Professor Timo Honkela's Studia Generalia presentation for the Society of Futures Studies at Turku University, Finland, on Thursday 27th of October, 2016. The title of the talk is "Threats and opportunities related to artificial intelligence and machine learning". The topics include 1) an introduction to AI and ML, 2) information on why AI and ML are societally relevant just in this moment of history, 3) natural language processing based on ML, 4) presentation of meta-analysis in humanities (cf. Helsinki Studia Generalia presentation a week earlier), 5) AI and intuition, and 6) discussion on the positive and negative scenarios related to AI and ML.
Timo Honkela: Ihminen+ -esitelmä, Mikkeli, 22.9.2016Timo Honkela
Timo Honkela discusses "Wise Machines" that help people to acquire knowledge and to understand and solve problems related to economy/business, emotions and health.
Esitelmä Eduskunnan tulevaisuusvaliokunnalle 4.5.2016 "Tieteen uuden valtatiet: Tiede 2.0 ja digitaaliset ihmistieteet".
A talk to the Committee for the Future of Finnish Parliament with the topic "New highways of science: Science 2.0 and Digital Humanities".
Timo Honkela, Kansalliskirjasto | Digitalmikkeli-aamukahvit 11.3.2014Digitalmikkeli
Digitalmikkeli-aamukahvitilaisuudessa 11.3.2014 esitetty materiaali: TIMO HONKELA, digitaalisten aineistojen professori, Helsingin Yliopisto, Kansalliskirjaston digitointi- ja konservointikeskus
Timo Honkela: Ihminen+ -esitelmä, Mikkeli, 22.9.2016Timo Honkela
Timo Honkela discusses "Wise Machines" that help people to acquire knowledge and to understand and solve problems related to economy/business, emotions and health.
Esitelmä Eduskunnan tulevaisuusvaliokunnalle 4.5.2016 "Tieteen uuden valtatiet: Tiede 2.0 ja digitaaliset ihmistieteet".
A talk to the Committee for the Future of Finnish Parliament with the topic "New highways of science: Science 2.0 and Digital Humanities".
Timo Honkela, Kansalliskirjasto | Digitalmikkeli-aamukahvit 11.3.2014Digitalmikkeli
Digitalmikkeli-aamukahvitilaisuudessa 11.3.2014 esitetty materiaali: TIMO HONKELA, digitaalisten aineistojen professori, Helsingin Yliopisto, Kansalliskirjaston digitointi- ja konservointikeskus
Alustusta Lahdessa 12.11.2015 Päijät-Hämeen yhteiskuntatieteilijäillassa, jonka järjestää Päijät-Hämeen Valtiotieteilijät ry, joka kuuluu Yhteiskunta-alan korkeakoulutetut ry:hyn http://www.yhteiskunta-ala.fi/ .
OKRoadshow Mikkeli 13.10.2014: Sovelluksia ja viisautta avoimesta tekstidatastaDigitalmikkeli
Avoimen tiedon kuntakiertue - Open Knowledge Roadshow - Mikkeli 13.10.2014:
Sovelluksia ja viisautta avoimesta tekstidatasta / Timo Honkela, Helsingin yliopisto, Kansalliskirjasto
Pulahduksia AVO-vesillä - Kuvauksia AVO-hankkeen toiminnasta 2008–2011 - AVO-...Suomen eOppimiskeskus ry
Pulahduksia AVO-vesillä – Kuvauksia AVO-hankkeen toiminnasta 2008–2011 sisältää kahdeksan kertomusta, joista kukin valottaa hankkeen käytännön toteutuksia eri näkökulmista. Raportti on suunnattu sekä asiantuntijoille että asiasta kiinnostuneille. Teemat käsittelevät avointa oppimista, avointa toimintakulttuuria, yhteisöllistä mediaa ja sisällöntuotantoa. Niin ikään virtuaalimaailmojen ja mobiililaitteiden opetuskäyttö sekä vapaiden ja avoimien ohjelmistojen käyttö opetuksessa ja organisaatioissa ovat esillä kuvauksissa.
