Kommenttipuheenvuoro:
Teknologian muutos ja hyvinvoinnin tulevaisuus
Timo Honkela
Aalto-yliopiston perustieteiden korkeakoulu
Tietojenkäsittelytieteen laitos
Kognitiivisten järjestelmien tutkimusryhmä
[email protected]
Google
Google Scholar
SOTERKO-teknologiaennakoinnin raportista:
Julkisen sektorin rooli
●
muutoksen
–
–
–
–
seuraaja
sääntelijä
● yksityisyyden suoja
● tiedon luotettavuus
● julkisen sektorin toimijoiden vastuu
suuntaaja
soveltaja
SOTERKO-teknologiaennakoinnin raportista:
Skenaariot
●
Onnela
●
Arkela
●
Kauhula
Tässä esityksessä nostetaan esille teknologian
mahdollisuuksia edesauttaa Onnelaa ja käytännössä tuoda
sen elementtejä Arkelaan.
Kauhulan välttäminen on tietysti myös tärkeää eli on otettava huomioon myös
myös haittatekijät ja riskit – mutta tämä on hyvä tehdä analyyttisesti eikä pelkoihin
ja epäilyihin perustuen.
●
Kirjoitustaito, kirjapainotaito: kokemuksen ja tiedon
jakamisen valtava kehitys
–
Rajoituksia: kirjatiedon “pinnallisuus” verrattuna
kokemustietoon (seurausvaikutuksia myös
terveydenhuollossa)
–
Pinnallisuuden syynä on monimutkaisten ilmiöiden
yhteys/kontekstiherkkyys
–
Ilmiön suhteen kokenut ihminen ymmärtää sitä
syvällisemmin kuin kukaan, joka on vain lukenut siitä
(esim. kokenut lääkäri tai kroonisesti sairas)
Empaattinen kokeminen
Biologinen ja lääketieteellinen tieto
Omakohtainen kokeminen
Sairauskokemusten suhde arkeen
“Amatööritutkimus”
http://fi.wikipedia.org/wiki/Kaikki_evoluutiosta
Ihmisen ja koneen sosiokulttuurinen
yhteisevoluutio?
Ihmisen ja koneen sosiokulttuurinen
yhteisevoluutio?
●
●
Tekoälytutkimuksessa pääpaino oli 1980-luvulla
logiikkapohjaisen rationaalisen päätöksenteon ja
ongelmanratkaisun mallintamisessa (esim.
asiantuntijajärjestelmät)
Sittemmin on todettu, että asiantuntijoiden
käsinkirjoittamien sääntöjen käyttö ei läheskään
riitä monimutkaisten ilmiöiden mallintamiseen
–
Määrällinen ongelma: tietoa/sääntöjä on liikaa
–
Laadullinen ongelma: tietoa ei voi kunnolla kuvata
sanallisesti ja/tai sääntöinä
Markku Sainio: Tulkinnan
ja tunnejärjestelmän tärkeys
●
●
●
Mantelitumakkeet ja pelko: limbisen järjestelmän
mantelitumakkeiden pääasillinen tehtävä on
tunnereaktioiden muistaminen ja prosessointi
Ajattelu, tunteet ja elimistön fysiologia liittyvät toisiinsa
Somatosensorinen amplifikaatio johtaa somaattiseen
oireiluun, koska normaalit somaattiset tuntemukset
koetaan intensiivisiksi
-
●
-
-
Mutta: toki osa ilmiöistä on hyvin todellisia ja tilanteen
selvittäminen yksittäistapauksissa on erittäin haastavaa
Kone yhteistyökumppaniksi?
●
●
●
Voisiko tietokonetta ja -verkkoja hyödyntää
monimutkaisten terveysilmiöiden paremmaksi
ymmärtämiseksi, asiantuntijoiden auttamiseksi,
ihmisten tueksi, vuorovaikutuksen auttamiseksi?
Ihminen on psykofyysinen kokonaisuus,
sosiokulttuurinen ja intentionaalinen toimija
Myös tekoälytutkimus pyrkii nykyisin tämän
kokonaisuuden kattamiseen:
–
Koneoppiminen, hahmontunnistus, tunteiden tutkimus,
tietoisuuden tutkimus, laskennallinen pragmatiikka,
viisauden mallintaminen, jne.
