Tapahtumat

Väitös tietotekniikan alalta, DI Antti Kangasrääsiö

Miten tehdä helppokäyttöisiä älykkäitä työkaluja, jotka ymmärtävät käyttäjänsä ajattelua?
CS defence SCI computer science

Diplomi-insinööri Antti Kangasrääsiö väittelee perjantaina 16.11.2018 klo12 Aalto-yliopiston perustieteiden korkeakoulussa salissa M1, Otakaari 1, Espoo. Väitöskirjassa "Machine Learning Methods for Interactive Search Interfaces and Cognitive Models" esitetään menetelmiä, joilla älykkäistä, käyttäjäänsä mallintavista ja personoivista järjestelmistä tehdään helppokäyttöisiä. Väitöskirjassa esitetään myös simulaatiopohjainen menetelmä realististen monimutkaisten käyttäjämallien tehokkaaseen ja luotettavaan oppimiseen.

Käyttämiemme palveluiden ja sovellusten muuttuessa älykkäiksi myös ihmisen ja tietokoneen välinen vuorovaikutus on murroksessa. Yhä suurempi osa käyttöliittymistä ja sisällöstä perustuu monimutkaisiin matemaattisiin malleihin, jotka sovitetaan käyttäjän antamaan palautteeseen sekä muihin käyttäjistä tehtäviin havaintoihin. Esimerkiksi käyttämämme hakukoneet mukauttavat suosituksiaan perustuen käyttäjän hakuhistoriaan, ja sosiaalisen median alustat sekä suoratoistopalvelut näyttävät meille sisältöä, joka perustuu malliin kiinnostuksen kohteistamme. Todennäköisesti tulevaisuudessa valtaosa käyttämistämme palveluista tulee olemaan käyttäjäkohtaisesti personoituja.

Miten tehdään tekoälyavusteisesta, monimutkaisiin algoritmeihin perustuvasta järjestelmästä käyttäjälle ymmärrettävä ja helppo käyttää? Älykkäiden järjestelmien käytettävyys ei usein ole ongelmatonta. Tämä johtuu esimerkiksi siitä, että käyttäjän voi olla hankala ennustaa kuinka järjestelmä reagoi hänen valintoihinsa. Siksi on tärkeä ymmärtää kuinka älykkäät järjestelmät saa pidettyä helppokäyttöisinä. Tässä tutkimuksessa esitetään sekä käyttäjämallinnukseen että käyttöliittymiin liittyviä menetelmiä, jotka parantavat käyttäjää mallintavien hakukoneiden käytettävyyttä. Menetelmät visualisoivat käyttäjälle hänen valintojensa ennustettuja vaikutuksia ja muuttavat järjestelmää helpommin ohjattavaksi, mikä tekee järjestelmästä helppokäyttöisemmän. Menetelmät myös korostavat mahdollisia epäjohdonmukaisuuksia käyttäjän antamassa palautteessa, mikä tekee virheiden havaitsemisesta helpompaa. Esitettyjen menetelmien avulla voisi olla mahdollista parantaa useiden olemassaolevien haku- ja suosittelujärjestelmien käytettävyyttä.

Miten sovitetaan realistinen malli käyttäjän toiminnasta saatuihin havaintoihin? Nykyaikaiset käyttäjämallit ovat silti melko yksinkertaisia verrattuna inhimillisen päätöksenteon kompleksisuuteen. Tämä johtuu siitä, että monimutkaisempien mallien parametriarvojen automaattinen päättely (koneoppiminen) on hankalaa nykyisin käytetyillä menetelmillä. Ilmaisuvoimaisempien mallien avulla olisi kuitenkin mahdollista tehdä parempaa personointia ja tarkempia ennusteita käyttäjän kiinnostuksen kohteista. Tässä tutkimuksessa esitetään toistettuihin simulaatioihin perustuva menetelmä, jonka avulla realististen käyttäjämallien parametriarvot sekä niihin liittyvä epävarmuus on mahdollista päätellä. Menetelmän osoitetaan toimivan tehokkaasti useilla ilmaisuvoimaisilla käyttäjämalleilla, joiden parametriarvojen luotettava päättely on aiemmin vaatinut laskennallisesti paljon työläämpiä menetelmiä. Esitetyn menetelmän avulla voisi olla mahdollista käyttää huomattavasti realistisempia käyttäjämalleja useissa personointia vaativissa sovelluksissa.

Vastaväittäjä: professori Kristian Kersting, Technische Universität Darmstadt, Saksa

Kustos: professori Samuel Kaski, Aalto-yliopiston perustieteiden korkeakoulu, tietotekniikan laitos 

Elektroninen väitöskirja: http://urn.fi/URN:ISBN:978-952-60-8251-6

  • Julkaistu:
  • Päivitetty: