Et tarvitse tältä tunnilta aiempaa kokemusta tekoälystä tai tietokoneista. Aloitamme tutusta tilanteesta.
Kuvittele pieni ruokakauppa, joka paistaa joka aamu sämpylöitä. Kauppiaan pitää päättää, kuinka monta sämpylää seuraavaksi päiväksi varataan. Jos niitä on liian vähän, hylly tyhjenee kesken päivän. Jos niitä on liikaa, osa jää myymättä.
Päätöksen voi tehdä usealla tavalla. Tietokoneelle voidaan kirjoittaa valmis sääntö, kuten: ”Jos huomenna on maanantai, varaa 100 sämpylää.” Päätöksen tueksi voidaan myös käyttää aiemmista myyntipäivistä koulutettua koneoppimismallia. Se voi arvioida tarvetta esimerkiksi viikonpäivän, sään ja aiemman menekin perusteella.
Tämän tunnin tärkein kysymys on yksinkertainen: seuraako järjestelmä valmista sääntöä, käyttääkö se esimerkeistä koulutettua mallia vai yhdistääkö se molemmat?
Tietokoneohjelma on joukko ohjeita, joiden mukaan tietokone toimii. Yksi tavallinen ohje on jos–niin-sääntö.
Kaupan sääntö voisi olla tällainen:
Jos huomenna on maanantai, varaa 100 sämpylää. Muina päivinä varaa 140.
Kun päivä on tiedossa, ohjelma valitsee säännöstä oikean määrän. Se ei arvioi, onko huomenna juhlapäivä, sataako ulkona tai onko lähistöllä tapahtuma. Se tekee juuri sen, mitä sääntöön on kirjoitettu.
Valmis sääntö on usein hyvä ratkaisu, kun tilanne on selkeä ja toiminnan pitää olla ennustettavaa. Esimerkiksi kulkukortilla toimiva ovi voi käyttää sääntöä: jos kortin tunniste on sallittujen listalla, ovi aukeaa. Tällaiseen päätökseen ei tarvita koneoppimismallia.
Automaatio tarkoittaa, että tietokone hoitaa työvaiheen ilman, että ihmisen tarvitsee tehdä jokaista kohtaa käsin.
Kaupan ohjelma voi tarkistaa päivän, valita säännöstä tilausmäärän ja lähettää tilauksen automaattisesti. Toiminta voi olla nopeaa ja hyödyllistä, vaikka siinä ei olisi koneoppimista lainkaan.
Siksi lause ”ohjelma teki sen itse” ei vielä kerro, että kyse on tekoälystä. Ensin pitää kysyä, mihin toiminta perustuu. Se voi perustua valmiiseen sääntöön, koulutettuun malliin tai niiden yhdistelmään.
Tällä tavalla on rakennettu suuri osa arjen tekoälystä: puhelimen kuvahaku, joka löytää kuvat hakusanalla "koira", sähköpostin roskapostisuodatin ja keskustelupalvelut kuten ChatGPT ja Claude. Yksikään niistä ei seuraa ihmisen kirjoittamaa sääntölistaa.
Kauppiaalla voi olla tallessa tietoa aiemmista myyntipäivistä. Jokaisesta päivästä voidaan tietää esimerkiksi viikonpäivä, sää, mahdollinen juhlapäivä ja myytyjen sämpylöiden määrä. Näitä aiempia tapauksia kutsutaan tässä esimerkeiksi tai dataksi.
Koneoppimismallin kouluttamisessa järjestelmä muodostaa näistä esimerkeistä yhteyksiä. Se voi huomata, että perjantaisin myynti on usein vilkkaampaa, sateella asiakkaita käy vähemmän tai toritapahtuma lisää kysyntää. Ihmisen ei tarvitse kirjoittaa jokaista mahdollista yhdistelmää erilliseksi säännöksi.
Kun koulutettu malli saa uuden tapauksen, se antaa siitä arvion. Jos huomenna on perjantai, sää on lämmin ja torilla järjestetään tapahtuma, malli voi arvioida, että kauppa tarvitsee tavallista enemmän sämpylöitä.
Arvio ei ole varma tieto tulevaisuudesta. Huominen voi poiketa aiemmista päivistä. Siksi mallin ehdotusta pitää verrata tilanteeseen ja päätöksen seurauksiin.
Mallin kouluttaminen tarkoittaa, että se muodostetaan aiempien esimerkkien avulla. Mallin käyttäminen tarkoittaa, että valmista mallia sovelletaan uuteen tapaukseen.
Kaupan malli ei tavallisesti muutu jokaisesta uudesta menekkiennusteesta. Jos kauppias haluaa hyödyntää uusia myyntipäiviä, järjestelmän toteuttajan pitää kerätä uusi data ja päivittää malli erillisessä prosessissa.
Tämä ero on tärkeä. Koulutettu malli voi antaa uusia arvioita, vaikka se ei samalla opi jokaisesta käyttökerrasta.
