• 05. lokakuuta, 2018

Elinikäisen oppimisen tukeminen keinoälyllä

Valamiksen tuotekehityksestä vastaava Chief Technology Officer Dmitry ”Dima” Kudinov on kuuden viime vuoden ajan tutkinut keinoälyä ja parhaita sovelluksia elinikäisen oppimisen tukemiseen. Pohjautuen vuosien tutkimustyöhön, Dima puhuu keinoälyn voimasta oppimisen mukauttamisessa, keinoälyavusteisen elinikäisen oppimisen hyödyistä sekä siitä, mitä tämä kaikki tarkoittaa Valamiksen tuotekehitykselle tulevaisuudessa.

K: Mistä nousevasta keinoälyteknologiasta olet eniten innoissasi ja miksi?

V: Ensinnäkin olen erittäin innoissani edistyksestä, jota on saavutettu luonnollisen kielen ymmärtämisessä. Aihe ei tietenkään ole uusi, mutta viimeaikaista edistymistä ovat vauhdittaneet laskentatehon kasvu, koulutuksessa käytettävän datan monipuolistuminen sekä kehittyneempien algoritmien luominen. Tämä tekstipohjaiseen materiaaliin liittyvä parannus on antanut ihmisille ja järjestelmille uudenlaisen tavan olla vuorovaikutuksessa chatbottien avulla. Puheen muuntamisessa tekstiksi ja tekstin muuntamisessa puheeksi on nähty vielä innostavampaa edistystä, joten chatbotit ovat nykyään persoonallisia ja voivat keskustella ihmisten kanssa puhumalla.

Keinoälyn nopean käyttöönoton takana on useampikin teknologinen edistysaskel. Käyttökelpoisuutta lisää erityisesti se, että kyseinen teknologia on saatavilla myös muille kuin tutkijoille kirjastojen tai pilvipalveluiden muodossa. Lisäksi joitakin teknologioita on mahdollista hienosäätää ja mukauttaa kouluttamalla niiden malleja lisää tiettyjen aineistojen ja aiheiden pohjalta substanssiasiantuntijoiden avulla.

K: Miten uskot keinoälyä käytettävän tulevaisuudessa elinikäisen oppimisen tukemiseen?

V: Näen keinoälylle kaksi erittäin lupaavaa käyttökohdetta:

  • Sen avulla voidaan analysoida ja ymmärtää olemassa olevaa tietoa, joka kätkeytyy muun muassa asiakirjoihin, raportteihin ja videoihin. Voidaan esimerkiksi indeksoida aiemmin kerättyä tietoa eli tehdä luettelo kertyneestä tiedosta, jotta sen sisällä voidaan tehdä hakuja.

  • Oppimateriaalia voidaan mukauttaa tai kontekstualisoida käyttämällä tietoja kyseisen henkilön aiemmista kokemuksista sekä hänen taustastaan ja tavoitteistaan. Keinoälyllä voidaan vastata henkilön senhetkisiin tarpeisiin tai laajentaa hänelle opetettavaa aihealuetta, jotta hän saa siitä kattavammat perustiedot.

K: Mihin Valamis-oppimisympäristön kehittäminen on perustunut?

V: Oppimisympäristömme kehittämistä ohjaa se ajatus, että oppiminen on olennainen osa ihmisen elämää ja luo perustan mukautumiselle. Teknologia voi tukea oppimista, ja siksi olemme luoneet Valamis-oppimisympäristön ja kehitämme sitä jatkuvasti. Työkalu ei kuitenkaan ole ratkaisu ongelmaan – se vain auttaa ongelman ratkaisussa. Sitä on käytettävä oikealla tavalla.

"Oppimisympäristömme kehittämistä ohjaa se ajatus, että oppiminen on olennainen osa ihmisen elämää ja luo perustan mukautumiselle."

K: Millaisia tulevaisuudensuunnitelmia sinulla on Valamis-oppimisympäristön kehittämiselle?

V: Mitä tulee oppimisympäristön kehittämiseen tulevaisuudessa, jännittävimmät suunnitelmamme liittyvät edellä mainitsemaani keinoälyn kehittymiseen eli mahdollisuuteen analysoida syvällisesti olemassa olevia tietolähteitä ja tuoda sitten oppimateriaalia oikealle henkilölle oikealla hetkellä.

K: Miten erilaista on elinikäisen oppimisen mukauttaminen työpaikan tarpeisiin verrattuna oppimisen mukauttamiseen koulujärjestelmässä?

V: Kouluissa on ainakin tällä hetkellä yleensä tarkat ennalta määritetyt tavoitteet, jotka on saavutettava. On siis määritelty ennalta, millaiset taidot on hankittava, ja oppilaiden osaamistasoa arvioidaan. Tällaisessa järjestelmässä tavoite (eli hankittavat taidot) on kiinteä ja hyvin määritelty, joten nykyisessä koulujärjestelmässä oppimisen mukauttaminen tarkoittaa yleensä sitä, että oppilaalle etsitään optimaalinen oppimispolku kiinteän tavoitteen saavuttamiseksi.

