Tekoälyyn perehtynyt Antti Merilehto varoittaa suomalaisia yritysjohtajia: putoatte pian kuin Kelju K. Kojootti kallionkielekkeeltä, jos ette toimi nyt
Antti Merilehto teki suomalaisjohtajille kirjan tekoälystä, koska heidän pitää ottaa se haltuun nyt. Muuten bisnekset katoavat alta.
Teknologia
Tekoälyyn perehtynyt Antti Merilehto varoittaa suomalaisia yritysjohtajia: putoatte pian kuin Kelju K. Kojoott
Looney Tunesin hahmot, kuten Kelju K. Kojootti, pysyvät ilmassa niin kauan, kunnes he katsovat alas. Silloin he vasta putoavat.
”Kun yritysjohtaja huomaa, ettei ymmärrä tekoälystä mitään, hänen on vain helpompi sulkea silmänsä ja juosta. Eli sanoa, että hoitakaa homma, ottakaapa sinne vähän tekoälyä mukaan”, Merilehto kuvailee.
Mainos (Teksti jatkuu alla)
Mainos päättyy
Jossain vaiheessa yritysjohtajan on kuitenkin avattava silmänsä. Silloin hän putoaa kuin Kelju K. Kojootti kallionkielekkeen ylitettyään, jos ei ole toiminut ajoissa.
Silmät pitäisi siis avata viimeistään nyt, kun kallionkielekettä ei ole vielä ylitetty.
Käytännössä se tarkoittaa Merilehdon mielestä sitä, että jokainen johtaja pysähtyy hetkeksi ja ottaa sen verran aikaa, että opettelee ymmärtämään tekoälyn perusteet ja miettii sitten, miten sitä voisi omassa yrityksessä hyödyntää.
”Nyt pitää ruveta tekemään! Muuten täällä vasta kontataan, kun muualla jo juostaan.”
Keskiviikkona ilmestyy Merilehdon kirja Tekoäly – Matkaopas johtajalle (Alma Talent).
Merilehto työskentelee maajohtajana Finch-nimisessä yrityksessä, joka optimoi toisten yritysten hakusanamainontaa Googlessa, ja on sparrannut yritysten johtoryhmiä tekoälystä.
Kirja on hänen panoksensa siihen, että tekoälystä tulisi osa arkea suomalaisyrityksissä.
”Aalto-yliopistossa kirjoittajia koutsaava Carol Kiriakoshttps://www.hs.fi/haku/?query=carol+kiriakos sanoi minulle hienosti, että Antti sinä et ole tekoälyn guru. Mieti itseäsi Ateneumin oppaana. Ei hän osaa maalata niitä tauluja, mutta hän pystyy kertomaan ja syventämään sitä, mihin ne taulut liittyvät.”
Se oli kirjoittaessa Merilehdon johtoajatus. Siksi hän on kasannut kirjansa ympärille myös kaikille avoimen verkkosivun tekoalymatkaopas.fihttp://www.tekoalymatkaopas.fi, jossa on tarjolla runsaasti linkkejä tekoälyä käsitteleviin videoihin, harjoituksiin ja artikkeleihin.
Niiden avulla jokainen voi ruveta syventämään ymmärrystään tekoälystä.
Tarkka määrittely ei ole yksiselitteistä, muttei Merilehdon mielestä myöskään välttämätöntä. Se, mistä tällä hetkellä yleisesti puhutaan tekoälynä, on itse asiassa yleensä koneoppimista. Ja se on jo hyvin lähellä tekoälyä.
”Eli jos kone tulee paremmaksi jossain suorituksessa jollakin tietyllä mittarilla mitattuna, kyseessä on oppiva kone”, Merilehto tiivistää.
Merilehto vertaa koneoppimisen mallia siihen, kuinka hänen kaverinsa poika oppi eri kulkuvälineitä. Aluksi kaikki nelipyöräiset liikkuvat esineet olivat hänelle pakettiautoja, koska hänen suosikkilelunsa oli ”paku”.
Kun poika kadulla nimesi kulkuneuvoja ”pakuiksi”, hän sai isältään palautetta, että tuo vihreä on henkilöauto ja sininen on rekka.
Pian lapsi hahmotti jo pakettiauton, henkilöauton ja rekan toisistaan. Oli tapahtunut samankaltaista oppimista kuin koneella.
”Seuraavan muutaman vuoden aikana hyödyt yrityksille tulevat nimenomaan koneoppimisesta”, Merilehto ennustaa.
”Ei voi olla niin, että joku ei pääse dataan käsiksi, koska hänellä ei ole tarpeeksi natsoja.”
