Tutkimusmatka tekoälyyn
Huomasin sosiaalisessa mediassa mainoksen Helsingin yliopiston ja Reaktorin järjestelmästä tekoälykurssista. Ilmoittauduin saman tien. Olin aiemmin kuunnellut Risto Siilasmaan videon koneoppimisesta, ja koska se oli niin selkeästi esitetty, ajattelin, että minäkin voisin oppia lisää tästä kiehtovasta aiheesta. Kansainvälisen liiketalouden tutkintooni kuului kyllä tilastomatematiikan kurssi, mutta sen syvällisempiä opintoja minulla ei ollut aiheesta. Olen kuunnellut muutaman luennon Udacity:n verkkokurssilla, mutta kaipasin alkuun peruskurssia. Ehkä nyt palaan taas niihin opintoihin. Tekoälyaiheisiin juttuihin törmää tuon tuosta, ja halusin ymmärtää hiukan syvällisemmin, mistä asiassa on kyse. Verkkokurssi mahdollisti opiskelun työn ja perheen ohessa. Pahoittelen mahdollisia termivirheitä tässä kirjoituksessa. Tämä kirjoitus kuvastaa aiheeseen ensimmäistä kertaa tutustuvan ajatuksia.
Elements of AI -kurssin ulkoasu teki jo vaikutuksen selkeydellään ja loogisella etenemisellä. Huomasin selviäväni tehtävistä ilman pitkää perehtymistä asioihin ja matemaattiset kaavat palautuivat mieleen, kun hieman kertasin niitä. Keskustelufoorumit olivat kiva lisä kurssin sisältöön. Foorumissa kerrottiin selvästi, että kurssi on ensimmäinen laatuaan ja kehittyy ajan myötä. Pieniä teknisiä ongelmia ilmaantuikin, mutta tiedotus pelasi kehittäjien puolelta ja ongelmia korjattiin jatkuvasti niin kuin koneoppimisessakin tapahtuu.
Mitä on AI ja koneoppiminen
Yksi hyvä oppi oli ihan perusasia siitä, miten tekoäly ja esimerkiksi koneoppiminen sijoittuvat suhteessa toisiinsa. Kaikki alkaa tietojenkäsittelytieteestä. Sen osa-alue on tekoäly, jonka osa-alue on taas koneoppiminen. Koneoppiminen on systeemi, joka parantaa suorituskykyään tehtävässä lisääntyvän datan tai kokemuksen avulla, esimerkkinä chatbot. Koneoppimisen osa-alue on syväoppiminen. Tilastotiede taas leikkaa kaikkia osa-alueita pitäen sisällään statistiikkaa, algoritmeja, datan varastointia ja webpohjaisten sovellusten kehittämistä.
Koneoppiminen voidaan jakaa kolmeen ryhmään: supervised learning, esimerkiksi koneelle näytetään liikennemerkki ja sen täytyy tietää, mikä liikennemerkki on kyseessä, unsupervised learning, esimerkiksi datan visualisointi tai ryhmittely ja reinforcement learning, esimerkiksi itseohjautuvan auton toimiminen epävarmassa tilanteessa.
Termistökin selkiintyi kurssin etenemisen myötä. AI-tekniikoita on useita ja niitä voi olla useampia käytössä yhtä aikaa. Esimerkiksi itseohjautuvissa autoissa käytetään reitin etsintää ja suunnittelua, konenäköä esteiden havaitsemiseen ja epävarmuustilanteiden määrittämistä päätösten avuksi. Näitä samoja tekniikoita käytetään itseohjautuvissa laivoissa ja droneissa. AI-metodeista puhuttaessa tarkoitetaan taas konsepteja, ongelmia ja niiden ratkaisukeinoja.
AI-evoluutio
Kurssilla oppi hiukan tekoälyn historiasta, esimerkiksi Alan Turingista (1912 - 1954), matemaatikosta, jota pidetään yhtenä tietojenkäsittelytieteen isänä. Hän kehitti testin, jossa henkilö vaihtaa kirjoitettuja viestejä tietokoneen ja toisen ihmisen kanssa. Jos henkilö ei huomaa kumpi on tietokone, tietokone läpäisee testin. Toisena tietojenkäsittelytieteen isänä pidetty John McCarthy (1927 - 2011) on kuvaillut tekoälyä siltä näkökannalta, että kaikki oppiminen ja älykkyys voidaan kuvata niin hyvin, että kone voi simuloida niitä. Tosiasiassa meillä on vielä ennemminkin systeemejä, jotka näyttävät älykkäältä käyttäytymiseltä, mutta ovat tosi asiassa vain koneita.
Kurssilla sai tehdä leikillisiä tehtäviä, joiden avulla opeteltiin ongelman ratkaisuprosesseja, vaihtoehtojen määrittämistä ja niiden seurauksia. Kurssilla harjoiteltiin myös todennäköisyyslaskentaa ja sen hyödyntämistä mm. Bayes-säännön ja lineaarisen regression avulla. Ainakin itse huomasin, että rauhallinen ympäristö takasi keskittymiskyvyn ja tehtävät sai ratkottua ilman suurempia vaikeuksia. Toki muutama huolimattomuusvirhekin lipsahti ja esimerkiksi kenoviivan laittaminen kaksoispisteen sijaan antoi lopputulokseksi nolla pistettä tehtävästä, vaikka tehtävän olin ymmärtänyt oikein. Tehtävien avulla oivalsin, miten esimerkiksi mainokset ilmaantuvat somekanaviini tai miten suositukset kontakteista tai tapahtumista löytävät minut.
Maailmaa voi muuttaa paremmaksi tekniikan avulla.
Nykyaikana kun voi opiskella monella tapaa, näin verkossakin kannattaa hyödyntää mahdollisuudet ja oppia uutta. Uskon, että tekoälyn avulla voi todellakin parantaa maailmaa. Toivottavasti mahdollisimman monet tytötkin ymmärtäisivät tämän ja lähtisivät opiskelemaan tekniikkaa ja tietojenkäsittelyä. Työssäni seuraan mm. koulutus-, ja työssäkäyntitilastoja, vain viidennes teknologiateollisuudessa työskentelevistä on naisia. Kuitenkin tuoreessa osaajatarveselvityksessämme pelkästään ict-osaajia tarvitaan alan yrityksiin tulevan neljän vuoden aikana noin 11 400 lisää. Työn merkityksellisyys on korostunut nuorten keskuudessa. Yksi loistava merkitys olisi muuttaa maailmaa tekniikan avulla.
Totta kai tekoäly heijastaa ihmisten käyttäytymistä ja puolueellisuusasiat täytyy pitää mielessä teknologian kehityksessä, mutta kehitys vie eteenpäin ja suurin osa ihmisistä haluaa tehdä oikein. Samalla tekoälyn avulla avautuu monia liiketoimintamahdollisuuksia. Rohkeimmat yritykset voivat jopa laajentaa toimintaansa toiselle toimialalle. Ensimmäiseksi kannattaa miettiä, mitä ongelmia tekoälyn avulla halutaan ratkaistavan ja minkälaista dataa asian ratkomiseen yrityksellä on käytettävissä. Apuja tekoälyn käyttöön ottamiseen löytyy. Teknologiateollisuudessa käynnistyy elokuussa kaksivuotinen hanke – Tekoälykiihdyttämö. Sen tavoitteena on vauhdittaa yrityksiä etsimään yhdessä keinoja hyödyntää tekoälyä liiketoiminnassaan.
Oppimisen iloa toivottaen,
Katriina Emaus
Kirjoittaja toimii tiedontuotannon ja tilastojen asiantuntijana. @KatriinaEmaus
