Useimmiten olemassa oleva tekoälymenetelmä perustuu todennäköisyyksiin. Todennäköisyyksiin sisältyy myös paljon epävarmuutta ja muuttuvia tekijöitä. Epävarmuutta voidaan nimen omaan käsitellä rationaalisesti todennäköisyyksien välityksellä. Näin saadaan todennäköisyyksistä ja epävarmuudesta mitattavia ja numeerisia arvoja vertaamalla yhden kuin useamman väitteen todennäköisyyttä. (Elements of AI)

Jotta asiaa voidaan lähestyä rationaalisesti, niin on myös tärkeää mitata todennäköisyyden lisäksi epävarmuutta. Useasti myös käytännössä sijoittajat, juristit ja lääkärit joutuvat tekemään rationaalisia päätöksiä pohjautuen epävarmaan tietoon. Puolestaan tekoälyssä pyritään lähtökohtaisesti automatisoimaan epävarmasta datasta tapahtuvaa päättelyä. (Elements Of AI)

Koulutin neuroverkko mallin Koira & Kissa kuvilla (Kuva 1). Testasin kouluttamaani tekoälymalliin satunnaisesti valittua Internetin kissa kuvaa ja sain 73 % todennököisyyden, että kuvassa on kissa. Näin ollen kouluttamaani neuroverkkoon liittyy myös noin 27 % epävarmuus. Silmämääräisesti kuvasta voi puolestaan havaita, että siinä on kissa. Uskoisin, että kun neuroverkkoja kouluttaa tarpeeksi suurilla datamassoilla niin niiden toiminta edellytykset alkavat olemaan hyvällä tasolla.

Lähteet:

Elements of Ai. Viitattu 26.6.2023. https://course.elementsofai.com/fi/3/1
GitHub.com. Dog&Cat Images Classification and Model Deployment (TensorFlow & Keras & GPU).