Biologisten aivojen toimintaan perustuvien itseorganisoituvien karttojen oppimis- ja esitysmallit mahdollistavat teknologian kehityksen monella eri teknologian ja tieteen osa-alueella. Ihminen on vuosikymmenten ajan ollut viehättynyt tekoälystä ja sen mahdollisuuksista, ja tietokoneiden kehityksen myötä tiedemiehet ovat onnistuneet kehittämään teknologiaa hyvin pitkälle aivojen toimintaan perustuen. Itseorganisoituvia karttoja hyödyntämällä teknologian kehityksessä on onnistuttu luomaan monia sovelluksia, joiden avulla on pystytty kehittämään älykkäitä järjestelmiä, jotka tekevät muun muassa havainnointi- ja arkistointitehtäviä tehokkaasti ja nopeasti. Näin säästetään aikaa ja resursseja esimerkiksi tieteellisissä tutkimuksissa, tai vaikkapa yritysmaailmassa.

Miten itseorganisoituva kartta toimii?

Itseorganisoituvat kartat perustuvat tekoälyn neuroverkkomalleihin, joissa data järjestäytyy itsenäisesti omiin alaluokkiinsa. Alkuperäisessä datassa on jokin laaja yhdistävä tekijä, kuten esimerkiksi tietyn yrityksen asiakastietokanta. Itseorganisoituvien karttojen avulla voidaan etsiä laajoista tietokannoista samankaltaisuuksia, tässä tapauksessa vaikkapa samalla alueella asuvia asiakkaita, joille yritys suunnittelee kohdistettua markkinointia.

Samaa luokittelu- ja organisointitapaa voidaan hyödyntää myös monissa muissa konteksteissa. Esimerkkinä tästä voidaan ajatella vaikkapa poliisin rikostutkintaan käytettävää kasvojentunnistusta. Yhteisenä tekijänä tietokannassa on ihmiskasvot. Käytettävä sovellus on ohjelmoitu niin, että se etsii tietokannasta tiettyjä ominaisuuksia täyttävät kasvot. Sovellukselle syötetään siis halutut ominaisuudet, vaikkapa jos kyseessä on tapaus, jossa etsitään parrakasta miestä jolla on pienet ruskeat silmät. Itseorganisoituvaan karttaan perustuva järjestelmä tai sovellus etsii tietokannasta kaikki näitä haluttuja ominaisuuksia vastaavat kasvokuvat ja esittää ne hakutuloksina. Seuraavaksi voidaan tarkentaa haun ominaisuuksia vaikkapa syöttämällä vaatimus, jossa miehellä on otsassa arpi. Tällaiset järjestelmät ovat hyödyllisiä muun muassa rikostutkimuksissa tai vaikkapa kadonneiden henkilöiden paikantamisessa, jolloin eri maiden viranomaiset tekevät yhteistyötä löytääkseen kyseessä olevan henkilön.

Esimerkkejä itseorganisoituvien karttojen käytöstä

Kuten edellä mainitussa esimerkissä poliisin tietokannoista, itseorganisoituvia karttoja voidaan siis käyttää vaikkapa kasvojentunnistukseen ja niihin liittyviin tietokantoihin. Mutta visuaaliset tai kirjalliset tietokannat ovat vain alku itseorganisoituvien karttojen käyttömahdollisuuksista. Samoin kuin biologiset aivot tulkitsevat ja organisoivat eri aistien tekemiä havaintoja, tekoälyyn perustuvat tietokannat voivat muodostua visuaalisten ja kirjallisten esitysten lisäksi auditorisiin tai vaikkapa motorisiin esitykseen. Näin ollen itseorganisoituvia karttoja voidaan hyödyntää vaikkapa opettamaan robottia tanssimaan tai puhumaan.