Tekoälyä yhteiskuntaan

tekoälyllä
rauhaa yhteiskuntaan
kuuntele toista

ymmärrä tunteet
oikeudenmukaisuus
kasvaa, rauhoitu

miten muistamme?
miten robotti muistaa?
kokemus muokkaa

tekoälystä
tuki ihmisen älyyn
parivaljakko

miten selität
ekaluokkalaiselle
tekoälyä?

tasalaatuista
väsymättä, kuitenkin
konteksti puuttuu

hurjaa vauhtia
tietoyhteiskunta
tullut iholle

todellisuuden
kerroksia: käsite
termi, tarkoite

kuka vastuussa
kun tekoäly valitsee
tekee päätöksen?

haavekuvia:
robotti, hoida iltaan
Hilja-mummoa!

datan avoimuus
virheet esiin, korjataan
joukkovoimalla

hiljainen tieto
tekoälymalleihin
luonnostaan mukaan

TIVIAn seminaari Tekoäly ja robotiikka digitalisoituvassa yhteiskunnassa 8.5.2018 keräsi satoja ihmisiä niin Helsingin Tekniskan saleille kuin etäpisteisiin Jyväskylään, Kokkolaan, Kuopioon, Mikkeliin, Ouluun, Rovaniemelle, Seinäjoelle, Tampereelle ja Turkuun, joihin tilaisuus striimattiin. Esiintyjinä olivat Timo Honkela, Tarmo Toikkanen, Antti Rainio ja Jaakko Hollmén. Tilaisuuden juontajana ja paneelikeskustelun vetäjänä toimi Mika Helenius. Jarmo Lahti huolehti tilaisuuden striimaamisesta ja esitysten tallenteista, jotka ovat katsottavissa TIVIAn YouTube-kanavalla. Tapahtumasta viestittiin somessa aihetunnisteella #aiyhteiskunta.

Rauhankone

Timo Honkela kertoi tutkineensa tekoälyä jo kolmisenkymmentä vuotta. Hän muisteli Sitran projektia, jossa perinteisellä sääntöpohjaisella Lisp-kielellä toteutettu tekoälyjärjestelmä antoi vastauksen parin minuutin viiveellä. Tekoäly on karkaava maali. Aikoinaan tietokantojen mallintamista pidettiin tekoälynä, kunnes se normalistui ja vakiintui. Viime aikoina on tutkittu koneoppimista.
Timo Honkelan kehittämän rauhankoneen ideana on maailman rauhoittaminen tekoälyn avulla. Tähän liittyy kolme aluetta:

• vuorovaikutuksen edistäminen
• tunteiden ymmärtäminen ja rauhoittaminen
• oikeudenmukaisuuden edistäminen yhteiskunnassa.

Miten ihmisten vuorovaikutusta voisi kehittää? Wiiohan on todennut: ”Jos viestintä voi epäonnistua, se epäonnistuu.” Ensin kuvaan astuvat tunteet ja pelko, vasta sitten rationaalinen ajattelu. Koneista ei tule tunteellisia, mutta ne voivat auttaa analysoimaan ihmisten tunteita ja niiden hallintaa. Vaikka ymmärtäisimme toisiamme ja toistemme tunteita, niin maailma olisi edelleen pahasti kesken. Tarvitaan lisää työtä oikeudenmukaisuuden edistämiseen, etteivät ihmiset kokisi, että oikeutta pitää hakea pahimmillaan väkivaltaisin keinoin.

Tekoälyssä sinänsä ei ole mitään uutta, sillä on historiaa jo viidenkymmenen vuoden ajalta. Se on tietojärjestelmäasia, ei robottiasia. Robottiautot toki tulevat, kun ne jossain vaiheessa ovat turvallisempia kuin ihmisten ajamat.