Avoimet verkostot oppimiseen (AVO) -hanke toteutettiin vuosina 2008–2011 valtakunnallisessa Manner-Suomen ESR-kehittämisohjelman toimintalinjassa 3: Avoimissa oppimisympäristöissä aktiiviseksi kansalaiseksi. Rahoittajana on toiminut Lapin ELY -keskus. Hanketta koordinoi Suomen eOppimiskeskus ry ja mukana oli kaikkiaan 11 organisaatiota.
Timo Honkela: Meaning negotiations as phenomenon and as languages technology...Timo Honkela
Abstract:
Models of linguistic semantics can be viewed through representation and reasoning. This distinction concerns questions on how do we represent the world that we refer to by linguistic expressions and what kind of reasoning do we apply based on these representations. It has been commonplace to assume that each word or expression has one or a limited number of different, distinct senses. The classification task of disambiguation has been devised to find the right reference in each case. It is also possible to represent the world using a high-dimensional continuous space. In that case, we do not need to assume that the world is represented as a network of nodes and their connections. These mathematical representations go beyond the capacities provided by symbolic logic. The word embeddings has history that stems from vector space representations in information retrieval. When a framework of multidimensional continuous spaces is available, it is possible to study nuances of meaning that go beyond conducting disambiguation or choosing between alternatives within a logical framework.
In the present work, it is postulated that semantic processes are essentially subjective and thus individual. When high-dimensional continuous spaces are used to represent meanings and defining contextual distributions, subjective aspects can be modelled. It is possible to measure subjectivity of meaning. This can be studied, for instance, in the framework of brain research (Saalasti et al. 2019) or motions tracking (Honkela & Förger 2013). The methodology or measuring subjective contextually grounded meaning has been been presented, for instance, in Raitio et al. 2014. Further methodological work and an empirical demonstration is presented in Sintonen et al. (2014). When it is possible to represent individually contextual meaning of expressions, it is consequently possible to analyse the differences of meaning between two individuals. A hypothesis is that suitable data for the purpose of meaning negotiation can be collected, computational algorithms devised and applied in real world contexts that helps in meaning negotiations. An alternative view is to aim at defining the meaning of words in a precise way and to teach all people to use these definition. In this present work, it is claimed that that objectivity can be reached only to a degree as it would require vast human cognitive and time resources and the mapping between words and the world is doomed to be partial. This concern has implications both in scientific and in real world communication and representation and has been applied in building the Peace Machine framework.
Meaning negotiations
as phenomena and
as LT challenges
Timo Honkela
University of Helsinki
with Iiro Jääskeläinen (Aalto University) on
the Study of Individualized Meanings
using Brain Research
University of Helsinki, Topelia, F211
4th of April, 2019
Timo Honkela: Meaning negotiations as phenomenon and as languages technology ...Timo Honkela
Abstract:
Models of linguistic semantics can be viewed through representation and reasoning. This distinction concerns questions on how do we represent the world that we refer to by linguistic expressions and what kind of reasoning do we apply based on these representations. It has been commonplace to assume that each word or expression has one or a limited number of different, distinct senses. The classification task of disambiguation has been devised to find the right reference in each case. It is also possible to represent the world using a high-dimensional continuous space. In that case, we do not need to assume that the world is represented as a network of nodes and their connections. These mathematical representations go beyond the capacities provided by symbolic logic. The word embeddings has history that stems from vector space representations in information retrieval. When a framework of multidimensional continuous spaces is available, it is possible to study nuances of meaning that go beyond conducting disambiguation or choosing between alternatives within a logical framework.
In the present work, it is postulated that semantic processes are essentially subjective and thus individual. When high-dimensional continuous spaces are used to represent meanings and defining contextual distributions, subjective aspects can be modelled. It is possible to measure subjectivity of meaning. This can be studied, for instance, in the framework of brain research (Saalasti et al. 2019) or motions tracking (Honkela & Förger 2013). The methodology or measuring subjective contextually grounded meaning has been been presented, for instance, in Raitio et al. 2014. Further methodological work and an empirical demonstration is presented in Sintonen et al. (2014). When it is possible to represent individually contextual meaning of expressions, it is consequently possible to analyse the differences of meaning between two individuals. A hypothesis is that suitable data for the purpose of meaning negotiation can be collected, computational algorithms devised and applied in real world contexts that helps in meaning negotiations. An alternative view is to aim at defining the meaning of words in a precise way and to teach all people to use these definition. In this present work, it is claimed that that objectivity can be reached only to a degree as it would require vast human cognitive and time resources and the mapping between words and the world is doomed to be partial. This concern has implications both in scientific and in real world communication and representation and has been applied in building the Peace Machine framework.
