Ongelmanratkaisija

Iris AI:n tekoälykehittäjä Maria Ritola ei usko, että teknologia itsessään pelastaisi maailman. Tärkeämpää olisi sisäistää ongelmien todellinen luonne.

Talous ja yhteiskunta
31.7.2018

Kaliforniassa puhaltavat muutoksen tuulet. On kuuma kesä 2015. Kaunista auringonpaisteesta huolimatta Maria Ritola ja hänen tutkijakollegansa viettävät päivät visusti NASA:n tutkimuskeskuksessa neljän seinän sisällä. Heidän suuri missionsa on vaatimattomasti muuttaa maailmaa teknologioiden avulla.

Ja mikäs siinä muuttaessa. NASA:n monitieteellisen tutkimuskeskuksen Singularity Universityn tulevaisuuskouluun on valittu maailman parhaimmat tekijät. Kymmenen viikon intensiivikurssille Piilaaksoon valittiin 77 oman alansa huippuosaajaa 45 maasta.

Ennen lähtöään Kaliforniaan ja tulevaisuuskouluun Ritola oli toiminut tutkijana monessa eri projektissa. Kuten varmasti jokaiselle tutkijalle, oli myös Ritolalle tullut työssään tutuksi ääretön tiedon paljouden määrä, jota on täysin mahdotonta kahlata läpi.

Ritola alkoi miettiä, kuinka tieto olisi kaikkien sitä haluavien saatavilla, tehokkaasti ja vaivatta? Jotta tutkija voisi keskittyä siihen, minkä osaa parhaiten – tiedon yhdistämiseen ja tietoon perustuvien päätelmien tekemiseen.

– Olen aina ollut kiinnostunut ongelmanratkaisusta ja ison kuvan rakentamisesta. Haluan ymmärtää, kuinka nopeasti kehittyviä teknologioita voidaan hyödyntää ongelmien ratkaisemiseen, jotta meillä olisi edellytykset elää maapallolla myös tulevaisuudessa.

Miten teknologiaa hyödynnetään ongelmien ratkaisemiseen?

Finanssikriisin jälkimainingeissa alettiin kehittää lohkoketjuja. Vuonna 2010 otettiin ensimmäisiä merkittäviä edistysaskelia myös tekoälyn puolella. Kaikkien näiden heikkojen signaalien ympärille kehittyi nopeasti myös oma tieteellinen yhteisönsä ja näin myös Ritola alkoi kiinnostua tekoälystä sen laajassa merkityksessä.

– Perehdyin kesän aikana Singularity Universityssä siihen, kuinka koneita opetetaan ymmärtämään tekstiä. Tuolloin oli otettu merkittäviä kehitysaskelia muun muassa kuvan tunnistuksen puolella.

Ritola ei kuitenkaan mieti, että teknologia pelastaisi meidät. Jos niin ajatellaan, ollaan hänen mielestään hakoteillä.

– Teknologia on vain mahdollistaja. Ihmisillä pitää olla syvä ymmärrys ratkaisemattomista ongelmista.

Ritola, AI

On ollut palkitsevaa nähdä, miten kone oppii, sanoo Ritola.

Iris AI

Palataanpa vielä takaisin NASA:n tutkimuskeskukseen ja siihen, kuinka tekoälytutkija, investointipankkiiri, juristi ja startup-konkari kehittivät lopulta tekoälysovellus Iriksen.

Ritola ja kumppanit muodostivat tiimin sen perusteella, että kaikkia yhdisti kiinnostus tiedemaailman tulosten tehokkaampaan hyödyntämiseen. Hyvin nopeasti ryhmässä tiivistyi ajatus koneesta, joka pystyisi ymmärtämään tieteellistä tekstejä ja auttamaan tutkijoita hyödyntämään olemassa olevaa tietoa nykyistä tehokkaammin.

– Tämä oli Iris AI:n lähtökohta. Siitä ajatuksesta lähdimme, ja siinä ajatuksessa olemme pysyneet tähän päivään asti.

Maailmassa julkaistaan yli 3000 tutkimuspaperia päivässä. Erään tutkimuksen mukaan tästä puolet päätyy vain muutamien ihmisten lukemiksi, kun kirjoittaja ja editori lasketaan mukaan. Tutkimuksen hyödyntämisen ydinongelma ovat Ritolan mielestä nykyiset työkalut, jotka rajoittuvat hakusanoihin. Löytääkseen jotakin on tiedettävä tarkalleen, mitä etsii.

Tutkimusprojektin alkaessa tutkija harvoin tietää, varsinkin jos ongelmakenttä vaatii tietoa useilta tieteenaloilta.

– Iriksen uusimman version avulla voidaan tehdä kirjallisuuskatsaus 80 prosenttia manuaalista työtä nopeammin ilman, että työn laatu kärsii. Testasimme algoritmin yhteistyössä Chalmersin yliopiston kanssa. Heidän kirjallisuuskatsauksensa itseohjautuviin kulkuneuvoihin liittyen lähti liikkeelle 12 000 tutkimuspaperista. Kun datan rajaus muutamaan sataan paperiin vei tutkijoilta noin kolme kuukautta, voitiin sama työ tehdä Iriksellä kolmessa viikossa akateemisella tarkkuustasolla.

