Oppivien tietämysverkkojen suunnittelu

Älykkäät assistentit ovat jo osa monien työkalupakkia. Niitä voidaan hyödyntää esimerkiksi koneiden ja rakennusten kunnon seurannassa ja ratkaisujen etsinnässä. Pelkkä data ei kuitenkaan tee älykkäästä assistentista hyödyllistä. Jotta nämä digitaaliset assistentit voivat tukea päätöksentekoa muuttuvissa tilanteissa, niiden on pystyttävä oppimaan eli lisäämään ja muokkaamaan tietoa tietovarastoissaan, esimerkiksi tietämysverkoissa. Väitöstutkimus tarkastelee miten tietämysverkko muuttuu oppimisen kautta ja voi tarjota käyttäjälle asiayhteyteen sopivaa tietoa.

Hybridiäly tarkoittaa ihmisen ja tekoälyn vahvuuksien yhdistämistä. Kone pystyy käsittelemään suuria datamääriä nopeasti, kun taas ihminen ymmärtää kokonaisuuksia, tavoitteita ja tilanteiden merkityksiä. Monissa käytännön tilanteissa nämä vahvuudet jäävät kuitenkin erilleen: järjestelmä käsittelee dataa, mutta ihmisen kokemus ja arviointikyky eivät vaikuta tallennettuun tietoon, ja näin tieto on käyttäjän näkökulmasta vaikeasti hyödynnettävissä. Tähän tarpeeseen väitöstutkimus esittää oppivaa tietämysverkkoa, joka kuvaa asioita ja niiden välisiä suhteita muodossa, jota sekä ihminen että kone voivat hyödyntää. Oppiva tietämysverkko ei ole pelkkä tietovarasto, vaan se voi täydentyä ja tarkentua uuden datan, koneoppimisen, käytön ja asiantuntijapalautteen perusteella.

Käytännössä tällaisia ratkaisuja tarvitaan tilanteissa, joissa päätökset perustuvat sekä dataan että asiantuntijan tulkintaan. Yrityksissä tietoa syntyy järjestelmiin, dokumentteihin sekä ihmisten kokemukseen ja asiantuntemukseen, mutta nämä eivät aina yhdisty päätöksenteon hetkellä. Oppiva tietämysverkko voi tarjota älykkäälle assistentille olennaista tietoa juuri kyseisessä tilanteessa ja päivittää sitä, kun käyttö osoittaa tiedon kaipaavan tarkennusta.

Väitöstutkimus toteutettiin suunnittelutieteellisenä tutkimuksena, jossa ratkaisuja kehitettiin käytännön ympäristöjen ja aiemman tutkimustiedon vuoropuheluna. Tutkimuksessa tarkasteltiin oppivien tietämysverkkojen suunnittelutavoitteita, kehitysprosessia ja oppimiskeinoja sekä sovellettiin ratkaisua älykkään assistentin kontekstissa. Tutkimuksen empiiriset ympäristöt liittyivät teolliseen kunnossapitoon ja autonomisen ajamisen päätöksentekoon, mutta tulokset on suunnattu laajemmin älykkäiden assistenttien kehittämiseen.

Tutkimuksen keskeinen viesti on, että älykkään assistentin hyödyllisyys riippuu sen kyvystä oppia kohdeympäristöstä ja ihmisen asiantuntemuksesta. Kun tietopohja kehittyy, tekoäly voi tukea paremmin ihmisen päätöksentekoa. Ihminen säilyy keskiössä: oppiva tietämysverkko ei korvaa asiantuntijan päätöksentekoa, vaan auttaa jäsentämään ja kehittämään tallennettua tietoa asiantuntijan hyödynnettäväksi.