Teknologia on iso voimavara ihmiskunnalle, mutta edelleen siitä hyödytään liian vähän. Aalto-yliopiston professori Antti Oulasvirran mukaan yksi suurimmista syistä on se, että tietokoneet ymmärtävät ihmisten käyttäytymistä, ajattelua ja tunteita liian vähän.
– Ihmiskunta saisi enemmän irti teknologiasta, jos tietokoneet ymmärtäisivät paremmin käyttäjää, hän sanoo.
Oulasvirta tutkii ihmisen ja tietokoneen vuorovaikutusta ja tekee laskennallisia malleja ihmisten käyttäytymisestä. Näillä malleilla voi esimerkiksi ennustaa, miten helppoa jollekin on mobiililaitteen käyttäminen, mutta myös selittää käyttäytymistä, miksi esimerkiksi jotkut kokevat tekoälyavusteisen tekstinsyötön hankalaksi ja toiset eivät. Käyttäytymisen mallinnus on ottanut suuren harppauksen viimeisen kymmenen vuoden aikana, kun koneoppimisessa on tapahtunut merkittäviä edistysaskelia.
Euroopan tutkimusneuvosto ERC myöntää Advanced Grant -apurahoja kokeneille ja erityisen ansioituneille tutkijoille poikkeuksellisten ja epätavanomaisten tieteellisten avausten tekoon. Oulasvirta on saanut aiemmin ERC:n lupaavien tutkijoiden Starting Grant -apurahan vuonna 2015.
– Aikaisemmassa ERC-projektissa pystyimme parantamaan käytettävyyttä ja käyttäjäkokemusta noin 5–25 prosenttia tapauksen mukaan. Uusilla menetelmillä saamme irti huomattavasti enemmän, hän uskoo.
Nyt rahoitettavan ERC-projektin tavoitteena on tuottaa uudenlaisia malleja, jotka ovat laajasti ja helposti sovellettavissa eri käyttökohteisiin, esimerkiksi suunnittelemaan toimiva ohjaamo autoon. Kun ohjaamoa voi testata keinotekoisella käyttäjämallilla 3D-simulaatiossa, ymmärrämme paremmin, miten parantaa teknologian käytettävyyttä. Malleilla voi myös selittää käyttäytymistä eri tilanteissa tai optimoida käyttöliittymiä, esimerkiksi www-sivuja ja valikoita.
– Visiomme on, että tulevaisuudessa voimme helpottaa tietokoneen käyttöä antamalla tekoälylle keinoja paremmin tulkita ja ennustaa ihmisten käyttäytymistä. Tämän takana on koneoppimista ja simulaatiota ihmisen kehon ja ajattelun toiminnasta. Tekoäly voi simulaation kautta löytää selitysmalleja havainnoilleen ja valita parhaan tavan toimia ihmisen kanssa. Meille ei riitä, että saamme käyttäjämallimme toimimaan, vaan onnistuessamme meillä on myös mahdollisuus keskustella käyttäjämallin kanssa siinä toimintaympäristössä, minne se on viety, Oulasvirta sanoo.
Miten tietokoneille sitten voidaan opettaa, että ihmiset ovat erilaisia?
– Yhdistämme kaksi ennen yhdistämätöntä lähestymistapaa. Ensinnäkin hyödynnämme tutkimuksessamme käyttäytymistieteiden teorioita, jotka kuvaavat ihmisiä psykologian ja laskennallisten periaatteiden avulla. Toisaalta koneoppimisen avulla pystymme ensimmäistä kertaa ennustamaan suuria määriä käyttäytymistä kuvaavia muuttujia ja opettamaan käyttäytymismalleja eri ympäristöissä.
ERC-projektia vauhdittaa sapattivuosi Kalifornian yliopistossa Berkeleyssä, missä Oulasvirta on keskittynyt tutkimustiedon syventämiseen. Hän pitää yhdeksän kuukauden vierailuaan erittäin onnistuneena ja palaa Otaniemeen uusien oppien kera toukokuussa. Hän on vierailullaan keskittynyt robottien ja ihmisen vuorovaikutukseen.
– Olen oppinut erityisen paljon algoritmeista, joita robotiikassa käytetään ihmisen preferenssien päättelyyn, ja miten niitä tehdään käytännössä. Koodit vaativat paljon käsityötä mutta myös teoriaa.
Viisi vuotta kestävän ERC-projektin lisäksi työt Suomessa jatkuvat tiiviisti myös Suomen tekoälykeskus FCAI:ssa, missä Oulasvirta vastaa FCAI:n Interactive AI -tutkimuksesta. FCAI kerää yhteen suomalaisen tekoälytutkimuksen huiput, jossa mukana ovat Aalto-yliopisto, Helsingin yliopisto ja VTT. FCAI:n tutkimus tähtää tekoälyyn, joka pystyy sekä oppimaan että suunnittelemaan ja joka toimii yhteistyössä ihmisten kanssa monimutkaisten ongelmien ratkaisemiseksi.
