Syrjäytymisen ehkäisemiseksi etsitään ratkaisuja. Auttaisiko tekoäly? Mitä hyödyllisen tekoälysovelluksen tulisi tehdä ja miten sen pitäisi toimia? Muodostetaanko samankaltaisista käyttäjistä heimoja, vai suositteleeko sovellus tukijärjestöjä?
Tekoälysovellusten kehittämistä ei voi erottaa eettisistä pohdinnoista. Esimerkiksi vuorovaikutus tekoälyn kanssa kätkee monta kysymystä. Filosofi Maija-Riitta Ollila kirjoittaa nykyajan ”hellästi tuuppivasta tekoälystä”, joka ohjaa toimintaamme huomaamattomilla tavoilla, parhaimmillaan hyvää tekevien valintojen suuntaan. Toisaalta hellä tuuppiminen voi väärissä käsissä muuttua jatkuvaksi ja velvoittavaksi valvonnaksi, ja yksilön autonomian loukkaamiseksi [1].
Margaret A. Boden pohti tekoälyn ja yhteiskunnan suhdetta terävässä artikkelissaan jo 1970-luvulla [2] ennakoiden ”some-peukuttamisen”. Hän kirjoitti automatisoitumisen ja ”älykkäiden koneiden” vaikutuksesta yksilön osallisuuteen ja yhteiskuntiin. Boden näki tulevaisuusvisiossaan, että liian helppo vaikuttaminen yhteiskunnallisiin asioihin nappeja napsutellen omalta kotisohvalta kotipäätelaitteella voi paradoksaalisesti vähentää yksilön osallistumisen tunnetta ja vieraannuttaa yhteiskunnasta.
Boden näki uhkana ”tietokone-eliitin” muodostumisen: vain eliitin jäsenet ymmärtävät, miten laskenta toimii, ja heistä tulee ainoita, jotka eivät koe syrjäytyneensä yhteiskunnasta [2]. Boden tarjosi tähän ratkaisuna ohjelmoinnin ja tietojenkäsittelyn ajatusmallien opettamisen kouluissa. Kuin vastauksena vuosikymmenten takaisen artikkelin toiveeseen, vuoden 2016 alussa ikäkaudelle sopiva ohjelmoinnin opetus otettiin Suomessa mukaan valtakunnallisiin opetussuunnitelman perusteisiin [3]. Ohjelmoinnin käsitteen sisään mahtuvat sangen hyvin myös tekoälyn perusteet.
Tekoälyn perusteiden oppiminen tekee mahdolliseksi eettisen pohdinnan, joka ei jää tuuleen heilumaan. Ratkaisujen vaikutusta on helpompi arvioida, kun on hankittu käsitys siitä, mikä tekoälyn saralla on mahdollista, mitä tekoäly voi datasta oppia, ja miten se tapahtuu.
Tekoäly ei ole aina monimutkaista. Sen taustalla on koneoppimismenetelmiä, joiden tavoitteena on klusteroida (ryhmitellä) tai luokitella havaintoja tai ennustaa jonkin muuttujan arvoja. Monet menetelmistä ovat varsin suoraviivaisia: niiden toimintaperiaatteen ymmärtäminen ei vaadi juurikaan matemaattista osaamista. Ratkaisuja voi ottaa käyttöön valmiina moduuleina ja rakentaa niistä kokonaisuuden, joka ratkaisee oman haasteen. Tätä voi verrata Lego-palikoilla rakenteluun: taitavaksi linnojen ja kaivinkoneiden rakentelijaksi voi oppia ilman, että tarvitsee sorvata ensimmäistäkään Lego-palikkaa itse.
Työpajoja nuorille
Metropolian PEILI-hankkeen työpajoissa syrjäytymisvaarassa olevat nuoret miehet kehittävät tekoälysovellusta yhdessä asiantuntijoiden kanssa. Nuoret määrittelevät tekoälyyn pohjautuvan mobiilisovelluksen, jonka tavoitteena on auttaa löytämään työ- ja koulutuspolkuja ja vahvistamaan sosiaalisia verkostoja. Määrittelyn tavoitteena on sovelluksen rajaaminen ja sen ominaisuuksien kuvaaminen. Työpajojen erääksi lähtökohdaksi on valittu tekoälymenetelmien avaaminen nuorille: jotta tekoälysovellusta voi määritellä, on ymmärrettävä, mitä tekoäly on. Työpajojen ohjelmasta puolet rakentuvat tälle lähtökohdalle, puolet sosiaalialan ja terveyden edistämisen tavoitteille.