Kaupan tilaustoiminto voi käyttää koneoppimismallia menekin arvioimiseen ja valmiita sääntöjä toiminnan rajaamiseen.
Malli voi esimerkiksi ehdottaa 220 sämpylän tilausta. Kaupan sääntö voi kuitenkin sanoa, että yli 200 sämpylän tilaus pitää näyttää ihmiselle ennen lähettämistä. Järjestelmässä on silloin kolme osaa:
Tällainen yhdistelmä on tavallinen. Malli auttaa tilanteessa, jossa huomioon otettavia asioita on paljon. Sääntö pitää toiminnan sovituissa rajoissa.
Pelkkä järjestelmän nimi tai ulkonäkö ei kerro, miten se toimii. Sama tehtävä voidaan toteuttaa eri tavoin.
Kun arvioit järjestelmää, kysy:
Jos kuvaus sanoo vain, että ohjelma ”valitsee sopivan määrän”, toteutustapaa ei vielä tiedetä. Jos kuvaus kertoo, että määrä valitaan aina samasta taulukosta, kyse on valmiista säännöstä. Jos kuvaus kertoo, että malli on koulutettu aiempien päivien tiedoilla, mukana on koneoppimista.
Valmis sääntö sopii tilanteeseen, jossa ehdot ovat selvät, muuttuvat vähän ja tuloksen pitää olla ennustettava. Kulkukorttioven avaaminen tai kellonaikaan perustuva muistutus ovat hyviä esimerkkejä.
Koneoppimismallista voi olla hyötyä, kun aiempia esimerkkejä on paljon, tilanteeseen vaikuttaa monta asiaa eikä kaikkea voi kuvata yhdellä selkeällä säännöllä. Menekin arviointi on tällainen tehtävä.
Malli ei silti ole automaattisesti sääntöä parempi. Jos tehtävä ratkeaa yhdellä varmalla ehdolla, koulutettu malli voi tehdä ratkaisusta turhaan monimutkaisen. Jos mallin arvio johtaa kalliiseen, vaaralliseen tai vaikeasti peruttavaan toimintaan, ihmisen tarkistus voi olla tarpeen.
Tietokone voi seurata valmista sääntöä. Kun sääntö suoritetaan automaattisesti, kyse on automaatiosta, mutta automaattisuus ei yksin tarkoita tekoälyä.
Koneoppimismalli muodostetaan aiemmista esimerkeistä. Kun mallia käytetään, se antaa uudesta tapauksesta arvion. Käyttö ei tavallisesti kouluta mallia uudelleen.
Oikea järjestelmä voi yhdistää mallin, valmiit säännöt ja ihmisen tarkistuksen. Siksi järjestelmän toimintaa arvioidaan sen toteutustavan, ei pelkän nimen tai älykkään vaikutelman perusteella.
Tarkistettu 21.7.2026.
Näissä neljässä lyhyessä tehtävässä harjoittelet tunnin ydinasioita. Tehtävät tarkistuvat itsestään, ja saat jokaisesta valinnasta selityksen. Väärä vastaus ei haittaa — voit lukea palautteen ja kokeilla uudelleen.
Yhdistä käsite sitä kuvaavaan selitykseen.
Jokainen kuvaus kertoo suoraan, mihin toiminta perustuu. Luokittele tapaus valmiiksi kirjoitetuksi säännöksi, koulutetuksi malliksi tai niiden yhdistelmäksi.
Auta pientä kauppaa valitsemaan kuhunkin tilanteeseen sopiva ratkaisu.
Kirjoita lyhyt selitys niin kuin kertoisit asian tutulle, joka ei tunne tekoälyä.
Kattotermi menetelmille, joiden avulla järjestelmä voi esimerkiksi tunnistaa, ennustaa, suositella tai tuottaa sisältöä. Koneoppiminen on yksi tapa toteuttaa tekoälyä. Kaikki automaatio ei ole tekoälyä.
Ohjelma, joka seuraa ennalta kirjoitettuja jos–niin-sääntöjä. Esimerkiksi kulkukorttiovi voi aueta, jos kortin tunniste löytyy sallittujen listalta.
Toimintatapa, jossa tietokone hoitaa työvaiheen ilman, että ihminen tekee jokaista kohtaa käsin. Automaatio voi käyttää valmiita sääntöjä, koneoppimismallia tai molempia. Automaattisuus ei yksin tarkoita tekoälyä.
Tietoa, jota järjestelmä voi käsitellä. Kaupan menekkidataa voivat olla esimerkiksi aiempien päivien myyntimäärät, viikonpäivät, sää ja juhlapäivät.
Esimerkkidatan avulla muodostettu malli, joka antaa uudesta tapauksesta arvion. Menekkimalli voi arvioida aiempien päivien perusteella, kuinka paljon tuotetta seuraavana päivänä tarvitaan. Käytössä oleva malli ei automaattisesti opi jokaisesta uudesta tapauksesta.