Tekoäly ampui alas Punaisen Paronin

Kuvituskuva punaisen paronin koneesta ja robotista

Äkkiä ajatellen ilmataistelu kahden hävittäjän välillä on niin vaikeaa, että vain parhaat sotilaslentäjät pystyvät siihen. Tai ainakin pysyvät tositilanteessa hengissä. Näin on ollut ensimmäisen maailmansodan ässistä aina nykyisiin Top Gun -pilotteihin saakka, kunnes nyt tietokone hoitaa senkin homman ihmistä paremmin.

Syypää lentäjä-ässien arvonalennuksen on Cincinnatin yliopiston tohtorikoulutettava Nick Ernest, joka on kehittänyt perustamansa Psibernetix -yhtiön ja Yhdysvaltain ilmavoimien tutkimuslaitoksen yhteistyönä tekoälyyn perustuvan systeemin nimeltä ALPHA.

Nyttemmin kokenut hävittäjälentäjä, ilmataisteluekspertti Gene "Geno" Lee on taistellut systeemiä vastaan simulaattorissa useita kertoja, ja tekoäly on voittanut hänet joka ikinen kerta. Leen mukaan ALPHA pystyi ennakoimaan hänen tekemisiään uskomattoman tarkasti ja muuttamaan omaa taistelustrategiaansa salamannopeasti puolustukselliseen ja hyökkäävän välillä. 

Leen kannalta nöyryyttävät tutkimustulokset julkaistiin uusimmassa Journal of Defense Management -lehdessä.

Systeemi perustuu sumean logiikkaan ja tutkii kokonaisuutta osina. Se laskee suurella nopeudella jatkuvasti erilaisia toimintavaihtoehtoja ja valitsee niistä parhaimman. Päinvastoin kuin ihminen, kone pystyy seuraamaan koko ajan uupumatta monia eri lentämiseen ja vastustajan käyttäytymiseen liittyviä havaintoja, joten sillä on myös aina parempi kokonaiskuva taistelutilanteesta.

Otsikkokuvassa on Punaisen paronin käyttämä Fokker Dr.1 ja robotti kuvituskuvia; kumpikaan ei liity tähän tutkimukseen.

Kotirobotit ovat kohta täällä – ensinnä tulevat lemmikit ja orjat

Jetsons-piirrossarjan kotirobotti työn touhussa

Robotit tulevat arkipäiväämme nopeammin kuin olemme osanneet kuvitellakaan. Huimat loikat eteenpäin etenkin tekoälyssä, konenäkössä ja automaattisessa oppimisessa tekevät uudenlaisten, oppimaan kykenevien palvelurobottien esiinmarssin mahdolliseksi jo ihan lähiaikoina.

Vielä jokin aika sitten ajateltiin, että kotirobotit ovat todellisuutta vasta sitten, kun nykynuoret ovat ehtineet eläkeikään.

Mutta nyt Tampereen teknillisen yliopiston signaalikäsittelyn laitoksen Associate Professor Joni Kämäräinen heittää ilmaan jo rohkeamman arvion: "Robotit tulevat koteihimme jo 10–15 vuodessa, jopa nopeammin".

Eikä kyse ole vain tyhmistä imuriroboteista, vaan älykkäistä robottikavereista. Nyt suunnitteilla oleviin lemmikkien kaltaisiin palvelrobotteihin verrattuna takavuosien koirarobotit ovat hyvin alkeellisia. Nehän osasivat oikeastaan vain pyörittää silmiään, istua ja näyttää söpöiltä.

"Robottikaverit ovat vähän hassuja mutta älykkäitä, vähän samaan tapaan kuin Harry Potterin Dobby-kotitonttu", selittää Kämäräinen.

"Niillä on samat aistit kuin meillä: ne tuntevat, näkevät ja kuulevat, ja niille voidaan kehittää myös hajuaisti. 

Aluksi ne katselevat mitä teemme, ja sitten ne alkavat täyttää tiskikonetta ja imuroida. Ne huolehtivat asioista ja katsovat lasten perään. Kun tulemme kotiin töistä, kaikki paikat ovat kunnossa."

Paras asia on oppimiskyky

Tulevaisuuden tietokoneita ei ohjelmoida, vaan ne koulutetaan. Samaan tapaan tekoälyn avulla robotteihin ohjelmoidaan oppimiskyky. Elleivät ne heti osaa tehdä jotain, ne voivat opetella sen kokeilemalla – vastaavasti kuin pikkulapsi opettelee juomaan mukista.

"Robotit osaavat myös kommunikoida keskenään. Ne kysyvät toisiltaan neuvoja robottien oman, rinnakkaisen internetin kautta. Ja mikä parasta: kun yksi robotti on oppinut vaikkapa keittämään kahvia, se voi kertoa asiasta muille. Pian sen jälkeen kahvi porisee kaikissa robotin ja kahvinkeittimen omistavissa kodeissa maailmalla."

Kuva: Aldebaran Robotics yhtiön kehittämiä Nao-robotteja.

