Tekoäly oppii datasta. Jotta puheentunnistus ymmärtäisi eri murteita, sille on annettava tuhansia tunteja puhetta eri murteilla. Jotta käännösohjelma kääntäisi hyvin, se tarvitsee valtavasti esimerkkejä hyvistä käännöksistä. Ilman laadukasta dataa tekoäly ei toimi.

Daniela Braga huomasi tämän. Defined.ai:n omien sivujen mukaan hän perusti yrityksen vuonna 2015 Seattlessa, ja samana vuonna yritys avasi tutkimus- ja kehityskeskuksen Lissaboniin. Yritys tunnettiin aluksi nimellä DefinedCrowd.

## Data tekoälyn polttoaineena

Defined.ai:n mukaan yritys toimii eettisen tekoälyn opetusdatan markkinapaikkana. Se auttaa tekoälytiimejä rakentamaan ja ottamaan käyttöön malleja vastuullisesti eettisesti hankitun datan avulla.

Yrityksen mukaan sen palveluihin kuuluvat datan merkitseminen, keruu, konekäännökset, keskustelevat tekoälyratkaisut ja mallien arviointi. Dataa on monessa muodossa: tekstiä, ääntä, kuvia ja videota.

Datan merkitseminen tarkoittaa, että ihmiset kertovat tekoälylle, mitä datassa on. Esimerkiksi kuvaan merkitään, missä on auto ja missä jalankulkija, tai äänitteeseen kirjoitetaan, mitä puhuja sanoo. Tällaisista esimerkeistä tekoäly oppii tunnistamaan asioita itse.

## Joukkoistettu asiantuntemus

Yrityksen alkuperäinen nimi DefinedCrowd viittaa joukkoon eli crowdiin. Datan tuottaminen ja merkitseminen vaatii paljon ihmistyötä, ja se jaetaan suurelle joukolle ihmisiä ympäri maailmaa. Defined.ai:n mukaan sillä on yli 1,6 miljoonaa asiantuntijaa maailmanlaajuisesti.

Kun työ jaetaan monelle, dataa saadaan monilta kieliltä ja kulttuureista. Tämä on tärkeää, koska tekoälyn pitää toimia kaikille eikä vain niille, joiden kieltä ja puhetapaa on eniten dataa.

## Eettisyys keskiössä

Defined.ai korostaa eettistä datan hankintaa. Tämä tarkoittaa esimerkiksi sitä, että datan tuottajat saavat työstään reilun korvauksen, ihmiset tietävät, mihin heidän dataansa käytetään, ja tekijänoikeuksia kunnioitetaan.

Eettisyys on noussut tekoälyalalla tärkeäksi kysymykseksi. Monia tekoälymalleja on koulutettu datalla, jonka käyttöön ei ole kysytty lupaa. Yritys, joka voi taata, että data on hankittu reilusti, tarjoaa asiakkailleen turvaa.

## Kasvu ja kumppanit

Defined.ai:n mukaan yritys keräsi vuosina 2016–2017 1,1 miljoonan dollarin siemenrahoituksen ja vuosina 2017–2018 11,8 miljoonan dollarin A-rahoituksen. Yrityksen mukaan se laajeni Tokioon ja teki yhteistyötä Amazonin, IBM:n ja Microsoftin kanssa.

Yrityksen mukaan se on kerännyt yli 85 miljoonaa dollaria pääomaa, sillä on yli 120 asiakasta ja se palvelee yli 150 markkinaa. Yrityksen mukaan liikevaihto kasvoi 65 prosenttia vuosina 2024–2025.

Rahoitus ei ole liikevaihtoa, vaan sijoittajien rahaa kasvun rahoittamiseen.

## Seattlesta Lissaboniin

Defined.ai:n mukaan yrityksellä on toimistot Seattlessa, Lissabonissa, Tokiossa ja Portossa, ja Lissabonissa on sen tutkimus- ja kehityskeskus. Perustaja on portugalilainen, ja yritys hyödyntää Portugalin osaajia, vaikka se perustettiin Yhdysvalloissa.

