Pian pääsee tekoälyn kyydissä Tallinnaan

Tallink Megastar
Toimitus

Jos Tallinnaan mennessä meno laivan ravintoloissa ja baareissa on toisinaan hieman älytöntä, on onneksi laivan ohjaamossa tilanne aivan toinen. Tallinkin uusimmalla aluksella, Megastarilla, tulee älyä olemaan pian kyydissä jopa tavanomaista enemmän, koska sen avulla testataan ja kehitetään uudenlaisia laivojen autonomisen navigoinnin menetelmiä.

Itsestään liikkuvien autojen lisäksi meriliikenteen nykyistäkin laajempaa automatisointia tutkitaan koko ajan. Esimerkiksi Suomessa autonomista merenkulkua tutkiva Rolls-Royce aikoo saada tällaiset uudenlaiset laivat käyttöön vielä ennen vuosikymmenen loppua.

Nyt Maanmittauslaitoksen Paikkatietokeskus ja Aalto-yliopiston tutkijat yhdessä Fleetrange Oy:n ja Tallinkin kanssa tutkivat yhdessä koneoppimisen ja tekoälyn käyttöä Tallinnan ja Helsingin välillä sahaavalla Megastarilla.

Tutkimuksen tarkoitus on yhdistää eri lähteistä saatua aineistoa, niin kuvaa, ääntä, tutka- ja lasermittauksia, satelliittipaikannusta kuin muiden aluksien sijaintitietoja. Tätä varten Megastarille asennetaan erilaisia antureita, joista saadun aineiston käsittelyssä hyödynnetään tekoälyä ja koneoppimista.

”Yksittäinen anturi ei ole koskaan riittävä antamaan luotettavaa kuvaa turvallisuuden kannalta kriittisistä tekijöistä. Miehistö hyödyntää aina useamman laitteen antamaa päällekkäistä tietoa, jolloin yksittäisen laitteen mahdollisesti antama virheellinen tieto on helposti havaittavissa ja hylättävissä. Autonomisen navigointijärjestelmän tulisi toimia samalla periaatteella”, toteaa tutkimuspäällikkö Sarang Thombre Paikkatietokeskuksesta.

Tavoitteena automaattinen tunnistus

Tavoitteena on erilaisten kohteiden, kuten merimerkkien sekä toisten alusten automaattinen tunnistus ja tarkemman tilannekuvan muodostaminen useiden erilaisten sensorien välittämän aineiston pohjalta.

”Kun tällaista tietoa yhdistetään olemassa olevien navigointisäännösten kanssa, mahdollistetaan aluksen suunnistus mahdollisimman vähäisellä ihmisohjauksella, jopa Itämeren kaltaisilla, vilkkaasti liikennöidyillä vesiväylillä”, Thombre jatkaa.

”Megastarin valinta tutkimusalukseksi oli helppo valinta ja olemmekin erittäin tyytyväisiä saatuamme Tallink Gruppin tuen projektille. Tallink Grupp on uusien innovatiivisten ratkaisujen edelläkävijä ja Megastar on tämän alueen kehittynein ja ympäristöystävällisin alus. Tallinnan ja Helsingin välillä on vilkas kaupallisten ja vapaa-ajan alusten liikenne ja siksi se toimii erittäin hyvin tutkimiemme uusien tekniikoiden testialueena”, sanoo kapteeni Henrik Ramm-Schmidt, Fleetrange Oy:n toimitusjohtaja ja perustaja.

”Viimeaikainen kehitys tekoälyn ja koneoppimisen alalla antaa uusia mahdollisuuksia oppia tunnistamaan ja ennustamaan alusten liikkeitä. Näillä uusilla menetelmillä voidaan saavuttaa ennennäkemätön tarkkuus”, lisää vielä professori Simo Särkkä Aalto-yliopistosta.

*

Juttu on Paikkatietokeskuksen tiedote hieman editoituna.

Samuel Kaski opettaa koneita oppimaan (video)

Samuel Kaski opettaa koneita oppimaan (video)

Otaniemessä, Aalto-yliopiston Tietotekniikan laitoksen ala-aulassa on akateemikko Teuvo Kohosen muotokuva. Eikä syyttä: hän on kouluttanut useammankin sukupolven tekoälytutkijoita aikana, jolloin Suomessa ei vielä paljoa puhuttu tekoälystä tai koneoppimisesta. Hän oli edellä aikaansa itseorganisoituvine karttoineen.

 

Jari Mäkinen
30.10.2018

https://youtu.be/z-K5mQzFYZY

Eräs Kohosen oppilaista on akatemiaprofessori Samuel Kaski, joka vetää Suomen tekoälykeskus -nimistä aloitetta.

"Olin opiskellut tietotekniikkaa pari vuotta ja lukenut myös neurotieteitä, kun pääsin kesätyöhön Teuvo Kohosen tutkimusryhmään", selittää Kaski.

"En ollut tiennyt, että Suomessa oli mitään niin kiinnostavaa asiaa. Vaikka opinnoissa olin pärjännyt erittäin hyvin, olin hämmästynyt, että pääsin mukaan. Näin jälkikäteen katsottuna oli todella tärkeää päästä mukaan korkeatasoiseen tutkimukseen noin aikaisin. Moni asia kiinnosti, mutta kun ymmärsin, että tällaista voi tehdä tosissaan ja se voi olla oikeasti työ, niin tutkimus vei minut mukanaan.”

