Uutiset

"Hoitoa ehdottavalta tekoälyltä pitää vaatia perusteluja"

Tekoälystä voi tulla lääkärin oikea käsi ja yksilöllisen lääketieteen mahdollistaja. Ennen sitä tutkijoilla on monta haastetta ratkottavana.
Samuel Kaski
"Kehitän tutkimusryhmäni kanssa tekoälymenetelmiä, jotka pystyvät selittämään, miten ne ovat päätyneet johtopäätöksiinsä." Kuva: Aleksi Poutanen

Samuel Kaski, tietojenkäsittelytieteen professori :

Olen tekoälytutkija ja Suomen tekoälykeskuksen johtaja. Erikoisalaani ovat koneoppimisalgoritmit: tehokkaat tekoälytyökalut, joista on hyötyä monilla elämämme alueilla. Tekoälytyökalut tehostavat jo esimerkiksi automaattista kääntämistä, kuvista tehtävää kasvojentunnistusta sekä Sirin ja Alexan kaltaisten ääniavustajien toimintaa. Toiveissa on, että tehokkaita tietokonepohjaisia ennusteita päästään pian hyödyntämään sairaaloissa lääkäreiden tukena diagnoosien tekemisessä eli yksilöllisessä lääketieteessä. Pystymme jo luomaan syväoppimisalgoritmin, joka havaitsee kasvosi vilkkaassa väkijoukossa – pystymmekö myös luomaan sairastumisesi havaitsevan ja juuri sinuun parhaiten tehoavan hoidon löytävän algoritmin? 

Syöpänäytteet ovat jo toimiva esimerkki yksilöllisestä lääketieteestä. Olemme pystyneet algoritmien avulla selvittämään, mikä tietoaineistoissa ja niiden välisissä riippuvuuksissa on merkityksellistä. Tämän avulla on mahdollista tarkentaa kudosnäytteiden avulla tehtäviä ennusteita siitä, millaiset hoidot tehoavat kuhunkin potilaaseen. 

Yksi suurimmista haasteista on tiedon määrä. Tällä hetkellä menestyksekkäät syväoppimismenetelmät edellyttävät valtavia tietoaineistoja. Ennen kuin tietokone voi esimerkiksi tunnistaa kuvasta kasvot, sen on nähtävä useita tuhansia valokuvia kasvoista ja valokuvia asioista ilman kasvoja, jotta se voi erottaa ne toisistaan. Potilastietojen osalta tietokoneen opetukseen käytettävissä olevat tietoaineistot ovat paljon pienempiä. Joissain harvinaisissa sairauksissa tietoa on vain muutamista tapauksista. Siksi tarvitaan uusia menetelmiä, jotka voivat tuottaa syväoppimisalgoritmien huikean ennustustehokkuuden paljon pienemmillä opetustiedoilla. Ja kun luodaan algoritmeja, joiden avulla tietokone voisi seurata juuri sinun terveyttäsi, käytettävissä oleva tietoaineisto kutistuu yhteen henkilöön – sinuun. Tutkimusryhmäni suunnittelee juuri tällaisia uusia, pienempiin tietoaineistoihin paremmin soveltuvia lähestymistapoja. 

Sen lisäksi, että voimme käsitellä pienempiä tietomääriä, meidän on saatava algoritmit selittämään, mitä ne tekevät. Kun älypuhelimesi tekstinsyöttö ehdottaa sinulle sanaa, et oikeastaan välitä, miten se päätyi ehdotukseen. Jos Siri ehdottaisi, että sinun on otettava kalliita lääkkeitä, joilla on sivuvaikutuksia tai mentävä hankalaan leikkaukseen, jossa on pitkä toipumisaika, haluaisit varmasti tietää, miksi Siri niitä ehdottaa. Kehitän tutkimusryhmäni kanssa tekoälymenetelmiä, jotka pystyvät selittämään, miten ne ovat päätyneet johtopäätöksiinsä. Tämä auttaa uusien tehokkaiden tekoälytyökalujen integroimista olemassa olevaan terveydenhoitoinfrastruktuuriin.  

Ongelmat eivät koske pelkästään tekoälyn lääketieteellisiä sovelluksia. Paras tapa kehittää kehittyneisiin sovelluksiin tarvittavaa tekoälyä on luoda asiantuntijayhteisöjä, jotka voivat työskennellä eri näkökulmien parissa tiiviissä yhteistyössä. Aalto-yliopiston, Helsingin yliopiston ja VTT:n yhdessä perustaman Suomen tekoälykeskuksen (FCAI) iskulause onkin, että luomme "aidostitekoälyä tosielämän todellisille ihmisille". FCAI kokoaa yhteen insinöörejä ja tutkijoita, joilla on asiantuntemusta ja kokemusta useilta aloilta, kehittämään yhdessä seuraavan sukupolven tekoälyä ja käyttämään sitä yhteiskunnan suurten haasteiden ratkaisemiseen. 

 

Puhtaasta energiasta räätälöityyn lääketieteeseen – uusi kirja kertoo yliopiston vaikuttavuudesta

Aaltovaikutus on kunnianosoitus kymmenien tutkijoiden kunnianhimoiselle ja tinkimättömälle työlle.

Lue lisää
Aalto Effect book cover / Photo by Mikko Raskinen
  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lisää tästä aiheesta

ARTS open science roadshow, pic of the session
Tutkimus ja taide Julkaistu:

European Open Science Cloud (EOSC) Finnish Forumin webinaari 25.1.2021

Yksi puhujista on Karel Luyben, European Open Science Cloudin (EOSC) ensimmäinen puheenjohtaja ja Aalto-yliopiston hallituksen jäsen.
Installation Talk 2020, Jarkko Niiranen
Tutkimus ja taide Julkaistu:

Professori Jarkko Niiranen: Rakenteiden suunnittelun perustana ovat matemaattiset mallit

Laskennallisen rakennetekniikan vakituiseen associate professor -tehtävään nimitetty Jarkko Niiranen käsittelee esityksessään laskennallista mekaniikkaa.
Dronen ottama kuva Otakaari 1:sestä, kuva: Mikko Raskinen
Tutkimus ja taide Julkaistu:

Mistä tietää ilman GPS-signaalia, missä lennokki lentää?

Jouko Kinnarin väitöstutkimuksessa dronen sijainti selviää karttatietojen sekä antureiden avulla.
Apulaisprofessori Jukka Luoma. Kuva: Mikko Raskinen / Aalto-yliopisto
Tutkimus ja taide Julkaistu:

Ideologinen onttous auttaa kapitalismin voittoihin

Apulaisprofessori Jukka Luoma ja kollegansa löysivät yllättävän yhteyden organisaatio-oppimisen ja poliittisten taustaideologioiden väliltä.