 

Avuksi terveydenhuollossa

TTY:n signaalinkäsittelyn laitos osallistuu parhaillaan Suomen Akatemian rahoittamaan strategiseen Robotit ja hyvinvointipalvelujen tulevaisuus (ROSE) -hankkeeseen. Siinä tutkitaan robottien käyttöä osana ikääntyvän väestön terveydenhuollon palveluita erityisesti palvelutaloissa.

Kuusivuotisessa hankkeessa tutkitaan robotteja myös laajempana ilmiönä ja osana tulevaisuuden yhteiskuntaa. Hankkeen muina osapuolina ovat Aalto-yliopisto, Laurea Ammattikorkeakoulu, Lappeenrannan teknillinen yliopisto, Tampereen yliopisto ja VTT. TTY:llä paneudutaan erityisesti robottinäön käyttöön autonomisissa kotiroboteissa.

"Monialaisessa ROSE-hankkeessa ainutlaatuista on se, että humanistit ja insinöörit työskentelevät rinta rinnan", Kämäräinen kertoo. "Humanistit saavat nähdä mihin teknologia pystyy, ja me insinöörit pääsemme näkemään mikä on sosiologien, filosofien ja etiikan eksperttien näkökulma robotteihin."

Apua robotin silmin

Jos palvelutalon asiakkailta kysytään, ottaisivatko he mieluummin seurakseen ihmisen, kaikki vastaisivat myöntävästi. Mutta Kämäräisen mukaan robotit voivat pian tuoda vanhusten ja ikääntyneiden hoitoon lisäturvaa ja hyödyllisiä lisäkäsiä, jotka eivät maksa paljoa.

Robottien tulo muuttaisi palvelutalon hoitajien työtapoja. Enää ei hoidettaisi kaikkia asukkaita järjestyksessä, vaan palveltaisiin ensin apua tarvitsevia.

"Jos palvelutalon asukas kaatuu, robotti voi kysyä häneltä onko hän kunnossa", selittää Kämäräinen.

"Mikäli vastaus on ei, robotti voi soittaa sairaanhoitajalle. Hoitaja voi puhua vanhukselle laitteen kautta ja nähdä saman tilanteen, jonka robotin silmät näkevät."

*

Artikkeli on lähes suoraan TTY:n sidoryhmälehti Rajapinnassa 2/2016 ilmestynyt juttu Palvelurobotteja koteihin ja terveydenhuoltoon ja sen on kirjoittanut Leena Koskenlaakso.

Tietokone opetti itsensä pelaamaan huippushakkia

Shakkilauta

Mitä eroa oli Deep Blue -supertietokoneella ja Garri Kasparovilla? Noin 199 999 995 siirtoa sekunnissa.

Parikymmentä vuotta sitten tietokone päihitti ensimmäistä kertaa ihmisen huipputurnauksen sääntöjen puitteissa. Silloinen hallitseva maailmanmestari Garri Kasparov joutui tunnustamaan Deep Bluen paremmaksi ruutulaudan ääressä.

Siinä missä supertietokone pystyi käymään läpi 200 miljoonaa mahdollista siirtoa sekunnissa, Kasparov kykeni korkeintaan viiteen siirtoon sekunnissa. Mutta silti ottelusarja oli varsin tiukka.  

Sen jälkeen tietokoneet ovat kehittyneet entistä nopeammiksi, mutta niiden shakkistrategia on pysynyt samana: voittoon on tähdätty raa’alla laskentavoimalla. Siksi Deep Bluen ylivoimainen kapasiteetti ei tehnyt siitä totaalisen ylivoimaista, sillä ihminen kykenee tekemään arvioita ja rajaamaan mahdollisista vaihtoehdoista järkevimmät.

Lontoon Imperial Collegen tutkija Matthew Lai on kehittänyt tekoälyn, joka pelaa shakkia samalla periaatteella. Giraffe-niminen tietokone toimii samaan tapaan kuin ihmisaivot, mikä tekee siitä täysin toisenlaisen verrattuna aikaisempiin ”shakkirobotteihin”.

Giraggen keskeinen ominaisuus on, että se opettaa itse itseään. Sen toiminta perustuu neuroverkkoon, jonka toiminta muuttuu oppimisprosessin aikana. Tällaisten verkkojen teho on kasvanut huimasti viime vuosina, sillä samalla kun tietokoneet ovat käyneet yhä nopeammiksi, käytettävissä on yhä suurempia tietokantoja, joiden avulla oppiminen tapahtuu. 

Lain kehittämä tekoäly tarkastelee shakkilaudan kulloistakin tilannetta neljällä eri tasolla kolmella eri tavalla: pelin kokonaistilannetta eli kummankin puolen pelinappuloiden määrää ja ominaisuuksia, kunkin nappulan sijaintia pelilaudalla ja kunkin nappulan mahdollisia hyökkäys- ja puolustusvaihtoehtoja.

Giraffen opettamiseen käytettiin tietoja todellisista shakkiotteluista, sillä vain reaalisista tilanteista saadaan järkevää oppimateriaalia. Muuten tietokone alkaa jauhaa vaihtoehtoja, joita ei käytännössä koskaan tule vastaan. 

