sunnuntai 1. huhtikuuta 2018

Matkaopas tekoälyn maailmaan, päivitys 5.4.2018

Tekoäly"Tekoäly - matkaopas johtajalle" on tuore ja suosittu tietoteos. Kirjan kirjoittaja Antti Merilehto on haastatellut asiantuntijoita meiltä ja maailmalta kirjaa varten. Hän on toiminut aikaisemmin Googlella, joten osa kokemuksistakin on sieltä peräisin. Ideana matkaopas on hyvä. Se auttaa nimenomaan liiketoiminnan johtajaa selviytymään tässä tekoälyn maailmassa. "Matkaopas" on enemmänkin nimi kirjalle kuin menetelmä hallita aihe. Kirjassa kuvataan keskeiset käsitteet ja havainnollistetaan niitä esimerkein. Toisessa osassa kirjaa kuvataan erilaisia hyödyntämistapoja. Kirjoittaja tunnistaa myös tekoälyn kaksi puolta - hyvä ja paha tekoäly. (1) Edelleen Antin mielestä Suomi ei kulje aivan kärkimaiden joukossa tekoälyn kehittämisessä ja hyödyntämisessä. Tehtävää siis on.

Peruskäsitteet ovat algoritmi, tekoäly, koneoppiminen, neuroverkko ja syväoppiminen: Suoraan kirjasta lainattuna käsitteet ovat seuraavat (ss. 17-20):
  • Algoritmi on yksityiskohtainen kuvaus tai ohje siitä,miten tehtävä tai prosessi hoidetaan.
  • Tekoäly: Koneen suorittamaa toimintaa, joka ihmisen tekemänä olisi älykästä. Tekoäly ei kuitenkaan rajoitu ihmisen tasoon. Toimintoja ovat muun muassa päättely, oppiminen, ennakointi, päätöksenteko, näkö ja kuulo. Heikko tekoäly kykenee ratkaisemaan yhtä tehtävää. Käytännössä kaikki nykyinen tekoäly on heikkoa tekoälyä. Vahva tekoäly ratkoo laajaa skaalaa erilaisia ongelmia, ajaa autoa, ymmärtää kieliä ja kokkaa.
  • Koneoppimisessa koneelle ei ole määritelty toimintaohjetta jokaista erillistä tilannetta varten, vaan kone oppii itsenäisesti datasta. Suurin osa tekoälyn sovelluksista on koneoppimista.
    • Ohjattu koneoppiminen: Koneelle annetaan oikea vastaus opetusdatassa.
    • Ohjaamaton koneoppiminen: kone päättelee asioita datassa olevien säännönmukaisuuksien ja suhteiden pohjalta.
    • Vahvistusoppiminen: koneelle annetaan palautetta siitä, kuinka onnistuneesti se toimii eri tilanteissa ilman, että annetaan oikeita vastauksia.
  • Neuroverkko koostuu joukosta neuroneita, yksinkertaisia prosessoreita, jotka on kytketty toisiinsa ja joiden välillä tapahtuu kommunikaatiota.
  • Syväoppiminen on syvien neuroverkkojen optimointia haastavien ongelmien ratkomiseksi. 
Data myös peruskäsite. Peruskäsitteisiin olisi ollut hyvä liittää vielä data, jota Antti tosin käsittelee pitkin kirjaa ansiokkaasti. Dataan nimittäin sisältyy myös vaaroja ja riskejä, jotka tekoälyn maailmassa pitää ennakoida ja minimoida. Tekoälyn kannalta olisi ollut kiinnostavaa pohtia sitä, miten datan eri ilmenemismuotoja hyödynnetään tekoälyssä. Ns. raakadata on ilmeisesti se perusainesosa. Raakadata voi olla virheellistä, puutteellista ja datat voivat olla yhteismitattomia. Kaikkea tätä voidaan käsitellä tekoälyn avulla muodostamalla erilaisia datan laadun tarkastusalgoritmeja. Datan toinen taso informaatio liittyy jo algoritmiin ja sen oikeellisuuteen. Jotainhan on vialla joko perusdatassa tai algoritmissa, jos itseohjautuva auto törmää betoniesteeseen traagisin seurauksin. (https://yle.fi/uutiset/3-10141285). Datan kolmas taso tietämys voi olla jo osa oppimista - koneen ja ihmisen välistä vuorovaikutusta. Tälläkin datan tasolla ovat omat riskinsä kuten päättelysäännöt tai käsitys "oikeasta vastauksesta". Neuroverkkokin voi olla uhanalainen tekoälyväline riippuen siitä, mitä dataa verkkoon "syötetään". Syväoppiminen on jo lähellä inhimillistä oppimista ja innovointia. Perusdatan pitää olla kunnossa. Muuten syntyy syvällisiä väärinymmärryksiä, väärää oppimista.