Tosielämässä tavoite on kuitenkin hyvin dynaaminen, koska yksittäisen ihmisen tulevaisuudessa tarvitsemien taitojen yhdistelmä muuttuu koko ajan. Siksi kaikkein optimaalisinta oppimispolkua ei voi koskaan määrittää etukäteen. Elinikäisen oppimisen mukauttaminen tarkoittaa oppimisen jatkuvaa säätämistä oppijoiden muuttuvien tarpeiden pohjalta. Siksi pidänkin Suomessa käynnissä olevasta koulu-uudistuksesta, koska näen, että omat lapseni saavat paremmat eväät elinikäiselle oppimismatkalleen oppimalla, miten opitaan. Jos järjestelmä ei muutu (vaikka se ei olisikaan kovin optimaalinen, ja Suomessa järjestelmä on muuttumassa koulu-uudistuksen myötä), kyse on pelkästä kiinteään tavoitteeseen tähtäävien oppimispolkujen optimoinnista kullekin oppijalle. Elinikäisessä oppimisessa tavoite on dynaaminen, joten optimaalista ratkaisua ei voi koskaan olla.

K: Mitkä ovat suurimmat hyödyt ja haasteet, joita keinoäly tuo oppimiseen?

V: Maailman muuttuessa yhä digitaalisemmaksi ihmisten oppimisesta tulee helpommin seurattavaa, mikä mahdollistaa keinoälyn kouluttamisen monipuolisemmilla ja laajemmilla aineistoilla. Tällöin keinoälystä saadaan parempia tuloksia säännönmukaisuuksien tunnistamisessa, ihmisten käyttäytymisen ennustamisessa sekä sopivien ”seuraavien askelten” valinnassa suositeltaessa oppimiseen liittyviä toimia.

Samaan aikaan on useita haasteita, jotka vaihtelevat tietosuojan kaltaisista sosiaalisista haasteista puhtaasti teknisiin haasteisiin, kuten datan puhdistukseen ja laskennalliseen vaativuuteen.

K: Lisääkö keinoäly yhteiskunnallista eriarvoisuutta?

V: Minun mielestäni oppiminen on yksi tapa vähentää yhteiskunnallista eriarvoisuutta, koska oppiminen parantaa ihmisten mukautumiskykyä ja tuo esiin uusia mahdollisuuksia elämän parantamiseen, oli sitten kyse uuden työpaikan hankkimisesta opettelemalla uusia taitoja tai naapurisuhteiden kohentamisesta opettelemalla pehmeitä taitoja. Keinoäly voi auttaa ihmisiä oppimaan paremmin, ja mielestäni tämä itse asiassa auttaa vähentämään yhteiskunnallista eriarvoisuutta ja parantamaan sellaisten ihmisten elämää, joihin keinoälyn ja robotiikan kehittyminen eri toimialoilla vaikuttaa.

".. oppiminen on yksi tapa vähentää yhteiskunnallista eriarvoisuutta, koska oppiminen parantaa ihmisten mukautumiskykyä ja tuo esiin uusia mahdollisuuksia elämän parantamiseen, oli sitten kyse uuden työpaikan hankkimisesta.."

K: Ketkä edistävät jatkossa keinoälyn käyttämistä oppimisen tukena? Tiedeyhteisö vai elinkeinoelämä – vai molemmat?

V: Tällä kolikolla on kaksi puolta, eikä kumpaakaan niistä voi olla ilman toista. Tiedeyhteisö ja tutkijat tekevät läpimurtoja, mutta elinkeinoelämällä on yleensä niihin tarvittavat resurssit. Samaan aikaan elinkeinoelämä tarvitsee sijoitetulle pääomalle tuottoa pitääkseen yllä liiketoimintamallejaan, kun taas tiedeyhteisö ei ole niin sidottu kaupallisiin tuloksiin.

Keinoälyn luvataan tuovan etua markkinakilpailussa, joten elinikäiseen oppimiseen liittyvät elinkeinoelämän ratkaisut keskittyvät pääasiassa työvoiman kehittämiseen, ei kenelle tahansa tarkoitettuun yleiseen oppimiseen. Siitä huolimatta ratkaisut, jotka voisivat palvella yleisön tarpeita, voisivat hyödyttää myös elinkeinoelämää, koska sitä kautta saataisiin enemmän dataa ja voitaisiin parantaa algoritmien ja koulutettujen mallien laatua. Lisäksi yritykset ovat nykytrendin mukaisesti muuttumassa yhteiskuntakeskeisemmiksi, joten kaikkea ei enää mitata suoraan sijoitetun pääoman tuotolla, vaan huomioon otetaan myös yhteiskunnan parantamisen sosiaalinen näkökulma. Kaikki nämä seikat edistävät elinkeinoelämän johtavien toimijoiden halukkuutta rahoittaa akateemista tutkimusta, mikä varmasti johtaa uusiin elinikäistä oppimista tukeviin läpimurtoihin tiedeyhteisössä.

Asiantuntija

Dmitry Kudinov
Chief Technology Officer, Valamis
Valamiksen Chief Technology Officer Dmitry Kudinov johtaa Valamis-oppimisympäristön tuotekehitystä vahvalla asiantuntemuksellaan ymmärtäen työntekijöiden ja asiakkaiden tarpeet. Dmitry soveltaa teknistä asiantuntemustaan liiketoiminnan tavoitteiden saavuttamiseksi ja hänen projektinsa ulottuvat aina kustomoitujen oppimisympäristöjen ja portaalien toteutuksista erittäin kriittisten liiketoimintajärjestelmien optimointiin.
Työvoiman digitalisaatio - inhimillisempi ote keinoälyn aikakaudelle

Työvoiman digitalisaatio - inhimillisempi ote keinoälyn aikakaudelle

Lue white paperistamme mitä hyötyjä työntekijöiden taitojen päivittäminen ja uudelleenkouluttaminen tarjoaa ja tutustu oppimisen ekonomia -malliimme.