Lai kokosi tietokannan, jossa on viisi miljoonaa satunnaista pelitilannetta. Sitten hän lisäsi tiedot sääntöjen mukaisista siirroista, jolloin vaihtoehtojen kokonaismäärä kasvoi 175 miljoonaan.

Yleensä shakkitietokoneita opetetaan käymällä vaihtoehdot läpi yksi kerrallaan ja kertomalla, mitkä niistä ovat suositeltavia ja mitkä eivät. 175 miljoonan vaihtoehdon läpikäynti olisi valtava urakka. 

Siksi Lai laittoi Giraffen pelaamaan itseään vastaan siten, että se tarkasteli jatkuvasti, miten hyvin se pystyi arvioimaan tekemiensä siirtojen seuraukset. Lai kokeili tekoälynsä toimivuutta testitietokannalla, jossa on 1 500 eri pelitilannetta. 

Testin paras pistemäärä on 15 000. Kun Giraffe alkoi opetella shakin hienouksia, se pääsi pian 6 000 pisteeseen ja kolmen vuorokauden kuluttua tulos oli jo 9 700. Se vastaa maailman parhaiden shakkitietokoneiden tasoa.

"Tulos on merkittävä, sillä niiden arviointifunktiot ovat satojen parametrien muodostamia jättiläisiä, jotka on vuosien varrella hienosäädetty sekä käsin että automaattisesti, ja monia niistä ovat työstäneet suurmestarit", Lai toteaa.

Vastaavanlaisen koneoppimisen avulla määrittyy todennäköisyys, jolla tiettyyn siirtoon kannattaa tähdätä. Näin Giraffe sai karsittua suuren määrän eri vaihtoehtojen turhia tarkasteluja, mikä paransi suuresti laskentatehoa.

Tällä tavalla Giraffe kykenee määrittämään parhaan mahdollisen siirron 46 prosentin todennäköisyydellä ja onnistuu sijoittamaan sen kolmen parhaan joukkoon 70-prosenttisesti. Silloin koneen ei tarvitse piitata muista mahdollisista siirroista.

Uudessa lähestymistavassa on myös haittapuolensa. Neuroverkko toimii selkeästi hitaammin kuin perinteinen tietojenkäsittely. Giraffelta vie kymmenen kertaa kauemmin käydä läpi sama määrä mahdollisia vaihtoehtoja kuin tavalliselta shakkitietokoneelta. Silti Giraffe on merkittävä edistysaskel.

"Toisin kuin useimpien nykyisten shakkitietokoneiden, Giraffen teho ei perustu siihen, että se pystyy tekemään pitkälle meneviä arvioita, vaan siihen, että se kykenee punnitsemaan hankalia tilanteita tarkasti ja ymmärtämään mutkikkaita vaihtoehtoja, mikä ihmiselle on intuitiivista, mutta on tähän saakka ollut shakkitietokoneiden saavuttamattomissa", Lai kehuu.

Giraffe-tekoälystä kerrottiin MIT:n teknologiakatsauksessa.

Kuva: CC BY-SA 3.0

Mitä kuvassa näkyy? Matematiikka kertoo ja sinä nautit tuloksista.

Astun ulos hissistä Tampereen teknillisessä yliopistossa ja edessäni on tyypillinen tutkimuslaitoksen käytävä: se on pitkä ja sen kummallakin puolella on ovia, joiden vieressä on nimikylttejä sekä erilaisia papereita seinälle kiinnitettyinä. On ilmoitustaulu, ikkuna käytävän päässä, porraskuilu vieressä sekä muutamia ihmisiä.

Pystyn hahmottamaan nopeasti ympärilläni olevat kohteet ja erottamaan niistä aiemmin näkemäni kuvan perusteella akatemiaprofessori Moncef Gabbouj’n, mutta kameran kautta maailmaa kuvaava tietokone olisi hyvin hämillään. Konenäöllä olisi vaikeuksia erottaa toimistojen ovia muista neliskanttisista kohteista ja ihmisiä toisistaan – saati  yhdistää näkemänsä kuva muistissaan olevaan kuvaan tietystä henkilöstä.

Tämän vuoden lopussa akatemiaprofessorikautensa päättävä Gabbouj on erikoistunut epälineaarisiin digitaalisiin suotimiin, erityisesti haluttujen kohteiden löytämiseen videokuvasta sekä älykkäisiin hakupalveluihin.

Jo nyt kameroissa käytetään kasvontunnistusta ja hakukoneet voivat etsiä tietynlaisia kuvia, mutta Gabbouj haluaa tehdä tästä tarkempaa, nopeampaa ja arkisempaa, minkä lisäksi hän laajentaa hahmontunnistusta kaikkialle tiedonlouhintaan. Siihen tarvitaan matematiikkaa, joka yleistäen on sitä monimutkaisempaa, mitä helpommalta työn halutaan vaikuttavan.

Parvella tiedon kimppuun

“Kyse on yksinkertaisesti signaalinkäsittelystä ja algoritmeista, joilla tätä käsittelyä tehdään”, aloittaa Gabbouj työnsä selittämisen.