Kaski toteaa, että hänkin ottaa lupaavimpia opiskelijoita projekteihinsa mahdollisimman varhain. "Se on huippututkimuksen erittäin hyvä kansainvälinen käytäntö. Vaikka pian väittelyn jälkeen suuntauduin ihan toisiin asioihin, kerron tätä tarinaa silloin tällöin siltä varalta, että nuoria fiksuja opiskelijoita olisi kuuntelemassa. Ehkä joku heistä tulee ajatelleeksi, että tutkimusta voisi kokeilla.”

Tekoälyllä syövän kimppuun

Kaski on kiinnostunut siitä, miten malleja maailmasta voi oppia automaattisesti ja miten näin voidaan ymmärtää tapahtumia sekä soveltaa malleja teknisesti muihin tarkoituksiin."Malli voi olla hyvin datalähtöinen tai sellainen, missä on jo tietoa siitä, miten asiat toimivat. Yleensä se on joku yhdistelmä näistä. Ja sitten tarvitaan aineistoa, joista voidaan oppia ne asiat, joita ei tiedetä valmiiksi. Sitten tarvitaan algoritmi, joka pystyy sovittamaan mallin saatavilla olevaan dataan."

Konkretiaa tälle saadaan esimerkiksi siitä, mitä Kaski on tehnyt viime aikoina: hän on käyttänyt koneoppimista lääketieteellisiin sovelluksiin.

"Genomiikassa iso kysymys on se, miten löydetään geenidatasta ne tärkeät tiedot, jotka voisivat auttaa sairauksien mallinnuksessa ja ennustamaan nykyistä paremmin, mikä hoito tehoaa. Aineistossa on tietoja geenien toiminnoista, metaboliikasta ja muita mittauksia soluista. Esimerkiksi syöpänäytteiden tapauksessa pystyimme määrittelemään, mikä aineistossa on relevanttia ja millaisia ovat riippuvuudet eri tietojen välillä. Tämä on auttanut parantamaan ennusteita siitä, millainen hoito tehoaa tietynlaisen kudosnäytteen perusteella kullekin potilaalle."

Vaikeaa on erityisesti harvinaisten tautien tutkimus. Kun uudesta potilaasta ei ole tarpeeksi tietoja eikä muistakaan potilaista, joilla on sama sairaus, ole paljoa tietoja, on Kasken kehittämin menetelmin saatu ongittua esiin olennaisia kohtia.

"Vaikein ongelma tässä on se, että vaikka olennaisia tietoja on vähän, niin mittaustietoja on aivan tolkuton määrä. Kun puhutaan genomiikasta, niin potentiaalisesti hyödyllisiä muuttujia on miljoonittain. Niistä pitää pystyä valitsemaan aineiston perusteella ne, jotka tulisi ottaa huomioon. Olemme siksi yhdistelleet aineistoja ja keskittyneet eri muuttujien välisiin suhteisiin yksittäisten tietojen sijaan."

Samankaltainen ongelma on lääkkeiden kehittämisessä. Lääkkeet toimivat periaatteessa siten, että niiden vaikuttavat aineet kohdistuvat tiettyihin proteiineihin soluissa. Samalla aineet vaikuttavat myös toisiin proteiineihin ja joskus niistä voi olla myös haittaa.

"Meillä on siis valtava matriisi, jossa on proteiinit vastaan lääkkeet. Tekoälyn avulla voimme ennustaa paremmin, mitä tästä matriisista puuttuu – erityisesti niistä kohdista, joista voisi olla hyötyä erityisesti silloin, kun lääkekehitystä viedään eteenpäin."

Jo nyt suuri osa lääketiedettä on muuttunut hyvin datalähtöiseksi. Kun tietoa on ja sitä voidaan saada yhä helpommin, voidaan asioita kysyä aivan uusilla tavoilla."Lääkkeiden kehittäminen perinteisillä menetelmillä on kovin kallista ja kestää kauan. Samalla esimerkiksi antibioottiresistanssi yleistyy ja monet lääkkeet menettävät tehoaan, joten uusien lääkkeiden kehittämisen pitäisi olla entistä tehokkaampaa, jotta ihminen voisi voittaa kilpajuoksun patogeenejä vastaan."

Ihminen ja kone yhdessä

Kaski painottaa usein, että koneoppiminen, tekoäly ja tekoälyn eri sovellukset ovat parhaimmillaan silloin, kun niitä käytetään ihmisen tukena. Tässäkin konkreettinen esimerkki tulee lääketieteestä: lääkärin vastaanotto.

"Kun lääkäri päättää siitä, millaisia mittauksia potilaalle tehdään, ja kun hän tekee mittausten perusteella diagnoosin ja määrää hoitoa, niin koneesta voi olla paljon apua. Lääkärillä on hyvä koulutus, mutta tekoälyn avulla voidaan saada paljon lisätietoa niistä miljoonista mittauksista, joita genomitieto tuottaa."

Näin päästään täsmälääketieteeseen. Siinä kaikkea saatavissa olevaa solutasonkin tietoa käytetään, kun tehdään kullekin potilaalle yksilöllisesti toimiva hoitosuunnitelma.