Meaning negotiations
as phenomena and
as LT challenges
Timo Honkela
University of Helsinki
with Iiro Jääskeläinen (Aalto University) on
the Study of Individualized Meanings
using Brain Research
University of Helsinki, Topelia, F211
4th of April, 2019
More Related Content
Similar to Timo Honkela: Tekoälyn ja koneoppimisen uhat ja mahdollisuudet, Turku, 27.10.2016
Alustusta Lahdessa 12.11.2015 Päijät-Hämeen yhteiskuntatieteilijäillassa, jonka järjestää Päijät-Hämeen Valtiotieteilijät ry, joka kuuluu Yhteiskunta-alan korkeakoulutetut ry:hyn http://www.yhteiskunta-ala.fi/ .
OKRoadshow Mikkeli 13.10.2014: Sovelluksia ja viisautta avoimesta tekstidatastaDigitalmikkeli
Avoimen tiedon kuntakiertue - Open Knowledge Roadshow - Mikkeli 13.10.2014:
Sovelluksia ja viisautta avoimesta tekstidatasta / Timo Honkela, Helsingin yliopisto, Kansalliskirjasto
Pulahduksia AVO-vesillä - Kuvauksia AVO-hankkeen toiminnasta 2008–2011 - AVO-...Suomen eOppimiskeskus ry
Pulahduksia AVO-vesillä – Kuvauksia AVO-hankkeen toiminnasta 2008–2011 sisältää kahdeksan kertomusta, joista kukin valottaa hankkeen käytännön toteutuksia eri näkökulmista. Raportti on suunnattu sekä asiantuntijoille että asiasta kiinnostuneille. Teemat käsittelevät avointa oppimista, avointa toimintakulttuuria, yhteisöllistä mediaa ja sisällöntuotantoa. Niin ikään virtuaalimaailmojen ja mobiililaitteiden opetuskäyttö sekä vapaiden ja avoimien ohjelmistojen käyttö opetuksessa ja organisaatioissa ovat esillä kuvauksissa.
Avoimet verkostot oppimiseen (AVO) -hanke toteutettiin vuosina 2008–2011 valtakunnallisessa Manner-Suomen ESR-kehittämisohjelman toimintalinjassa 3: Avoimissa oppimisympäristöissä aktiiviseksi kansalaiseksi. Rahoittajana on toiminut Lapin ELY -keskus. Hanketta koordinoi Suomen eOppimiskeskus ry ja mukana oli kaikkiaan 11 organisaatiota.
Timo Honkela: Meaning negotiations as phenomenon and as languages technology...Timo Honkela
Abstract:
Models of linguistic semantics can be viewed through representation and reasoning. This distinction concerns questions on how do we represent the world that we refer to by linguistic expressions and what kind of reasoning do we apply based on these representations. It has been commonplace to assume that each word or expression has one or a limited number of different, distinct senses. The classification task of disambiguation has been devised to find the right reference in each case. It is also possible to represent the world using a high-dimensional continuous space. In that case, we do not need to assume that the world is represented as a network of nodes and their connections. These mathematical representations go beyond the capacities provided by symbolic logic. The word embeddings has history that stems from vector space representations in information retrieval. When a framework of multidimensional continuous spaces is available, it is possible to study nuances of meaning that go beyond conducting disambiguation or choosing between alternatives within a logical framework.
In the present work, it is postulated that semantic processes are essentially subjective and thus individual. When high-dimensional continuous spaces are used to represent meanings and defining contextual distributions, subjective aspects can be modelled. It is possible to measure subjectivity of meaning. This can be studied, for instance, in the framework of brain research (Saalasti et al. 2019) or motions tracking (Honkela & Förger 2013). The methodology or measuring subjective contextually grounded meaning has been been presented, for instance, in Raitio et al. 2014. Further methodological work and an empirical demonstration is presented in Sintonen et al. (2014). When it is possible to represent individually contextual meaning of expressions, it is consequently possible to analyse the differences of meaning between two individuals. A hypothesis is that suitable data for the purpose of meaning negotiation can be collected, computational algorithms devised and applied in real world contexts that helps in meaning negotiations. An alternative view is to aim at defining the meaning of words in a precise way and to teach all people to use these definition. In this present work, it is claimed that that objectivity can be reached only to a degree as it would require vast human cognitive and time resources and the mapping between words and the world is doomed to be partial. This concern has implications both in scientific and in real world communication and representation and has been applied in building the Peace Machine framework.
