Vaikka useita menestystarinoita tekoälyn käytöstä on jo olemassa tekoälyn varsinainen murros on vasta alussa. Tekoäly tulee mullistamaan liikenteen, teollisuuden, terveydenhuollon ja työelämän lähivuosina. Sen uskotaan tulevan merkittäväksi osaksi jokapäiväistä elämäämme.
18.5.2017 elinkeinoministeri Mika Lintilän toimeksiannosta pantiin alulle ”Tekoälyaika Suomessa” toimenpideohjelman valmistelu, jonka tavoitteena on viedä Suomi tekoälyn soveltamisen kärkimaaksi.
Tekoälyn tulevaisuutta selvittänyt työryhmä julkaisi ensimmäisen raporttinsa lokakuussa 2017. Raportissa selvitettiin Suomen tekoälyn ja robotiikan tilannekuvaa, sekä niiden kehitysnäkemyksiä Suomessa ja maailmalla tällä hetkellä. Tilannekuvan selvityksen lisäksi raportissa ehdotettiin tavoitetilaa, johon Suomessa tulisi pyrkiä, sekä annettiin toimenpide-ehdotus ja toteutusmalli, siitä miten tavoitteeseen päästään.
Suomen tekoälyohjelma lähtee liikkeelle tekoälykokeiluista, jotka ovat välttämättömiä toimenpiteitä tekoälyn varsinaisen käyttöönoton kannalta. Jotta tekoälyä voidaan tosissaan käyttää esimerkiksi julkisen terveydenhuollon palveluissa, se pitää ensin ottaa kokeilukäyttöön, jossa sen käytännön soveltuvuutta testataan. Myös tekoälyn kehittäminen vaatii paljon aikaa ja käytännön kokeiluja, jotta tekoälyn mahdolliset virheet saadaan paikannettua ja korjattua.
Mitä vahvuuksia Suomella on valmistautua tekoälyn vallankumoukseen?
Suomen vahvuus tekoälykokeiluille on sen ketterä toimintaympäristö, jossa yritysten, tutkimuslaitosten sekä yhteiskunnan yhteistyö on sujuvaa.
Meillä on pitkät tutkimusperinteet ja määrätietoinen panostus tekoälyyn, joka mahdollistaa sen nopean edistämisen. Yritysten ja julkisten organisaatioiden panostukset tutkimukseen, kehitykseen ja innovaatioihin ovat pitkään olleet suomalaisten vahvuus.
Suomen korkeasti koulutettu ja teknologiamyönteinen väestö on myös kyvykäs omaksumaan uusia ja muuttuvia elinkeinoelämän ja yhteiskunnan ratkaisuja.
Pilotointi
Kriittisenä osana tekoälyn kehityksessä ja sen soveltamisessa on pilotointi, jossa Suomi toimii monelta osaltaan erinomaisena alustana. Meillä on rajattu ja yhtenäinen markkina, neutraalius, runsaat teknologiavarannot, sekä lainsäädännön tuki.
Etenkin julkisen sektorin kehittämistoimintaan on tuonut ketteryyttä niin sanotun ”kokeilukulttuurin” edistäminen.
Tiedämme, että isoja ja nopeita uudistuksia tarvitaan ja siinä terävänä kärkenä toimii Suomen alati kasvava startup-ekosysteemi.
Suomen profiloituminen omien vahvuuksien kautta edesauttaa toimijoiden pääsyä merkittäviin kansainvälisiin verkostoihin, sekä houkuttelee investointeja ja huippuosaajia Suomeen.
Suomen ainutlaatuiset datavarannot muodostavat yrityksille ja tutkijoille houkuttelevan toimintaympäristön. Datan saatavuus ja laatu tuovat Suomelle suuren kilpailuedun esimerkiksi terveyssektorilla.
Yritykset tekoälyn soveltamisessa
Yrityksillä on toistaiseksi ollut suurin rooli tekoälyn kehittämisessä, soveltamisessa ja etenkin tekoälyn soveltamisesta saatujen hyötyjen saavuttamisessa ja niihin investoimisessa. Yritysten huomattavien datavarantojen hyödyntäminen on kriittistä tekoälyn kehittämisessä ja soveltamisessa.
Suomessa tekoälyä soveltavia yrityksiä on arviolta noin 350, joista kolme neljäsosaa käyttää ulkopuolista teknologia-alustaa, kuten Microsoftin, IBM:n ja Googlen alustaa.
Kokeilun paikka – Ideoista konkreettisia kokeiluja
Tällä hetkellä tekoälyn kehitys on todella nopeaa ja sen hyödyntäminen perustuu kokeiluihin. Onkin siis ensiarvoisen tärkeää, että yrityksillä on tehokas ja nopea pääsy tekoälyn kehitykseen mukaan. Yritykset tarvitsevat tukea ja työkaluja siihen, miten innovaatiotoimintaa nopeutetaan.