Me ihmiset elämme yhteisöissä, meillä on historia ja muisti, joka on erilainen kuin koneilla. Mikä on muistamisen rooli? Mitä meistä tallennetaan koneelle? Millaisia olemme itsellemme ja toisillemme? Ihmisen tunnejärjestelmä on samantapainen kuin eläimillä, siksi tulemme hyvin toimeen kissojen ja koirien kanssa. Kuitenkin ihminen on eläimiin nähden ylivoimainen kahdessa rationaalisen ajattelun muodossa, loogisessa, kielipohjaisessa ajattelussa ja intuitiivisessa, korkeaulotteisessa ja monimuotoisessa ajattelussa. Usein virheellisesti ajatellaan, että intuitiivinen ajattelu olisi samaa kuin tunneajattelu, mutta näin ei ole. Ihmisen muisti antaa anteeksi asioita – toisin kuin tietojärjestelmä. Ihminen yleensä muistaa parhaiten tuoreet asiat – paitsi vanhetessaan, ihan biologisista syistä.

Tietojärjestelmälle muistipaikka on tärkeä, kun taas ihmisellä on assosiatiivinen muisti. Kokemus muokkaa muistijälkeä, sitä, miten ajattelemme maailmasta. Lapsuuden kokemukset luovat tälle perustan. Robotit tuovat koneille kehollisuutta, ja yhä useammilla tietojärjestelmillä on datasta koneoppimisen myötä saatua ”kokemusta”.

Ihmisen kokemus karttuu, kun hän kohtaa toisia ihmisiä perheessä ja harrastuspiirissä, mutta hän ei kuitenkaan pääse heidän aivojensa sisään. Ihminen osaa tulkita ilmaisuja ”vähän” ja ”paljon” sekä toisen ihmisen kehonkieltä. Suuressa joukossa kuten kaupungissa tai valtiossa emme pääse fyysisesti kohtaamaan toisiamme vaan kohtaamme toistemme ajatukset kielellisesti.

Mitä tapahtuu, kun ajattelemme tietävämme tai tiedämme luulevamme asioita? Ihmiset käyttävät kieltä tehokkaasti saadakseen ajatuksia välitetyksi toisilleen. Tekoälyn kehittämisessä ajateltiin aluksi, että tämä riitäisi myös tietojärjestelmän rakentamisessa. Kokemus on kuitenkin aikajanalla muuttuva prosessi. Ihmisen ajatteluun kuuluvat muistaminen, tunnnistaminen, arviointi ja ennakointi. Digimaailmassa kirjoittu tieto on tärkeää, mutta kuvallinen informaatio on tulossa yhä enemmän sen rinnalle. Tekoälylle ei riitä, että tallennetaan kuvia ja videoita, vaan niitä pitää pystyä myös analysoimaan.

Kielen maailmassa voidaan ilmaista yksinkertaisia totuuksia, näkökulma-asioita ja niiden tulkintoja sekä suornaista vääristelyä ja valehtelua. Meillä on siis kokonainen skaala väitelauseita yksinkertaisista totuuksista yksinkertaisiin epätotuuksiin, mutta niiden välille mahtuu paljon haasteita.
Mitä tekoäly tarkoittaa? Mitä eri ihmiset sillä tarkoittavat? Sanojen merkityksiä pyritään määrittelemään, mutta meillä kaikilla on niihin oma näkökulmamme. Kielessä on monitulkintaisuutta ja merkityksen vivahteisuutta, jotka tuovat haasteita meille ihmisille tekoälyjärjestelmistä puhumattakaan.

Kielen osa-alueita ovat mm. semiotiikka, pragmatiikka, semantiikka ja syntaksi. Kieli järjestelmänä onkin äärimmäisen monimutkainen, mitä emme aina tule ajatelleksi. Koneen tai tietojärjestelmän kieli poikkeaa ihmisen kielestä. Ihminen ymmärtää kielen monitulkintaisuutta, kun taas koneen kielen pitää olla yksiselitteistä. Ihminen yhdistää sanat maailmaan, kontekstiin, ja abstrahoi teoriat käytännöstä, kun taas kone operoi merkitystä kantavilla symboleilla ja rakentaa prosessit teorian pohjalta. Esimerkkeinä näistä ovat koneen ymmärtämä Hanoin tornien rekursio Python-kielellä ja monitulkintaiset lauseet, jotka ihminen ymmärtää kontekstista: ”otatko mustana?” ja ”toivottavasti vesi palaa”.