"Mutta siis edelleen tarvitaan lääkäri ja ennen kaikkea potilas itse sanomaan, mikä hoito valitaan. Kaikissa hoidoissa kun on sekä sivuvaikutuksia että hyötyjä."

Terminaattoriskenaario

Tekoäly ja sitä käyttävät sovellukset ovat työkaluja, joita voidaan käyttää niin hyvään kuin pahaankin. Kaski painottaa, että suurin riski niiden suhteen onkin sama kuin muun tekniikan kanssa, eli ihmiset käyttävät tekoälyä samalla tavalla toisiaan vastaan kuin kaikkea muutakin nykyistä tekniikkaa.

"Tekoälystä voi olla todella paljon hyötyä ja haittaa, ja siksi eettisiä kysymyksiä pitää pohtia yhdessä demokraattisen yhteiskunnan kehittymisen mukana. Pitää olla tutkijoita, jotka pohtivat kauhukuvia, jotta niiden riski saadaan minimoitua. Mutta silti mielestäni keskitymme liikaa näihin terminaattoriskenaarioihin, joissa tekoälyrobotit ottavat vallan. Se riski on periaatteessa olemassa, mutta mielestäni paljon pienempi kuin moni muu yhteiskunnallinen riski. Siksi voisimme keskustella enemmän siitä, miten tekoälyn avulla voitaisiin tehdä töitä ja ratkoa polttavia ongelmia tehokkaammin ja paremmin."

Tämä on myös yhteiskunnallinen asia, sillä edessä on joka tapauksessa suuria muutoksia, kun monet perinteiset työtehtävät eivät ole enää tarpeellisia. Kasken mukaan varsin harvat ammatit ovat vaarassa kadota kokonaan, mutta suurimmassa osassa ammateista työtehtävät muuttuvat.

"Näin on käynyt aikaisemminkin! Kun kirjoitustaito keksittiin, niin käytännössä kaikki silloiset työtehtävät joutuivat ottamaan huomioon sen, että nyt asioita voidaan kirjoittaa muistiin ja tietoja voidaan jakaa muille. Tekoälyn vaikutukset ovat vain nopeampia. Niiden myötä yhteiskunnasta voi tulla tasa-arvoisempi tai epätasa-arvoisempi. Näistä pitää sitten poliittisesti valita."

Ideoita ei saa vain suihkussa

Kaski on ollut – ja varmasti edelleenkin on – kiinnostunut monista hyvinkin eri asioista, mutta hän kehottaa kaikkia keskittymään olennaiseen.

"Minun alani on menetelmien kehitys, ja sen siunaus ja kirous on se, että hyvä menetelmä on sovellettavissa moneen eri tehtävään. Se tarkoittaa sitä, että pitää kehittää sekä teoriaa että tehdä käytännön sovelluksia, joille on tarvetta erittäin monilla aloilla."

Hän kertoo valinneensa sovellusalueita sen mukaan, missä on ollut kiinnostavia yhteistyökuvioita. Viime aikoina näitä on ollut varsin paljon lääketieteessä, missä esimerkiksi genomiikka tarjoaa nyt paljon uutta tietoa tekoälyn purtavaksi ja tuottaa uusia, jänniä sovelluksia.

"On todella tärkeää, että meillä on tiedeyhteisö, missä on mahdollista törmätä kollegoihin, joilla on ihan uudenlaisia ajatuksia, jotka ovat yhteensopivia oman tutkimuksesi kanssa. Näistä syntyvät uudet innovaatiot. Uudet ideat saattavat tulla noin vain suihkussa ollessa, mutta yleensä sitä on edeltänyt se, että on puhunut oikeista asioista sopivaan aikaan juuri sopivien ihmisten kanssa."

*

Juttu ja video on julkaistu myös Suomen akatemian sivuilla. Ne on tehnyt Tiedetuubin Jari Mäkinen.

Maailman ensimmäinen miehittämätön rahtilaiva on myös sähkökäyttöinen

Yara Birkeland -rahtilaiva
Jari Mäkinen

Ei ketään komentosillalla! Maailman ensimmäinen automaattisesti kulkeva rahtialus valmistuu vuonna 2020. Norjalaisen Yara Internationalin tilaama alus tekee ensimmäiset matkansa miehistön kanssa, mutta jatkaa seilaamista ihan itseksensä vuodesta 2022 alkaen. Se näyttää tietä tulevaisuuden meriliikenteelle.

Mediassa – kuten Tiedetuubissakin – on aika usein juttuja tulevaisuuden miehittämättömistä autoista ja lentolaitteista, mutta itse asiassa eräs kätevimmin automatisoitavista liikennemuodoista olisi meriliikenne.

Laivat seilaavat yleensä varsin monotonisesti samoja reittejään ja etenkin kun nykyisinkin ne jo toimivat varsin automaattisesti satelliittipaikannuksen avustamana, ei askel täysin ilman miehistöä oleviin rahtilaivoihin ole suuri. Matkustaja-aluksilla miehistöä tarvitaan kuitenkin jatkossakin – ainakin matkustajien palveluun.

Norjalaisyhtiö Yara International on ottanut merkittävän askeleen kohti automaattista merenkulkua tilaamalla reitilleen ensimmäisenä täysin robottiohjatun rahtialuksen. Erityisen kiinnostavan aluksesta tekee se, että uusi Yara Birkeland -laiva on myös sähkökäyttöinen.