Valtioneuvoston kanslian Kokeileva Suomi -hankkeen yhtenä tavoitteista on edistää tekoälyn kokeilua. Kokeileva Suomi yhdessä kokeilijayhteisön kanssa on kehittänyt ”Kokeilun paikka” -sivuston alustakseen kokeiluideoille ja niiden toteutuksille.
Kokeilun Paikka mahdollistaa ideoiden yhteiskehittämisen, kokeilujen joustavan rahoittamisen, sekä tuloksien ja oppien jakamisen.
Kokeilujen eri vaiheiden hahmottamiseksi Kokeilun paikka käyttää apuna niin kutsuttua ”Kokeilun kaarta”. Sen avulla kaikki voivat nähdä missä vaiheessa kukin kokeilu etenee ja se opastaa kokeiluhalukkaita idean toteuttamisessa ja oppien levittämisessä.
Kokeilun kaari on jaettu kuuteen osaan: Ratkaistava haasta, Ratkaistava idea, Ehdotus kokeiluksi, Kokeilun rahoitus, Toteutettava kokeilu ja Kokeilun opit.
Esimerkkikokeiluja
Erityyppisiä kokeiluja:
strategiset kokeilut: Hallituksen strategisiin tavoitteisiin ja kärkihankkeisiin liittyviä kokeiluja (esim. palvelusetelikokeilu)
Kokeilukeskittymät: tiettyihin alueisiin tai teemoihin liittyviä kokeilujen kokonaisuuksia tai verkostoja (esim. digikuntakokeilujen verkosto)
Ruohonjuuritason kokeilut: Paikallista tai pienimuotoista kokeilevaa kehittämistä (esim. Liperin päivähoitokokeilut)
Yritykset haluavat viedä kestävän kehityksen tavoitteita eteenpäin, joko strategisella tasolla tai brändimielessä.
”Pienkokeilut ovat hyvä väline saada uusia tahoja mukaan kokeilutoimintaan ja tekoälyn hyödyntämiseen.” – Virve Hokkanen, valtioneuvoston kanslia.
”Kokeilutyypit” videon kohdasta 8:21
Teiden huollon priorisointi tekoälyn avulla
Tässä kokeilussa tarkoituksena oli selvittää, voidaanko teiden ja kulkureittien talvi- tai muiden huoltotoimenpiteiden, kuten auraus ja hiekoitus priorisoida paremmin tekoälyn avulla.
Haluttiin tietää etenkin talvipyöräilijöiden liikennemäärä. Sen ratkaisemiseksi piti selvittää, voiko kelikameroiden kuvaan soveltaa hahmontunnistusalgoritmiä, jonka avulla saataisiin selville liikennemääriä ja ajoneuvojen tyyppejä eri tieosuuksilla.
Kokeilusta selvisi, että:
- ”Erilaisten järjestelmien yhteensovittaminen on työlästä”
- ”Kuvantunnistus vaatii runsaasti laskentatehoa, eikä kohteiden tunnistamisen onnistuminen ole kovin varmaa. Parhaisiin tuloksiin päästiin itse opetetulla algoritmilla.”
- ”Varsinaiseen tarkoitukseen eli pyöräteiden liikennemäärien valvontaa ei voi käyttää kelikameroita – ne kun kuvaavat pääasiassa autoteitä!”
Tekoäly Espoon palvelupolkujen tunnistamiseen
Tässä tekoälykokeilussa oli käytössä Espoon koko väestöä koskeva sosiaali- ja terveystieto ja varhaiskasvatuksen asiakkuusdata vuosilta 2002-2016. Tietoa kertyi noin 520 000 henkilöstä ja yli 37 miljoonasta asiakaskontaktista.
”Kokeilun tavoitteena on yhdistää aiemmin erillään olleita tietoaineistoja siten, että niistä muodostuu asiakas- ja palvelupolkuja. Toivomme saavamme tietoa siitä, pystytäänkö palveluita tarvitsevat asiakasryhmät tunnistamaan nykyistä aiemmin tekoälyn avulla siten, että yksilöiden identiteetti on suojattu. Tulevaisuudessa voisi olla mahdollista kohdentaa kaupungin resursseja tehokkaammin ja samalla parantaa yksittäisten kuntalaisten elämänlaatua, kun heille kohdennettaisiin tukea ennaltaehkäisevästi”, kertoo projektipäällikkö ja analyytikko Tomas Lehtinen Espoon kaupungin konserniesikunnasta.
