NFT mahdollistaa kiistattoman kryptotaiteen tekemisen

Tomi H. TominBlogi

Kryptovaluuttoihin voidaan liittää NFT eli non-fungible token – teknologia. NFT ja siihen liitetyissä teknologioissa yhdistyy taide, lohkoketjut ja odotukset suurista tuotoista. Teknologian hyviä puolia on, että sen avulla pystytään kiistattomasti säilyttämään tiedot pysyvästi, avoimesti ja turvallisesti (Tivi.fi).

NFT kryptovaluuttateknologiassa on yksilöity virtuaalinen teos, siten että sen omistussuhde on kirjattu lohkoketjuun. Kyseisellä tekniikalla toteutettujen teosten kauppahinnat ovat kasvaneet viime vuosina. Koska tekniikalla voidaan osoittaa teoksen tai tuotoksen alkuperä, niin silloin syntyy eräänlaista digitaalista niukkuutta. (NFT.)

Tällä hetkellä suosituin lohkoketjuteknologia NFT-tietojen tallentamiseen on Ethereum. Myös NFT-teknologiaan kohdistuu tietoturvahaasteita ja huijausyrityksiä. Toisaalta näkisin, että juuri NFT-teknoligian avulla retrodigitaide voi olla jopa tulevaisuuden uusi trendi.

Lähteet:
Tivi.fi. Näin toimii nft-tekniikka – synnyttää digitaalista niukkuutta. https://www.tivi.fi/uutiset/nain-toimii-nft-tekniikka-synnyttaa-digitaalista-niukkuutta/8c09935b-48c7-48e3-84f7-ade7ca5e392e
Wikipedia. NFT. https://fi.wikipedia.org/wiki/NFT

Villi luonto ja luontovalokuvauksen viehätys

Tomi H. TominBlogi

Viime vuosina luontovalokuvauksen yleinen taso on noussut suorastaan räjähdysmäisesti. Kyseessä on tärkeä valokuvauksen laji. Ehkä yhtenä syynä on kiinnostuksen lisääntyminen luontoon ja nimenomaan luonnonsuojeluun. Luontokuvien taso on noussut etenkin luovuuden, raportoinnin ja tekniikan osa-alueilla. Tällä hetkellä suuri yleisö nauttii huikeista ennennäkemättömistä luontokuvista ja videoista eri medioiden välityksellä. Näin ollen luontokuvauksen suuntauksista on alkanut korostumaan kuvissa käyttäytyminen ja harvinaiset tilanteet.

Luontokuvaajan tulisi nimenomaan olla oikeassa paikassa oikeaan aikaan. Useasti luontokuvaajat taltioivat sekä still-kuvia ja videoita luontokohteissa. Nykytaidevalokuvaus voi toki ottaa vaikutteita luontovalokuvauksesta, mutta luontovalokauksesta ei tulisi tehdä liian taiteellisia raja-arvoja rikkovaa. Esimerkiksi luontovalokuvakilpailut ovat ehkä tällä hetkellä selkeiten määriteltyjä kuvakilpailuja maailmassa.

Luontovalokuvauksessa kuvattavan ymmärtäminen nousee hyvin keskeiseen asemaan. Näin kuvattava eläin hyväksyy valokuvaajan. Kyseessä on molemminpuolinen yhteistyö, jossa sommittelun keinoin korostuu eläimen arvokkuus ja vahvuus. Toki luontovalokuvan tulee olla realistinen. Digikameroiden objektiivien kehitys on haastanut edelläkävijöiden mestaritöitä ja näin luontovalokovaus on arkipäiväistynyt.

Swans
Canon EOS-M50, Objektiivi EF 55-200mm f/4.5-5.6, 1/400 sekunttia, f5.6, ISO 100, 70mm.

Lähteet:

Freeman, M. & Sarkkinen, E. (2012). Miten valokuva toimii: Näe, tulkitse ja opi mestarikuvaajilta. Docendo.

Syväoppimisen oppii vain koodaamalla tekoälyä

Tomi H. TominBlogi

Algoritmeihin perustuu aikapitkälti neuroverkko. Puolestaan neuroverkolla voidaan pyrkiä ratkomaan sille annettuja ongelmia. Nimenomaan syväoppiminen sopii hyvin tavallista monimutkaisempien ongelmien ratkomiseen. Syväoppimista voidaan hyödyntää tekstien, kuvien ja videoitten käsittelyssä ja tunnistamisessa. (Syväoppiminen)

Nykyään tekoäly on viellä suhteellisen heikkoa, mutta tulevaisuudessa mahdollisesti syväoppimisen kautta tekoälystä voi muodostua superälykästä. Älykkäämpi tekoäly muodostuu nimenomaan ohjelmistojen kautta. Esimerkiksi ohjelmistojen optimointi ja niiden toimintojen parantaminen edes auttavat tekoälyn kehitystä.

Tekoäly ja siihen liitetty syväoppimisen työsuoritus voi olla huomattavasti tehokkaampi, kun verrataan ihmisen työsuoritteeseen. Toisaalta on ennustettu, että tekoälyn kehitys lisää esimerkiksi terveydenhuolon työpaikkoja. Syväoppiminen lisää myös turvallisuutta, koska sen avulla voidaan tunnistaa vaaratilanteita tutkimalla automaattisesti valvontakameroiden kuvadataa.

Tulevaisuudessa syväoppiminen voi jopa auttaa yhteiskuntia ennakoimaan ja sitä kautta ratkomaan erilaisia konfliktitilanteita. Myös avaruuden tutkimuksessa syväoppiminen voi auttaa tekemään uusia havaintoja ja analysoimaan avaruuden signaaleja. Syväoppiminen mahdollistaa tekoälylle itsenäisen päätöksen teon kiperissä tilanteissa, mikäli tällainen toiminto on ohjelmoitu tekoälyyn.

Lähteet:
Syväoppiminen
Tekoälyn käyttö -Theseus (Tuomas Lahti)