Se, että laiva toimii sähköllä, voi olla jopa tärkeämpää sen tekemisessä. Laivojen päästöt ovat ovat jopa suurempia kuin lentoliikenteen, sillä vuonna 2007 maailman meriliikenne tuotti 3,2 kaikista hiilidioksidipäästöistä, kun lentoliikenteen osuus oli 2,1%*. Syynä ei ole vain laivaliikenteen määrä, vaan myös se, että alusten moottorit eivät ole yleensä kovin ekologisia, vaan tupruttavat toisinaan jopa epätäydellisesti palaneen dieselin katkua suodattamattomana ilmaan.

Siinä missä lentokoneilla akkujen suuri massa on suuri ongelma tekniikan laajemmalle käytölle, ei laivoissa tätä ongelmaa ole. Sen sijaan hankaluutena on akkujen varauskapasiteetti, eikä mannertenvälisiä matkoja voi vielä eikä ihan lähitulevaisuudessa tehdä sähkölaivoilla.

Niinpä Yara Birkeland tulee varsin lyhyelle matkalle, ja se on varsin pieni alus: vain 70 metriä pitkä ja 14 metriä leveä. Se voi ottaa mukaansa 120 konttia ja tulee liikennöimään noin satakunta kilometriä pitkää reittiä Larvikin ja Herøyan väliä Oslon etelälounaispuolella Skagerrakin rannalla.

Matka soveltuu hyvin niin autonomisen liikkumisen kuin sähkömoottoritekniikan testaamiseen. Reitti on mutkikas ja kulkee niin hieman avomerellä (tosin rannikon läheisyydessä) kuin vuonossakin. Sen pituus on myös juuri sopiva siihen, että sähköä riittää akuissa ja ne voidaan ladata rahdin purkamisen ja lastaamisen aikana uudelleen. Näin laiva voi sahata reittiä edes takaisin lähes nonstoppina.

Yara Internationalin mukaan laivalla pystytään korvaamaan noin 40 000 rekkamatkaa vuodessa. Lisäksi yhtiö kertoo ottavansa käyttöön sähkörekkoja, joilla tavaraa kuljetetaan laivalle ja siitä pois kohteisiin.

Yara Birkelandin ohjelmistot tekee sotilas- ja meritekniikkaan erikoistunut Kongsberg Group ja alus rakennetaan Romaniassa. Sähkömoottorien akut perustuvat Tesla Model X P100D -auton akkupaketteihin, joita laivaan laitetaan mukaan 90 kappaletta.

Rolls-Roycen autonominen rahtilaivakonsepti

Myös Suomessa kehitetään autonomista meriliikennettä: Rolls-Roycen toimipiste Turussa toimii yhtiöjätin tätä koskevan tutkimuksen keskuksena. Rolls-Roycen autonomista ohjaamista sekä hybridimoottoritekniikkaa käytetään jo nyt myös Norjassa, missä on liikenteessä mm. lähes autonominen lossi – siinä kapteeni hoitaa vain saapumiset rantaan ja erikoistilanteet.

*Päästötutkimukset: Buhaug et al., 2009 ja Lee et al., 2011.

Tekoäly maalasi alastomia ihmisiä – tulos meni "vähän" pieleen

Tekoälynakutauluja
Jari Mäkinen

Uhkakuvien mukaan tekoäly tulee ja korvaa monia ammatteja, mutta näyttää siltä, että taiteilijaksi siitä ei ainakaan vielä ole – ellei tavoitteena ole moderni taide tai renessanssitaulujen parodiat.

Vaikka tämä juttu on kevyt tarina perjantai-iltapäivän iloksi, on takana täysin vakava tutkimus.

GAN, eli generative adversarial networks on hahmontunnistusta ja koneoppimista yhdistävä tekoälyn sovellus, joka on tullut viime aikoina tunnetuksi muun muassa sen käyttämisestä ihmisten kasvojen muuttamisessa videoissa siten, että henkilö näyttää puhuvan jotain aivan muuta kuin puhuu.

Kyse on niin sanotusta ohjaamattomasta oppimisesta, eli siitä, että tekoälyohjelmisto ei tiedä ennalta tietoja, mitä se saa. Se organisoi sille annettua aineistoa, muodostaa siitä erilasia luokkia ja käyttää tietoja hyväkseen.

GANissa on kaksi päällekkäin toimivaa tekoälyalgoritmia, neuroverkkoa, joista yksi tuottaa tuloksia ja toinen koettaa koko ajan haastaa niitä. Näin yhdessä ne tuottavat niin hyvän tuloksen kuin annetusta aineistosta on mahdollista.

Tai siis periaatteessa näin, sillä tutkija Robbie Barrat halusi testata systeemiä alastonkuvien kanssa, ja tulos oli lievästi huvittava.

Barrat syötti neuroverkkojen iloksi tuhansia taideteoksia, joissa oli alastomia ihmisiä, ja katsoi mitä tapahtuu.

"Toinen neuroverkoista tuottaa toiselle neuroverkoista omatekemiään alastonmaalauksia ja koettaa huijata toista neuroverkkoa, joka vertaa niitä tietokannassa oleviin oikeisiin kuviin", selittää Barrat CNETissä olevassa artikkelissa.

"Molemmat saavat koko ajan parempia tuloksia ajan myötä, ja mitä pitempään GANia koulutetaan, sitä realistisempia tulokset ovat."

