Käyttäjän mallintaminen voi mullistaa sen, mitä tekoäly pystyy tekemään
Ihmiset eivät osaa kertoa tekoälylle, mitä he oikeastaan haluavat. Tämä rajoittaa sen käyttöä rankasti. FCAI:n ainutlaatuinen lähestymistapa pyrkii ratkaisemaan ongelman – ja perustavasti muuttamaan tapamme kehittää tekoälyä.
Probabilistic machine learning -tutkimysryhmän jäseniä kokouksessa. Kuva: Matti Ahlgren
Tekoälystä toivotaan ratkaisijaa monille ihmiskunnan suurille kysymyksille, mutta sen hyödyllisyyttä rajoittaa toistaiseksi yksi keskeinen ongelma: tekoäly ei ymmärrä teknologian käyttäjien varsinaisia tarkoitusperiä.
Ratkaisu tähän saattaa tuntua ilmiselvältä – eikö riitä, että muotoilemme toiveemme selkeämmin? Käytännössä haaste on kuitenkin osoittautunut pitkälti ylitsepääsemättömäksi. Teknologian käyttäjinä me ihmiset emme usein tiedä, oikeasti tai ainakaan riittävällä tarkkuudella, mitä haluamme.
”Nykyiset tekoälyjärjestelmät oppivat datasta ja voivat jopa toimia itsenäisesti silloin, kun niille on annettu tarpeeksi selkeä tavoite. Mutta kun käyttäjä ei osaa yksiselitteisesti muotoilla aikomustaan, tekoäly ei voi auttaa”, kertoo FCAI:n johtaja Samuel Kaski.
”Tämän seurauksena niiden ongelmien määrä, joiden ratkaisemisessa tekoälystä on hyötyä, on tällä hetkellä hyvin rajallinen.”
Tekoälyssä on siis valtavasti toistaiseksi hyödyntämätöntä potentiaalia. Kuinka siihen voidaan päästä käsiksi?
FCAI:lla tutkijat ovat kehittämässä ratkaisuja juuri tähän ongelmaan. Tarkoitus on rakentaa sellaista tekoälyä, joka auttaa epävarmoja käyttäjiä tarkentamaan ja määrittelemään tavoitteitaan. Uusi tekoäly tarjoaisi käyttäjilleen vaihtoehtoja ja näyttäisi kunkin valinnan seuraukset. Näin käyttäjät voisivat edetä askel kerrallaan kohti lopullista tavoitettaan tekoälyn avustamina.
Jotta tällainen prosessi olisi mahdollinen, tekoälyn täytyy osata ennakoida ihmisten käyttäytymistä ja ymmärtää heidän aikeitaan; voidaan sanoa, että sillä täytyy olla malli ihmisen mielestä.
Ymmärtääkseen ihmismielen toimintaa niin hyvin, että sen oleellisia ominaisuuksia saadaan tallennettua malliin, FCAI:n tutkijat yhdistävät tekoälytutkimusta kognitiotieteisiin ja ihmisen ja tietokoneen välisen vuorovaikutuksen tutkimukseen. (Lue lisää kognitietieteen ja tekoälyn yhdistämisestä Andrew Howesin haastattelusta.) Tässä työssä FCAI on pioneeri: tyypillisesti koneoppimisen tutkimus tapaa unohtaa käyttäjän, kun koneen ja ihmisen vuorovaikutuksen tutkimus taas harvoin sisältää tekoälyä.
”Pidämme tätä painopistettä merkittävänä saavutuksenamme”, Kaski sanoo, ”ja se on keskeinen tekijä, joka erottaa tutkimuksemme muista.”
Miten se alkoi, ja minne se on menossa
Ajatus tutkimusfokuksesta syntyi viime vuosikymmenen alkupuolella projektista, jossa kehitettiin uudenlaista hakukonetta. Tarkoitus oli kehittää järjestelmä, joka osaisi auttaa epävarmoja käyttäjiä täsmentämään tavoitteitaan ja siten mahdollistaa osuvan tiedon suosittelemisen alkuvaiheen epävarmuudesta huolimatta.
Hakukone rakentaa ensin käyttäjän kanssa vuorovaikutuksessa mallin käyttäjän intentioista eli tavoitteista. Tämän mallin pohjalta hakukone esittää käyttäjälle täydentäviä avainsanaehdotuksia (lue lisää ja katso video projektista seuranneista uusimmista tuloksista).
”Ymmärsimme tutkimuksen kuluessa, että tätä samaa tekoälyavusteista tukea käyttäjän tarkoituksen muotoilussa tarvitaan myös muunlaisissa ongelmanratkaisutehtävissä”, Kaski kertoo.
Tutkimusprojektin pohjalta perustettiin Etsimo Healthcare, joka on nykyäänkin FCAI:n kumppaniyritys. Projektista saadut laajemmat oivallukset muotoiltiin FCAI:n tutkimusta pitkälti yhdistävään metodologiseen tavoitteeseen: Tarkoitukseen kehittää tekoälyavusteista päätöksentekoa, suunnittelua ja mallintamista.
Tällä hetkellä FCAI:n tutkijat lähestyvät kysymystä usealta suunnalta. Tavoite tekoälyavusteisen päätöksenteon kehittämisestä näkyy muun muassa uudessa, interaktiivisessa teknologiassa, joka parantaa lääketieteellisten hoitojen ennusteen tarkkuutta mahdollistamalla dialogin ennusteohjelman ja lääkäreiden välille. Tätä teknologiaa kehitettiin ja testattiin alun perin syöpätutkimuksessa, mutta sitä voidaan soveltaa myös muihin sairauksiin. Ensimmäiset tulokset tulivat julki 2018.
Kaikkiaan FCAI:n tarkoitus on olla käynnistämässä paradigmamuutosta, joka massiivisesti laajentaisi tekoälyn sovellettavuutta ja perustavanlaatuisesti muuttaisi sitä, miten tekoälyä kehitetään.