Suomesta tekoälyn edelläkävijä

Suomesta tekoälyn edelläkävijä

Miten Suomesta tehdään tekoälyn edelläkävijä? Suomella on hyvät lähtökohdat tekoälyn vipuvoiman hyödyntämiseen. Suomi oli ensimmäisten joukossa laatimassa kansallista tekoälystrategiaa ja on herättänyt paljon mielenkiintoa tekoälyn mallimaana. Korkea koulutustaso ja teknologinen osaaminen niin työntekijöiden kuin kuluttajienkin keskuudessa antaa hyvät eväät tekoälyn hyödyntämiseen. Osaaminen, sen luominen ja kehittäminen tulee olemaan avainasemassa myös tulevaisuudessa. Lisäksi Suomen on pidettävä huoli, että lainsäädäntöpohja uusien teknologioiden kehittämiselle on mahdollistava. Pitkäjänteinen tuki koulutuksen ja tutkimuksen kehittämiselle on myös elintärkeää.

Osaaminen menestyksen pohjana

Korkea osaaminen on Suomen menestyksen pohja. Vaikka meillä on jo hyvin koulutettu väestö ja kokemusta korkean teknologian kehittämisestä, vaatii osaaminen jatkuvaa päivittämistä. Meneillään oleva jatkuvan oppimisen kehitystyö on tärkeää, jotta ammatinvaihto olisi sujuvampaa ja ihmisten olisi helpompi päivittää kompetenssejaan tekoälyajan työelämän vaatimuksiin sopiviksi. Hyvä esimerkki tekoälyosaamisen levittämisestä on ilmaisen Elements of AI -verkkokurssin suosio.

Datatieteen opetusta tulee lisätä korkeakouluissa, jotta meillä riittää osaajia koko ajan kasvavassa datataloudessa. Dataosaaminen tulisi sisällyttää laajemmin myös nykyisiin koulutusohjelmiin, sillä sitä tarvitaan yhä enemmän kaikilla tieteenaloilla. 

Lainsäädännön tulee mahdollistaa tekoälyn kehitys ja suojella kuluttajia

Lainsäädännössä tekoälyä olisi pyrittävä käsittelemään kokonaisuutena, välttäen hallinnonalojen välistä siiloutumista. Avoin data ja datan vapaa liikkuvuus ovat elintärkeitä datatalouden kehitykselle. Samalla tulee toki huomioida tietosuoja ja liikesalaisuudet. Datan tulee liikkua sujuvasti myös eri sektoreiden, kuten tieteen ja liike-elämän välillä, jotta saavutamme maksimaalisen hyödyn datasta. Datan liikkuvuutta edistää parhaiten yhteentoimivuus niin teknisellä, lainsäädännöllisellä, organisatorisella ja semanttisella tasolla.

EU-yhteistyö digitaalisten sisämarkkinoiden luomiseksi on tärkeää, mutta samalla olisi pidettävä huoli, että lainsäädäntö edistää asetettuja tavoitteita eikä päin vastoin. Yleinen tietosuoja-asetus GDPR on kerännyt kiitosta, mutta toisaalta esimerkiksi tekijänoikeuksien uudistamisessa ei ole huomioitu datatalouden edellytyksiä riittävällä tavalla. Lainsäädäntö ei ymmärrettävästi pysty aina pysymään teknologisen kehityksen perässä, minkä takia alan itsesääntely eettisiä periaatteita noudattaen on tärkeää. Sekä Suomi että EU ovatkin olleet tekoälyn eettisten pelisääntöjen luomisessa eturintamassa.

Tekoälyn kehittäminen vaatii resursseja

Osaamisen ja mahdollistavan lainsäädännön lisäksi on pidettävä huoli riittävästä rahoituksesta tekoälyn kehittämiselle. Osaamisen kehittäminen vaatii omat resurssinsa, samoin tutkimus- ja kehitystoiminta. TKI-menojen nostaminen neljään prosenttiin BKT:sta on tässä hyvä tavoite. EU:n rahoitusohjelmissa Horisontti Eurooppa, Digitaalinen Eurooppa ja Verkkojen Eurooppa on huomioitava riittävällä tavalla tutkimuksen ja innovaatioiden sekä näitä mahdollistavien infrastruktuurien rahoitus. Suomen saanto EU:n tutkimus- ja kehitysrahoituksesta tulisi pyrkiä nostamaan verrokkimaiden tasolle. Tämän tavoitteen saavuttaminen vaatii enemmän rahoitusta hankkeiden valmisteluun ja omarahoitusosuuksien kattamiseen.

Tutkimuksen kivijalkana on tutkimusinfrastruktuuri, jota pitää kehittää jatkuvasti. Tehokasta laskentaa on oltava saatavilla, jotta yhä suurempia datamääriä on mahdollista käyttää koneoppimisen materiaalina. Osittain EU:n rahoittamat EuroHPC-supertietokoneet ovat hyvä esimerkki miten yhteistyöllä voidaan saavuttaa enemmän kuin yksin.

Videot

Aleksi Kallio kertoo miten Suomesta tehdään tekoälyn edelläkävijä

Katso video YouTubesta »

Uusimmat blogit ja artikkelit

Lisää sisältöjä

LUMI tuo uusia mahdollisuuksia tekoälytutkimukseen

Tekoälymenetelmien vaatimukset tuntee hyvin tutkija Kimmo Kartasalo Tampereen yliopistosta. Kartasalo näkee LUMI-supertietokoneen ja sen valtavan laskentakapasiteetin myötä avautuvan lukuisia erilaisia mahdollisuuksia esimerkiksi tekoälyä hyödyntävän tutkimuksen parissa.

Lue lisää »

Exploring machine learning frameworks for cloud and supercomputing. Blog post 3/3

In this final part of the blog post series we will look at existing frameworks for implementing the combined machine learning workflow for HPC environments.

Lue lisää »

Combined machine learning framework for supercomputing. Blog post 2/3

What would a combined machine learning framework look like and which primary components it requires? From the technical point-of-view, it makes most sense to have the interactive part running on Kubernetes, while the batch jobs would run in the HPC cluster.

Lue lisää »

High-Performance Digitisation - giving a boost to the description of digital data

In the High-Performance Digitisation project, CSC, the National Archives and the National Library of Finland are jointly tackling the challenge of artificial intelligence and data processing. The purpose of the project is to create a service for memory organizations facilitating the processing of data: absence or inadequacy of metadata and poor search functions make digital material more difficult to use.

Lue lisää »