Timo Honkela: Digitalisaatio tulevaisuudessa

Timo Honkela, 28.6.2016, Kalajoen kirjasto
Timo Honkela
28.6.2016
Digitalisaatio
tulevaisuudessa
timo.honkela@helsinki.fi
Kalajoen kaupungin pääkirjasto

Kehitys- ja muutospolkuja
Teknologia
Yhteiskunta
Liiketoiminta
Koulutus
Tutkimus
1500 1900 1990 2016 2032

1500
Eläimet apuna
Kirjapainotaito
Johannes
Gutenberg
1398-1468
https://fi.wikipedia.org/wiki/Johannes_Gutenberghttps://fi.wikipedia.org/wiki/Maanviljelyn_synty_L%C3%A4hi-id%C3%A4ss%C3%A4

1900
Koneet teillä,
tehtaissa ja pelloilla
James Watt
1736-1819
Henry Ford
1863-1947
https://fi.wikipedia.org/wiki/H%C3%B6yrykone https://fi.wikipedia.org/wiki/Traktori https://fi.wikipedia.org/wiki/Henry_Ford

1990
Henkilökohtaiset
tietokoneet
https://fi.wikipedia.org/wiki/Henkil%C3%B6kohtainen_tietokone
Apple II
(1977)
Commodore
64 C (1986)
https://en.wikipedia.org/wiki/World_Wide_Web
Netti (internet)
veppi (web)
Tim
Berners-
Lee1989
1960s

Nokian nousu ja tuho:
Painopiste laitteista ohjelmistoihin
Nokia Communicator 9110
https://en.wikipedia.org/wiki/Nokia_3100https://en.wikipedia.org/wiki/Nokia_Communicator
Nokia 3110
iPhone Samsung
Galaxy
(ns. ekosysteemi)
https://en.wikipedia.org/wiki/Samsung_Galaxy
https://en.wikipedia.org/wiki/IPhone

Valtavat ohjelmistomassat
yhteiskunnan peruspilarina
http://www.informationisbeautiful.net/visualizations/million-lines-of-code/
Ohjelmarivejä:
- Unix 1.0 ~ 10.000
- Windows 3.1 ~ 2.000.000
- Firefox ~ 10.000.000
- Facebook ~ 60.000.000
- Googlen palvelut ~
2.000.000.000
Suomalaislähtöisiä:
- MySQL ~ 13.000.000
- Linux 3.1 ~ 15.000.000

Pikatuntuma
tietokoneiden ohjelmointiin
● Ohjelmointikieliä ja -tyyppejä on hyvin
monenlaisia
● Ohjelma voisi näyttää suomeksi kirjoitettuna
seuraavanlaiselta …
(esimerkki ei ole sellaisenaan mitään
olemassaolevaa kieltä vaan on tarkoitettu
antamaan kuva ohjelmoimisesta)

ALOITA
AVAA TIETOKANTA
NÄYTÄ “KUINKA MONTA OTTELUA?”
KYSY KÄYTTÄJÄLTÄ ?OTTELUMÄÄRÄ
NÄYTÄ “ANNA TULOKSET”
TOISTA ?OTTELUMÄÄRÄ KERTAA:
KYSY KÄYTTÄJÄLTÄ ?KOTIJOUKKUE
TALLETA ?KOTIJOUKKUE
KYSY KÄYTTÄJÄLTÄ ?KOTIJOUKKUEMAALI
TALLETA ?KOTIJOUKKUEMAALI
KYSY KÄYTTÄJÄLTÄ ?VIERASJOUKKUE
TALLETA ?VIERASJOUKKUE
KYSY KÄYTTÄJÄLTÄ ?VIERASJOUKKUEMAALI
TALLETA ?VIERASJOUKKUEMAALI
NÄYTÄ “TULOSTEN SYÖTTÄMINEN ON VALMISTA”
SULJE TIETOKANTA
LOPETA

2032
Tekoäly-
lääkärit,
hoitorobotit,
robottiautot,
resurssi-
optimointi,
...
http://www.hs.fi/ura/a1357363742274
Risto LinturiKirja: Suomen sata ...
https://www.eduskunta.fi/FI/tietoaeduskunnasta/julkaisut/Documents/tuvj_6+2013.pdf

Visioita: 2050 … 2100 ...
● Merkitysneuvotteluita käyvät koneet
● Ristiriitoja sovittelevat koneet
● Kieltä ihmistä paremmin tulkitsevat ja
kääntävät koneet
● Autoilla ajaminen kiellettyä, koska kone ajaa
paljon ihmistä turvallisemmin

Muutoksia tuottavat tekijät
● Uusia menetelmiä kehitetään
● Ilmiöitä koskeva ymmärrys kasvaa
(monitieteisyys, tieteidenvälisyys)
● Laskentakapasiteetti kasvaa
● Muistitila kasvaa
● Lisääntyvässä määrin lisätään
koneoppimisen käyttöä
● Saatavilla olevat aineistot (“Big Data”, “Open Data”)
määrä kasvaa