Sovelluksia sotemaailmaan ei Antti käsittele kuin esimerkinomaisesti (kuten älykipsi, ss. 157-158). Sovelluksia ja kehittämishankkeita on, mutta ei riittävästi. IBM-Watson on nyt viime aikoina saanut jalansijaa mm. diagnosoinnin apuvälineenä myös Suomessa. (2). Tietysti robotteja on kehitetty hoitoon ja operaatioihin. Ehkä voisi yksinkertaisesti jakaa kolmeen osaan soten sovellusmahdollisuudet: ennen hoitoa - hoidon aikana - hoidon jälkeen.
  • ennen hoitoa: a) tekoälyn hyödyntäminen ennakoivassa, ehkäisevässä sosiaali- ja terveydenhuollossa (riskikäyttäytymisen minimointi); b) tekoälyn hyödyntäminen hoitoon / palveluihin ohjauksessa, 
  • hoidon aikana: a) hoidon/ palvelun tarpeen määritys, b) hoitotoimenpiteet ja hoivapalvelut
  • hoidon jälkeen: a) omahoito - itsekontrolli, b) riskien ennakointi.
Merilehto 2018: väärä ennuste, ss. 179 - 182
Ennen - a-kohdan tekoälysovelluksia on ansiokkaasti edistänyt Teemu Arina kumppaneineen kohteena oman kehon mittaaminen. (3). Ennen -b-kohtaan sopii hyvin eräänä esimerkkinä Antin kirjan (ss. 179- 182, ks. oheinen kuva) nelikenttä. Kuva avaa sen, milloin kannattaa asiakastyössä hyödyntää tekoälyä. Aikana -a-kohta liittyy tekoälysovelluksiin, joilla kaivetaan esille asiakkaan/potilaan ongelma ja annetaan sille määritelmä, kuten diagnoosi. Aikana - b-kohta liittyy mm. robotisaatioon sotemaailmassa. Jälkeen -a-kohta liittyy omahoidon itsekontrollivälineisiin (kuten erilaiset APSit). Jälkeen -b-kohta liittyy samantyyppisiin tekoälysovelluksiin kuin ennakoivassa, ehkäisevässä toiminnassa.

Tekoäly muuttaa toimintoja ja toimintatapoja. Antti jakaakin perusohjeita, miten liiketoiminnassa tekoälyä pitäisi kokeilemalla viedä eteenpäin. Välttämättä tekoälyn apostolia Antti ei kuitenkaan johtoryhmään toisi. Tekoäly on siis renki eikä isäntä yritysmaailmassa. Tähän kelpaisi vanhat opit muutosjohtamisesta, joita on siis jaeltu pitkään ennen tekoälyn esiin marssia. (4)

Päivitys 5.4.2018: Marko Ekqvist kommentoi Linkedinin puolella:
Sovelluskohteista tai tavoista tehdä asioita "tekoälytekniikoilla" on hyvänä esimerkkinä suun terveydenhuollon tuotteistushanke, jossa kolmen kaupungin aineistolla "opetimme " luokittelijan tekemään potilasryhmittelyjä. Ryhmittelijä lokeroi kiltisti potilaat tiettyyn tuotepakettiin, jota sitten voitiin käyttää esim. hoitokustannusten määrittämisessä tarkastuskäynnin tietojen perusteella. En tuolloin käyttänyt tästä kokonaisuudesta termiä koneoppiminen. Menetelmät ja perusteet tässä olivat samat, jota nyt hypetetään tekoäly-nimikkeellä. Ryhmittelijää (ODRG) ja sen sääntökantaa kehitin reilu kymmen vuotta sitten. Hammaslääkärilehden juttu aiheesta löytyy täältä: https://www.slideshare.net/markovaltuustoon/suomen-hammaslkrilehti-12-2012