Tekoälyn salat avataan PEILI-työpajojen osallistujille tutustumalla menetelmien toimintaperiaatteisiin kiinnostavien esimerkkien kautta. Tuokiot rakentuvat seuraavasti:
- johdanto, jossa avataan
- jotain tekoälyn tavoitetta: klusterointi, luokittelu, suosittelu
- sen toteuttavaa algoritmia eli ratkaisumenetelmää: k-means, päätöspuu, assosiaatiosäännöt
- työskentely Weka-koneoppimisohjelmistolla tietoaineiston parissa
- aineiston esikäsittely
- analyysi
- tulosten tulkinta
- johtopäätösten teko
- purku ja pohdinta, jossa keskustellaan tuloksista, sovellettavuudesta ja eettisistä kysymyksistä
Työpajoissa ilmenee, kuinka rajallisella panoksella voidaan ymmärrettävästi avata tekoälymenetelmiä. Nuoret kokevat aihepiirit innostavaksi, ja saavat työkaluja heitä palvelevan sovelluksen määrittelyyn niin teknologisia kuin eettisiä seikkoja huomioiden.
Joku voi toki epäillä, että pikatietoiskuilla ”vedetään mutkat suoriksi” − onhan nykyaikainen tekoäly muutakin kuin yksinkertaisia menetelmiä ja helposti avattavia esimerkkejä. Taustalla olevat ongelmat ovat silti selkeitä: esimerkiksi eräs tämän hetken muotiongelmista, kuvantunnistus, on luokitteluongelma, jossa kukin kuvan kohteista osoitetaan johonkin etukäteen määrätyistä luokista. Tällaisia luokkia (kuten “kissa” tai “liikennemerkki”) on toki erittäin suuri määrä. Luokittelijoiden taustalla oleva matematiikka on kuvailtavissa ja havainnollistettavissa ymmärrettävästi. Erinomainen esimerkki tästä on Andrew Glassnerin kirjoittama yli 1700-sivuinen oppikirja [4], jossa hän avaa kuvantunnistuksessa käytettyjä ns. konvoluutioneuroverkkoja matemaattisesti osaamattomalle yleisölle. Kun kiinnostus saadaan nuoressa heräämään ymmärrettävillä esimerkeillä, voi hän motivoitua hankkimaan lisätietoa itse ja arvioimaan tekoälyratkaisujen vaikutuksia omaan elämään.
Tekoälyä tarpeeseen
PEILI-työpajojen sovelluksen määrittelytyö on tätä kirjoitettaessa kesken. Ensimmäisessä työpajassa nuoret miehet määrittelivät syrjäytymistä ehkäisevän sovelluksen käyttötarpeita, ja toisessa tarkentui nuorten näkemys siitä, millainen sovellus toimii heidän hyödykseen ja millaista vuorovaikutuksen sen kanssa tulisi olla. Ilmeni, että työpajoissa olleet nuoret kaipaavat keskustelubottia, joka löytää sopivimmat tukijärjestöt sekä ehdottaa työ- ja koulutuspaikkoja ja tapahtumia. Botti tarjoaa myös anonyymin yhteyden samankaltaisiin käyttäjiin. Kyseessä on suosittelujärjestelmä, jonka tuuppii hellästi kohti nuoren itsensä asettamia tavoitteita.
PEILI-hankkeen työpajoja suunniteltaessa ja toteutettaessa olen päässyt paitsi opettamaan tekoälyn perusteita myös keskustelemaan nuorten kanssa siitä, millaista tekoälyä he haluavat. Samalla minulle on vahvistunut käsitys siitä, että tekoälymenetelmien perusteiden osaaminen on kansalaistaito, joka on helposti hankittavissa. Se on myös suunta, johon ohjelmoinnin opetusta kouluissa tulee viedä. Kun perusteet ovat hallussa, voi tekoälyn vaikutuksista elämään keskustella paljon paremmin.
Lähteet
[1] Ollila, Maija-Riitta. Tekoälyn etiikkaa. Otava, 2019, e-kirjan luvun 6 aliluvut “Hellästi tuuppiva tekoäly” ja “Kevyttä holhoamista”.
[2] Boden, Margaret A., Social implications of intelligent machines. ACM ’78 Proceedings of the 1978 annual conference – Volume 2, s. 746-752.
[3] Opetushallitus, Perusopetuksen opetussuunnitelman perusteet 2014. Saatavilla sähköisesti: https://www.oph.fi/saadokset_ja_ohjeet/opetussuunnitelmien_ja_tutkintojen_perusteet/perusopetus [linkin toimivuus tarkastettu 30.4.2019]
[4] Glassner, Andrew, Deep Learning from basics to practice, vol. 1 ja 2, Imaginary Institute, Seattle, 2018.
Kirjottaja
Vesa Ollikainen (FT, tietojenkäsittelytiede) työskentelee lehtorina Metropolia ammattikorkeakoulun ICT ja tuotantotalous -osaamisalueella. Hän opettaa ohjelmistotuotannon, tiedonhallinnan ja tekoälyn alaan kuuluvia opintojaksoja sekä toimii tietotekniikan asiantuntijana PEILI-hankkeessa.
Ei kommentteja