Meaning negotiations
as phenomena and
as LT challenges
Timo Honkela
University of Helsinki
with Iiro Jääskeläinen (Aalto University) on
the Study of Individualized Meanings
using Brain Research
University of Helsinki, Topelia, F211
4th of April, 2019
Timo Honkela: Meaning negotiations as phenomenon and as languages technology ...Timo Honkela
Abstract:
Models of linguistic semantics can be viewed through representation and reasoning. This distinction concerns questions on how do we represent the world that we refer to by linguistic expressions and what kind of reasoning do we apply based on these representations. It has been commonplace to assume that each word or expression has one or a limited number of different, distinct senses. The classification task of disambiguation has been devised to find the right reference in each case. It is also possible to represent the world using a high-dimensional continuous space. In that case, we do not need to assume that the world is represented as a network of nodes and their connections. These mathematical representations go beyond the capacities provided by symbolic logic. The word embeddings has history that stems from vector space representations in information retrieval. When a framework of multidimensional continuous spaces is available, it is possible to study nuances of meaning that go beyond conducting disambiguation or choosing between alternatives within a logical framework.
In the present work, it is postulated that semantic processes are essentially subjective and thus individual. When high-dimensional continuous spaces are used to represent meanings and defining contextual distributions, subjective aspects can be modelled. It is possible to measure subjectivity of meaning. This can be studied, for instance, in the framework of brain research (Saalasti et al. 2019) or motions tracking (Honkela & Förger 2013). The methodology or measuring subjective contextually grounded meaning has been been presented, for instance, in Raitio et al. 2014. Further methodological work and an empirical demonstration is presented in Sintonen et al. (2014). When it is possible to represent individually contextual meaning of expressions, it is consequently possible to analyse the differences of meaning between two individuals. A hypothesis is that suitable data for the purpose of meaning negotiation can be collected, computational algorithms devised and applied in real world contexts that helps in meaning negotiations. An alternative view is to aim at defining the meaning of words in a precise way and to teach all people to use these definition. In this present work, it is claimed that that objectivity can be reached only to a degree as it would require vast human cognitive and time resources and the mapping between words and the world is doomed to be partial. This concern has implications both in scientific and in real world communication and representation and has been applied in building the Peace Machine framework.
Meaning negotiations
as phenomena and
as LT challenges
Timo Honkela
University of Helsinki
with Iiro Jääskeläinen (Aalto University) on
the Study of Individualized Meanings
using Brain Research
University of Helsinki, Topelia, F211
4th of April, 2019
Timo Honkela: From early to later Wittgenstein and Artificial IntelligenceTimo Honkela
Professor Timo Honkela presented an argument that there is a analogy between the developments that took place in Ludwig Wittgenstein's philosophy and in the artificial intelligence when turned away from relying rule-based systems. Honkela also discusses more in general epistemological questions, the underlying questions regarding the objectives and motivations of formalisation. Formalization often relies on assumptions such as the basic or primary role of objects, relations and properties or truth values and propositions. Honkela proposed a pattern and distribution based epistemology as an alternative.
Timo Honkela: Peace Machine: Peace from a difference perspective - Dialogue o...Timo Honkela
A presentation given in the National Dialogues Conference in Helsinki, Finland. The theme was how to use artificial intelligence, machine learning and other similar technologies to promote peace in the world. The three ares considered were language and meaning, emotions and society. Computers can help humans, for instance, by improving mutual understanding through meaning negotiations.
Timo Honkela: Turning quantity into quality and making concepts visible using...Timo Honkela
Professor Timo Honkela gave an invited talk in the Göran Mickwitz seminar that took place in Helsinki, 9th of February 2017. The event was organized in the honor of Doc. Jessica Parland-von Essen.
