Timo Honkela - University of Helsinki · Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä Tekoäly

Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä

Timo Honkela

27.10.2016

Tekoälyn ja koneoppimisenuhat ja mahdollisuudet

[email protected]

Tulevaisuuden tutkimuksen seuraStudia 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)


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


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.)


Tekoälyn kehittämisen paradigmat(tieteenfilosofia)

● Teoria- ja käsitelähtöinen tutkimus● Aineisto- ja ilmiölähtöinen tutkimus


Muutoksen aika?

● Tekoälyä ja koneoppimista on tutkittu ja kehitetty jo yli 50 vuotta

● Miksi juuri näinä aikoina jotakin olennaista on ehkä kehittymässä?


Tietokoneiden ohjelmoinnistaoppiviin 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


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


Tekoäly ja koneoppiminenmuutosvoimana


Analogia: konevoima / tekoäly

https://www.pinterest.com/pin/509680882801748515/

Tekoälyn jakoneoppimisenpotentiaali on

kehittynyt tasolle,jolla on

yhteiskunnallistarelevanssia


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)


Valtavat ohjelmistomassatyhteiskunnan 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

Ohjelmatja

algoritmit


Miksi laskenta- jamuistikapasiteetilla on merkitystä?

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


Miksi laskenta- jamuistikapasiteetilla on merkitystä?

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


Laskenta- ja muistikapasiteetti

http://yle.fi/uutiset/3-6467338

http://yle.fi/uutiset/3-6467338

CSC Tieteen tietotekniikan keskushttps://www.csc.fi/

Tekoälyä jakoneoppimista

toteuttavat koneetovat paljon useammin

tällaisia kuinrobotin “kaavussa”


Kone ei ole ihminen

● Koneet eivät ole ihmisiäeivätkä ihmiset koneita

● Lisääntyvässä määrin voidaan kuitenkin simuloida (matkia) ihmisen erilaisia kykyjätietokoneita käyttäen


Tekoäly ja kieli


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 suhteetpaljastuvat 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


Klassikkoesimerkki:Grimmin satujen analyysi (1995)

Honkela, Pulkki & Kohonen 1995


Klassikkoesimerkki:Grimmin satujen analyysi (1995)

Huom: Suomessa tehtiintällaista työtä jo ennen

kuin esimerkiksiGooglea oli olemassa

Akateemikko TeuvoKohonen on ollut

yksi neuroverkko- jahahmontunnistusalanperustajahahmoista

http://www.aka.fi/fi/akatemia/tutkimuksen-tekijoita/tieteen-akateemikot/suomalaiset-tieteen-akateemikot/akateemikko-teuvo-kohonen/


Datan ja tekstien louhinta

● Edellä kuvatulla tavalla mitä tahansa suuria data- tai tekstiaineistoja voidaan tutkia

(Hon

kela

& K

lam

i, 20

08)


Suomen tieteen kartta Akatemian aineistosta

(Hon

kela

& K

lam

i, 20

08)

Kemia

Luonnon- jainsinööritieteet

Bio- jaympäristötieteet

Terveystieteet

Kulttuuri- jayhteiskunta-

tieteet

Tieteellisiä tekstejäei lueta ainoastaan

ihmisvoimin yksikerrallaan

Kone auttaa käymäänläpi tuhansia, jopa

miljoonia dokumentteja


Tilastollisesti etsittyjä assosiaatioitasanoille 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/


Uusi askel:

Humanistinen meta-analyysi

Timo HonkelaStudia Generalia -esitelmä Helsingin yliopistossa20.10.2016

https://www.helsinki.fi/fi/unitube/video/35ea5bc3-6d7a-4e86-88fc-26b851d975ec


Taustaa: tulkinnan yksilöllisyydenmallintaminen (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 kontekstitietoatilastollisesti analysoide


Sanan “health” analyysi


Humanistinen meta-analyysi (Honkela 2016)

Aineistosanoineen

Analyysiolettaensanojenjaettu

merkitys Honkelanehdotus

Aineistosanoineen

Analyysi hyödyntäenmerkityksienvaihtelumallia

Merkityksien analyysirikkaissa konteksteissa



Aineistosanoineen

Analyysiolettaensanojenjaettu

merkitys Honkelanehdotus

Aineistosanoineen

Analyysi hyödyntäenmerkityksienvaihtelumallia

Merkityksien analyysirikkaissa konteksteissa

Sanoja ei voi ottaaanalyysin perusdataksi

olettaen, että sana tarkoittaatäsmälleen samaa, kun

puhuja/ kirjoittaja on eri jaeri kontekstissa

Sanan merkitys ontilastollinen, subjektiivinenja kontekstiriippuva ilmiö



...AUTENTTINEN...HAUVAKATTIKISSAKOIRA…REILU...TEHOKAS...

DATA (1)RIKAS

MERKITYS-MALLI

SISÄLTÖ-ANALYYSI

(HUMANISTINENMETA-ANALYYSI)

DATA (2)


Yhteisen ymmärryksenuusia mahdollisuuksia

Humanistinen meta-analyysija vastaavat keinot voivat

auttaa meitä tuomaanyhteen ymmärrystä, jota

ihmiset ovat keränneet erikielellisissä, sosiaalisissa,

kulttuurissa ja historiallisissakonteksteissa

Merkitysneuvotteluiden osittaiseen automatisointi

Tieteen uudetkeinot tilanteisiinja kysymyksiin,

joita koskienyhtä oikeaa

tulkintaa ei oleeikä voi olla.


Tekoäly ja intuitio(alitajuinen päättely)


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


Nobelisti harhapolulla?(kun puhutaan ihmisen intuitiosta)

● Daniel Kahnemann on tullut tunnetuksiajattelutyyppien jaottelijana ja pyrkinyt osoittamaan, että ihmisen intuitio toimii huonosti rationaaliseen ajatteluun verrattuna

● Vahvoja vasta-argumentteja on esittänytesimerkiksi 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


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


Tekoäly ja kuvat,luovuus ja tunteet


Kuvia katselevat jatuottavat koneet

● Myös kuvallinendata voi ollakoneoppimis-menetelmienkohteena

● Kaupallisetsovelluksettunnistavatesimerkiksiihmisiä 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 jasimuloivat 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 mallintaailmiöiden taustojen, dynamiikan ja keskinäisten tekijöiden näkökulmasta


Uhista ja mahdollisuuksista


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: 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


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


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


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


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


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


Kiitos!

http://375humanistia.helsinki.fi/humanistit/timo-honkela

http://www.slideshare.net/timohonkela

https://www.youtube.com/watch?v=UXwkGPMMZdk

Documents

Timo Honkela - University of Helsinki · Timo Honkela (Helsingin yliopisto). 27.10.2016, Agora, Turun yliopisto, Tulevaisuuden tutkimuksen seura, Studia Generalia -esitelmä Tekoäly