Joskus kuitekin neuroverkot tuottavat tuloksia, joitka saavat ne jäämään ikään kuin jumiin – maalauksia tekevä neuroverkko onnistuu huijaamaan tietokannan avulla eroja oikeiden ja tekoälyn tuottamien välillä etsivää neuroverkkoa siten, että kumpikaan ei pysty enää haastamaan toista.

Barrat julkaisi muutamia tällaisia teoksia Twitter-tilillään:

Teokset ovat vähän kuin surrealistisia maalauksia muodokkaista naisista.

Alla on muutamia teoksia lisää, ja enemmänkin niitä on Barratin Twitter-tilillä.

 

Suomessa tekoälyä, kuvantunnistusta ja oppivia systeemejä tutkitaan useissa eri paikoissa. Tiedetuubi kertoi Tampereen teknillisessä yliopistossa tehtävästä työstä tässä jutussa.

Otsikkokuvassa on Robbie Barratin julkaisemia kuvia kuvankäsittelyllä raameihin laitettuna.

Pomot! Pitäkää kiinni pöydistänne! – Tekoäly tulee nyt myös johtajatasolle

Taiteilija Banksyn newyorkilaiseen seinään piirtämä robotti.
Toimitus

Lapin yliopistossa on otettu askel eteenpäin johtamisen tekoälyn kehityksessä. Henkilöstöjohtamisen avuksi on kehitetty simulaatio, joka analysoi ja neuvoo henkilöstövoimavarojen johtamisessa.

Tutkimusjohtaja Marko Kestin mukaan kyseessä on maailman ensimmäinen tekoälyavusteinen henkilöstöhallinnon avuksi kehitetty tekoälypohjainen simulaatio, joka analysoi ja neuvoo johtamisessa.

"Simulaatio poikkeaa täysin perinteisestä analytiikasta, koska se on rakennettu pelimuotoon", kertoo Kesti.

Lapin yliopistossa on kehitetty henkilöstövoimavarojen tuotantofunktiota sekä johtamisen peliteoriaa, johihin simulaatiossa on yhdistetty käyttäytymistietellistä tutkimusta sekä luonnollisesti tekoälyä. Vahvan tekoälyn kehittäjät tunnistavat varmasti hyvin mukana olevat Markovin päätösprosessin, vahvistetun oppimisen ja Bellmanin hyötyfunktion. 

Vaikka tekoäly voisikin tulla pian mukaan johtamiseen, ei Kestin mukaan henkilöstöjohtajien ei tarvitse pelätä työpaikkojensa puolesta, vaan päinvastoin.

Hänen mukaansa tekoälyn avulla henkilöstöjohtamisen arvostus nousee, koska se auttaa luomaan ylivoimaista kilpailuetua. 

"Siitä tulee henkilöstöjohtajan oikea käsi, joka auttaa monella osa-alueella. Se on digitaalinen avustaja, joka sparraa ja neuvoo jokaista esimiestä henkilökohtaisesti. Se auttaa löytämään hyvät esimiesehdokkaat. Sen avulla luodaan henkilöstöstrategia, joka parhaiten tukee liiketoiminnan kehittämistä. Vaikutukset ovat laajat ja on ilmiselvää, että tuottavuushyödyt ovat merkittäviä."

Tekoälyavusteinen simulaatio tekee erittäin tarkkaa liiketoiminta-analytiikkaa.

Se mallintaa todellisuutta, etenkin kun simulaatioon laitetaan organisaation omat tiedot. Tekoäly neuvoo johtamiskäytännöt, joilla saadaan paras tulos sekä taloudessa että työelämän laadussa.

Hyödyt arvioidaan tulevaisuuteen 12 kuukauden liukuvalla laskennalla. Tekoäly arvioi siis henkilöstökehittämistä investointina. 

Simulaatio tuottaa erilaisia tulevaisuuskuvia, jotka mallintavat organisaation haasteita, ongelmia ja mahdollisuuksia. Johtamiskäyttäytyminen vaikuttaa tuloksiin erilaisissa tilanteissa. Näin simulaatio pystyy ennustamaan tulevaa ja opastaa esimiestä toimimaan viisaasti.

Tekoälyavusteisella opetuspelillä voi harjoitella turvallisesti työyhteisön johtamista ja oppia lyhyessä ajassa kokemukset, joiden saaminen kestää yleensä vuosia.

"Näen peliteorian ja tekoälyn kehittämisen henkilöstöjohtamisessa erittäin lupaavana. Haluamme olla tällä haastavalla erikoistumisalueella maailman parhaita", henkilöstötuottavuuden tutkimusta jo yli kymmenen vuotta tehnyt Kesti toteaa. 

*

Jutun pohjana on Lapin yliopiston tiedote. Otsikkokuvassa on Banksyn newyorkilaiseen seinään piirtämä robotti.
 

Autonomisen auton suurin ongelma on torkkuva kuljettaja

Ford lumella
Jari Mäkinen

Koeajoissa on huomattu, että kaikkein vaarallisinta autonomisten autojen menossa on se, kun ihminen joutuukin yllättäen ottamaan ohjat. Syy: kuskit ovat tylsistyneitä.

Vaikka autonomisista autoista suuria uutisia ei viime aikoina olekaan tullut, ovat lähes kaikki autovalmistajat testaamassa ja tutkimassa erilaisia tekniikoita, joilla autot voisivat ajella itsekseen ilman, että kuljettajan täytyisi puuttua menoon.