Viitteet

(1) Tekoälyn vaarat: Tästä aiheesta on kirjoitettu viime aikoina paljon.
(2) IBM:n Watson diagnosoinnin kimpussa: https://www.ibm.com/watson/
(3) Teemu, 33, mittaa jatkuvasti kehonsa toimintaa – pystyy pudottamaan sykettä ajatuksen voimalla. Biohakkeri Teemu Arina yrittää elää tismalleen niin kuin hänen kehonsa haluaa. Kehonmittaus kertoo muun muassa, mitä ravintoaineita kroppa halajaa tai olisiko ryhtiä syytä kohentaa. Onko Arinan luvuiksi muutetussa elämässä sijaa inhimillisille heikkouksille? Tämä on juttu Teemusta Aamulehdessä 1.12.2016. (https://www.aamulehti.fi/ihmiset/teemu-33-mittaa-jatkuvasti-kehonsa-toimintaa-pystyy-pudottamaan-syketta-ajatuksen-voimalla-24102888/)
Biohakkerin käsikirjaSen jälkeen Teemu kumppaneineen ovat rakentaneet laajan teoreettisen ja käytännön kokonaisuuden "Biohakkerin käsikirjan" ympärille. "Biohakkerin käsikirja yhdistää teknologian, luonnon ja itsensä kehittämisen ennen näkemättömällä tavalla. Biohakkeri suhtautuu kehoonsa kuin monimutkaiseen järjestelmään, jonka syvällisellä ymmärtämisellä ja sen pohjalta tehdyillä omakohtaisilla kokeiluilla (toisin sanoen “biohakkeroinnilla”) voi kehittyä uudelle tasolle. Kirja esittelee oman elämänsä päivittämisen pioneereille uusia työkaluja matkalla itseensä: miten purkaa kaikki lukot, avata kaikki ovet, testata omat uskomukset ja lopulta ylittää kaikki ne rajat, joita oma mieli ja keho asettavat? Kirja esittelee “biohakkeroitavat” oman elämän ja kehon järjestelmät ja esittelee keinot niiden päivittämiseen teknologisin ja biologisin apuvälinein. Koska koetut muutokset ja todelliset vaikutukset ovat yksilöllisiä, kirjassa käydään läpi myös välineet omakohtaisten kokeilujen mittaamiseen ja seurantaan." (Biohakkerin käsikirja: Olli Sovijärvi, Teemu Arina, Jaakko Halmetoja,sidottu, suomi, 2017). 

(4) Muutosjohtaminen ja muutosvastarinta:
  • TIVIn tuoreessa uutisessa kuvataan asiaan näin: "Teknologia ei pidättele tekoälyn esiinmarssia liike-elämään, vaan hidas taaperrus johtuu inhimillisistä syistä. Yritysjohtajat kavahtavat tekoälyn tuloa bisneskäyttöön ja työntekijät pelkäävät töiden katoavan älykkäiden koneiden Moolokin kitaan. Teknokonsultti Sapientin tekoälystä vastaavan johtajan Larry Lefkowitzin mukaan vasta alle viidesosa suurista yrityksistä on alkanut hyödyntää tekoälyä edes mitenkään merkittävällä tavalla bisneksissään.https://www.tivi.fi/CIO/ihmisten-vastarinta-pitaa-tekoalyn-kayton-lapsenkengissaan-5-asiaa-jotka-pitaa-ottaa-huomioon-6713088
  • Muutosjohtamista käsittelin kirjassani "Soteuudistus - pirullinen ongelma" (2016, ss. 201-206). 

Ei kommentteja:

Lähetä kommentti