Kokeilu mahdollisti asiakkuuspolkujen perhekohtaisen tarkastelun, koska kaupungin tietojärjestelmät ovat usein yksilökeskeisiä. Kun datasta saatuja havaintoja yhdisteltiin, saatiin selville uutta tietoa. Tekoäly löysi noin 280 tekijää, jotka ennakoivat lastensuojelun asiakkuutta. Yksittäiset tekijät eivät vielä aiheuta riskiä, mutta useiden tekijöiden yhtäaikainen esiintyminen saman henkilön kohdalla voi viestiä riskistä.
Datasta nähtiin myös, miten lastensuojeluilmoituksen tai lasten- ja nuorisopsykiatria-lähetteen tehneiden perheiden aiempi terveyspalveluiden käyttö erosi verrokkiryhmään verrattuna. Lastensuojeluilmoitusta tai lähetettä edelsi 3-5 kertainen terveyspalveluiden käyttö verrokkiryhmään verrattuna. Kyseisen ryhmän perheenjäsenet käyttivät myös terveyspalveluita enemmän kuin verrokkiryhmässä.
Kävelypalaverin muistio tekoälyn avulla
Lapin ammattikorkeakoulun toteuttamassa tekoälykokeilussa haluttiin selvittää, miten älypuhelinten puheentunnistusta voidaan hyödyntää kävelypalaverien muistion tekemiseksi.
Googlen puheentunnistus ja Google Docs osoittautuivat soveltuvimmaksi yhdistelmäksi muistion luontiin. Tarvitaan vielä lisätestausta, jotta muistiota voitaisiin integroida yhteen muiden tehtävienhallinnan kannalta oleellisten työkalujen kuten Trellon kanssa.
Tekoäly hyvinvoinnin parantamiseksi
Keskon työterveyshuolto yrittää tekoälyn avulla parantaa työntekijöiden hyvinvointia ja ehkäistä diabetesta. Testiin valittiin yhdeksän K-ryhmän työntekijää, joilla on riski sairastua tyypin 2 diabetekseen. Testiryhmän käytössä oli MealLogger-mobiilisovellus, jonka kautta he saivat ravitsemustietoa ja pystyivät tekemään erilaisia ravintotestejä. Heidän yksi keskeisimmistä tehtävistä oli kuvata päivän ateriansa ja jakaa se sovelluksen kautta muille ryhmäläisille viiden viikon ajan. Tekoäly ja ravitsemusterapeutti analysoivat annoksen terveellisyyden ja soveltuvuuden diabeteksen ehkäisyyn.
MealLoggerin toimitusjohtaja Michael Quarshien sanoo: “Meitä kiinnostaa erityisesti käyttäjien kokemukset siitä, miten hyvin tekoälyn antama palaute ateriakuvista toimii yhdistettynä perinteiseen ravitsemusohjaukseen. Näemme, että yhdistämällä perinteisen ravitsemusohjauksen toimivimmat elementit, kuten vertaistuen ja henkilökohtaisen ohjauksen, sekä uuden teknologian hyödyt saadaan entistä parempia tuloksia. Tekoälyn tekemä alustava arvio ateriakuvista mahdollistaa sen, että ammattilainen voi keskittyä analysoinnin sijaan kommunikointiin asiakkaiden kanssa”
Tekoälyn hyödyntäminen varhaiskasvatus- ja opetuspalvelujen asiakasohjauksessa
Keravan kasvatuksen ja opetuksen toimialan tekemä tekoälykokeilu, jossa testataan, miten oppivaa tekoälyä voidaan hyödyntää kasvatuksen ja opetuksen toimialan asiakaspalvelussa.
Asiakasneuvonta vie paljon työaikaa ja usein neuvontaan liittyviin kysymyksiin löytyisi vastaus helposti palvelun kotisivuilta. Osa asiakkaista haluaa kysyä myös lisäkysymyksiä palveluihin liittyen.
Tässä kokeilussa teknisen toteutuksen tekee Kwork Innovaatiot. Kokeilussa luodaan tekoälyyn perustuva chatbotti, joka opastaa huoltajia muuttavan oppilaan kouluun ilmoittautumisen yhteydessä. Alkuvaiheessa botti toimii suomen ja englannin kielellä, mutta sitä pyritään kehittämään myös muille kielille.
Froodly GO
”Suomessa heitetään hukkaan jopa 460 miljoonaa kiloa syömäkelpoista ruokaa, josta kauppojen osuus on noin 65 miljoonaa kiloa. Ruoka hävikin pienentäminen on yksi tärkeimpiä ilmastotekoja, joita voimme tehdä.”
Froodly GO on Froodly Oy:n kehittämä applikaatio, joka Pokemon GO:n tavoin pyrkii pelillistämisen avulla innostamaan ihmisiä pienentämään ruokahävikkiä. Hävikkituotteita ostamalla pelaajat keräävät pisteitä, joilla pelissä pääsee etenemään seuraavalle tasolle ja voi saada palkintoja. Peliin kehitettävän lisäominaisuuden avulla viestitään pelaajille pelastettujen raaka-aineiden hiilijalanjäljistä. Tuloksia voidaan seurata applikaation keräämän datan avulla.