Toistaiseksi kuskin pitää olla mukana valmiina ottamaan ohjat tarpeen niin vaatiessa.

On kyse sitten koeajossa olevista tulevia tekniikoita testaavista autoista tai jo liikenteessä olevista Tesloista, täytyy kuljettajan (ainakin lakipykälien mukaan) pitää koko ajan käsiä ohjauspyörällä ja olla valmiina ajamaan.

Fordin tekemissä testeissä tosin on käynyt selvästi ilmi, että vaikka koeajoa valvoja kuljettaja olisi hyvinkin valppaana, ei hän ole kuitenkaan useimmiten valmis ajamaan saman tien. Insinöörit ovat jopa torkahdelleet koeajojen aikana.

Yhtiön mukaan se, että kuljettaja ottaa ohjat autolta, saa aikaan itse asiassa enemmän vaaratilanteita kuin se, että robottiauto ajaisi itsekseen. Niinpä Ford on ehdottamassa, että kun heidän ensimmäiset autonomiset autot tulevat markkinoille (nykysuunnitelman mukaan) vuonna 2021, ei niissä olisi lainkaan rattia tai polkimia.

Autonomisille autoille on olemassa luokittelusysteemi, missä tason nolla autoissa on vain varoituslaitteita, mutta auto ei pysty ajamaan itse itseään.

Tason yksi autot pysyttelevät itse kaistalla sekä voivat esimerkiksi parkkeerata itsensä.

Tasossa kaksi auto ajaa itse itseään koko ajan pitäen samalla etäisyyttä edessä ja takana oleviin autoihin, mutta kuljettaja voi ottaa ohjat koska vain, ja kuljettajan pitää olla koko ajan valmiudessa tekemään niin. 

Tason kolme autoa ajaessa kuljettaja voisi hyvissä olosuhteissa esimerkiksi moottoritiellä keskittyä muihin asioihin kuin ajamiseen, mutta hänen pitää pystyä ajamaan koska vain. Kuski voi siis esimerkiksi lukea, pelata tai katsoa elokuvaa.

Tason kolme autonomisen auton ajaja voisi esimerkiksi lukea lehteä matkan aikana, mutta hänen pitäisi olla valmiina ajamaan koska tahansa.

Ford ehdottaakin nyt, että taso kolme itse asiassa jätettäisiin tekemättä kokonaan, koska kuljettajan pitäisi joko olla aktiivinen koko ajan tai ei lainkaan. Se, että hän joutuisi yllättäen ajamaan, on vaarallista. 

Autonvalmistajat voisivat siten siirtyä suoraan tasoon neljä, missä auto on täysin automaattinen – paitsi erittäin huonossa säässä, jolloin ajaja joutuisi ohjaamaan. Ohjaimet tosin voisivat olla ratin ja polkimien sijaan joystick, joka otetaan tarvittaessa esiin.

Viidennen tason autoissa ihminen on pelkkä matkustaja. Kyyditettävät vain osoittavat minne haluavat mennä, ja auto vie perille. 

Muun muassa BMW, Audi ja Mercedes-Benz ovat tuomassa markkinoille pian tason kolme autoja, joissa tukalan tilanteen sattuessa auto siirtää ajamisvastuun kuljettajalle. Jos hän ei reagoi kymmenessä sekunnissa, auto pysähtyy itsekseen. Vaaratilanteissa auto toki painaa jarrua itse ja tekee ohjausliikkeitä, joilla se pyrkii välttämään esimerkiksi kolarin. 

Nissanin ja Hondan tulevissa autoissa varoaika on 30 sekuntia.

Jo ennen Fordia on Volvo ilmoittanut vastustavansa kolmostason autojen tekemistä, koska heidän tutkimustensa mukaan myös nämä autot saavat aikaan enemmän vahinkoa kuin ovat hyödyllisiä. Ohjaimien pitäminen mukana olisikin enemmän psykologiaa kuin todellista turvallisuutta.

Otsikkokuvassa on Fordin autonominen auto testattavana lumisissa olosuhteissa viime vuoden tammikuussa.

Video: Miltä näyttää, kun robotit ottavat vallan?

Video: Miltä näyttää, kun robotit ottavat vallan?

Robotit tulevat koko ajan kyvykkäämmiksi ja viisaammiksi, ja tulevaisuudessa ne tekevät suurimman osan työstä. 

Jari Mäkinen
06.12.2016

Tällaiset tulevaisuudenkuvat herättävät luonnollisesti myös paljon kysymyksiä ja pelkoja, ja tämä video on yksi tuollainen hieman negatiivinen näkymä tulevaisuudesta. Vaikka monet tieteistarinoissa olevat kauhukuvat ovat suorastaan typeriä, on kysymys älykkäistä koneista ja niiden suhteesta ihmisiin hyvin tärkeä – kenties yksi merkittävimmistä lähiaikojen kysymyksistä, etenkin kun siihen liitetään koko se ongelmatiikka, mikä liittyy yhteiskuntien muuttumiseen ja ihmisen asemaan.

