Artificial Neural Networks and Deep Learning: Possibilities and Limits of its Use in Modern Software Development

This thesis is written in scientific article form. It addresses artificial intelligence, artificial neural networks and deep learning. Thesis introduces artificial intelligence, what it is, its history and different levels of AI. Third section addresses more deeply one of the implementations of AI, artificial neural networks. How does artificial neural network function and how it is structured comprehensively. Some of the most often used terminology of the subject will also be covered. The thesis also covers the practical applications of artificial neural network technology and how it is used in different fields of industry. Positive and negative properties of artificial neural networks and how they should be developed in the future will be observed. For this thesis a lot of research material from different research areas was used. A few AI and neural network related textbooks were also referred. The research material was both in electronic and printed form. As a conclusion, it may be stated that the development of neural network technologies will be accelerating in the near future and that new innovations constantly arise. Biggest obstacles of developing of this technology are its unpredictability and its Blackbox like operation principle which makes problem diagnostics and solving difficult. As an annex in this thesis is a final report of artificial intelligence project called ProGAN DaliA. The project was carried out as part of this thesis. ProGAN DaliA is a progressive generative ad-versarial neural network, which creates new artwork from a dataset of art pieces.Tämä tutkimusartikkelimuotoinen päättötyö käsittelee keinotekoisten neuroverkkojen historiaa, rakennetta ja käyttötarkoituksia. Päättötyön alku käsittelee tekoälyä yleisesti: mm. sen eri tasoja sekä sen historiaa. Lisäksi osiossa kerrotaan älyn, erityisesti tekoälyn määritelmästä. Päättötyön kohta kolme käsittelee keinotekoisia neuroverkkoja. Kohdassa esitellään neuroverkon rakenne hyvin yksityiskohtaisesti sekä käydään läpi sen toimintaperiaate. Kohdassa käsitellään myös neuroverkon eri tapoja oppia sekä käydään läpi yleisintä keino-neuroverkkoteknologiaan liittyvää termistöä. Viimeinen osio käsittelee keinotekoisten neuroverkkojen ominaisuuksia. Sen rajoituksia sekä sen käytön hyötyjä ja mahdollisuuksia. Osiossa esitellään myös käytännön esimerkkejä keino-neuroverkkojen käytöstä eri teollisuuden osa-alueilla. Aineistona tutkielmalle on käytetty suuri määrä tutkimusaineistoa eri aloilta sekä viitattu muuta-maan tekoälyn opiskeluun tarkoitettuun laajaan oppikirjaan. Aineistossa on käytetty niin painettua kirjallisuutta kuin verkko aineistoa. Päättötyön johtopäätelmänä voitaneen todeta neuroverkkoteknologian kehityksen olevan kiihty-mässä lähitulevaisuudessa ja että uusia innovaatioita syntyy kaiken aikaa. Kehitystä vaativia ongelmia teknologiassa on sen arvaamattomuus sekä mustan laatikon tapainen toimintaperiaate, joka vaikeuttaa mahdollisten ongelmien diagnosointia ja korjaamista. Liitteenä päättötyössä on loppuraportti tekoälyprojektista nimeltä ProGAN DaliA. Projekti toteutet-tiin osana tätä päättötyötä. ProGAN DaliA on progressiivinen generatiivinen kilpaileva neuroverkko, joka luo annetusta kuva-aineistosta uusia taideteoksia.Päättötyö sisältää ProGAN DaliA nimisen neuroverkkoprojektin loppuraportin. Projekti toteutettiin osana tätä päättötyötä