Miksi laskenta- ja
muistikapasiteetilla on merkitystä?
● Voidaan tarkastella digitaalisessa muodossa
olevan puheen, musiikin tai kuva- ja
videomateriaalinen laatua, jos käytettävissä on
niukasti tai runsaasti tietokoneen muistia

Varoituksen sana
● Koneet eivät ole ihmisiä
eivätkä ihmiset koneita
● Lisääntyvässä määrin voidaan kuitenkin
simuloida (matkia) ihmisen erilaisia kykyjä
tietokoneita käyttäen
● Digitaalisuuden hyödyntämiseen sekä tekoälyn
ja koneoppimisen hyödyntämiseen liittyy tietysti
riskejä, mutta tässä esityksessä keskityn
voittopuolisesti myönteisiin mahdollisuuksiin

Tietokoneiden ohjelmoinnista
oppiviin koneisiin
● Suomi on ollut yksi edelläkävijä
koneoppimisen ja erityisestä keinotekoisten
neuroverkkojen alueella
● Uranuurtaja on ollut akateemikko Teuvo
Kohonen, joka muotoili vuonna 1981
maailmanmenestyksen saavuttaneen
itseorganisoiva kartta (Self-Organizing Map,
SOM) -menetelmänsä

Koneoppiminen ja tiedon louhinta
● Tilastollisen koneoppimisen avulla matkitaan
ihmisen oppimista
● Kone käy läpi sille annettuja esimerkkejä
● Annetun datan perusteella kone oppii
esimerkiksi luokittelemaan, järjestämään,
ryhmittelemään, hahmottamaan,
käsitteistämään tai laittamaan
paremmuusjärjestykseen erilaisia tietoalkioita
http://www.tynka.fi/

Koneen intuitio?
● Koneelle voidaan syöttää “keinotekoista
kokemusta”, joka ei ole valmiiksi kielellisessä
tai luokitellussa muodossa
● Näin ollen koneen voidaan ajatella saavuttavan
keinotekoista intuitiota
● Jonkin johtopäätöksen taustalla vaikkapa
keinotekoinen neuroverkko voi punnita tuhansia
tekijöitä; päättely on näin hienovaraisempaa
kuin vaikkapa looginen päättely, joka on itse
asiassa varsin pinnallista

Koneen intuitio
● Koneelle voidaan syöttää “keinotekoista
kokemusta”, joka ei ole valmiiksi kielellisessä
tai luokitellussa muodossa
● Näin ollen koneen voidaan ajatella saavuttavan
keinotekoista intuitiota
● Jonkin johtopäätöksen taustalla vaikkapa
keinotekoinen neuroverkko voi punnita tuhansia
tekijöitä; päättely on näin hienovaraisempaa
kuin vaikkapa looginen päättely, joka on itse
asiassa varsin pinnallista
http://arxiv.org/pdf/1507.02672v1.pdf
Rasmus, Valpola,
Honkala. Berglund, Raiko
https://en.wikipedia.org/wiki/Biological_neural_network

Koneille opetetaan kieltä
Koneet oppivat kieltä
● Perinteisesti koneet on pyritty saamaan
“kielitaitoisiksi” kirjoittamalla kielen sääntöjä
koneen ymmärtämään muotoon
● Tämän on kuitenkin osoittautunut
ongelmalliseksi
● Nykyisin hyödynnetään
koneoppimismenetelmiä

Sanojen suhteet
paljastuvat niiden käytöstä
● Kun käytettävissä on suuria tekstiaineistoja,
mielivaltaisen kielen sanojen välisiä suhteita
voidaan selvittää tilastollisesti
● Perusidea on se, että kahta sanaa käytetään
tyypillisesti samaan tapaan (samanlaisessa
lauseyhteydessä), jos niiden merkitykset ja/tai
kieliopillinen rooli on samankaltainen

Datan ja tekstien louhinta
● Edellä kuvatulla tavalla mitä tahansa suuria
data- tai tekstiaineistoja voidaan tutkia
(Honkela&Klami,2008)

Suomen tieteen kartta
Akatemian aineistosta
(Honkela&Klami,2008)
Kemia
Luonnon- ja
insinööritieteet
Bio- ja
ympäristötieteet
Terveystieteet
Kulttuuri- ja
yhteiskunta-
tieteet
Tieteellisiä tekstejä
ei lueta ainoastaan
ihmisvoimin yksi
kerrallaan
Kone auttaa käymään
läpi tuhansia, jopa
miljoonia dokumentteja

Tekoäly ja koneoppiminen
kirjastossa
● Automaattinen asiasanoitus
● Dokumenttien automaattinen luokittelu
● Kunkin dokumentin sijoittaminen yhteen tai
usempaan luokkaan; ehkä erilaisilla
jäsenyysasteilla
● Dokumenttien ryhmittely
luokittelun sijaan tai lisäksi
● Virtuaalinen
kirjasto
WEBSOM: Honkela, Kaski,
Kohonen, Lagus (1996...)

