Mihin tekoäly pystyy törmätessään monimutkaiseen ihmistieteiden dataan?
Viime aikoina teknologiasta kiinnostuneiden huulilla on ollut vashvasti tekoäly. Pinnalla ovat olleet etenkin esimerkit chat-bottien kehittyvistä kyvyistä toimia keskustelunomaisesti ihmisen apuna esimerkiksi tiedonhaussa, tekstien luomisessa ja jopa koodaamisessa. HAiLife -hankkeen toisen seminaarin aiheena olikin ajankohtaisesti ihmistieteiden datan ja tekoälyn yhdessä tarjoamat mahdollisuudet liiketoiminnalle. Mihin tekoäly pystyy törmätessään monimutkaiseen ihmistieteiden dataan? Webinaarissa kuultiin kaksi mielenkiintoista esitystä, joista ensimmäinen kuvasi jo käynnissä olevaan tekoälyyn perustuvaa HeadAI:n liiketoimintaa ja toinen vielä kehitteillä olevaa Loihde AI:n tuotetta.
HeadAI:n tekoäly tuo osaamisen näkyväksi
Ensimmäisestä esityksestä vastasi Harri Ketamo, jolla on vuosien kokemus kognitiivisista tieteistä ja tekoälystä mm. pelikehityksestä. Ketamo on myös julkaissut mittavasti tutkimusta aiheesta. Parhaillaan hänen perustamansa yritys HeadAI kehittää semanttista tekoälyä näkyvää päätöksentekoa varten.
Alkuun Ketamo kuvasi lyhyesti, miten HeadAI on kehittänyt omaa tekoälyä ja algoritmeja vuosien ajan ja käytännössä laskenta tapahtuu heidän omilla suljetuilla palvelimillaan. Tässä etuna on mm. se, että erilaisten sensitiivistenkin aineistojen käyttö on mahdollista turvallisesti. Lisäksi asetelma mahdollistaa avoimiin järjestelmiin verrattuna tekoälymallien tarkemman kontrollin esimerkiksi erilaisten dataan rakentuvien vinoumien suhteen.
Tässä ajassa iso osa niin yksilön, yritysten, kuin yhteiskunnankin tärkeistä päätöksistä koskee osaamista. Ketamo esitteli useita esimerkkejä siitä, miten osaamista koskevaa data voidaan hyödyntää päätöksenteon tukena. Data ei ainoastaan piirrä kuvaa yksittäisistä kompetensseista, kuten vaikkapa matematiikan osaamisesta, vaan mahdollistaa ennen kaikkea sen kuvaamisen, miten eri osaamiset ovat yhteydessä toisiinsa. Käytännössä HeadAI:n analyysi mahdollistaa eri yhteyksistä omaksutun osaamisen näkyväksi tekemisen ja näin ollen myös osaamisen strategisen jatkokehittämisen. Saatamme esimerkiksi huomata, että täydentämällä oman osaamisprofiilimme tiettyä aluetta pystymme luomaan aivan uudenlaista arvoa monipuolisemmalla osaamisyhdistelmällä.
Laajemmassa mittakaavassa osaamisen tilannekuvat mahdollistavat paremmat koulutukseen ja osaamiseen liittyvät päätökset. Tekstidatasta on esimerkiksi mahdollista louhia kuvaa siitä, mihin osa-alueisiin osaamisen kysyntä seuraavaksi suuntautuu ja päättää tämän perusteella toimenpiteistä. Samalla tekstiä käsittelevä tekoäly pystyy jo nyt muodostamaan kursseja lähes autonomisesti eri sisältöalueista ja tätä HeadAI on toteuttanut – jo ennen viimeisintä chat-bottien herättämää keskustelua. Datan ja tulosten tulkinnan suhteen on oltava kuitenkin edelleen kriittinen. Esimerkiksi, erilaiset osaamista kuvaavat avainsanat eivät välttämättä ota huomioon toisen avainsanan alla esiintyvää päällekkäistä osaamista (vrt. tilastotiede ja tekoäly). Näin ollen, ihmisen kriittistä ajatteluakin ”loopissa” edelleen tarvitaan. Aika näyttää mitä nopeasti kehittyvä tekstiaineistojen analyysi liiketoiminnan osalta seuraavaksi mahdollistaa.