Tietojärjestelmässä sana kantaa merkityksen, kun taas ihminen käyttää merkityksen muodostamisessa myös kontekstia ja maailmantietoa. Onko lumi valkoista? Jos otamme lumimaisemasta digikuvan ja suurennamme sitä, niin emmekö erota kuvasta monia sävyjä, jopa mustaa? Asiantuntijoiden ja maallikoiden tai eri kulttuureista tulevien ihmisten puheessa on ymmärtämisen ja sopimisen haasteita.

Kieli kuten monet muut asiat on sopimusjärjestelmä, joka käytännössä opitaan matkimalla ja jota luodaan jatkuvasti uudestaan. Erilaiset ammatit ovat valtava vahvuus – sen sijaan, että meidän jokaisen pitäisi osata kaikkea. Työnjako on lisännyt ihmiskunnan tuottavuutta. Miten ymmärrämme toisiamme, kun meillä on erilainen kokemus ammattialoittain?

Emergenssi, kehkeytyminen, tarkoittaa sitä, että jotain nousee itsestään, pienistä tapahtumista kehkeytyy yleistyksiä. Yhteiskunnassa ja maailmassa on paljon asioita, joilla on emergentti luonne. Miten sellaista voidaan hallita tai suunnitella? Nykyisissä neuroverkkosysteemeissä on emergenttejä piirteitä. Emme enää voi sanoa, että ohjelmoimme järjestelmän tekemään tiettyä asiaa, kun järjestelmä voi keinotekoisella kokemuksella tehdä jotain sellaista, jota ohjelmoija ei ole tullut ajatelleeksi. Siirtyminen sääntöpohjaisesta tekoälystä neuroverkkopohjaiseen tuo siis monia haasteita ja mahdollisuuksia.

Tekoälyjärjestelmät voivat matkia ihmisen toimintaa ja vaikuttaa työhömme ja ongelmanratkaisuun. Big datasta tulee yhteiskunnallisesti iso asia, jonka hallinnassa tietojärjestelmät voivat auttaa meitä. Kokonaisuudesta tule yhä monimutkaisempi, kun rakennetaan yhä korkeamman abstraktiotason järjestelmiä. Tilastollisen koneoppimisen muotoja ovat

• ohjattu oppiminen kuten luokittelu
• ohjaamaton oppiminen kuten tilastollinen klusterointi
• vahvistusoppinen, jossa kone saa palautetta toimintansa onnistumisesta.

Ohjaamattomassa oppimisessa kone voi oppia jopa sellaisia käsitejärjestelmiä, joita ei aiemmin ole ollut olemassa. Miten ymmärrämme sen, miten kone on oppinut? Vahvistusoppimisessa kuvaan astuu myös etiikka ja moraalinen kysymyksenasettelu.

Tekoälyjärjestelmät voivat tulla demokratian avuksi esim. mahdollistamalla miljoonan ihmisen kokoukset ja edistämällä vuorovaikutusta. Vihapuhe on vain välivaihe. Honkelan tilastollisessa tutkimuksessa vuodelta 2012 arvioitiin Yhdysvaltojen presidenttien Kansakunnan tila -puheita. Tutkimuksessa ilmeni, että sana ”health” tarkoittaa eri asiaa demokraateille ja republikaaneille. Oletamme, että käyttämämme sanat tarkoittavat kaikille samaa, mutta näin ei välttämättä olekaan. Niinpä, kun me ihmiset kiistelemme ja olemme asioista eri mieltä, niin syynä saattaa olla se, että kieli- ja käsitejärjestelmämme ovat niin erilaisia, että päädymme eri tuloksiin.

