Liikkeellelähtö – analytiikan ja tekoälyn perusteet
Aluksi, koulutuksemme keskittyi tuomaan esille eri tasoiset datan hyödyntämisen tasot, joissa ihmisen rooli visualisointien tulkitsijana asteittain pienenee kohti ennakoivia tai täysin autonomisia järjestelmiä mentäessä. Tämän lisäksi, johdattelimme osallistujia kansantajuisesti edistyneeseen analytiikkaan, jossa tavoitteeseen pyritään pääsemään muodostamalla datasta matemaattinen malli. Aikakautemme ehkä yleisin matemaattinen malli esim. ennusteongelmien ratkaisuun on ns. neuroverkko, jossa mallin laskenta perustuu suureen määrään suhteellisen yksinkertaisia, toisiinsa kytkettyjä matemaattisia malleja. Tämä on mielestäni tekoälyyn liittyvän kehityksen merkittävin kontribuutio: aiemmin älykkyyden saaminen ohjelmistoon edellytti ihmisten kykyä määritellä tarkasti älykäs toiminto, ja ohjelmoida se osaksi ratkaisua. Koneoppimisen aikakaudella voimme muodostaa ”älykkyyden” ratkaisuun oppimalla se datasta, ilman että ihminen se etukäteen tarkasti määrittelee.Lähemmäksi asiakasta
Huomasimme, että analytiikasta ja koneoppimisesta puhuminen ei silti herättänyt kovin voimakkaita reaktioita: esimerkit muualta maailmasta, ja miten niissä tekoälyä hyödynnettiin, eivät välttämättä auttaneet asiakkaiden edustajia ratkaisemaan heidän ongelmaansa: miten tekoäly hyödyttäisi juuri meitä? On mielestäni kiistaton lähtökohta, että organisaatioilla on omat tietovarantonsa, palvelunsa ja prosessinsa, ja näinollen heidän tekoälyn hyödyntämisen tarpeensa ovat todennäköisesti yksilöllisiä. Tästä syystä kehitimme tekoälykoulutuksia räätälöidysti asiakkaillemme: tutkimme esimerkiksi asiakkaan valitsemia prosesseja, ja identifioimme kohtia, joissa erilaiset tekoälyn tai muun relevantin teknologian mahdollisuudet olivat suuret. Ehkä oleellisinta on kuitenkin ollut se, että olemme yhdistäneet tekoälykoulutuksen ja asiakasdatojen analyysit ja kokeilut. Olemme toteuttaneet kevyitä kokeiluja asiakkaidemme omalla datalla, heidän valitsemistaan ongelmista, ja tulosten läpikäynti tuli osaksi koulutusta. Näin tekoälyyn liittyvä yleistieto yhdistyy organisaation omiin, räätälöityihin avainongelmiin. Mahdollisuuksien hahmottaminen helpottuu huomattavasti, kun tekoäly viedään äärimmäisen lähelle asiakkaan omaa arkea.Riittääkö tekniikasta puhuminen?
Järjestimme lukuisia tekoälykoulutuksia, joiden hedelmällisintä antia olivat osallistujien kysymykset, jotka heidän mieltään painoivat. Näissä kysymyksissä ei kovinkaan usein kysytty miten tekniikka toimii. Kysymykset liittyivät melko usein tekoälyn käyttöön, esimerkiksi siihenm, mitä lain mukaan saa tehdä ja mitä ei, tai esimerkiksi siihen, miten yhteiskunta voi asteittain muuttua, jos tekoälyn käyttö yleistyy rajusti. Huomasimme, että tekniikasta puhuminen ei riitä. Voisimme tarjota apuamme myös hahmottamaan tekoälyn käyttöä sekä juridisesta ja eettisestä näkökulmasta. Yhteiskunnassamme varsin suuri osa relevanttia dataa ovat henkilötietoja, ja henkilötietojen käyttö ohjelmistoratkaisuissa on juridisesti säädeltyä. Huomasimme, että erilaisissa tilanteissa vallitseva ajattelutapa oli, että laki kieltää henkilötietojen käyttämisen tekoälyratkaisuissa, vaikka oman näkemykseni mukaan useimmiten käyttötarkoituksessa ei edes tarvita tarkkoja henkilötietoja, vaan tarvittava aineisto on anonymisoitavissa, kenenkään tietosuojaa vaarantamatta. On ymmärrettävää, että sekä tekniikan että juridiikan yhtä aikaa hallitsevia avainhenkilöitä ei aina ole käytettävissä, vaan edistyminen edellyttää erilaisten osaajien rakentavaa vuoropuhelua.Tekoälyn etiikka
Viimeisen vuoden aikana tekoälyn etiikasta puhuminen on yleistynyt valtavasti. On huomattu, että tekoäly ja koneoppiminen ovat voimas työkalu, jonka lähes kuka tahansa voi omaksua. Tästä kumpuaa yhteiskunnallinen tarve valikoida, mihin me yhteiskunnassa katsomme sitä voitavat soveltaa. Me haluamme tarjota markkinaan oman näkemyksemme tekoälyn etiikasta. Tekoälyn eettisyyden keskustelussa kantavia teemojamme ovat avoin ja laaja keskustelu tekoälyn vaikutuksista, samalla välttäen hyvä-huono tai oikea-väärä asetelman syntymistä. Lisäksi, silloin tällöin törmää ajatukseen, että tekoälyratkaisut itsenäisesti kehittäisivät päätöksentekologiikkansa, ja tämän seurauksena algoritmit tekevät päätöksiä joita emme haluaisi tehtävän. Useimmiten tekoälyn päätöksenteon logiikka opitaan ihmisten asenteiden ja ajattelutapojen muokkaamien tietojärjestelmien keräämästä datasta, jolloin lopputulos ehkä useimmiten tuokin esille aiemman, ihmisen toiminnan eettisyyden. Olen oppinut valtavasti lisää etiikasta, erityisesti yhteistyöstä eetikko Anna Seppäsen, CoHumans Oy, kanssa. Keskustelut hänen kanssaan ovat omiaan laajentamaan insinöörikoulutuksen saaneen allekirjoittaneen käsityksiä etiikasta.Lopputulos
Olen pitänyt n. 50 koulutusta yhteensä n. 2 000 osallistujalle viimeisen kahden vuoden aikana. Tällä hetkellä tekoälykoulutuksemme koostuu viidestä erillisestä koulutuksesta, aina tekoälyn perusteista koneoppimiseen, tekoälyä lähellä olevista teknologioista tekoälyä koskevaan juridiikkaan ja etiikkaan. Erilaiset datan avulla tehtävät kokeilut syventävät koulutusta, tehden siitä itseopiskelua vaikuttavamman kokemuksen. Suosittelemme kouluttautumista kokonaisille johtoryhmille tai tiimeille samalla kertaa. On erittäin tärkeää, että tiimien ja ryhmien kyky hahmottaa tekoälyn mahdollisuudet ja käydä tekoälyn hyödyntämisestä keskustelua nousevat uudelle tasolle samalla kertaa, kokonaisuutena. Analytiikan ja tekoälyn perusteet -koulutus järjestetään TIVIAn kanssa yhteistyössä ensimmäistä kertaa marraskuun 16. päivä alkaen. Ilmoittaudu mukaan!
Pasi Lehtimäki Principal Consultant, Head of Data and AI Capability at Gofore