“Kehitimme aluksi tällä alalla erilaisia tekniikoita hahmontunnistukseen ja koneoppimiseen, joita olemme soveltaneet nyttemmin laajoihin tietomääriin ja niin sanottuun big dataan.”

Tällaisia tietokantoja ovat yhtäältä esimerkiksi kuva-arkistot kuten netissä olevat kuvat, toisaalta vaikkapa lääketieteelliset kuvat tai tutkahavainnot. Usein näissä on yksittäisiä tietoja, kuvia ja havaintoja niin paljon, että niiden valikoiminen yksittäin tietyn hakukriteerin mukaan ei ole käytännössä mahdollista. Äreimmätkään tietokoneet eivät onnistu siinä.

Siksi tietojen hakua voi auttaa älykkäillä algoritmeilla, jotka seulovat tietoja ja muodostavat löytämistään tiedoista kolmiulotteisen mallin, mistä matemaattisesti voidaan löytää kaikkein osuvimmat vaihtoehdot.

Siinä missä aiemmin hakua tehtiin avainsanojen avulla, pystyy tamperelaisten niin sanottu parvioptimointialgoritmi hahmottamaan tietoa ja löytämään siitä erilaisia määreitä. Näin esimerkiksi kuvahakua Pisan kaltevasta tornista tehtäessä tuloksena ei ole kaikenlaista kaltevaa, vaan vaikuttava määrä erilaisia kuvia juuri Pisan tornista.

Samaa menetelmää voi käyttää esimerkiksi syöpäkasvaimien tai pinnanmuotojen tunnistamiseen. Tuoreimmassa tutkimusohjelmassa menetelmää käytetään taloustietojen tunnistamiseen ja louhimiseen.

“Siinä missä aiemmin puhuimme vain kuvista, on nyt kaikki tieto kiinnostavaa. Pystymme käsittelemään raakadataa, kuvia, videota ja ääntä, joista oppiva algoritmimme pystyy etsimään haluttuja asioita. Lopulta voimme jopa ennustaa tietojen perusteella tulevaisuuteen.”

Tällainen ennustava systeemi on esimerkiksi sydänkäyrää tutkiva algoritmi, joka kykenee havaitsemaan sydänkohtauksesta varoittavat merkit jo ennalta, jolloin esimerkiksi älykelloon asennettuna se voi antaa hälytyksen ja pyytää kantajaansa lepäämään. Näin kohtaus ei tulekaan tai apu voi olla matkalla jo itse kohtauksen alkaessa.

Gabbouj’n tutkimusryhmä on kehittänyt myös oppivia algoritmeja, jotka esimerkiksi sydänkäyrän tapauksessa pystyvät sopeutumaan käyttäjän omaan sydämen lyöntityyliin – jokaisella se on omanlaisensa.

Lisää sovelluksia tällaisilla älykkäillä signaalikäsittelyä, hahmontunnistusta ja koneoppimista käyttävillä systeemeillä on vaikka kuinka:  autonomisesti liikkuvien autojen ohjauslaitteiden kameroiden reaaliajassa ottamista kuvista pitää löytää nopeasti ja luotettavasti näkökentässä olevat kohteet ja valokuvia nettiin lataavia auttaisi huomattavasti älykäs ohjelmisto, joka löytäisi automaattisesti kuvassa olevat avainsanat.

Puolustus- ja turvallisuusviranomaiset ovat luonnollisesti myös hyvin kiinnostuneita järjestelmistä, jotka pystyvät seulomaan tehokkaasti suuria tietomääriä ja löytämään niistä haluttuja asioita.

Ei ihme, että tutkimusta tällä alalla tehdään nykyisin muuallakin kuin vain Tampereella.

Apua hiukkasfysiikasta

Gabbouj kertoo, että aluksi hänen ryhmänsä lähinnä sovelsi muiden tekemiä algoritmeja ja kehitti niitä eteenpäin, kunnes ryhmä halusi ottaa hyppäyksen eteenpäin ja tehdä jotain aivan uutta.

Niinpä ryhmäläiset alkoivat katsoa rohkeasti muilla aloilla olevia matemaattisia sovelluksia. Erityisen kiinnostavaksi paljastui hiukkasfysiikka, ja etenkin Schrödingerin yhtälö. Se on kvanttimekaniikassa käytetty aaltoyhtälö, joka kuvaa hiukkasta ja sen olotilaa niin sanotun aaltofunktion avulla. Samaa menetelmää voi käyttää yksittäisten tietojen ja sen ominaisuuksien kuvaamiseen. Myös silloin, kun ei tiedetä ihan täsmälleen mitä ollaan etsimässä.

Myös fysiikassa käytetty menetelmä ison ongelman ratkaisemisesta osissa oli toimiva: tuloksena oli skaalattava algoritmi, joka luokittelee tietoa semanttisiin luokkiin.

Tamperelaisten keinoin onnistuttiin ratkaisemaan myös eräs neuroverkkojen – hermosolujen toimintatapaan perustuvien keinoälysysteemien – kompastuskivi: kahden spiraalin ongelma. Siinä on sisäkkäin kaksi pisteinä piirrettyä spiraalia, ja hahmontunnistuksen pitäisi erottaa ne toisistaan. Tehtävä ei ole helppo.