–
Koneiden käyttö edesauttaa dynaamisten
järjestelmien ymmärtämistä
Yksi ratkaisu neuroverkot
ja tilastollinen koneoppiminen
●
●
Kohosen itseorganisoiva kartta on siteeratuin
suomalainen tieteellinen keksintö
Itseorganisoiva kartta mallintaa abstraktilla
tavalla neuroverkkona ihmisen aivokuoren
järjestäytymistä
”classical example”
SOM of wellbeing factors
among Finnish youth
(Honkela, Koskinen, Koskenniemi & Karvonen, 2000)
Suomen tieteen kartta
Honkela & Klami 2007
Medicine
Biosciences
Physics and
engineering
Culture and
society
Tuotettu automaattisesti ilman ihmisluokitteluita Suomen Akatemialle osoitetuista
3324 hakemuksesta käyttäen tilastollista termi-irrotusta ja itseorganisoivaa karttaa.
Tilastollinen termi-irrotus:
ks. Paukkeri et al. 2008
Chemistry
Yksilöllisiä hyvinvoinnin polkuja
kunto- ja stressikartalla
Lagus et al.
WSOM 2012
Tilastollinen koneoppiminen
●
●
●
Neuroverkkojen teoriaa ja sovelluksia koskeva
tutkimus on laajentunut tavalla, jota voidaan
nykyisin kutsua tilastolliseksi koneoppimiseksi
Kaksi hyvää esimerkkiä alan tutkimuksen
tuloksista on
–
riippumattomien komponenttien analyysi ja
–
datajoukkojen välisten riippuvuussuhteiden
analyysi
Yksi olennainen ominaisuus on mahdollisuus
käsitellä suuria tietomassoja ja muuttujamääriä
Riippumattomien komponenttien
analyysi
R. Vigário & E. Oja (2000): Independence: a
new criterion for the analysis of the
electromagnetic fields in the global brain?
Datajoukkojen välisten
riippuvuussuhteiden analyysi
Prof. Samuel Kasken johtamaa tutkimustyötä
José Caldas, Nils Gehlenborg, Eeva Kettunen, Ali Faisal, Mikko
Rönty, Andrew G. Nicholson, Sakari Knuutila, Alvis Brazma, and
Samuel Kaski. Data-driven information retrieval in heterogeneous
collections of transcriptomics data links SIM2s to malignant pleural
mesothelioma. Bioinformatics, 28(2):246–253, 2012.
Elisabeth Georgii, Jarkko Salojärvi, Mikael Brosché, Jaakko
Kangasjärvi, and Samuel Kaski. Targeted retrieval of gene
expression measurements using regulatory models. Bioinformatics,
28(18):2349–2356, 2012.
jne. jne.
Esimerkki laatusaavutuksesta
Tunteiden mallintaminen
●
●
Keskeinen osa ihmisen järkevästä toiminnasta
on tunteiden hyödyntäminen
Tunteet ovat keskeisessä roolissa
motivaatiossa ja toiminnan suuntaamisessa
Masennuksen, manian ja ahdistuksen
kehitysprosessin mallintaminen
Hyvärinen & Honkela, STeP 1998
Hyvärinen & Honkela, ECAL 1999
Ihmisen yksilöllisen
tulkinnan mallintaminen
Grounded Intersubjective
Concept Analysis
Analysis of the word 'health'
Honkela et al. IJCNN 2012
Vertaistuen edistäminen
sosiaalisella medialla
ja data-analyysilla
Ks. esim.
Lagus et al. 2012, 2013
Tekes-projekti
VirtualCoach
Aalto-yliopisto ja
Kuluttajatutkimuskeskus
PI: Krista Lagus
Question sets
”Appreciative
inquiry”
Social media
application
Explorative
data analysis:
paths of
wellbeing
Themes
mental wellbeing,
stress & relaxation
loneliness & social
wellbeing
physical fitness
nutrition and food
sleep
work and life
Discussion forum
postings, etc.
TOPIC ANALYSIS
User's
input
STYLE
ANALYSIS
User modeling
and analysis of
feedback
SENTIMENT ANALYSIS
MULTICRITERIA SELECTION PROCESS
Selected stories
EVALUATION
(Honkela, Izzatdust, Lagus 2012)
Text mining for peer support
ICA of wellbeing-related terms
in Reddit texts
(Honkela, Izzatdust, Lagus 2012)
Summa summarum:
Miksi ihmeessä inhimillistää koneita?
●
●
●
Yksinkertainen vastaus: ettei ihmisten tarvitse
olla kuin koneita tai toimia konemaisesti
toimivassa yhteiskunnassa, jota nykyiset
tietojärjestelmät pitävät yllä
… etteivät koneet olisi nykyisellä tavalla
itsepäisen tyhmiä: “pitää osata painaa juuri
oikeata nappia”
Koneet voivat toimia tulkkeina, auttajina,
välittäjinä, jne. – ja auttaa ihmisiä kohtaamaan
toisiaan
Julkisen sektorin rooli
●
muutoksen
–
–
–
–
Uusi eettinen
normisto?
seuraaja
sääntelijä
Tietoteoreetinen
● yksityisyyden suoja
tarkastelu
● tiedon luotettavuus
● julkisen sektorin toimijoiden vastuu
suuntaaja
soveltaja
Kauhula-kommentti
●
●
Kuinka pidetään yhteiskunnallisesti huoli siitä,
että tietotekniikan antama ilo ja hyöty on
laajasti kaikkien saatavilla?