Tietojärjestelmiä kehitetään entistä enemmän emergenteiksi. Jos sanomme jotain, siitä kehkeytyy jotain esim. voiman ja vastavoiman tuloksena. Hyvää ei välttämättä saada aikaan tekemällä hyvää, mikä on paradoksi, mutta eteen voi tulla vastavoimia, joiden vuoksi asiat menevät pois toivotulta uraltaan.

Tekoälyjärjestelmillä voidaan tehdä mielenkiintoisia asioita. Jos meillä on ajatus rauhankoneesta, niin voimme soveltaa sitä itsessämme. Voimme rauhoittaa itsemme, jos olemme suuttumassa, kun toinen sanoo jotain, mitä emme ymmärrä. Kun rauhoitumme, voimme ajatella, että tuo toinen ei ole tyhmä vaan hänellä on erilainen kokemus, ja me voisimme nöyrästi kuunnella häntä.

Tekoäly opetuksessa

Tarmo Toikkanen kysyi, pitäisikö puhua tekoälystä vai tukiälystä, apuälystä tai koneälystä, tekoälystä ihmisen älyn tukena. IT-kouluttajien tämän kevään Tekoäly oppijan sisällä -seminaarissa pohditiin, miten selittää tekoälyä ekaluokkalaiselle. Voimme selittää, että kone tekee tylsiä töitä nopeasti, väsymättä ja tehokkaasti, ja me ihmiset voimme opettaa koneita.

Tekoälyn ensiaskeleet otettiin jo vuonna 1953, jolloin TIVIAkin perustettiin. Kun input- ja output-kerrosten välissä on piilokerros, niin järjestelmätuottajat puhuvat syväoppimisesta (deep learning). Niin ”tekoäly” kuin ”syväoppiminenkin” ovat hypeä. Linux-boxeja pyörittäneet nörtit ovat käyttäneet avoimen lähdekoodin SpamAssassin-nimistä roskapostisuodatinta. Alkuaikoina siinä oli tuhansia jos-niin-sääntöjä, joilla roskapostia suodatettiin. Vuosituhannen vaihteessa siihen tuli bayesilainen päättely eli sille pystyttiin syöttämään tuhansia sähköposteja, jotka oli tägätty roskapostiksi ja ei-roskapostiksi, mikä paransi tuloksia. Sehän oli tekoälyä, mutta ei kukaan sitä sellaiseksi nimittänyt, nähtiin vain, että spämmiä oli aiempaa vähemmän. Emergenssistähän tässäkin oli kyse.

Onko tekoäly tietokoneen intuitiivista päättelyä? Nykyisin ruokakaupan logistiikassa koneäly päättelee, milloin banaaneja pitää tilata kauppaan. Niinpä banaaneja yleensä on kaupoissa – mutta ei kukaan ajattele, että ne olisivat ”tekoälybanaaneja”. Laatu on näin tasaisempaa kuin silloin, jos yksittäinen ihminen päättäisi tilauksista. Toisaalta ihminen tunnistaa kuvasta koiran ja muffinssin helpommin kuin tekoäly, joka havainnoi ne eri tavoin kuin ihminen.

Tekoälyfirman perustaminen ei ole vaikeaa, kun tekoälyä ja tallennuskapasiteettia pilvestä voi ostaa kaupan hyllystä, data vain pitää saada jostain.

IT-kouluttajien kevään seminaarissa pohdittiin myös, mitä tekoälyn oppiaineena pitäisi olla? Perusasteella oppijan pitäisi ymmärtää, mitä tekoäly on ja mitä se ei ole. Ammatillisessa opetuksessa kyse on jo työskentelystä tekoälyn kanssa. Tarvitaan neljää osaamisaluetta: liiketoiminnan ymmärtäjää, ohjelmistokehittäjää, koneoppimisen menetelmien kehittäjää ja tukiälyn työkaveria. Me kaikki voimme olla tukiälyn työkavereita, mutta menetelmien kehittäjä tarvitsee korkeatasoista osaamista niin matematiikassa kuin tietojenkäsittelytieteessä.