Sisäkkäisten spiraalien kanssa painiminen on tyypillinen tapaus ongelmasta, joka äkkiseltään kuulostaa kaiken maailman dosenttien harrastamalta teoreettiselta pohdiskelulta, mutta jolla onkin hyvin konkreettisia ja merkittäviä sovelluksia.

“Sovelluksia ei ole ilman perustutkimusta”, toteaakin Gabbouj ja jatkaa: “Perustutkimus on kuin uutta verta, mitä ilman emme voi tulla toimeen. Voimme kehittää sovelluksia ja parantaa menetelmiämme jonkin aikaa aiemman tiedon perusteella, mutta todella uusien asioiden löytäminen ja harppausten ottaminen eteenpäin tarvitsevat perustutkimusta. Sen merkitystä ei voi aliarvioida.”

Moncef Gabbouj (keskellä) perjantai-iltana paikalla olleita tutkimusryhmän jäseniä.

Kuva: Moncef Gabbouj (keskellä) perjantai-iltana paikalla olleita tutkimusryhmän jäseniä.

 

Haasteita pitää olla!

Kun juttelemme Gabbouj’n kanssa, paiskoo ikkunan takana räntää marraskuiselta taivaalta. On jo pimennyt perjantaisen iltapäivän loppu.

Siitä huolimatta Signaalinkäsittelyn laitoksen huoneissa on vielä väkeä. Kun muualta tutkijat ja opiskelijat vetäytyvät viikonlopun viettoon, on Gabbouj’n ryhmästä vielä moni paikalla. Syynä ei ole suinkaan se, että professori olisi orjapiiskuri, vaan se, että ratkottavana on niin kiinnostavia ongelmia.

“Tämä ryhmä on eräs yliopiston kansainvälisimmistä, sillä meillä on 14:stä eri kansallisuudesta”, selittää itse Yhdysvalloista Tampereelle jo 25 vuotta sitten tullut Gabbouj.

“Professorina tuolloin ollut Yrjö Neuvo halusi kansainvälistää yliopistoa, ja palkkasi minut tänne perustamaan ohjelmaa ulkomaisia opiskelijoita varten. Sen jälkeen aloitimme koulutuksen englanniksi ensin peruskursseilla ja nykyisin kaikki opinnot voi suorittaa englanniksi.”

Nyt ryhmässä olevat eivät kuitenkaan ole tulleet Hervantaan vain englanninkielisen opetuksen vuoksi, vaan siksi, että signaalinkäsittelyssä se on eräs huipuista maailmassa.

“Tutkijat tulevat tänne etsimään haasteita ja tekemään tiedettä, ja annammekin heille mahdollisuuden rakentaa aivan uudenlaista tekniikkaa. He ovat motivoituneita ja tekevät kaikki työtä yhdessä erilaisista taustoista ja kulttuureista huolimatta.”

“Mutta aina välillä kyllä täytyy mennä ulos”, toteaa akatemiaprofessori ja katsoo kohti ikkunaa ja tämän talvikauden ensimmäistä räntää.

Kenties yksi syy työintoon on myös se, että sisällä labrassa on mukavaa, valoisaa ja lämmintä.

Juttu on julkaistu myös Suomen akatemian nettisivuilla.

10 trendiä, jotka tekevät älypuhelimesta tärkeämmän kuin koskaan

Älypuhelimia. Kuva: flickr / m01229

Ruotsalainen Ericsson julkisti tänään tekemänsä tutkimuksen kuluttajaelektroniikan tulevaisuudenkuvista käyttäjien arvioiden mukaan.

Nykyisenkaltainen mobiililaitteen toivotaan ja oletetaan vähitellen muuttuvan erilaiseksi, yhä älykkäämmäksi ja monipuolisemmaksi laitteeksi, joka pystyy hoitamaan lähes huomaamatta monia arkisia toimia.

Kahdeksan kymmenestä vastaajasta toivoo, että teknologia tulisi tulevaisuudessa auttamaan nykyistä enemmän heidän fyysisiä ominaisuuksiaan: auttamaan näkemään, muistamaan ja kuulemaan paremmin sekä olemaan entistä enemmän jatkuvassa yhteydessä tietoverkkoihin.

Olennaista on myös toive tekoälyn suuremmasta roolista arkisissa askareissa. Sen avulla tulevaisuuden älypuhelin on täysin erilainen kuin nykyisin – nykyisenlaisen älypuhelimen ennustetaankin katoavan kokonaan viiden vuoden kuluessa, joskin paremmin voisi sanoa, että se muuttaa muotoaan. Suuren näytön katoaminen puheentunnistuksen kehittymisen myötä on olennaisin muutos. Itse laite tarvitaan kuitenkin edelleen.

Kenties puhelimien pienentyessä (etenkin kun ruudun koosta ei täydy välittää) tulevaisuuden älypuhelin on päälle puettava tai ranteeseen kiinnitettävä laite. 