Timo Honkela: Tietokone lukemassa yli 100 miljoonaa eri kirjaa: Kielitieteen ...Timo Honkela
Professori Timo Honkelan esitelmä luonnonfilosofian seurassa 24.1.2017 aiheesta "Tietokone lukemassa yli 100 miljoonaa eri kirjaa: Kielitieteen ja filosofian näkökulmia". Tilaisuus järjestettiin Tieteiden talossa huoneessa 505. Erityisen tarkastelun kohteina olivat erilaiset merkitysteoriat ja niiden suhde koneoppimisen tutkimukseen. Yksi keskeinen johtopäätös oli, että koneoppimis- ja neuroverkkotutkimus tarjoaa tietoteoreettisille tarkasteluille uutta pohjaa.
Title in English:
Computer reading over one hundred books: Linguistics and philosophical views
Timo Honkela: Introducing the book Encyclopedia of Artificial Intelligence (i...Timo Honkela
The book "Encyclopedia of Artificial Intelligence" (Tekoälyn ensyklopedia), edited by Eero Hyvönen, Ilkka Karanta and Markku Syrjänen (1993), was an important landmark in the Finnish AI research and development. Finland has been and remains an important country in this field. Many of the authors were already prominent figures at that time, especially Professor and later Academician Teuvo Kohonen. Since then many authors have become processors in different universities. One of the authors, Tuomas Sandholm received in 2003 the IJCAI Computers and Thought Award and serves as a professor at Carnegie Mellon University.
Timo Honkela: Kohonen's Self-Organizing Maps for Intelligent Systems Developm...Timo Honkela
An invited talk given in the FODO'98, Foundations of Data Organization conference. The conference took place in Kobe, Japan, November 12-13, 1998. Main themes of the talk included Self-Organizing Maps (SOMs), Fuzzy Sets, context analysis, and systems of SOMs.
Timo Honkela: Analysis of Qualitative Data using Machine Learning MethodsTimo Honkela
A keynote talk given in the Arcada Analytics Workshop, Helsinki on 8th of June, 2016. The other keynote talks were given by Peter Sarlin (Machine Learning and Network Analytics for Measuring Systemic Risk) and Amaury Lendasse (ELMVIS+: Fast Nonlinear Visualization Technique based on Cosine Distance and Extreme Learning Machines).
Timo Honkela: Modeling evolution and dynamical systemsTimo Honkela
A short tutorial for Modeling Meaning and Knowledge, 18 April 2016, at University of Helsinki. Followed by presentations by Mika Pantzar and Sakari Virkki.
Timo Honkela: Kuhn’s Structure of Scientific Revolutions and Gärdenfors’ Conc...Timo Honkela
A tutorial talk by Timo Honkela in Modeling Meaning and Knowledge series of mini-symposia at University of Helsinki. The talk took place on Monday, 4st of April, 2016.
Timo Honkela: Kuhn’s Structure of Scientific Revolutions and Gärdenfors’ Conc...
Timo Honkela: Tekoälyn ja koneoppimisen uhat ja mahdollisuudet, Turku, 27.10.2016
1. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Timo Honkela
27.10.2016
Tekoälyn ja koneoppimisen
uhat ja mahdollisuudet
timo.honkela@helsinki.fi
Tulevaisuuden tutkimuksen seura
Studia Generalia -esitelmä
2. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Lyhyesti omasta taustasta
● Perustutkinto systemoinnista Oulun yliopistosta 1989
(yhdistelmä tietojenkäsittelyä, tietojärjestelmäsuunnittelua, matematiikkaa,
filosofiaa, psykologiaa ja muita ihmis- ja sosiaalitieteitä)
● Sitran kielikoneprojekti, VTT Tietotekniikka,
TKK:n neuroverkkojen tutkimusyksikkö
(akateemikko Kohonen), Fil.tri (TKK) 1998
● Suomen tekoälyseuran pj 1990-luvulla
● Prof. Taideteollinen korkeakoulu (Medialaboratorio),
Teknillinen korkeakoulu (informaatiotekniikka, pro tem),
Helsingin yliopisto, Nykykielten laitos (2014-)
● Tj Gurusoft Oy (2000-2001)
3. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tekoäly
● Kehitetään järjestelmiä, joiden toivotaan matkivan
ihmisen älykkääksi katsottuja toimintoja
● Tällaisia toimintoja ovat
– Kielen käyttö (puhuminen, kuullun ymmärtäminen,
kirjoittaminen, lukeminen)
– Hahmontunnistus (näkö, kuulo, ym.)
