistama DeepMind-it-yritys on kehittänyt tekoälyn, joka periaatteessa voi ratkaista kaikki tehtävät, joissa data esitetään graafisessa muodossa, esimerkiksi informaationa tietokoneen näytöllä.
Tekoälyn taustalla olevaa algoritmia ei ole koodattu ratkaisemaan tiettyä tehtävää vaan keksimään itse tavan, jolla se ratkaistaan. DeepMind on heittäytynyt ratkomaan isoja ongelmia, kuten vihreän energian tuotannon tehostamista ja rintasyövän diagnosointia.
Sääennusteet
Ukkoskuurot ilmaantuvat yllättäen
Läpimurto: DeepMind voittaa aiemmat menetelmät 8 kertaa 9:stä.
Ongelma:
Lähituntien sadekuuroriski on ratkaisevan tärkeä tieto maanviljelijöille, festivaalien järjestäjille ja rakennustyömailla. Se myös vaikuttaa moniin arjen päätöksiin, kuten siihen, valitaanko liikkumiseen polkupyörä vai auto. Etenkin nopeasti kehittyviä ja voimakkaita ukkoskuuroja on erittäin vaikea ennustaa perinteisillä säämalleilla. Niihin ei yksinkertaisesti voida syöttää kaikkea tarvittavaa säädataa luotettavien laskelmien tekemiseksi.
Ratkaisu:
DeepMindin algoritmille annettiin pääsy sadetutkaverkoston videokuviin. Analysoimalla kuurojen kehittymistä videokuvan ensimmäisellä jaksolla algoritmi oppi itse ennustamaan, mitä videon toisella puoliskolla tapahtui. DeepMind-mallin tulosta verrattiin tämän jälkeen kahteen tämän hetken parhaaseen tapaan ennustaa sadekuuroja, ja se peittosi ne 89 prosentissa tapauksista.
Syöpädiagnoosit
Mammografia paljastaa syövän
Läpimurto: DeepMind tekee varmemman diagnoosin kuin syöpälääkäri.
Ongelma:
Rintasyöpä on maailmassa naisten yleisin syöpätyyppi. Siihen yleensä kuolee, jos sitä ei havaita ajoissa, ja niin käy etenkin kehitysmaissa, missä rintasyöpäpotilaista selviää hengissä vain 40 prosenttia. Alhainen luku johtuu usein lääkäreiden ja radiologien vähyydestä, sillä ilman heitä ei voida esimerkiksi tehdä mammografiakuvista diagnooseja.
Ratkaisu:
DeepMind-algoritmi sai pääsyn yli 32 000 mammografiakuvaan sekä niihin liittyviin biopsioihin eli kudosnäytteisiin, jolla tieto syövästä oli varmistettu. Sen jälkeen se laitettiin käymään läpi sellaisia mammografiakuvia, joihin liittyviä biopsiatuloksia se ei tuntenut. Jo ensimmäisellä kierroksella se antoi vähemmän vääriä positiivisia diagnooseja kuin lääkärit. Näin yhä harvempi terve sai varoituksen mahdollisesta syövästä ja useampi sairas sai varman diagnoosin.
Vihreä energia
Tuulienergia tarkemmin talteen
Läpimurto: DeepMind kasvattaa energian hyödyntämistä 20 prosenttia.
Ongelma:
Niin aurinko- kuin tuulienergiankin tuotantomäärät vaihtelevat sään mukaan. Jotta mahdollinen energia saadaan mahdollisimman tehokkaasti käyttöön, tarvitaan tietoa siitä, milloin tuuliturbiinit tuottavat energiaa ja milloin eivät. Muutoin tuulienergia jää energiamarkkinoilla epävarmana toissijaiseksi vaihtoehdoksi verrattuna esimerkiksi hiilivoimalla tuotettuun sähköön, jonka määrää voidaan kasvattaa kysynnän kohotessa.
Ratkaisu:
DeepMind antoi algoritmin etsiä yhteyksiä sääennusteiden ja tuuliturbiinien tuotannon väliltä. Keräämäänsä datan perusteella malli antoi arvion siitä, kuinka paljon energiaa voitaisiin tuottaa seuraavan 36 tunnin aikana. Näin se kasvatti energian markkina-arvoa noin 20 prosentilla. Malli helpottaa myös sen ennustamista, milloin voimaloita kannattaa huoltaa, jolloin tehokasta tuotantoaikaa menee mahdollisimman vähän hukkaan.
Ohjelmointi
Ohjelmoijat saavat digiassarin
Läpimurto: DeepMind koodaa yhtä hyvin kuin ihminen.
Ongelma:
Tietokoneohjelmilla on tärkeä ja kasvava rooli yhteiskunnassa ja ihmisten elämässä, mutta ohjelmien koodaaminen on aikaa vievää puhaa ja se on tähän asti vaatinut kykyjä, joita ei ole läheskään jokaisella: usein tarvitaan luovuutta ja intuitiota, jotta selviää, miten ohjelmassa kannattaisi ratkaista tietty ongelma tai miten varaudutaan mahdollisiin tuleviin ongelmiin.
Ratkaisu:
DeepMindin AlphaCode-algoritmi pystyy koodaamaan tietokoneohjelmia, ja sen taitoja testattiin vuonna 2022 ihmisiä vastaan kilpailussa, jossa tavoitteena oli ratkaista kriittistä ajattelua, loogista päättelyä ja kielen ymmärtämistä vaativia koodaustehtäviä. AlphaCode sijoittui osallistujista ylimmän 54 prosentin joukkoon. DeepMind toivoo, että ohjelmoijat voisivat tulevaisuudessa käyttää AlphaCodea tehokkuutensa kasvattamiseen.
Lääketiede
Uusia lääkeaineita proteiinin muodon pohjalta
Läpimurto: DeepMind on keksinyt tuhansia kohteita tulevaisuuden lääkeaineille.
Ongelma:
Proteiinit syntyvät geenien ohjeiden pohjalta. Ensin soluissa muodostuu pitkiä aminohappoketjuja, jotka sitten laskostuvat tiettyyn, proteiinin ominaisuudet määräävään muotoon. Proteiinit osallistuvat kaikkiin elimistön prosesseihin – myös sairauksien kehittymiseen – ja niiden muoto on ratkaisevan tärkeä uusien lääkeaineiden kehittämisessä. Tähän mennessä ei ole kuitenkaan ollut nopeaa keinoa päätellä proteiinien muotoa.
Ratkaisu:
DeepMind antoi algoritminsa analysoida tunnettujen proteiinien kolmiulotteisia muotoja ja tutustua niissä esiintyvien aminohappojen järjestykseen. Sen jälkeen algoritmi sai itsekseen päätellä, miten tietty aminohappoketju laskostui tietyn muotoiseksi. Analyysin pohjalta kehittyi AlphaFold-ohjelma, joka kartoittaa proteiinien muodot yhtä tehokkaasti kuin aikaa vaativilla ja kalliilla laboratoriomenetelmillä on tehty.