Tekoäly ei tee inhimillisiä virheitä eikä väsy koskaan vaan tuottaa tasalaatuisia tuloksia. Koneella ei kuitenkaan ole kontekstia, joten sen rinnalle tarvitaan ihminen katsomaan, onko koneen antama tulos tai ratkaisu lainkaan järkevä.

Datan siivoaminen on yllättävän vaikeaa. Jos esim. rekrytointifirman historiallinen data annetaan koneälylle, ja data sisältää vinoutuneita päätöksiä sukupuolen, iän tai etnisen taustan mukaan, niin kyseisestä datasta oppinut koneäly tekee vastaavanlaisia vinoutuneita päätöksiä.

Mitä pitäisi ottaa huomioon, kun kehitetään ihmisten elämään vaikuttavaa tekoälyä? Mitä on tekoälyn etiikka? Kuka päättää algoritmin optimointitavoitteet? Kuinka varmoja päätökset ovat? Tekoälyn pitäisi myös jatkuvasti kehittyä; kertakoulutus ei riitä vaan palauteluupin pitää olla kunnossa niin, että tekoäly oppii jatkuvasti. Avoin tiedottaminen on myös tärkeää. EU:n uuden tietosuoja-asetuksen GDPR:n myötä voimme vaatia ihmisiä tarkistamaan meitä koskevia automaattipäätöksiä. Aiheesta voi lukea lisää netistä löytyvästä teoksesta Ethically Aligned Design 2.0, IEEE. Niin, ja tekoälyä käsitellään Sytykkeen ensi syksyn huippuseminaarissa Tekoäly työyhteisössä.

Tietoyhteiskunta

Antti Rainio totesi, että tietoyhteiskuntaa on kymmeniä vuosia rakennettu verkkoon. Sitä on voitu jonkin ikkunan kautta kurkkia ja sitten on taas oltu normaalissa yhteiskunnassa. Tämä on heijastunut myös lainsäädäntötyöhön. Parissakymmenessä vuodessa puolet maapallon väestöstä on alkanut käyttää nettiä. Tietoyhteiskunta on siis huikeaa vauhtia tullut ihollemme.

Parikymmentä vuotta sitten puhuttiin ubiikkiyhteiskunnasta, nyt sulautetusta älystä, esineiden internetistä ja boteista. Robotit ovat tulleet teollisuuteen, liikenteeseen, kodinhoitoon ja jopa leluihin. Mitä tämä merkitsee meille ja vuorovaikutukselle? Opettelemmeko ymmärtämään, mitä tekoäly yrittää meille viestiä?

Tekoäly voidaan määritellä tietokoneohjelmaksi, joka algoritmisesti simuloi ihmisen loogista ajattelua, hahmontunnistamista, oppimista ja päätöksentekoa. On mielenkiintoista nähdä erilaisia kerroksia todellisuudessamme. Sanastotyöntekijät ovat opettaneet, että meillä on käsite, termi ja tarkoite. Käsite on käsitemaailman abstrakti määritelmä, termi on se, millä me siitä puhumme ja tarkoite reaalimaailman kohde tai ilmiö. Jos ja kun tekoälyjärjestelmillä halutaan hallita yhä isompia kokonaisuuksia, niin törmäämme samaan haasteeseen kuin perinteisten tietojärjestelmien kanssa: miten takaamme yhteentoimivuuden teknisellä, semanttisella, organisaatioiden prosessien ja lainsäädännön tasolla?

Tiedonhallintalakia valmistellaan parhaillaan Suomessa. Aikataulullisena tavoitteena on, että lakiluonnos tulisi lausunnolle kesällä ja hallituksen esitys eduskunnalle lokakuussa. Laki näkee julkisen hallinnon tietovarannot ja prosessit kokonaisuutena. Jos tietoa tarvitaan toisessa siilossa, niin rajapinnat pitäisi tuottaa niin, että tieto kerättäisiin vain yhden kerran.

