Tekoäly- miten se muuttaa maailmaamme ja miten siihen voi sijoittaa?

• Tekoäly ja koneoppiminen ovat jo osa meidän kaikkien arkea ja niiden käyttöönotto on tulevaisuudessa vain kasvussa.
• Tekoälyyn liittyy mahdollisuuksien lisäksi myös sudenkuoppia, joita käymme läpi tässä artikkelissa 
• Sijoittajan kannattaa olla hereillä vallitsevista megatrendeistä ja niistä avautuvista sijoitusmahdollisuuksista. Tämä koskee myös tekoälyä ja koneoppimista.
  
  

Tekoäly ja koneoppiminen ovat jo osa arkeamme

Syyskuun webinaarissamme käsittelimme tekoälyä ja koneoppimista sekä niiden hyödyntämistä rahoitusalalla ja sijoittamisessa. Vieraanamme oli tokiolaisen Wasedan yliopiston apulaisprofessori Emily Öhman, joka on keskittynyt tutkimus- ja opetustyössään koneoppimiseen humanististen ja yhteiskuntatieteiden ongelmien ratkaisussa. Hän toimii Wasedan yliopistossa digitaalisten ihmistieteiden laitoksella.

Tekoälyn käsitetään olevan tietokoneen osaamista ja oppimista, jonka avulla voidaan korvata tiettyjä ihmisen tekemiä töitä, koska kone on niissä parempi. Tällaisia ovat esimerkiksi suuren datamäärän käsittely, analysointi ja halutun tiedon etsiminen suuresta datamassasta. On todettu, että tietokone on parempi kuin ihminen tekemään havaintoja mm. röntgenkuvista, joista etsitään kasvainta. Ihmisen tutkiessa kuvia, virheitä tuli enemmän, kun taas tietokone löysi kasvaimen lähes aina.  Ihmisasiantuntijoiden tarkkuus testissä oli 85-90%, kun koneen tarkkuus oli 90-98%.

Tekoäly on monelle vieras aihe, ja siihen liittyy myös paljon negaatioitakin, pelkoa tekoälyn “lähtemisestä käsistä” tai työpaikkojen menetyksestä. Tekoäly on kuitenkin jo osa meidän kaikkien arkea ja sen hyödyntäminen tulee varmasti vain kasvamaan tulevaisuudessa. Sijoittajan kannattaakin olla hereillä ja pysyä mukana kehityksessä. 

Arkisia ja tuttuja esimerkkejä tekoälyn toiminnasta meille kaikille ovat mm. Google Mapsin ajoaika-arviot, sähköpostin roskapostikansion suodatustoiminto, puhelimessa toimiva automaattinen tekstintäydennys tai vaikkapa iphonen Siri-avustaja.

Tekoälyn sovelluksista suurin osa on tällä hetkellä niin sanottua koneoppimista. Koneoppiminen on tekoälyn osa-alue jossa toimintaa ei ole ohjelmoitu valmiiksi. Kone oppii sille annetusta datasta itsenäisesti, eikä sille määritellä toimintaohjetta jokaista erillistä tilannetta varten. Tietokone käyttää askel askeleelta datasta oppivia algoritmeja, jolloin koneoppimisen malli kehittyy koko ajan paremmaksi. Jotta tekoäly saadaan toimimaan, täytyy ihmisen ensin opettaa konetta. Tämä tarkoittaa käytännössä sitä, että koneelle syötetään opetusdataa (esim. kissojen ja koirien kuvia ja opetetaan se näin tunnistamaan onko kuvassa kissa vai koira). 

Emily Öhman painottaa koneoppimisessa ihmisen suurta vastuuta. Sillä on nimittäin ratkaisevan suuri ero lopputulokseen, minkälaista dataa koneelle on syötetty ja opetettu. Datan laatu määrittää lopputuloksen hyvinkin radikaalisti. Ihmisen täytyy siis osata valita ja arvioida datan laatu ja ymmärtää sen vaikutus lopputulokseen. Kone ei osaa itse “korjata” väärään suuntaan ohjaamaan lähtenyttä dataa.