Tällä hetkellä Ritola ja tiimi valmistelevat Iristä lohkoketjuprojektiin. Tavoitteena on rakentaa tutkimustiedon validointityökalut lohkoketjuja käyttäen yhteisövetoisesti ja muuttaa tätä kautta tutkimusmaailman kannustimia, jotka ovat tällä hetkellä merkittävä este kehitykselle julkaisutalojen ongelmallisista liiketoimintamalleista johtuen.

– Kyseessä on laajamittainen hanke, jonka tavoitteena on tuoda tutkijat, opiskelijat, yliopistot ja kirjastot yhteen rakentamaan tulevaisuuden tutkimustyökaluja, korvaamaan tutkimusprosessin nykyiset turhat välikädet ja rakentamaan faktatarkastettua tutkimustietovarantoa. Koko järjestelmä toimii lohkoketjussa yhteisön omistuksessa hajautetusti.

Kone opettelee kieliä ja sanojen merkityksiä

Ritolan mukaan hänet saa suunnattoman onnelliseksi, kun asiakas kuvittelee ison tutkimusryhmänsä kanssa, että heidän taksonomiansa on parasta mitä on, mutta Ritola ryhmineen pystyykin osoittamaan, että tekoälyllä luokittelu tapahtuu tehokkaammin ja paremmin.

– Myös ne hetket, kun käyttäjät löytävät sisältöjä, joihin he eivät aiemmin ole törmänneet, ovat palkitsevia.

Kolme vuotta sitten, kun kuvan tunnistamisessa oli otettu huomattavia edistysaskelia, Ritola alkoi toden teolla kiinnostua siitä, miten konetta voidaan opettaa ymmärtämään tekstiä.

Kieli on ihmisten kaikkein tärkein tapa kommunikoida, ymmärtää toisiaan ja kumuloida tietoa. Koneelle kielen opettamisesta haasteellista tekee ennen kaikkea se, että yksittäisillä sanoilla on kontekstisidonnaisia symboleita – ne saavat merkityksensä vasta kontekstissa.

–Yksittäiset sanat ilman kontekstia eivät tarkoita oikeastaan mitään. Tämä on hankalaa koneelle. Jos voisimme puhtaasti sanojen perusteella opettaa konetta ymmärtämään kieltämme, voisimme vain antaa sille kaikki sanakirjat, jonka jälkeen se hahmottaisi maailmaa kielien kautta. Tämä ei kuitenkaan ole mahdollista, vaan meidän täytyy opettaa koneelle yksittäisten sanojen merkitys.

Tämä onkin ollut Ritolan mielestä erityisen kiinnostavaa kuluneiden kolmen vuoden aikana. Iristä opetetaan ymmärtämään tiedettä niin ohjaamattoman kuin ohjatunkin koneoppimisen kautta. Jälkimmäinen tarkoittaa sitä, että yli kymmenentuhatta ihmisopettajaa opettaa tekoälyä lukemaan tieteellisiä tekstejään. Iris ei ymmärrä automaattisesti kaikkia tekstejä, vaan näihin tilanteisiin vaaditaan ihmisopettaja indeksoimaan tekstiä.

–On ollut todella palkitsevaa nähdä, miten kone oppii ja kuinka paljon paremmin pystymme nykyään mallintamaan erilaisia aihioita teksteistä verrattuna Iriksen ensimmäiseen versioon.

Tutkimusta uudistamassa

Satojen vuosien aikana tutkimuspaperi ei ole juurikaan muuttunut ensimmäisestä versiostaan. Ritolan mielestä yksi syy tutkimuksen uudistumattomuuteen on, että tutkimuselämä on muutamien oligopolististen toimijoiden halussa, jonka seurauksena usein julkisin varoin tuotettu sisältö on maksumuurien takana.

–Maksumuuriongelman lisäksi meillä on valtava määrä tietoa, mutta tieteen läpimurrot ja oivallukset löytyvät paperista tehottomasti, sillä ne ovat piilotettuna sanojen muodostamaan kokonaisuuteen. Haluamme Iriksen avulla kyetä tunnistamaan suoraan paperista, mikä tutkimuksen kontribuutio on.

Iiris työskentelee tällä hetkellä hypoteesien tunnistamisen parissa. Tulevaisuudessa Iris pystyy vertailemaan hypoteeseja myös toisiinsa.

Tällöin on Ritolan mielestä mahdollista rakentaa kokonaisvaltaista tietokarttaa, mikä puolestaan auttaa ihmisiä ja etenkin tutkijoita hyödyntämään tehokkaammin ja entistä laaja-alaisemmin sitä tietoa, mitä meillä on jo olemassa.