Parhaillaan Tieto- ja tekoälyministerityöryhmä valmistelee Tietopoliittista selontekoa VM:n johdolla. Työnimi on ”Eettistä tietopolitiikkaa tekoälyn aikakaudella.” Millaisia kysymyksiä selonteossa pitäisi käsitellä? Miten tekoäly hoitaa meidän asioitamme ja päättää niistä? Uusi tietosuoja-asetus toteaa, että jos päätöksiä tehdään automaattisesti, se pitää mainita laissa.
Mitkä hallinnolliset päätökset voidaan tehdä automaattisesti? Kuka on vastuussa tekoälyn tekemistä valinnoista ja päätöksistä? Mitä vaatimuksia tekoälyn käyttämälle datalle pitää asettaa? Tuleeko julkisen hallinnon käyttämän tekoälyjärjestelmän olla avoimesti tarkastettavissa? Esim. verovirkailija käsittelee vain kymmenesosan veroilmoituksista ja loput käsitellään automaattisesti. Veroilmoituslomakkeesta on lisätietokenttä otettu pois, koska sitä ei kukaan olisi lukemassa.

Pitäisikö tekoälyn olla avointa lähdekoodia? Entä jos tekoälyn toteuttava tietokoneohjelma on teos, ja sen tekijällä on siihen tekijänoikeus? Entä jos se on patentoitavissa? Entä jos tekoälytuotteeseen sisältyy dataa, jonka valmistajalla on tietokantasuoja?

Paneeli

Mika Heleniuksen vetämässä paneelissa keskustelivat Tarmo Toikkanen, Antti Rainio ja Jaakko Hollmén. Miksi tekoälystä puhutaan nyt paljon? Onko kyse markkinointiviestinnästä, kun tekoälytuotteita tulee markkinoille yhä enemmän? Onko tekoäly uudelleensyntynyt digitalisaatio? Potentiaalinen dataympäristömme on valtava ja datalähtöiset tekoälyt ovat nyt kovassa huudossa. Paljonko dataa syntyisi vaikka tästä TIVIAn tilaisuudesta? Viimeisten kymmenen vuoden aikana tekoäly on tullut niin edulliseksi, että jo yhden henkilön yritys voisi ruveta tekoälyllä rakentamaan liiketoimintaa.

Miten tekoälyyn kannattaisi perehtyä, jos vaikka ajattelisi siitä uraa itselleen? Tänä päivänä data scientist on kysytyin osaaja maailmalla. Jos sellaiseksi haluaa, pitäisi ottaa haltuun ohjelmistosuunnittelu, algoritmisuunnittelu, lineaarialgebra ja muutama muu matematiikan osa-alue, niin, ja ymmärtää, miten rinnakkaislaskentaa tehdään tehokkaasti. Näitä asioita voi opiskella itsenäisesti, sitä varten ei välttämättä tarvitse mennä yliopistoon suorittamaan matematiikan maisterin tutkintoa. Ennen vanhaan olisi ehkä tilattu alan lehti ja valittu Akateemisen kirjakaupan hyllystä jokin aihetta käsittelevä kirja, mutta tänä päivänä tekoälystä löytyy netistä googlaamalla 168 000 linkkiä.

Opettaminen on hyvä keino oppia, samoin kavereiden kanssa keskustelu. Tekoälyä yliromantisoidaan ja siihen yhdistetään haavekuvia, jotka eivät ole teknologisesti toteutettavissa. Esim. haaveillaan robotista, jolle sanotaan: ”Ok, robotti, hoida Hilja-mummoa iltaan asti”, ja kerrotaan sille, että Hilja-mummo tykkää sokerikorpuista. Ja oletetaan, että tällainen olisi totta tai tehtävissä. Ilman haaveita ei syntyisi uusia ratkaisuja, mutta pitäisi kuitenkin oppia niin paljon, että ymmärtää, mikä on tehtävissä ja mahdollista. Jos aiheesta kiinnostuu, niin datatiedettä voi opiskella avoimessa yliopistossa. MOOCeja ja välineitä on netti pullollaan. Asiaan kannattaa perehtyä yhdessä muiden kanssa, yksin puurtaen vauhti loppuu helposti kesken. Palvelumuotoiluunkin voi etsiä tuoretta kulmaa tekoälystä. Suomesta tulee monialaisempia osaajia kuin muualta, koska koko maan korkeakoulutarjonta on kenen tahansa ulottuvilla.

