TEKOÄLY
MAHDOLLISUUKSIA, HAASTEITA JA
EETTISIÄ KYSYMYKSIÄ
Matti Tedre ja Henriikka Vartiainen
12.10. 2022 AVI

TIEDON DIGITAALINEN MURROS

TIETEELLINEN VALLANKUMOUS JA
TEOLLINEN VALLANKUMOUS

Tieteellinen vallankumous: Luku I

Jako teoreettiseen ja kokeelliseen tieteeseen

Teollinen vallankumous (manuaalisen työn automatisointi)

Yhteiskuntarakenteet murtuvat, yhteiskuntasopimus muuttuu

Tieteellinen ja teollinen vallankumous, Luku II (sähkö)

TIETEELLINEN VALLANKUMOUS JA
TEOLLINEN VALLANKUMOUS
LUKU III

Uusi tieteellinen vallankumous (laskennallinen tiede)

1. Uudet työvälineet

2. Uudet tieteelliset menetelmät

3. Uusi tietoteoria

4. Uusi, laskennallinen tapa hahmottaa maailma

5. Uudet yhteistyön muodot

Taloustiede

Fysiikka

Digitaaliset ihmistieteet

Oppimisanalytiikka

Skientometriikka

TIETOTYÖN AUTOMATISOINTI

I: Työn mekanisaatio

II: Työn robotisaatio

III: Työn digitalisaatio

LUOVAN TYÖN AUTOMATISOINTI

Generatiivinen tekoäly luo kuvia, tekstiä, videota

Digiloikka alkoi 1950-luvulla (“loikka”?)
Forbes, 1952 “office robots”

Digitaalinen murros? Tässä ja nyt.
Tietokoneet ovat vuosikymmeniä tehneet enenevästi tietotyölle sitä
mitä
● höyrykone teki raskaalle työlle
● robotit tekivät manuaaliselle työlle
Vaaditaan koko ajan uusia taitoja ja tietoja
Iso osa muutoksista kuitenkin “vanhaa” teknologiaa
“Kognitiivisen työn” automatisointi 2010-luvulla

MITÄ ON KONEOPPIMINEN?

Siirtymä sääntöpohjaisuudesta datapohjaisuuteen

Järjestelmiä jotka oppivat suuresta määrästä dataa

Miten kone pystyy kertomaan mitä kuvassa on?
Esimerkki

Miten kone pystyy kertomaan mitä kuvassa on?

Miten kone pystyy kertomaan mitä kuvassa on?
● Pug
● Fawn
● Pale pug color
● Coat coloring
● Puppy
● Dog
● Gorgeous

● Pug
● Dog breed
● Fawn colored
● Wrinkly
● Short-muzzle
● Curled tail
● Glossy
Miten kone pystyy kertomaan mitä kuvassa on?

Miten kone pystyy kertomaan mitä kuvassa on?
● Pug
● Pet
● Adorable
● Flat-faced
● Snorty
● Dog
● …

Miten kone pystyy kertomaan mitä kuvassa on?

SYITÄ KONEOPPIMISEN MENESTYKSEEN

Kyky sovittaa funktioita dataan

Käytännön ymmärrys siitä mitä data/funktiopohjaisesti voi tehdä

Uuden onnistumisen kriteerit

Kaupallinen potentiaali

Avoimet teknologiaratkaisut, datasetit, mallit

MIKSI DATASTA TULI UUSI RAAKA-AINE?

Prosessointiteho
Tiedonsiirto
Datan saatavuus
Pilvipalvelut
Mobiilisuus
Sensorit
Tietoliikenne
Tietoteoria
Tieteen prosessit
Metodologia
Yhteistyömekanismit
Ontologia
Digitalisaatio

EETTISIÄ ONGELMIA

Datapohjainen seuranta

Profilointi ja klusterointi

Mallinnus ja ennustaminen

Tunnereaktioiden hyödyntäminen (emotion farming)

Huomionhallintatekniikka (attention engineering)

Käyttäytymisenohjaustekniikka (behavior engineering)

Anonymiteettiharha

13-vuotiaista on tallessa keskimäärin 70 miljoonaa datapistettä

Neuroverkot ovat hauraita ja toimivat joskus yllättäen huonosti

GENERATION AI
KONEOPPIMISTA KOULUMAAILMASSA

Koneoppimisjärjestelmä ja kolmivuotias oppija

Koneoppimisen perusteita perusopetuksessa

Koneoppimisen perusteita perusopetuksessa

GENERATIIVISEN TEKOÄLYN PERUSTEITA
TULEVILLE OPETTAJILLE

ESIMERKKI
Tekoäly
tuotesuunnittelussa
työpaja käsityötieteen
lehtoreille ja
opiskelijoille

Tunnistettiin
● Uusia mahdollisuuksia
(esim. ideointi, suunnittelu, ajattelun ulkoistaminen)
● Oman alan ja oppiaineen erityispiirteitä,
mitä ei voi tai ei tulisi automatisoida
opetuksessa (esim. kehollinen tieto ja emootiot, käsin
tekemisen merkitys oppimisen, kehityksen ja hyvinvoinnin
näkökulmasta)
● Uusia haasteita ja eettisiä ongelmia
(esim. vinoumat, valtasuhteet, vaikuttamismahdollisuudet,
tekijänoikeudet)

6 vuotta
5.4M€
3 yliopistoa
(HY,UEF,OY)
12 partneria
GENERATION AI: AI EDUCATION FOR THE SECURITY MINDSET (GenAI)

Kiitos!
Professori Matti Tedre
matti.tedre@uef.fi
+358 50 4340376
Yliopistotutkija Henriikka Vartiainen
henriikka.vartiainen@uef.fi
+358 50 4712352