Oulussa kehitetty oppiva tietämysverkko tekee tekoälystä paremman päätöksenteon tukijan
Tekoälypohjaiset assistentit ovat yleistyneet nopeasti esimerkiksi teollisuuden, liikenteen ja kiinteistöjen hallinnan tukena. Ne voivat analysoida suuria tietomääriä ja tunnistaa ilmiöitä, joita ihmisen olisi vaikea havaita. Käytännössä niiden hyödyllisyys kuitenkin riippuu siitä, pystyvätkö ne tarjoamaan toimintaympäristön kannalta olennaista/asianmukaista tietoa. Ihminen käyttää omaa arviointikykyään ja soveltaa saamansa ehdotukset tilanteeseen.
"Pelkkä data ei riitä tukemaan päätöksentekoa monimutkaisissa tilanteissa. Tarvitaan myös ihmisen kokemusta, asiantuntemusta ja ymmärrystä siitä, mikä tieto kulloinkin on olennaista", toteaa väitöskirjatutkija Anna Teern Oulun yliopistosta.
Ihmisen ja tekoälyn yhteistyö
Tutkimus liittyy hybridiälyyn, jossa yhdistetään ihmisen ja tekoälyn vahvuuksia. Tekoäly pystyy käsittelemään valtavia datamääriä nopeasti, kun taas ihminen osaa arvioida tilanteita, tavoitteita ja niiden merkitystä laajemmassa kontekstissa.
Monissa nykyisissä järjestelmissä nämä vahvuudet jäävät kuitenkin erilleen. Data kulkee järjestelmissä, mutta asiantuntijoiden hiljainen tieto, kokemus ja tulkinnat eivät välity tekoälyn käyttöön. Tämän vuoksi älykkäät assistentit voivat tarjota käyttäjälle paljon tietoa, mutta vähän todellista tukea päätöksentekoon.
Oppiva tietämysverkko toimii yhteisenä tietopohjana ihmiselle ja koneelle. Se kuvaa tietoa ja asioiden välisiä suhteita muodossa, jota sekä asiantuntijat että tekoälyjärjestelmät voivat hyödyntää.
”Tutkimukseni keskeinen innovaatio on tietämysverkko, joka oppii jatkuvasti lisää. Se ei ole pelkkä staattinen tietokanta, vaan sitä voidaan täydentää uuden datan, koneoppimisen tulosten ja asiantuntijoiden palautteen avulla. Kun järjestelmä kohtaa uusia tilanteita, tietämysverkko voi tarkentua ja kehittyä. Näin myös sitä hyödyntävän assistentin kyky tukea käyttäjää paranee ajan myötä”, väitöskirjatutkija Anna Teern tiivistää.
Ratkaisua tarvitaan erityisesti ympäristöissä, joissa päätösten on perustuttava sekä dataan että ihmisen tulkintaan. Yrityksissä tietoa on hajallaan tietojärjestelmissä, dokumenteissa ja työntekijöiden kokemuksessa. Oppiva tietämysverkko auttaa kokoamaan tämän tiedon päätöksenteon tueksi.
Sovelluksia kunnossapidosta autonomisiin ajoneuvoihin
Väitöstutkimus toteutettiin suunnittelutieteellisenä tutkimuksena, jossa ratkaisuja kehitettiin ja arvioitiin käytännön sovelluskohteiden avulla. Tutkimuksessa tarkasteltiin ensin oppivien tietämysverkkojen suunnitteluperiaatteita, kehitysprosessia ja oppimismekanismeja. Tämän jälkeen ratkaisua sovellettiin älykkään assistentin yhteydessä, jotta sen toimivuutta voitiin arvioida käytännössä.
Empiiriset tutkimusympäristöt liittyivät teolliseen kunnossapitoon ja autonomisen ajamisen päätöksentekoon. Tulokset eivät kuitenkaan rajoitu näille aloille, vaan niitä voidaan hyödyntää laajasti tulevaisuuden älykkäiden assistenttien kehittämisessä.
”Tutkimuksen keskeinen johtopäätös on, että älykkäiden assistenttien arvo syntyy niiden kyvystä oppia sekä toimintaympäristöstä että ihmisten asiantuntemuksesta. Kun tietopohja kehittyy jatkuvasti, tekoäly ei jää irralliseksi analyysityökaluksi, vaan siitä voi tulla aidosti hyödyllinen päätöksenteon tuki. Samalla asiantuntija säilyy prosessin keskiössä”, kiteyttää työn ansiot tutkimuksen ohjaaja professori Tero Päivärinta.
Oppiva tietämysverkko ei tee päätöksiä ihmisen puolesta. Sen tehtävänä on tuoda esiin oikea tieto oikeaan aikaan ja tehdä asiantuntijoiden osaamisesta näkyvämpää sekä paremmin hyödynnettävää. Osana väitöskirjatutkimustaan Teern työskenteli Oulun yliopiston ja Ilmatieteen laitoksen toteuttamassa 6G Visible -tutkimushankkeessa. Siinä kehitettiin uusia ratkaisuja, jotka yhdistivät 6G teknologian, tekoälyn ja hajautetun laskennan autonomisen liikenteen palveluksi tulevaisuuden 6G-verkoissa.
Hankkeessa kehitettiin palvelu tukemaan reitinsuunnittelua erityisesti haastavissa sääolosuhteissa. Ratkaisussa siirryttiin pelkästä ajoneuvon sensorien ja staattisten karttojen hyödyntämisestä kohti laajempaa tilanneymmärrystä, jossa huomioitiin sää, liikenne ja ihmisen kokemus.
”Keskeinen innovaatio oli niin sanotun ”näkymättömän tiedon” hyödyntäminen: järjestelmä yhdisti pilvessä useista lähteistä, kuten säähavainnoista, tutkaennusteista, tie- ja liikennetiedoista, saatavaa dataa yhdeksi jatkuvasti päivittyväksi tietokuvaksi. Tätä tietoa hallittiin kehittyvän tietämysverkon avulla, jonka tavoite on oppia ajan myötä sekä ihmiseltä että koneoppimisen keinoin ja näin parantaa päätöksentekoa”, Anna Teern kertoo.
Ratkaisussa kehitetty hybridiälykäs autonominen ajamisjärjestelmä (HI-ADS) yhdisti tietojärjestelmän laskentakyvyn ja ennustamisen ihmisen arviointikykyyn ja kontekstuaaliseen ymmärrykseen. Näin reitinsuunnittelussa voitiin ottaa huomioon sää- ja liikennetiedon lisäksi kuljettajan mieltymykset, kokemus sekä reaaliaikainen palaute.
Filosofian maisteri Anna Teern väittelee (väitöksen tiedot) Oulun yliopistossa torstaina 1.10. kello 12 alkaen salissa L5. Tietojenkäsittelytieteen väitöskirjan otsikko on Oppivien tietämysverkkojen suunnittelu. Vastaväittäjänä on professori Polyxeni Vassilakopoulou (Agderin yliopisto) ja kustoksena professori Tero Päivärinta (Oulun yliopisto).