Miten vältetään virheellisten tietojen syntyminen tietojärjestelmissä? Kun Suomessa lähdettiin avaamaan dataa, niin opittiin, että organisaatioissa tiedettiin datan sisältävän virheitä. Kun data kuitenkin avattiin, niin virheitä alkoi löytyä ja niitä korjattiin; virheiden etsintä ja korjaaminen joukkoistettiin. Tällainen ei tietysti pure tietosuojan alaiseen tietoon, mutta voisiko tekoäly auttaa siinä? Virheellinen tieto voitaisiin ainakin blokata ulos datasta, jos sitä ei pystytä korjaamaan. Jos virheellisen datan avulla opetetaan tekoälylle malleja, niin myös virheiden tilastolliset ominaisuudet päätyvät malliin. Tarvitsisimme palauteluupin, joka kertoisi virheistä. Lääkäreiltähän palaute puuttuu; yleensä he eivät saa tietää, oliko heidän antamansa diagnoosi oikea tai auttoiko heidän määräämänsä lääke – ja tämä on maailmanlaajuinen ongelma.

Mikä on hiljaisen tiedon merkitys tekoälyssä? Ihmisen kokemus on kehollista ja koneen ymmärrys on joka tapauksessa erilainen kuin ihmisen. Paras tilanne olisi, että kone ja ihminen toimisivat työparina. Hiljainen tieto tulee luonnostaan mukaan malleihin, kun ihmiset rakentavat niitä.

Miten liike-elämämme saisi tekoälystä parhaan mahdollisen tuoton, joka poikisi hyvinvointia ja edistystä koko yhteiskuntaan? Rakennetaan verkostoja ja erikoistutaan. Meillä on pienet resurssit ja paljon osaamista, turha tuhlata sitä keskinäiseen kilpailuun. Rakennetaan omien vahvuuksien päälle; Suomessahan on puolen vuosisadan historiadata kansalaisista, millaista muissa maissa ei ole. Data on uusi öljy, mutta datan kerääminen on kallis prosessi. Tekonologian demystifiointi on aina paikallaan, tekoäly on vain yksi tekonologia muiden joukossa.

Onko EU pukemassa softarobottinsa ja tekoälynsä GDPR:n pakkopaitaan? EU:ssa tietosuojalainsäädäntö on jo tähän mennessä ollut tiukempi kuin esim. Yhdysvalloissa. GDPR:n tavoite on saada Euroopan alue pelaamaan yhteen, jotta voidaan esim. tehdä vakuutuspäätöksiä vaikkapa italialaiselle ihmiselle suomalaisessa vakuutusyhtiössä. GDPR:ssä on enemmän hyvää kuin haittaa. MyData on eurooppalainen ja suomalainen juttu, se on tapa hyödyntää henkilödataa ihmisen omalla suostumuksella.

Miten pitäisi suhtautua terveyskeskukseen, joka kertoo käyttävänsä tekoälyä? Tämähän on jännä mainoslause; tuskin mikään terveyskeskus tänä päivänä mainostaisi käyttävänsä relaatiotietokantateknologiaa. Jos esim. priorisoidaan puhelinjonossa olevia ihmisiä, niin onhan sekin puoliälykästä toimintaa. Tekoäly on liukuva skaala. Todennäköisesti kyse on chattibotista, ja sellaisiahan meillä on ollut 1980-luvulta asti. Nyt ne alkavat olla jo niin hyviä, että ymmärtänevät tietyn aihealueen keskustelua suomeksi.