Kuvia katselevat ja
tuottavat koneet
● Myös kuvallinen
data voi olla
koneoppimis-
menetelmien
kohteena
● Kaupalliset
sovellukset
tunnistavat
esimerkiksi
ihmisiä kuvista
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.117.6021&rep=rep1&type=pdf
PICSOM: Laaksonen,
Koskela, Oja (1999...)

Luovat koneet
http://deepdreamgenerator.comhttps://www.cs.helsinki.fi/en/story/82156/brain-poetry
Toivonen, Toivanen, Kantosalo,
Xiao, Kantosalo, Valitutti, Gross et al.

Tunteita analysoivat koneet
● Koneita voidaan tiedon ja järjen sisältöjen lisäksi yhä
lisääntyvässä määrin käyttää myös tunteiden
analysointiin
● Nykyään on suosittua tehdä ns. sentimenttianalyysia
esimerkiksi asiakaspalautteen selvittämiseen: mistä
tuotteista tai palveluista asiakkaat ovat olleet
tyytyväisiä, vihaisia, tms?
● Tunteiden maailmaa voi mallintaa
ilmiöiden taustojen, dynamiikan ja keskinäisten
tekijöiden näkökulmasta

Koulutuksen ja oppimisen muutos
● Tieverkkojen ja -haun ansiosta monenlainen tieto on
helposti saavutettavissamme
● Ulkoa oppimisen merkitys on dramaattisesti
vähentynyt
● On edelleen tärkeää ymmärtää käsitteitä, asioiden
välisiä suhteita ja soveltaa tietoa
● Näyttää myös siltä, että erikoistuminen on entistä
tärkeämpää
● Ajatus kannattaa myös uhrata sille,
miten ihminen ja kone tekevät
yhteistyötä
Kalajoen koulu

Lääketiede ja hyvinvointi
● Lääketieteessä suuret tietoaineistot ja
koneoppimismenetelmät mahdollistavat
aiempaa tarkemmat ja nopeammat diagnoosit
ja koneen antamat yksilölliset hoitosuositukset
● Elintapojen ja hoitojen vaikutuksia voidaan
tutkia aiempaa tarkemmin ottaen huomioon
jopa tuhansia tekijöitä
● Elintapojen vaikutusten selvittäminen ja niiden
suhde geeniperimään voi parhaimmillaan estää
joitakin sairauksia puhkeamasta

Tulevaisuuden työ
● Olemme murrosvaiheessa, jossa kaikille työtä
haluaville ei löydykään töitä, vaikka tosissaan
haluaisi ja etsisi
● Monet perinteiset työt ovat korvautumassa
koneellisilla
● Toisaalta tilanne mitä ilmeisimmin tulee uusia
töitä, mutta niiden edellyttämä koulutus ja
kokemus voi vaatia vuosia

Automatisoituminen
● Monien tehtävien automatisoituminen tarkoittaa
niiden tehostumista
● Vanhanaikaiset keinot kilpailukyvyn
hankkimiseksi palkkakustannuksia alentamalla ei
välttämättä riitä
● Olennaista on pärjätä automatisoimiskilpailussa
ja järjestää yhteiskunnallisesti asiat niin, että
tehostumisen tuottamat hyödyt jakautuvat
järkevästi; jos keskiluokka köyhtyy olennaisesti,
olemme vaikeuksissa; työpäivien pidentäminen ei
ole viisas tie vaan “älykäs laiskuus”: koneet töihin

Miten käy, jos emme
hyödynnä koneita (koneoppimista)
nykyistä paremmin?
https://www.pinterest.com/pin/509680882801748515/
Emme pärjää kilpailussa
junaan käyttävälle
kilpailijallemme, vaikka
annamme hevosille
vähemmän kauraa,
ratsastajille pienempää
palkkaa, …
… tuotamme
halvempaa
energiaa,
karsimme
kustannuksia,
pienennämme
työntekijöiden
palkkoja, ...

Digitaalisuus ja paikallisuus
Usein koneille voi antaa töitä tehtäväksi
ajasta ja paikasta riippumatta.

Kiitos!
http://375humanistia.helsinki.fi/humanistit/timo-honkela
http://www.slideshare.net/timohonkela
https://www.youtube.com/watch?v=UXwkGPMMZdk

Timo Honkela: Digitalisaatio tulevaisuudessa

Recommended

Recommended

More Related Content

Viewers also liked

Viewers also liked (13)

Similar to Timo Honkela: Digitalisaatio tulevaisuudessa

Similar to Timo Honkela: Digitalisaatio tulevaisuudessa (6)

More from Timo Honkela

More from Timo Honkela (20)

Timo Honkela: Digitalisaatio tulevaisuudessa