– Päättely, ongelmanratkaisu ja tunteiden hyödyntäminen
– Oppiminen
– Liikkuminen ja maailman muokkaaminen
4. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tekoälytutkimuksen tavoitteista
● Tekoälytutkimuksessa voidaan erottaa kaksi
päätavoitetta
– Älykkäiden järjestelmien kehittäminen
käytännön sovelluksiin
– Ymmärryksen lisääminen kognitiivisista ja
sosiokognitiivisista ilmiöistä mallintamisen avulla
(likeinen yhteys kognitiotieteeseen, filosofiaan,
kielitieteisiin, psykologiaan, jne.)
5. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tekoälyn kehittämisen paradigmat
(tieteenfilosofia)
● Teoria- ja käsitelähtöinen tutkimus
● Aineisto- ja ilmiölähtöinen tutkimus
6. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Muutoksen aika?
● Tekoälyä ja koneoppimista on tutkittu ja
kehitetty jo yli 50 vuotta
● Miksi juuri näinä aikoina jotakin olennaista on
ehkä kehittymässä?
7. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
8. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
9. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tilastollisen koneoppimisen muotoja
● Ohjattu oppiminen (esimerkiksi luokittelu)
– “Oikea vastaus” annetaan konetta opetettaessa
● Ohjaamaton oppiminen
(vrt. tilastollinen klusterointi eli syvästäminen)
– Ei anneta “oikeita vastauksia” vaan kone päättelee asioita
datassa olevan säännönmukaisuuden ja asioiden välisten
suhteiden pohjalta
● Vahvistusoppiminen
– Kone saa palautetta siitä, kuinka onnistuneesti se toimii eri
tilanteissa saamatta “oikeita vastauksia”
Vrt. aivot
10. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tekoäly ja koneoppiminen
muutosvoimana
11. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Analogia: konevoima / tekoäly
https://www.pinterest.com/pin/509680882801748515/
Tekoälyn ja
koneoppimisen
potentiaali on
kehittynyt tasolle,
jolla on
yhteiskunnallista
relevanssia
12. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Muutoksia tuottaneet/
tuottavat tekijät
● Laskentakapasiteetti kasvaa
● Muistitila kasvaa
● Saatavilla olevat aineistot (“Big Data”, “Open
Data”), määrä ja koko kasvavat
● Uusia menetelmiä kehitetään ja otetaan
käyttöön (erityisesti koneoppiminen); vanhat
menetelmät otettavissa käyttöön
● Ilmiöitä koskeva ymmärrys kasvaa
(monitieteisyys, tieteidenvälisyys)
13. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
Ohjelmat
ja
algoritmit
14. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
15. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
16. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Laskenta- ja muistikapasiteetti
http://yle.fi/uutiset/3-6467338
http://yle.fi/uutiset/3-6467338
CSC Tieteen tietotekniikan keskus
https://www.csc.fi/
Tekoälyä ja
koneoppimista
toteuttavat koneet
ovat paljon useammin
tällaisia kuin
robotin “kaavussa”
17. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Kone ei ole ihminen
● Koneet eivät ole ihmisiä
eivätkä ihmiset koneita
● Lisääntyvässä määrin voidaan kuitenkin
simuloida (matkia) ihmisen erilaisia kykyjä
tietokoneita käyttäen
18. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tekoäly ja kieli
19. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
20. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
21. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Klassikkoesimerkki:
Grimmin satujen analyysi (1995)
Honkela, Pulkki & Kohonen 1995
22. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Klassikkoesimerkki:
Grimmin satujen analyysi (1995)
Huom: Suomessa tehtiin
tällaista työtä jo ennen
kuin esimerkiksi
