Teknologian muutos ja hyvinvoinnin tulevaisuus

Transkriptio

1 Kommenttipuheenvuoro: Teknologian muutos ja hyvinvoinnin tulevaisuus Timo Honkela Aalto-yliopiston perustieteiden korkeakoulu Tietojenkäsittelytieteen laitos Kognitiivisten järjestelmien tutkimusryhmä Google Google Scholar

2

3 SOTERKO-teknologiaennakoinnin raportista: Julkisen sektorin rooli muutoksen seuraaja sääntelijä yksityisyyden suoja tiedon luotettavuus julkisen sektorin toimijoiden vastuu suuntaaja soveltaja

4 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.

5 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 Ihmisen ja koneen sosiokulttuurinen yhteisevoluutio?

6 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

7 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

8 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

9 Yksi ratkaisu neuroverkot ja tilastollinen koneoppiminen Kohosen itseorganisoiva kartta on siteeratuin suomalainen tieteellinen keksintö Itseorganisoiva kartta mallintaa abstraktilla tavalla neuroverkkona ihmisen aivokuoren järjestäytymistä

10 classical example SOM of wellbeing factors among Finnish youth (Honkela, Koskinen, Koskenniemi & Karvonen, 2000)

11 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 Chemistry

12 Yksilöllisiä hyvinvoinnin polkuja kunto- ja stressikartalla Lagus et al. WSOM 2012

13 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

14 Riippumattomien komponenttien analyysi R. Vigário & E. Oja (2000): Independence: a new criterion for the analysis of the electromagnetic fields in the global brain?

15 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):246253, Elisabeth Georgii, Jarkko Salojärvi, Mikael Brosché, Jaakko Kangasjärvi, and Samuel Kaski. Targeted retrieval of gene expression measurements using regulatory models. Bioinformatics, 28(18): , jne. jne.

16 Esimerkki laatusaavutuksesta

17 Tunteiden mallintaminen Keskeinen osa ihmisen järkevästä toiminnasta on tunteiden hyödyntäminen Tunteet ovat keskeisessä roolissa motivaatiossa ja toiminnan suuntaamisessa

18 Masennuksen, manian ja ahdistuksen kehitysprosessin mallintaminen Hyvärinen & Honkela, STeP 1998 Hyvärinen & Honkela, ECAL 1999

19 Ihmisen yksilöllisen tulkinnan mallintaminen Grounded Intersubjective Concept Analysis

20 Analysis of the word 'health' Honkela et al. IJCNN 2012

21 Vertaistuen edistäminen sosiaalisella medialla ja data-analyysilla

22 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

23 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

24 ICA of wellbeing-related terms in Reddit texts (Honkela, Izzatdust, Lagus 2012)

25 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

26 Julkisen sektorin rooli muutoksen Uusi eettinen normisto? seuraaja sääntelijä Tietoteoreetinen yksityisyyden suoja tarkastelu tiedon luotettavuus julkisen sektorin toimijoiden vastuu suuntaaja soveltaja

27 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

28 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.

29 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)

30 Viitteet Timo Honkela. Semioottisesti kyvykkäät koneet sovelluksineen. Futura, 31(2):2741, 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 Kluwer, 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 , 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, 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 , 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 Springer, 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 , Krista Lagus, Juho Saari, Ilari T. Nieminen, and Timo Honkela. Exploration of loneliness questionnaires using the self-organising map. In Proceedings of ICANN rd International Conference on Artificial Neural Networks, pages , 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,