Potilaanyhteydenotto
”Ruotsissa on esimerkiksi arvioitu, että lääkärin työajasta lähemmäs 50% kuluu muuhun kuin varsinaiseen lääkärin työhön, kuten raporttien laatimiseen ja muuhun byrokratiaan. Suomessa tilanne lienee samaa kokoluokkaa.”
Tämän kokeilun toteuttaa Vaasan ammattikorkeakoulu ja kokeilun tavoitteena on nopeuttaa potilaiden yhteydenotoa ja hoitoon pääsyä tekoälyohjatun puhetta/tekstiä ymmärtävän chatbotin avulla.
Kokeilussa käytetään Microsoft Azuren chatbottia, joka ymmärtää ja hoitaa rutiiniasiat, kuten ajanvaraukset, sairaustodistusten tuoton, reseptien uusimisen, ensidiagnoosit ja tarvittaessa hoitohenkilöstölle ohjauksen.
Kokeilulla halutaan nopeampaa potilaan haltuunottoa, sekä potilaan ohjausta oikealle taholle samalla saavuttaen huomattavia säästöjä.
Terveydenhuollon potilasdokumentointijärjestelmä
Tämän kokeilun toteuttaa Vaasan ammattikorkeakoulu ja kokeilun ideana on hakea ratkaisuja potilastietojen dokumentointiin tekoälyn avulla.
”Potilastietojen dokumentointi perustuu koko vastaanoton tallentamiseen kameralla. Näin vastaanotosta saadaan täydellinen dokumentti automaattisesti. Videotaltiosta generoidaan tekstimuotoinen sisältö ja se indeksoidaan. Indeksoinnin avulla helpotetaan dokumentin käyttöä liittämällä siihen pääkohtia varten tagit. Näiden avulla videosta voidaan hakea vain kulloinkin tarvittavia tietoja. Koko videota ei tarvitse käydä läpi.”
Kokeilusta halutaan oppia, miten automaatiolla tuotetun datan avulla voidaan tekoälyä hyödyntäen hakea huomattavia säästöjä ja samalla parantaa tiedon laatua ja näin ollen potilasturvallisuutta.
Julkisen sektorin tekoälyhankkeita
Aurora
Tekoäly Suomessa -raportin ehdotuksen seurauksena valtiovarainministeriö asetti kansallisen tekoälyohjelman Auroran esiselvityshankkeen.
”Aurora on tekoälyjen ja autonomisten sovellusten muodostama verkko, joka luo edellytyksiä ihmiskeskeiselle ja ennakointikykyiselle yhteiskunnalle.”
Auroralla halutaan tarjota saumattomat palvelupolut ihmisille eri elämäntilanteissa ja elämäntapahtumissa.
Auroran esiselvityshankkeen ensimmäiset elämäntapahtumapilotit ovat:
- Muutto opiskelupaikkakunnalle
- Kiinni työelämässä osaamisen kehittymisen avulla
- Lasten ja vanhempien hyvinvointi muuttuvissa perhesuhteissa
Hyte AiRo
Termi ”hyte” tarkoittaa ”hyvinvoinnin tekoäly” ja AiRo tulee sanoista tekoäly (Ai) ja robotiikka (robotics). Hyvinvoinnin AiRo-ohjelma on sosiaali- ja terveysministeriön hanke, jonka tavoitteena on:
- Nopeuttaa tekoälyn ja robotiikan hyödyntämistä hyvinvointialan palveluissa ja toimintaperiaatteissa.
- Selvittää ja poistaa esteitä ja luoda edellytyksiä tekoälyn ja robotiikan kehittämiselle ja käytölle hyvinvointialalla.
- Edistää tekoälyrobotiikka-alan liiketoimintaa Suomessa ja vientiä.
Ohjelman painopisteitä ovat:
- Kotona asuminen
- Hoito ja logistiikka sairaalaympäristössä
- Lääkehoito ja -huolto
- Hyvinvointivalmennus ja kuntoutus
Yhteenveto
Tekoälyn aika on tulossa ja meidän täytyy valmistautua siihen ajoissa. Toivomme, että pystymme tekoälyn avulla muuttamaan yhteiskuntamme ihmiskeskeisemmäksi ja ympäristöystävällisemmäksi. Sulavin tapa siirtyä tähän uuteen aikaan tapahtuu tekoälykokeilujen kautta. Meillä Suomessa on ennestään korkeasti koulutettu ja teknologiamyönteinen kansa, kokeilukulttuuri, sekä sujuva yhteistyö yritysten, tutkimuslaitosten ja yhteiskunnan välillä. Nämä antavat meille erinomaiset lähtövalmiudet vastaanottaa uusi tekoälyaika.