LUE LISÄÄ  ►  Guardian lehden artikkeli koneoppimisen sudenkuopista

Koneoppimista on kahdenlaista

Koneoppiminen voidaan jakaa kahteen eri tapaan: 1) ohjattu 2 ) ohjaamaton. Suurin ero näiden kahden välillä on siinä, minkälaista dataa tarvitaan koneen ohjaamiseen ja minkälaista dataa ne itse tuottavat lopputuloksena. 

Ohjaamattomassa  koneoppimisessa tietokone tarvitsee vain dataa, ihmisen ei ole tarve kertoa tai opettaa koneelle sinäänsä mitään. Koneen algoritmi osaa itse erotella datan. Kone ei tässä tapauksessa ennusta mitään datasta tai tee siitä trendianalyyseja, kone osaa vain jaotella datan tietyin tavoin. 

Ohjatussa koneoppimisessa ihmisen täytyy ohjata konetta eli syöttää sille annotoitua dataa. Tämä tarkoittaa sitä, että data on ihmisen toimesta kuvattu, luokiteltu ja jäsennelty systemaattisella tavalla. Ihminen siis opettaa konetta ymmärtämään sille syötettyä dataa. Edellä mainitussa kissat ja koirat-esimerkissä on kyse ohjatusta koneoppimisesta. Ihminen ei kerro koneelle miten sen pitäisi erottaa kissat koirista (esim. korvien perusteella), vaan kone oppii itse erottamaan lajit toisistaan riittävän suuren datamäärän jälkeen. Kone oppii myös ennustamaan ja kertomaan datasta asioita. Ohjattu koneoppiminen on huomattavasti helpompi ja tehokkaampi tapa analysoida isoa datamäärää kuin käyttää ihmistä tällaisessa työssä.

Ongelmia kuitenkin tulee, jos kone saa dataa, jota se ei tunnista. Tässä ratkaisuna onkin käytetyn datan laadun varmistamista ihmisen toimesta. “Täytyy olla todella varovainen, mitä dataa tekoälylle syöttää, koska se voi oppia vain sille annetun datan perusteella. Ihminenhän voi kyseenalaistaa dataa tai hankkia sitä jostain muualta omien toimiensa avulla -kone ei voi tätä tehdä, se on täysin ihmisen tekojen varassa. Ongelmakohdat näkyvät lopputuloksessa räikeästikin, jos datassa on ongelmia”, kertoo Emily Öhman.

Esimerkki, miten datan syöttö voi mennä pieleen. Konetta opetettiin tunnistamaan passikuvista, onko ihmisellä silmät auki vai kiinni. Koneelle ei kuitenkaan ollut opetettu, että eri etnistä alkuperää olevilla ihmisillä silmät voivat olla erilaiset. Tuloksena oli, että aasialaisen ihmisen passikuvan kone hylkäsi virheellisenä. 

Toisessa esimerkissä Emily Öhman kertoi Suomen Akatemian apurahahakemuksiin liittyvästä koneoppimisen kokeilusta. Koneelle syötettiin datana edellisten vuosien apurahahakemukset ja hylätyt sekä hyväksytyt hakemukset ominaan. Kone oppi tällaisesta datasta erottamaan ne hakemukset, jotka johtavat hyväksyntään ja suosimaan tietyntyyppisiä tutkimusaiheita ja hakemuksia. Tämä luonnollisesti johtaisi siihen, että jatkossa vain tietyntyyppiset hakemukset hyväksytään ja pikku hiljaa apurahat alkaisivat suuntautua vain tietynlaisiin tutkimuksiin ja aina samaan tutkimusaiheeseen. Tuloksena olisi lähinnä katastrofi.