Googlea oli olemassa
Akateemikko Teuvo
Kohonen on ollut
yksi neuroverkko- ja
hahmontunnistusalan
perustajahahmoista
http://www.aka.fi/fi/akatemia/tutkimuksen-tekijoita/tieteen-akateemikot/suomalaiset-tieteen-akateemikot/akateemikko-teuvo-kohonen/
23. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Datan ja tekstien louhinta
● Edellä kuvatulla tavalla mitä tahansa suuria
data- tai tekstiaineistoja voidaan tutkia
(Honkela&Klami,2008)
24. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
25. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tilastollisesti etsittyjä assosiaatioita
sanoille 1) onnellisuus ja 2) lätäkkö
● mielenrauha
●
tyytyväisyys
●
onnellisuuden
● elämänilo
● yksilöllisyys
●
rakkaus
●
välittäminen
●
onni
● hyvinvointi
●
positiivisuus
● lammikko
●
lampi
●
oja
● läntti
● kuoppa
●
kolo
●
hiekka
●
allas
● pläntti
●
läikkä
http://bionlp-www.utu.fi/wv_demo/Kiitokset: Turku BioNLP group, Filip Ginter ja
Citizen Mindscapes -projekti (Helsinki, Turku) http://blogs.helsinki.fi/citizenmindscapes/
26. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Uusi askel:
Humanistinen meta-analyysi
Timo Honkela
Studia Generalia -esitelmä Helsingin yliopistossa
20.10.2016
https://www.helsinki.fi/fi/unitube/video/35ea5bc3-6d7a-4e86-88fc-26b851d975ec
27. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Taustaa: tulkinnan yksilöllisyyden
mallintaminen (GICA-menetelmä)
● GICA-menetelmät (Grounded Intersubjective
Concept Analysis) (Honkela ym. 2012)
mahdollistaa mallit, joissa kunkin sanan
merkitystä tarkastellaan yksilöllisesti
● Esimerkkinä USAn presidenttien puheet
(State of the Union Address) ja sanan
HEALTH merkityksen analyysi kontekstitietoa
tilastollisesti analysoide
28. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Sanan “health” analyysi
29. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Humanistinen meta-analyysi
(Honkela 2016)
Aineisto
sanoineen
Analyysi
olettaen
sanojen
jaettu
merkitys Honkelan
ehdotus
Aineisto
sanoineen
Analyysi hyödyntäen
merkityksien
vaihtelumallia
Merkityksien analyysi
rikkaissa konteksteissa
30. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Humanistinen meta-analyysi
(Honkela 2016)
Aineisto
sanoineen
Analyysi
olettaen
sanojen
jaettu
merkitys Honkelan
ehdotus
Aineisto
sanoineen
Analyysi hyödyntäen
merkityksien
vaihtelumallia
Merkityksien analyysi
rikkaissa konteksteissa
Sanoja ei voi ottaa
analyysin perusdataksi
olettaen, että sana tarkoittaa
täsmälleen samaa, kun
puhuja/ kirjoittaja on eri ja
eri kontekstissa
Sanan merkitys on
tilastollinen, subjektiivinen
ja kontekstiriippuva ilmiö
31. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Humanistinen meta-analyysi
(Honkela 2016)
...
AUTENTTINEN
...
HAUVA
KATTI
KISSA
KOIRA
…
REILU
...
TEHOKAS
...
DATA (1)
RIKAS
MERKITYS-
MALLI
SISÄLTÖ-
ANALYYSI
(HUMANISTINEN
META-ANALYYSI)
DATA (2)
32. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Yhteisen ymmärryksen
uusia mahdollisuuksia
Humanistinen meta-analyysi
ja vastaavat keinot voivat
auttaa meitä tuomaan
yhteen ymmärrystä, jota
ihmiset ovat keränneet eri
kielellisissä, sosiaalisissa,
kulttuurissa ja historiallisissa
konteksteissa
Merkitysneuvotteluiden osittaiseen automatisointi
Tieteen uudet
keinot tilanteisiin
ja kysymyksiin,
joita koskien
yhtä oikeaa
tulkintaa ei ole
eikä voi olla.
33. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tekoäly ja intuitio
(alitajuinen päättely)
34. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
35. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Nobelisti harhapolulla?