–Koneen avulla pystymme rikastuttamaan taustapapereiden listaa ja sitä kautta toivottavasti auttamaan tutkijoita. Tavoitteena on rakentaa tekoälyllä toimiva tutkimusassistentti, joka pystyy yhdistelemään tutkimuspapereista hypoteeseja ja jonka avulla pystytään generoimaan hypoteeseista uusia päätelmiä ja näin ollen saavuttamaan uusia tutkimuksellisia läpimurtoja.

Mitä Ritolan mielestä Suomen pitäisi tehdä, jotta maastamme tulisi kärkimaa datan ja älykkäiden algoritmien hyödyntämisessä:

1. Dataan ja luottamukseen perustuva talous

–Tekoälyn hyödyntämiseen nojaava talous vaatii huomattavia määriä dataa. Data on saatava tehokkaammin jakoon uuden tietosuojaasetuksen GDPR:n kontekstissa. Suomen ja Euroopan mallin vahvuus ja edelläkävijyys nousee ihmisten luottamuksesta siihen, että he itse voivat määritellä sen kuka pääsee käsiksi heidän tietoihinsa. Eettisiin seikkoihin keskittyminen ei ole jarru, vaan voimavara.

Ritolan mielestä datan käyttöön ja älykkäisiin algoritmeihin nojaavan talouden lupaus lunastetaan luottamuksen kautta.

–Tässä on Suomen ja Euroopan erottautumisen paikka. Tietosuoja-asetus GDPR on tärkeä askel oikeaan suuntaan ja se on Euroopalle valtava mahdollisuus.

Noin kuukausi sitten nousi julkisuuteen Cambridge Analytica -skandaali, jossa kymmenien miljoonien Facebook-profiilien tiedot pääsivät vääriin käsiin. Tämä on oire huomattavasti laajemmasta ongelmasta.

– Todellisuudessa monet yritykset keräävät tietojamme usein tietämättämme asiasta. Lainsäädäntötyön on pahasti jäljessä. Tilanteeseen olisi pitänyt herätä vuosikymmen sitten, sosiaalisen median alettua kasvaa. Se, että ongelmat ilmenevät juuri nyt, on seurausta laskentatehon kasvusta, jonka avulla kerättyjä datamassoja on ollut mahdollista analysoida tehokkaasti tekoälyyn nojaavilla algoritmeilla.

Ritola uskoo, että ihmisten epäluulot kasvavat, eivätkä he epäluottamuksen ilmapiirin vallitessa uskalla jakaa tietojaan. Euroopalla on nyt mahdollisuus erottautua muusta maailmasta ja kääntää tilanne edukseen rakentamalla kansalaisten luottamukseen pohjaava toimintamalli. Sen ytimessä ihmiset itse päättävät, kuka heidän tietojaan saa käyttää.

2. Osaajien ja yritysten tuotekehityskeskusten tarve

– Suomeen tarvitaan osaajia ulkomailta muun muassa ohjelmistoalalle ja tutkimukseen. Tämä osaltaan mahdollistaa tutkimusvetoisesti uutta teknologiaa kehittävien, niin sanottujen deep tech -yritysten synnyn.

Lisäksi Suomella on kaikki edellytykset houkutella kansainvälisten jättiyritysten tuotekehityskeskuksia.

– Ranskan presidentti Emmanuel Macron teki tässä ihailtavaa työtä Ranskassa. Suomessa tulisi pystyä samaan.

3. Yhteistyön rakentaminen maailman parhaiden kanssa

Suomalaisista yrityksistä vain kourallinen on globaaleja toimijoita. Kansainvälisiä yhteyksiä sekä yhteistyötä täytyy lisätä ja voimistaa.

– Yritysten tulisi pyrkiä yhteyksiin parhaiden tekijöiden kanssa. Tuotekehitystä tekevien toimijoiden olisi tärkeää tunnistaa tutkimusyhteistyön maailman parhaat yliopistot ja edelläkävijäyritykset.

Lue lisää
Avoimuus on avain vastuulliseen sijoittamiseen

Avoimuus on avain vastuulliseen sijoittamiseen

Vastuullinen sijoittaminen on yleistynyt viime vuosina rytinällä. Vahvimmat kirittäjät ovat ilmastonmuutos ja kuluttajien vaatimukset.

Petteri Orpo: ”Osakesäästötilien hyödyt korvaavat verotulojen menetykset”

Petteri Orpo: ”Osakesäästötilien hyödyt korvaavat verotulojen menetykset”

Valtiovarainministeri Petteri Orpo arvioi, että osakesäästötilien vaikutukset kansantalouteen korvaavat moninkertaisesti valtion menettämät verotulot.

Arktinen alue kuumenee - Suomi on matkalla seudun solmukohdaksi

Arktinen alue kuumenee - Suomi on matkalla seudun solmukohdaksi

Maailman vauraimpien valtioiden kiinnostus maapallon pohjoisinta kolkkaa kohtaan kiihtyy. Kehitys on yksi kaikkien aikojen mahdollisuuksista Suomelle. Mutta onko arktisen alueen herkän luonnon ja...

Tuoreimmat

OP sosiaalisessa mediassa