Koneoppimisen avulla yritys voi tuoda tietojensa analysointiin tarkkuutta ja reaaliaikaisuutta sekä vähentää käsin tehtäviä työvaihteita.
Kirjaansa Merilehto on ottanut esimerkiksi jäätelökioskin. Sen avulla hän on tiivistänyt yritysten datan hyödyntämisen viiteen tasoon:
Kuvaileva. Koneella on tieto, paljonko jäätelöä myytiin viime viikolla.
Diagnosoiva. Kone selvittää, miten sää vaikutti jäätelön myyntiin.
Ennakoiva. Kone päättelee, pitääkö seuraavan viikon helteisiin tilata lisää jäätelöä.
Ohjaileva. Kone suosittelee, että jäätelöä pitää tilata 30 pakettia lisää.
Ohjaileva ja automatisoitu. Kone tilaa itsenäisesti 30 pakettia lisää jäätelöä.
”Ihmiset tulevat usein kysymään minulta, mitä he voivat tehdä koneoppimisen kanssa. Minun vastakysymykseni on aina, mitä dataa sinulla on”, Merilehto sanoo.
Tämä on kuitenkin vasta alkua. Merilehto puhuu paljon syväoppimisesta. Se tarkoittaa toisiinsa yhteydessä olevia neuroverkkoja, jotka kykenevät oppimaan havainnoimalla ja voivat jo nyt opettaa itse itseään.
Se alkaa olla todellista tekoälyä.
Google on luonut tällaisen monikerroksisista neuroverkoista koostuvan tekoälyn, joka on syväoppinut tunnistamaan sokeritaudin aiheuttaman silmän verkkokalvon sairauden diabeettisen retinopatian paremmin kuin silmälääkärit, Merilehto kertoo.
”Googlen tutkijat käyttivät 150 000 kuvaa ja noin miljoona lausuntoa tämän algoritmin tuottamiseen.”
Se oli siis data, joka Googlella oli käytettävissä.
Kirjassa Merilehdon esimerkkitapaukset ovat usein nimenomaan Googlelta. Tämä johtuu siitä, että hän työskenteli yhtiön Euroopan pääkonttorissa Irlannin Dublinissa 2012–2014
Merilehto teki myyntitöitä.
”Eli käytännössä autoin yrityksiä ja koulutin digitoimistoja käyttämään Googlen mainostuotteita paremmin.”
Runsaat kymmenen vuotta sitten hän oli vielä usein illat ja yöt järjestyksenvalvojana yökerho Feverin ovella Helsingin keskustassa ja opiskeli päivisin Helsingin kauppakorkeakoulussa.
City-lehden lukijat valitsivat Merilehdon jopa kaupungin parhaaksi järjestysmieheksi 2007.
”Työskentelin ovella oman tapahtumaturvallisuutta järjestävän firman kautta. Sen liikevaihto oli nakkikiskan luokkaa.”
Opiskelijavaihdossa Pohjois-Carolinan yliopiston Chapel Hillin liiketoimintajohtamisen ohjelmassa hänen kurssitovereinaan oli liikemiehiä, joiden vastuulla saattoi olla esimerkiksi 250 miljoonan dollarin kokonaisuuksia yhtiöistä.
”Mutta heti kun heidät vietiin pois omalta kapealta mukavuusalueeltaan, he eivät olleet sen kummoisempia kuin kukaan mukaan.”
Merilehto havahtui: hän pystyy ihan samoihin asioihin kuin nämä opiskelutoverinsa.
”Koneoppiminen muodostaa maailmansa yksinomaan sille annetusta datasta. Jos data koostuu syrjivistä päätöksistä, on tekoälykin syrjivä.”
Merilehto palasi Suomeen ja pääsi luomaan suurelle autokaupalle uutta myyntijärjestelmää.
Sitten hän sai kuulla ystävältään, että Googlella olisi tarvetta suomalaisille työntekijöille, ja lähetti hakemuksen.
Googlessa häneen teki vaikutuksen yhtiön avoimuus.
”Kun oli yhtiön hallituksen kokous, saimme tiivistelmän siitä videon välityksellä.”
Merilehdon mukaan tekoäly ei ollut Googlellakaan vielä puheenaiheiden kärjessä, kun hän aloitti siellä 2012. Mutta pian tekoälyprojektien määrä suorastaan räjähti.
Nyt siis viimeistään suomalaisten yritysten pitäisi seurata perässä.
Kaikki lähtee Merilehdon mukaan liikkeelle siitä, että yrityksissä aletaan tehdä kokeiluja tekoälyllä.