## Naisjohtaja tekoälyalalla

Daniela Braga on yksi harvoista naisista, jotka ovat perustaneet ja johtavat tekoälyyritystä. Tekoälyala on hyvin miesvaltainen, ja naisjohtajien näkyvyys on tärkeää. Monipuolinen johto voi myös auttaa huomaamaan, jos tekoäly toimii huonommin joillekin ryhmille, ja korjaamaan sen.

## Kielten monimuotoisuus

Maailmassa puhutaan tuhansia kieliä ja vielä useampia murteita. Tekoäly toimii kuitenkin parhaiten suurilla kielillä, koska niistä on eniten dataa. Pienten kielten puhujat, kuten suomalaiset, huomaavat usein, että puheentunnistus ja käännökset toimivat heidän kielellään huonommin. Kun dataa kerätään monilta kieliltä, tekoäly voi palvella useampia ihmisiä.

Defined.ai:n tarina näyttää, että tekoälybuumin keskellä on tilaa myös yrityksille, jotka eivät tee itse tekoälymalleja, vaan tuottavat niiden tarvitsemaa laadukasta dataa.

## Riskit

Tekoälydatan markkina muuttuu nopeasti. Suuret teknologiayhtiöt voivat tuottaa dataa itse, ja synteettinen eli tekoälyn itse tuottama data voi vähentää ihmisten tuottaman datan tarvetta. Datan laatu on varmistettava tarkasti, koska huono data tekee tekoälystä huonon. Tietosuoja ja tekijänoikeudet asettavat tiukkoja vaatimuksia.

## Ihmiset tekoälyn takana

Moni ajattelee, että tekoäly toimii itsestään. Todellisuudessa sen takana on valtava määrä ihmistyötä: ihmisiä, jotka nauhoittavat puhetta, kirjoittavat tekstejä, merkitsevät kuvia ja arvioivat tekoälyn vastauksia. Defined.ai:n kaltaiset yritykset tekevät tämän työn näkyväksi ja huolehtivat, että tekijät saavat korvauksen.

## Markkinapaikka datalle

Defined.ai kuvaa itseään markkinapaikaksi. Tekoälyn kehittäjä voi ostaa valmiita datakokonaisuuksia tai tilata juuri tarvitsemaansa dataa. Näin yrityksen ei tarvitse kerätä kaikkea itse, mikä säästää aikaa ja rahaa.

## Kokeile itse

Ota kymmenen kuvaa eri esineistä, kuten kengästä, mukista ja kirjasta. Kirjoita jokaiseen kuvaan, mitä siinä on ja missä kohdassa kuvaa esine sijaitsee. Olet juuri merkinnyt dataa samalla tavalla kuin tekoälyn kouluttajat. Mieti, kuinka monta kuvaa tekoäly tarvitsisi oppiakseen tunnistamaan kengän luotettavasti.

## Mitä tästä voi oppia

**Tee näkymätön työ näkyväksi.** Tekoälyn takana on paljon ihmisiä.

**Markkinapaikka säästää aikaa.** Valmis data nopeuttaa tekoälyn kehittämistä.

**Pienetkin kielet tarvitsevat dataa.** Monikielinen data tekee tekoälystä tasapuolisemman.

**Data on tekoälyn polttoaine.** Ilman hyvää dataa tekoäly ei toimi.

**Jaa työ monelle.** Joukkoistaminen tuo dataa monilta kieliltä.

**Eettisyys on kilpailuetu.** Reilusti hankittu data tuo asiakkaille turvaa.

**Suuret kumppanit avaavat ovia.** Yhteistyö teknologiajättien kanssa toi uskottavuutta.

**Yhdistä maat.** Seattle ja Lissabon täydensivät toisiaan.

**Naisjohtajat tekoälyssä ovat tärkeitä.** Monipuolinen johto parantaa tekoälyä.