Joka tapauksessa selvityksen mukaan nämä ovat kymmenen tulevaisuuden suuntausta kuluttajien mukaan:

1. Verkostot ja yhteistoiminta 
80% vastaajista sanoo hyötyvänsä jo nyt netissä olevista joukkoistamispalveluista. Yksi kolmesta käyttää jo palveluita, joissa jaetaan erilaisia tuotteita tai palveluita muiden käyttäjien kanssa. 38% pitää esimerkiksi matkapalveluiden arviointeja netissä luotettavampina kuin "asiantuntijoiden" arvioita. Vain yksi viidestä henkilöstä ei käytä hyväkseen netissä olevia palveluita.

2. Videoita!
Teinit katsovat YouTube-videoita enemmän kuin muut ja 46% heitä käyttää enemmän kuin tunnin päivässä verkkovideoiden katseluun. 20% jopa yli kolme tuntia päivässä. 30-36 -vuotiaat, siis alkuperäinen internet-sukupolvi käyttää videopalveluita hyödykseen olennaisesti vähemmän: vain noin 9% heistä katsoo yli kolme tuntia YouTubea tai vastaavia päivässä.

3. Tekoäly hakkaa kosketusnäytöt
Tekoälyn avulla tehtävien tekeminen onnistuu paremmin ja kätevämmin kuin ruutua näpyttelemällä. Puolet vastaajista toivoo nykyisenkaltaisten älypuhelimien katoavan viiden vuoden kuluessa. Osa vastaajista toivoo silti yhä suurempia näyttöjä (31%), joskin suurin osa (78%) on näytön kokoa kiinnostuneempi siitä, että tulevaisuuden kännyissä akku riittäisi paremmin. Mitä tulee keskusteluun tekoälyn kanssa, 29% vastaajista puhuisi mieluiten koneen kuin ihmisen kanssa esimerkiksi terveyteen liittyvistä ongelmista.

4. Virtuaalitodellisuus tulee todeksi
Kuluttajat toivovat voivansa osallistua esimerkiksi urheilutapahtumiin tai tekevänsä videopuheluita tulevaisuudessa virtuaalitodellisuuslaitteiden avulla. Puolet vastaajista haluaisi testata nykyistä paremmin vaatteita netissä avatarinsa kanssa ja 64% haluaisi varmistaa sen avulla vaatteiden oikean koon sekä istuvuuden. Samoin puolet haluaisi käyttää virtuaalitodellisuuspalveluita tuotteiden ja tavaroiden 3D-tulostamiseen kotona – ja 44% kyselyyn vastaajista haluaisi myös printata oman ruokansa (todennäköisesti tietämättä kuinka yökköä printattu ruoka on).

5. Älykkäät kodit 
55% älypuhelimien käyttäjistä olettaa, että heidän kotiensa rakentamisessa käytettävät tiilet voisivat sisältää viiden vuoden sisällä sensoreita, jotka paljastavat hometta, vesivahinkoja ja sähkövikoja. 65% olettaa, että pian asuntojen ilmanvaihtoa, lämmitystä ja ikkunoiden avoinnaoloa voidaan hallita älypuhelimella – varmasti aivan oikein, koska se on jo mahdollista nyt.

6. Älykkäät kuluttajat
86% vastaajista haluasi käyttää personoituja liikenneratkaisuita ja reaaliaikaisia tilannetietoja esimerkiksi työmatkoillaan, jos mahdollista. Kuluttajat haluaisivat käyttää aikaansa merkityksellisesti, eikä vain olla passiivisia joukkoliikenteen käyttäjiä. (Kimppataksit, Über, kutsuplus-palvelun kaltaiset sovellukset ja tulevaisuuden automaattiautot ovat ratkaisu!)

7. Hätäpuhelut chatissä
Ihmiset soittavat puhelimella yhä harvemmin, mutta käyttävät yhä enemmän erilaisia netissä olevia viestipalveluita. Niinpä esimerkiksi hätäpuheluita voidaan tulevaisuudessa tehdä sosiaalisen median kautta. 60% vastaajista on kiinnostunut puhelimeen ladattavasta hätätilannesovelluksesta. Matkustaessa monet kääntävät matkakohteessa netin pois päältä korkeiden roaming-maksujen pelossa, mikä tekee pelkästään netin käyttämisen hätäpalveluihin hankalaksi. Ja oikeasti – matkalla tai ei – puhelin ja numero 112 ovat edelleen erittäin yksinkertainen ja helppokäyttöinen vaihtoehto!

8. Matrix tulee todeksi
80% vastaajista haluaisi käyttää teknologiaa apunaan esimerkiksi siten, että näkökentässä olisi lisätietoja, verkosta saisi tietoja kätevästi muistin tueksi ja kuuloaistimusta voisi parantaa. Kiinnostavasti noin 50% vastaajista haluaisi tietotekniikan  myös lisäävän tulevaisuudessa fyysistä suorituskykyä, mutta se ei liene mahdollista ilman eksoskeletoneita tai muita puettavia robottilaitteita – ellei huomioon oteta kuntoiluun innostavia sovelluksia.