Tämä Raw TV -yhtiön The History Channelille tekemä lyhytelokuva on kiinnostava paitsi tarinaltaan, niin myös koska se on varsin realistinen kuvaus siitä, millainen tulevaisuuden tehdas on. Tai itse asiassa monet autotehtaat ovat varsin pitkälle jo tällaisia, videossa tilannetta on vain viety hieman pitemmälle.

Video on tehty vuonna 2015 ja sen tuotannosta on vastannut (eli perinteisesti sanottuna sen on ohjannut) Ben Kracun. Pääosissa ovat Richard Brake ihmisenä ja Georgina Sutcliffe ANA-tietokonesysteemin äänenä.

Hyvää lyhytelokuvahetkeä!

Heippa lääkärit ja erikoislääkäritaksat: nyt algoritmi ennustaa nivelreuman hoidon tepsivyyttä

Toimitus

Pätevälle lääkärille on varmasti aina tarvetta, mutta hyvinkin lähitulevaisuudessa automaattiset systeemit, älykkäät sensorit ja tekoäly pystyy tekemään tarkempia ja parempia diagnooseja kuin tavalliset, kiireiset terveyskeskuslääkärit. Ja mikä parasta: terveyttä voisi tarkkailla näin koko ajan ja hyvin edullisesti.

Yksi askel kohti automatisoituja diagnooseja on hanke, jossa etsittiin joukkoistaen näppärää algoritmia nivelreuman hoidon tehokkuutta. Yllättäen puhdas, käsitelty kliininen tieto tuotti paremman tuloksen kuin kliinisen ja geneettisen tiedon yhdistelmä.

Nivelreuma on krooninen tulehduksellinen autoimmuunisairaus, josta kärsii miljoonat ihmiset maailmassa. Sitä hoidetaan usein ns. TNF-estäjähoidolla, mutta se ei tehoa noin kolmasosaan potilaista.

Ongelmana on paitsi aluksi diagnosoida reuma hyvin epämääräisten oireiden pohjalta, niin myös todeta potilaat, joihin TNF-hoito ei tehoa.

Yksi tapa näiden potilaiden löytämiseen on matemaattinen: analysoidaan useita kliinisesti ja geneettisesti saatavia indikaattoreita erityisen algoritmin avulla. Tässä puolestaan ongelmana on kehittää tarpeeksi tehokas algoritmi, eli matemaattinen ongelmanratkaisumenetelmä, jolla voitaisiin arvioida TNF-estäjähoidon tehokkuutta.

Tätä varten keksittiin julistaa kilpailu, joka oli itse asiassa laaja joukkoistettu tutkimus. Laajan kansainvälisen tutkijajoukon toteuttama DREAM-challenge oli jo vuonna 2014, mutta sen tulokset julkistettiin nyt kilpailua sponsoroineessa Nature Communications -aikakausijulkaisussa.

Yhteensä satoja tutkijoita 73 tutkimusryhmässä eri puolilla maailmaa otti osaa avoimeen haasteeseen ja käytti kattavinta saatavissa olevaa tietoa yli 2700 potilaasta sekä myös laajaa kirjoa maailman parhaita mallinnuskeinoja.

Suomalaisittain tulos on mieltä ylentävä, koska ensimmäisen vaiheen tuloksissa kolmantena oli Aalto-yliopiston ja Helsingin yliopiston Suomen molekyylilääketieteen instituutin (FIMM) tutkijoista koostunut Team MI. Se, kuten seitsemän muuta ennusteissaan parhaiten onnistunutta joukkuetta kutsuttiin mukaan viimeiseen vaiheeseen.

"Käytimme sekä harvaa lineaarista regressiomallia että monen ytimen mallia hoitovasteen ennustamiseen geneettisen ja kliinisen tiedon perusteella", sanoo tutkijatohtori Lu Cheng Aalto-yliopiston tietotekniikan laitokselta.

Viimeisen vaiheen voittanut Team Outlier -joukkue ei käyttänyt yllättäen lainkaan geneettistä tietoa viimeisellä kierroksella.

Johtopäätöksenä on, että tällä hetkellä käytettävissä oleva geneettinen tieto ei lisännyt hoitovasteen ennusteen onnistumista merkittävästi tehokkaammin kuin kliiniset ennustavat muuttujat, kuten sukupuoli, ikä ja sairaustiedot.

"Jos rajallinen määrä geneettisiä variantteja selittäisi hoidon epäonnistumisen joillakin potilailla, tämä laajamittainen tutkimus olisi tuottanut siihen ennustusmallin", kertoo yliopistonlehtori Pekka Marttinen. 

"Geneettisten varianttien lukumäärä saattaa olla paljon suurempi ja niiden vaikutukset vastaavasti paljon pienempiä. Toisaalta puuttuva perinnöllisyys voi selittyä paremmin geneettisillä varianteilla, jotka eivät olleet mukana tutkimuksessa, kuten esimerkiksi harvinaisilla varianteilla."

16 viikkoa kestäneen algoritmien opettamisen aikana 73 joukkuetta jätti arvioitavaksi yhteensä 4874 ennustetta. Lisätietoa DREAM-challengesta on sen nettisivuilla.

Artikkeli pohjautuu Aalto-yliopiston tiedotteeseen.

Video: Tällainen on SpotMini, kotitalousapurobotti (ja lemmikki)

Video: Tällainen on SpotMini, kotitalousapurobotti (ja lemmikki)

Boston Dynamics on eräs edistyksellisimpiä robotteja tekevä yhtiö maailmassa, ja he ovat tuottaneet viime aikoina monia videoita, joissa he esittelevät tekemisiään.