Loihteen TurvAIsa on tulevaisuuden tukiäly
Webinaarin toisesta esityksestä vastasivat Loihde AI:n datatieteilijät Laura Laaksonen ja Seppo Nyrkkö. Laaksonen on Loihde AI:ssa Lead Data Scientist ja omaa 20 vuoden kokemuksen audio- ja sensoriteknologioiden kehityksestä ja erityisesti puheenkäsittelyn ja koneoppimisen soveltamisesta. Nyrkkö puolestaan tutkii kielellisten ilmausten koneellista käsittelyä tekoälyn ja rakenteellisten mallien avulla. Esityksessään Laaksonen ja Nyrkkö johdattelivat kuulijat puhe-emootioiden teemaan turvallisuuden kontekstissa. Kehitteillä oleva Loihteen TurvAIsa vastaa käytännön tarpeeseen: Hoitotyössä työntekijöiden säännöllisesti kohtaamaan väkivallan uhkaan.
Suunnitteilla on mm. järjestelmä, joka kykenisi haastavissa ja uhkaavissa potilastilanteissa tunnistamaan puhe-emootioista aggressiota, jota hyödyntäen tilanteita voitaisiin sekä ennaltaehkäistä että tarvittaessa hälyttää apua. Sovellutuksen taustalla on vuosikymmenten tutkimus, jossa emootioiden on havaittu ilmenevän puheessa, ei ainoastaan sanoissa, mutta myös erilaisissa ei-sanallissa vihjeissä, joita voidaan tunnistaa äänisignaalista eri tekniikoin. Puhe-emootiot ovat parhaillaankin kiivaan tutkimuksen alla ja erilaiset tavat hyödyntää puhesignaalia ovat kehittyneet suurin harppauksin. Samalla mm. käyttökontekstiin liittyviä haasteita edelleen riittää. Esimerkiksi ympäristön akustiikkaan ja taustameluun liittyvät tekijät edellyttävät teknologialta kykyä tunnistaa ja suodattaa olennainen informaatio käyttöön. Näihin tekijöihin Loihteen datatieteilijät kehittelevät parhaillaan ratkaisuja.
Käytännössä tuleva sovellus voisi toimia hoitotyön taustalla ilman suurempia muutoksia työntekijöiden toimintatapoihin. Hälytyksen ja avunpyynnön kynnystä pystyy tarvittaessa säätämään ja tapoja hälytyksen laukaisemiseen voi puhe-emootion ohella olla muitakin. Käytännön laskenta pyritään toteuttamaan mahdollisimman pitkälle päätelaitteissa, josta etuna on mm. vähäisempi virrankulutus ja koko järjestelmän vakaampi toiminta. Lisäksi järjestelmä ei tallenna henkilötietoja automaattisesti.
Esityksen lopussa käydyssä keskustelussa nousi esille useita muitakin käyttökohteita vastaavanlaiselle teknologialle. Emootiot ovat osa vuorovaikutusta useissa eri tilanteissa ja näin ollen potentiaalinen väylä myös vuorovaikutuksen tukemiseen työpaikoilla kautta linjan.
Ihmisen ja koneen vuoropuhelu jatkuu – yhteistyötä ihmistieteiden ja datatieteiden välillä tarvitaan
HAiLife –webinaarin esitykset todensivat, että tekoälyn kehitys on keskeinen tekijä ihmistieteiden datan hyödyntämisessä. Ihmisen ymmärrys ei useimmiten onnistu yksinkertaisin algoritmein, vaan taustalla tarvitaan varsin monimutkaista laskentaa. Toisaalta kehitystyön taustalla on pitkän linjan tutkimusta, joka esimerkiksi emootioiden kohdalla nousee ihmistieteissä kehitetyistä teorioista. Näin ollen voisikin olettaa tulevien tekoälyn sovellutuskohteiden vaativan kasvavassa määrin myös yhteistyötä ihmistieteiden tutkimuksen ja datatieteiden välillä. Tähän haasteeseen myös HAiLife –hanke osaltaan vastaa. Tule mukaan tuleviin seminaareihin ja pysy mukana keskustelussa!