9. Tietoturva on yhä tärkeämpää
Suurin osa vastaajista olettaa tietomurtojen, kyberrikollisuuden ja virusten olevan vastaisuudessa yhä suurempi ongelma. Samalla he uskovat, että palveluntarjoajat ja laitevalmistajat pystyvät taistelemaan yhä paremmin häkkääjiä vastaan. 21% pelkää tietotuvan ulottuvan tulevaisuudessa myös keittiön kodinkoneisiin.

10. Aktiivikansalaiset tulevat
Kansalaiset jakavat yhä enemmän tietoja ja havaintojaan maailmasta sekä yhteiskunnasta, sekä uskovat, että he vaikuttavat näin aiempaa paremmin yhteiskunnan toimintaan. Yli kolmannes vastaajista olettaa, että rikoksesta kertominen netissä on merkityksellisempää kuin poliisille ilmoittaminen. Käytännössä tämä tarkoittanee enemmän hät’pikaa kuvattuja videoita, analysoimatonta mutu-puhetta ja huonosta palvelusta netissä valittamista, mutta samalla tekniikka tarjoaa jo nyt mahdollisuuden myös korkealaatuisen kansalaisjournalismin tekemiseen.

Otsikkokuva: m01229 / Flickr

Läpimurto robotiikassa (ja totaalinen epäonnistuminen)

Kalifornian yliopiston Berkeleyn kampuksella on toiminnassa robotti, jonka me kaikki varmaankin haluaisimme kotiin: laitteen nimi on BRETT, eli Berkeleyn robotti tylsien toimien tekemistä varten (Berkeley Robot for the Elimination of Tedious Tasks), ja nimi kertoo kaiken siitä mihin tutkijat ovat sen toivottavasti pystyvän.

Suuri osa kotitalouksien tylsistä toimista on kuitenkin aika monimutkaisia ja ne vaativat varsin paljon älykkyyttä. Kyse on aika usein eräänlaisesta palikkatestistä: pitää löytää samankaltaisia esineitä ja tehdä niille jotain, ja toistaa samaa monta kertaa, paitsi hyvin harvoin esineet ovat aian samanlaisia ja tarkasti ennalta määritetyillä paikoillaan.

Koska kaikkia arkisen elämän tehtäviä ei kerta kaikkiaan voi opettaa robotille ennalta, onkin hankkeen tärkein päämäärä kehittää robotille kyky yrittää ja oppia erehdyksistään. Algoritmien suunnittelijoiden kannalta kyse on oikeastaan siitä, että robotti käsketään yrittämään jotain asiaa uudelleen ja uudelleen hieman eri tavoilla, kunnes tehtävä onnistuu.

Eräs tällainen esimerkki on palasista koostuvan lelun kokoaminen.  Robotti voi ensin kuvata osia eri puolilta ja hahmottaa millaisista osista on kyse. Tekoälyn avulla se pohtii erilaisia tapoja liittää osia toisiinsa ja siirtyy sitten koettamaan näitä.

Berkeleyn tutkijaryhmä kertoi tänään Seattlessa pidettävässä robotiikan ja automaation konferenssissa saavuttaneensa tässä läpimurron. BRETT onnistuu tekemään sille uusia tehtäviä itsenäisesti yrityksen ja erehdyksen metodilla; robotti laitettiin esimerkiksi ripustamaan vaatteita henkareissa tangolle  ilman, että sille on kerrottu tietoja ympäristöstään tai tangon sekä ripustimien sijainneista. 

Periaatteessa siis BRETT voidaan laittaa vain huoneeseen ja kertoa sille, että “laita vaatteet roikkumaan”. Kun ajatellaan tulevaisuuden kotirobotteja, on tämä erittäin tärkeä askel eteenpäin. Niiden täytyy pystyä itse keksimään miten asiat tehdään, hahmottamaan paikkansa tilassa ja määrittämään käsivarsiensa liikeradat tilassa. Ja muodostamaan sitten tehtäväsarjan, jonka muistamalla ja muokkaamalla robotti pystyy suoriutumaan vastaavanlaisista tehtävistä hieman eri tilanteissa.

Testeissä BRETT laitettiin tekemään myös muita temppuja, kuten laittamaan pyykkiä pinoihin. Siinä se epäonnistui totaalisesti, eikä se kyennyt oppimaan lainkaan miten homma hoituu. Robotin sähköaivoille ja koneaisteille on ylivoimaista määrittää missä vaatekappaleiden ja esimerkiksi pyyhkeiden rajat menevät ja miten ne saa taiteltua nätisti pinoihin.

Tehtävä muuttuu vielä vaikeammaksi, jos pyykissä on sekaisin aivan erilaisia vaatekappaleita tai jos kappaleet ovat osittain sekaisin – jos vaikkapa sukka on joutunut pesukoneessa paidan sisään.

Pyykin lajittelu ja asettelu on erittäin älykästä toimintaa, mikä kannattaa pitää mielessä seuraava kerran kun harmittelet pyykkikasan äärellä homman tylsyyttä.

Tai kuten tutkijaryhmän vetäjä Pieter Abbeel toteaa: “kaikkein vaikeimpia tehtäviä roboteille opetettavaksi ovat juuri tällaiset yksinkertaiset asiat, joita alle kymmenvuotiaan oppivat.”