(kun puhutaan ihmisen intuitiosta)
● Daniel Kahnemann on tullut tunnetuksi
ajattelutyyppien jaottelijana ja pyrkinyt osoittamaan, että
ihmisen intuitio toimii huonosti rationaaliseen ajatteluun
verrattuna
● Vahvoja vasta-argumentteja on esittänyt
esimerkiksi Gerg Gigerenzer
● Laajoja empiirisia tutkimuksia on Ap Dijksterhuis
(asiaan perehtyminen + alitajuinen päättely tuottaa parhaan
tuloksen)
● Tekoälyn kehitys on vakuutta epäsuora todiste siitä, että
neuroverkkotyyppinen päättely tuottaa parempia tuloksia
kuin sääntöpohjainen päättely
36. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
37. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tekoäly ja kuvat,
luovuus ja tunteet
38. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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...)
39. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Luovat koneet
http://deepdreamgenerator.comhttps://www.cs.helsinki.fi/en/story/82156/brain-poetry
Toivonen, Toivanen, Kantosalo,
Xiao, Kantosalo, Valitutti, Gross et al.
40. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tunteita analysoivat ja
simuloivat 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
41. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Uhista ja mahdollisuuksista
42. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
43. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Automatisoituminen: Yhteiskuntapoliittinen
johtopäätös koskien Suomen nykytilannetta
● 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
44. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Talousjärjestelmän muutospaineet
● Taloudellisen hyödyn tuottamisen dynamiikka
on jo muuttunut tähän mennessä niin, että
omistaminen on keskittynyt entisestään
● “Raha tulee rahan luokse” pätee algoritmien
maailmassa niin, että taloudellista menestystä
syntyy ikään kuin itsestään sopivia algoritmeja
soveltamalla ja hyödyntämällä pankkialan
keskitettyä luonnetta
● Ei voida puhua siitä, että pärjääminen olisi
erityisesti älykkyyden tai ahkeruuden
seurausta
45. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Talous: uhka versus mahdollisuus
● Uhkaskenaario: Taloudellinen keskittyminen voimistuu
entisestää; syrjäytyminen, epätasa-arvo ja suoranainen
köyhyys lisääntyvät; tyytymättömyys purkautuu
väkivaltaisena toimintana, johon vastataan
yhteiskunnallisella laillistetulla aggressiolla jopa
robotisoituja poliiseja ja sotilaita hyödyntäen
● Mahdollisuusskenaario: Uusia menetelmiä ja välineitä
varten kehitetään niiden käyttöön sopiva lainsäädäntö,
joka perustuu todennäköisesti nykyistä hajautetummalle
päätöksenteolle; tekoäly- ja koneoppimismenetelmiä
käytetään normijärjestelmien optimointiin
perusjärjestelmän optimoinnin lisäksi
46. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
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
47. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Terveys: uhka versus mahdollisuus
● Uhkaskenaario: Terveyttä koskevaa tietoa kerätään
kattavasti niin, että tietoa käytetään “ihmisiä
vastaan” esimerkiksi vakuutuksia myönnettäessä tai
työpaikoilla päätöksiä tehtäessä
● Mahdollisuusskenaario: Terveystilannetta ja
elintapoja koskevaa tietoa kerätään ja levitetään
nykyistä paljon tehokkaammin; sairauksien
tutkiminen ja hoito edistyy voimakkaasti;
terveystietoja hyödynnetään ihmisiä tukien kaikissa
elämäntilanteissa ja sairauksien kuuluminen
elämään ymmärretään yhteiskunnassa laajasti,
mikä estää syrjäytymistä
48. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Tunteet: uhka versus mahdollisuus
● Uhkaskenaario: Yritykset ja hallitukset
käyttävät tarkentuvaa ymmärrystä ja uusia
välineitä kansalaisten manipulointiin ja
valvontaan
● Mahdollisuusskenaario: Ihmiset saavat uusia
välineitä ollakseen entistä onnellisempia ja
selvitäkseen vaikeistakin tilanteista, kun heillä
on henkilökohtainen psykologinen assistentti;
tilanneadekvaatit emotionaaset reaktiot
lisääntyvät suhteessa epäadekvaatteihin, mikä
edistää myös yhteiskunnallista harmoniaa
49. Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä
Kiitos!
http://375humanistia.helsinki.fi/humanistit/timo-honkela
http://www.slideshare.net/timohonkela
https://www.youtube.com/watch?v=UXwkGPMMZdk