Tähän liittyy paljon erityisesti talous- ja iprjärjestelmään liittyviä kysymyksiä
Strategian elementit:
Tehokkuus ja luovuus, keskeisyys ja “periferia”
●
●
Raine Hermans, Tekes: “Tuli sivusta”
(Nokia vs Ericsson, Apple vs Nokia)
On pidettävä huolta kasvuston moninaisuudesta – ei
vain nykyolosuhteissa toimimisen tehokkuudesta
–
Tässä julkisella sektorilla ja erityisesti tutkimuslaitoksilla ja
yliopistoilla on tärkeä rooli
–
Kaikkia rönsyjä ei kannata karsia, mutta voi toki
suosia uusia versoja vanhojen oksien,
jopa runkojen sijaan (ihmisten suhteen on kuitenkin
muistettava, että ikää ja kokemusta pitää arvostaa)
Vrt. Sari Stenfors: Strategy Tools and Strategy Toys: Management Tools in
Strategy Work. PhD (econ) Thesis, Helsinki School of Economics, 2007.
“Johtopäätöksenä voidaan todeta, että kehittynyttä
tekoälyä on mahdollista hyödyntää monenlaisissa
yksittäisiä ihmisiä ja kokonaisia yhteiskuntia palvelevissa
tarkoituksissa, joista monet ovat nykyisen teknologioiden
kehittymistä koskevien keskusteluiden ulkopuolella tai
joiden suhteen päähuomio on keskittynyt vaaroihin
mahdollisuuksien sijasta.”
“Keskustelua siitä, minkälainen rooli tässä kirjoituksessa
ennakoiduille semioottisesti kyvykkäille koneille annetaan,
on syytä jatkaa. Kuvilteltavissa on kuitenkin tilanne, jossa
tämä kehitys johtaa hyvinkin suotuisiin lopputuloksiin
ihmiskunnan ja koko biosfäärin kannalta – aikana, jolloin
palveluksessamme ovat viisaat koneet.”
(Honkela 2012)
Viitteet
●
●
●
●
●
●
●
●
●
Timo Honkela. Semioottisesti kyvykkäät koneet sovelluksineen. Futura, 31(2):27–41, 2012.
Timo Honkela, Ilpo Koskinen, Timo Koskenniemi, and Sakari Karvonen. Information Organization and Databases: Foundations of Data
Organization, chapter Kohonen's Self-Organizing Map in Contextual Analysis of Data, pages 135–148. Kluwer, 2000.
Timo Honkela, Juha Raitio, Krista Lagus, Ilari T. Nieminen, Nina Honkela, and Mika Pantzar. Subjects on objects in contexts: Using GICA
method to quantify epistemological subjectivity. In Proceedings of IJCNN 2012, International Joint Conference on Neural Networks,
pages 2875-2883, 2012.
Timo Honkela and Mikaela Klami. Suomen akatemialle osoitettujen hakemuksien tekstilouhinta [Text mining of applications submitted to
the Academy of Finland ]. Unpublished report, Helsinki University of Technology Espoo, Finland, 2007.
Timo Honkela, Zaur Izzatdust, and Krista Lagus. Text mining for wellbeing: Selecting stories using semantic and pragmatic features. In
Proceedings of ICANN 2012, 22nd International Conference on Artificial Neural Networks, Volume II, pages 467–474, 2012.
Aapo Hyvärinen and Timo Honkela. Emotional disorders in autonomous agents? In Advances in Artificial Life, Proceedings of ECAL'99,
European Conference on Artificial Life, pages 350–354. Springer, 1999.
Krista Lagus, Tommi Vatanen, Oili Kettunen, Antti Heikkilä, Matti Heikkilä, Mika Pantzar, and Timo Honkela. Paths of wellbeing on selforganizing maps. In Proceedings of WSOM 2012, pages 345–352, 2012.
Krista Lagus, Juho Saari, Ilari T. Nieminen, and Timo Honkela. Exploration of loneliness questionnaires using the self-organising map.
In Proceedings of ICANN 2013 - 23rd International Conference on Artificial Neural Networks, pages 405–411, 2013.
Mari-Sanna Paukkeri, Ilari T. Nieminen, Matti Pöllä, and Timo Honkela. A language-independent approach to keyphrase extraction and
evaluation. In Coling 2008, pages 83-86, 2008.
http://users.ics.aalto.fi/tho/publications.shtml