LUE LISÄÄ  ► 6 esimerkkiä, miten koneoppiminen muuttaa työelämää

Tekoäly ja koneoppiminen rahoitusalalla ja sijoittamisessa

Sijoittajalle tekoälystä voi olla paljonkin hyötyä, joten webinaarimme lopuksi kävimme läpi käytännön esimerkkejä finanssialalta sekä Indexin näkemyksiä tekoälyyn sijoittamisesta myyntijohtaja Simo Rahikaisen johdolla.

Rahoitusalalla tekoäly on viime vuosina tullut esiin erityisesti niin sanottujen robo-advisoreiden kautta. Nämä koneoppimisen sovellukset analysoivat valtavia määriä dataa ja tekevät sen perusteella salamannopeita sijoitusehdotuksia sekä algoritmeihin perustuvia henkilökohtaisia sijoitusneuvoja ilman ihmisen puuttumista asiaan tai vähäisellä ohjauksella. Suomessa mm. Nordealla on tarjolla Nora Robo-advisor palvelu. Maailmanlaajuisesti robo-advisoreilla lasketaan olevan hallinnassa n. 1000 miljardin dollarin arvosta sijoituksia ja tämän luvun odotetaan kasvavan seuraavina vuosina n. 30 % tahtia.

LUE LISÄÄ  ► Robo-advisor määritelmiä

LUE LISÄÄ  ► Robo-advisor vertailu

Rahoitusalalla on useita muitakin mahdollisuuksia hyödyntää tekoälyä. Näistä alan toimijoille tällä hetkellä ajankohtaisimpia ovat esim. rahanpesunesto, huijaus-ja petostunnistukset, erilaiset riskienhallinnan sovellukset sekä asiakaspalvelubotit, jotka voivat hoitaa sellaiset asiakaspalvelutilanteet, joissa ratkaisu on usein hyvin samankaltainen ja eivät vaadi välttämättä ihmiskontaktia tai -arviointia.

Tekoälyyn sijoittaminen

Simo Rahikaisen esityksessä käytiin läpi Index Varainhoidon näkemyksiä sijoittamiseen. Me Indexissä ajattelemme, että seuraavat megatrendit ovat niitä, joista sijoittaja voi eniten hyötyä lähivuosina, ja joihin saa rakennettua toimivia sijoitusratkaisuja:

1. Ilmastonmuutos ja resurssien niukkuus
2. Taloudellisen vallan siirtyminen
3. Teknologiset innovaatiot
4. Väestörakenteen muutos
5. Kaupungistuminen ja tulevaisuuden liikkuminen

Megatrendit käsitteenä on laaja ja monimutkainen verkosto, joka aiheuttaa muutoksia yhteiskuntaan, talouteen, politiikkaan ja ihmisten käyttäytymiseen. Yllä jaotellut megatrendit ovat kokonaisuuksia useasta megatrendistä ja ne voivat myös linkittyä toisiinsa. Tekoäly sijoittuu kolmanteen kategoriaan eli teknologisiin innovaatioihin. Näistä kategorioista Index Megatendit-salkussa kaikista parhaiten on tuottanut nimenomaan teknologiset innovaatiot. Teknologisten läpimurtojen alueella sijoitamme robotiikkaan ja tekoälyyn, digitaalitalouteen, tietoturvaan ja puolijohdevalmistajiin. Robotiikka ja tekoäly ovat näistä suurin sijoituskohteemme, jonka uskomme tulevaisuudessa kehittyvän suotuisaan suuntaan, kun sijoitusinstrumentit on valittu huolellisesti. Kerromme mielellämme lisää aiheesta ja Index Megatrendit-salkusta. Otathan yhteyttä varainhoitajaasi tai info@indexvarainhoito.fi tai puh. 010 325 0500

LUE LISÄÄ  ► Megatrendeihin sijoittaminen osa 1

LUE LISÄÄ  ► Megatrendeihin sijoittaminen osa 2