”Ja niihin kokeiluihin pitää antaa aikaa.”
Kokeilujen ei pitäisi myöskään olettaa tuovan heti rahaa ja voittoa yritykselle.
”Kiinalainen teknologiafirma Baidu esimerkiksi toteuttaa projekteja, joiden ei ole tarkoitus olla tuottavia, vaan kerätä ainoastaan valtava määrä dataa.”
Merilehto on sitä mieltä, että jokaisen vähintään 20 miljoonan euron liikevaihtoa pyörittävän suomalaisyrityksen pitäisi palkata saman tien yksi ihminen, joka keskittyy yrityksessä pelkästään tekoälyyn.
Pörssiyhtiöiden salassapitovelvollisuuden piiriin kuuluvia asioita lukuun ottamatta kaikki tieto yrityksissä pitäisi myös olla jokaisen työntekijän käytettävissä.
”Ei voi olla niin, että joku ei pääse dataan käsiksi, koska hänellä ei ole tarpeeksi natsoja”, Merilehto sanoo.
Tämän jälkeen tekoälystä alkaa tulla entistä useammalle työkaveri. Esimerkiksi rautakaupan myyjälle tekoäly voi vinkata asiakkaan kanssa keskusteltaessa, mitkä kaikki asiat pitää muistaa kysyä ja vaikka huomauttaa, jos jotkin tuotteet eivät ole yhteensopivia.
Samalla se laskee tarjouksen asiakkaalle ilman, että myyjän pitää tehdä se joka kerta itse.
Tällainen ”työkaveri-tekoäly” yhdistelee tietoja, joita ihmisen ei ole itse aina helppoa hahmottaa ja joiden löytämiseen ja laskemiseen voi kulua paljon aikaa.
Se operoi jossain ennakoivan ja ohjailevan koneoppimisen tasolla, mutta ei vielä itsenäisesti tee ratkaisuja, vaikka jo nyt muun muassa monet lainapäätökset perustuvat automaatioon ja tekoälyyn.
Merilehdolle on selvää, että ihmisellä on aina vastuu tekoälyn tekemistä mahdollisista vääristä päätöksistä.
Niitä voi syntyä kahdesta syystä: joko tekoäly ei toimi oikein tai se toimii teknisesti juuri niin kuin pitää, mutta sitä on opetettu virheellisellä datalla. Esimerkiksi rekrytointikone voisi oppimansa perusteella jättää palkkaamatta tietyn ikäisiä naisia.
”Se olisi eettisesti väärin ja laitonta, mutta koneoppiminen muodostaa maailmansa yksinomaan sille annetusta datasta. Jos data koostuu syrjivistä päätöksistä, on tekoälykin syrjivä.”
Kauempana tulevaisuudessa tekoälyn kanssa voi sitten tapahtua melkein mitä tahansa.
”Mahdollisia kehityssuuntia on lukemattomia, emmekä vielä tiedä niistä”, Merilehto tiivistää.
Japanilainen autoteollisuudessa työskennellyt järjestelmäsuunnittelija päätti auttaa vanhempiaan, joilla on pieni kurkkufarmi.
Hänen äidillään kului valtavasti työaikaa kurkkujen lajitteluun.
Se on tärkeä työvaihe, koska Japanissa laadukkaammista kurkuista saa huomattavasti korkeamman hinnan, ja kurkut lajitellaan useisiin eri kategorioihin muun muassa koon, käyryyden ja pinnanmuotojen mukaan.
Poika käytti kolme kuukautta siihen, että hän sai noin 7 000 kuvaa äitinsä lajittelemista kurkuista, jotta tekoäly oppi lajittelemaan ne.
Sitten hän rakensi ensimmäisen lajittelukoneensa.
Samanlaista ennakkoluulottomuutta Merilehto kaipaa Suomeen. Hän alkaa puhua Närpiöstä, jossa kasvatetaan suuri osa Suomen kurkuista ja tomaateista.
”Ei tekoälykokeilujen tarvitse sielläkään olla tuon isompia.”
Kommenttisi on moderoitavana.
Viestejä julkaistaan sitä mukaa, kun toimitus ehtii niitä tarkistaa.
Viestejä tarkistetaan arkisin kello 7–24 ja viikonloppuisin kello 8–24
Kommentit
Kommenttisi on moderoitavana. Viestejä julkaistaan sitä mukaa, kun toimitus ehtii niitä tarkistaa. Viestejä tarkistetaan arkisin kello 7–24 ja viikonloppuisin kello 8–24