Toimitus
27.08.2016

Sellaisia olivat viime joulun aikaan poroina huumorihengessä toimineet robotit, ja tässä tulee nyt SpotMini: noin 25 kg massaltaan oleva pienikokoinen, sähkökäyttöinen nelijalkainen robotti, joka pystyy toimimaan yhdellä latauksella 90 minuuttia.

Akkujen kestävyys riippuu toki siitä, mitä robotti tekee ja missä olosuhteissa.

Robotti voidaan varustaa käsivarrella, joka tosin näyttää oikeastaan dinosauruksen kaulalta ja päältä, ja siinä on koko joukko sensoreita, joiden avulla robotti tietää koko ajan missä se on, mitä se tekee ja mitä sille tapahtuu. Viimeisin on olennaista siksi, että robotti huomaa kaaduttuaan paitsi että se on kaatunut, niin se voi myös hahmottaa missä asennossa se on ja kuinka se voisi päästä kätevimmin taas jaloilleen.

SpotMini pystyy toimimaan pitkälti autonomisesti ja voi tehdä monia sille opetettuja tehtäviä. 

Valitettavasti laite ei ole vielä kaupan, mihin tärkein syy lienee se, että laite on paitsi kokeellinen, niin myös vielä varsin kallis. Osasyy lienee myös se, että näiden robottien kehittämisessä on käytetty paljon puolustuksellista tietämystä, sillä yhtiö kehittää ennen kaikkea sotarobotteja Pentagonin tilauksesta. 

Robotit kaipaavat tylsän tavallisia arkiääniä

Arkisia ääniä tallentamassa
Toimitus

Äänen havaitseminen ei ole vaikeaa roboteille, mutta äänen sisällön ymmärtäminen on. Siksi tamperelaistutkijat ovat keränneet tietokannan arkisista äänistä ja avasivat sen myös muiden tutkijoiden käyttöön.

Tampereen teknillisen yliopiston Audiotutkimusryhmä on tallentanut jokapäiväisiä ääniä tietokantaa varten Tampereella ja Helsingissä. Ääniä kerättiin kaikenlaisissa tavallisissa ympäristöissä, kuten puistoissa, kaduilla, kodeissa, toimistoissa, kaupoissa sekä ravintoloissa.

Mukana on esimerkiksi ohi ajavien autojen ääniä, kävelevien tai puhuvien ihmisten ääniä, lintujen laulua sekä lasten ääniä.

Tietokanta auttaa kehittämään automaattista äänten tunnistusta, mikä puolestaan auttaa tekemään kuulevia laitteita, kuten kännyköitä, itseohjautuvia autoja ja robotteja.

"Kuulevat laitteet ymmärtävät, mitä niiden kuulemat äänet tarkoittavat, ja osaavat esittää siihen perustuvaa tietoa käyttäjälle", selittää tutkijatohtori Annamaria Mesaros TTY:n signaalinkäsittelyn laitokselta.

"Käyttökohteita voi keksiä laajasti, esimerkiksi kuulovammaisten hälytysjärjestelmät kotiympäristössä sekä vaikkapa melulähteiden tai syrjäisten lintupopulaatioiden monitorointi."

Julkaistu tietokanta on suurin arkisten äänten tietokanta, sillä siinä on miltei kymmenen tuntia ääntä. Tietokanta on avoin kaikille tutkijoille, jotka haluavat käyttää sitä työssään.

"Tietokanta tulee olemaan tärkeä tutkimusyhteisölle", jatkaa Mesaros. 

"Näin suurta kokoelmaa ei ole aiemmin ollut saatavilla, sillä aineiston kerääminen ja nimikoiminen vaativat paljon aikaa ja työtä."

"Osa tietokannan äänityksistä on annotoitu eli nimikoitu erityisen tarkasti niin, että yksittäiset äänilähteet sekä niiden tapahtumahetket äänitteistä on tunnistettu Tämän tyyppiset yksityiskohtaiset annotaatiot mahdollistavat tarkkojen automaattisten tunnistusmetodien kehityksen."

Käynnissä kansainvälinen kilpailu

Tietokannan julkaisun myötä TTY tukee datan avointa saatavuutta ja edistää yhteistyötä muiden alalla tutkimusta tekevien instituutioiden kanssa.

Audiotutkimusryhmä järjestää lisäksi kansainvälisen kilpailun, jolla se tukee alan huipputekniikan kehitystä ja uusia innovaatioita. Kilpailuun liittyvä työpaja järjestetään Budapestissä syyskuun alussa. Kilpailu ja työpaja järjestetään yhteistyössä brittiläisten Queen Mary University of Londonin ja University of Surreyn sekä ranskalaisen Institut de Recherche en Communications et Cybernétique de Nantes -instituutin kanssa.

Parhaan äänten tunnistusmenetelmän palkinnosta kilpailee yli 150 osallistujaa 79 kansainvälisestä yliopistosta ja yrityksestä.

"Jännittävää nähdä, millaisia tunnistusmenetelmiä keräämämme tietokanta on poikinut", Mesaros toteaa.

Artikkeli perustuu Tampereen teknillisen yliopiston tiedotteeseen.

Tilaa aihepiirin tekoäly RSS-syöte