Toimittajat eivät läpäisseet Turingin testiä

Eugene

Viime sunnuntaina tuli kuluneeksi 60 vuotta siitä, kun Britannian eräs suurimmista tiedemiehistä teki häpäistynä itsemurhan: homoseksuaalisuutensa vuoksi vainottu tietojenkäsittelytieteen uranuurtaja Alan Turing söi palan syanidilla kyllästetystä omenasta 7. kesäkuuta 1954 ja hänen siivoojansa löysi ruumiin seuraavana päivänä.

Nyttemmin Turingin ansiot on tunnustettu ja hänen traaginen tarinansa on kerrottu moneen kertaan. Niinpä sunnuntaina otsikkoihin pääsi myös hänen kehittämänsä ns. Turingin testi. Sen mukaan tekoälyn voi katsoa ajattelevan silloin, kun tietokone tai tietokoneohjelma voisi huijata ihmiskuulustelijaansa niin hyvin, että hän luulee keskustelevansa ihmisen kanssa.

Turing esitteli tämän tekoälyn edistyksellisyyttä mittaavan testin lokakuussa 1950 julkaistussa Mind-lehden artikkelissa "Computing machinery and intelligence".

Nyt sunnuntaina julkaistussa Readingin yliopiston tiedotteessa väitettiin, että kone on läpäissyt ensimmäisen kerran Turngin testin. Ja lähes kaikki tiedotusvälineet julkaisivat uutisen sitä sen enempää ajattelematta.

Tiedotteessa kerrottiin, että Eugene-niminen tietokoneohjelma väitti olevansa ukrainalainen 13-vuotias koulupoika, jonka kielioppivirheet englannissa menisivät siten ulkomaalaisuuden piikkiin ja omituiset vastaukset tulisivat nuoruudesta.

Luotettavuutta uutiselle antoi kuuluisa Lontoossa sijaitseva Royal Society, jonka tiloissa joe järjestettiin lauantaina, joskin luotettavuutta vei se, että hank keen taustalla oli Kapteeni Kyborgiksi brittimediassa nimetty tutkija Kevin Warwick, joka on tehnyt useampaan kertaan aikaisemminkin kyseenalaisia, ylisanoja pursuavia mediatempauksia.

Se oli hän, joka asennutti itseensä vuonna 2000 mikropiirin ja väitti olevansa ensimmäinen kyborgi, ja etenkin Iso-Britanniassa hänet muistetaan edelleen tästä. Viimeisin "suuri" Warwickin kampanja oli vuonna 2010, kun hänen laboratorionsa väitti todistaneensa ensimmäisen kerran miten ihminen altistui ensimmäisen kerran tietokonevirukselle.

Tälläkin kerralla tarinassa on totuutta toinen puoli. Eugene-ohjelmaa testattiin lauantaina, ja se huijasi osaa arvioitsijoista niin hyvin, että 33% heistä oletti kyseessä olleen oikean ihmisen.

Tiedotteessa - ja sen pohjalta tehdyissä uutisissa - kerrottiin, että kyseessä olisi ollut ensimmäinen kerta, kun tekoäly olisi saanut näin hyvän tuloksen. Kyseessä tosin ei ollut tekoäly tai supertietokone, vaan normaalissakin tietokoneessa toimiva keskusteluohjelmisto, niin sanottu chatbox, eli ihmismäisiä vastauksia tuottava ohjelma. Se kehittää siis keskustelua annettujen ohjeiden mukaan, eikä siinä ole tekoälyä lainkaan.

Aiemmin on ollut jo testissä hyvin suoriutuneita chatboxeja, kuten Cleverbot, joka vakuutti jopa 59% kokeilijoistaan. Sen saama "tulos" on siis parempi kuin nyt saatu.

Eugene myös ikään kuin huijasi kokeen sääntöjä väittämällä olevansa ulkomaalainen ja nuori, jolloin virheet olivat ikään kuin hyväksyttävissä. "Oikeassa" Turingin testissä tätä ei hyväksyttäisi. Nyt ohjelmisto ei siis pyrkinyt suoriutumaan mahdollisimman ihmismäisesti, vaan huijaamaan testaajiaan mahdollisimman hyvin.

Lisäksi uutisissa väitettiin, että Eugene olisi ollut supertietokone. Ei ollut, ei lainkaan – supertietokone kuulostaa vain hienommalta.

Vinkkejä:

Hyvä nettisivusto kunnollisten, ihmismäisesti käyttäytyvien älykkäiden ohjelmistojen tutkimiseen on muun muassa Ai Research -projekti, mistä voi saada tekoälyä vaikkapa kännykkään, jonka laskentatehoa Turingin aikaan olisi kyllä pidetty supertietokoneena.

Erilaisia chatboxeja voi testailla www.chatbots.org -sivustolla, mistä Eugene on tosin (jostain syystä) juuri poistettu...

Ja lopuksi: hyvä nettisivusto Turingiin sekä hänen työhönsä tutustumiseen on www.alanturing.net.

Eugene-uutisoinnin kyseenalaisuuksista kertoi mainiosti muun muassa TechDirt -sivusto.