Kirjoittaja: Ella Peltonen on Helsingin yliopistosta tietojenkäsittelytieteen alalta väitellyt filosofian tohtori, joka työskentelee nykyään tutkijana Irlannissa data-analytiikan tutkimuskeskuksessa. Hän on kiinnostunut myös tieteen popularisoinnista ja kirjoittelee suhteellisen aktiivisesti työstään myös Twitteriin.


Älypuhelimet ovat nykyään sen verran yleisiä, että erityinen äly-etuliite erotuksena “tyhmistä” puhelimista alkaa olla jo melko tarpeeton. Keskimääräinen kansalainen todennäköisesti assosioi älypuhelimen laitteeksi, jossa on kosketusnäyttö, Internet-yhteys ja sovelluksia, joilla tehdä muutakin kuin lähettää tekstiviestejä tai pelata matopeliä.

Älypuhelin kuitenkin on aidosti älykäs, eikä vain verrokkina vanhoihin Nokian kapuloihin – erilaiset tekoäly- ja koneoppimissovellukset mobiililaitteille ovat jo arkipäivää. Mobiililaitteella tarkoitan tässä yhteydessä sellaista mukana kannettavaa laitetta, jonka käyttöjärjestelmä noudattelee jotakin tunnettua sovelluspohjaista mallia (Android, iOS, etc), erityisesti älypuhelimia, tabletteja ja älykelloja. Tässä kirjoituksessa avaan yleistajuisesti sitä, miten näiden laitteiden  “äly” syntyy ja erityisesti mitä sillä voidaan tehdä niin hyvässä kuin pahassa.

 

Teknologiaa taskussa

 

Olen itse sen ajan lapsi, jolla ensimmäinen matkapuhelin ala-asteella oli mallia kapula. Pian vuosituhannen vaihteessa elettiin aikaa, jona puhelinten koko muuttui yhä pienemmäksi ja suurin osa niistä mahtui helposti myös naisten farkkujen taskuun. iPhone-aikakausi toi mukaan suuret näytöt, näppäinten painelu vaihtui sormenpäällä pyyhkäilyyn ja varsinaisesta sovelluskehityksestä voitiin alkaa jo puhua.

Mobiililaitteiden teknologian puolella kehitystä on tapahtunut viimeisten parin vuosikymmenen aikana vieläkin nopeammin. Nykyiset älypuhelimet ovat ylivertaisia suoritusteholtaan, muistikapasiteetiltaan ja verkkoyhteysominaisuuksiltaan; moni niistä voittaa helposti aikaisemmat kannettavat tietokoneet. Havainnoistava esimerkki eri laitteiden suoritustehosta löytyy mm. täältä.

Teknologinen kehitys on mahdollistanut sen, että yhä useampia ominaisuuksia löytyy integroituna mobiililaitteisiin. Erillistä kameraa, karttakirjaa tai välttämättä edes pelikonsolia ei enää tarvita, ja monet arkikäyttäjät ovat siirtyneet tietokoneelta hoitamaan sähköposti- ja verkkopankkiliikenteensä mobiililaitteella. Mukana kannettavat laitteet koetaan erityisen henkilökohtaisiksi, ja tälle on myös hyvät perustelunsa. Lyhyesti sanottuna sijaintisi, päivärytmisi ja suurimman osan arjen sovelluksistasi tunteva laite on oikeastikin hyvin henkilökohtainen. Tämä tieto muodostaa väärissä käsissä nopeasti tietosuojariskin, mutta siitä voidaan jalostaa hyötyä myös käyttäjälle itselleen.

 

Sovelluksista, sensoreista ja muista ominaisuuksista

 

Mobiililaitteet “aistivat” maailmaa sensoreidensa avulla. Sijainti saadaan napattua GPS-yhteyden lisäksi myös läheisistä verkkolaitteista. Kiihtyvyyden, laitteen asennon ja monen muun tekijän summana voidaan määritellä, onko laite nostettuna korvalle, onko laite (ja sen omistaja) liikkeellä, jopa millaisessa kulkuvälineessä ollaan. Valon ja käytettävissä olevien verkkoyhteyksien vahvuuksien perusteella voidaan määritellä ollaanko sisällä vai ulkona. Kamera, mikrofoni ja erilaiset verkkoyhteyksien muodostamat “kaiut” antavat mahdollisuuden laskea esimerkiksi, kuinka monta ihmistä huoneessa on ja mitä ympäristössä tapahtuu. Pienellä tiedonsiirrolla saadaan yhteys lähettyvillä oleviin mobiililaitteisiin, tukiasemiin ja muihin laitteisiin.

Sensorien paljastaman maailman lisäksi niinkin yksinkertaiselta kuulostava asia kuin käyttäjän sovelluskäyttö kertoo paljon käyttäjästä itsestään. Myöhäiset illat pelejä pelatessa, työmatkat musiikkia kuunnellessa ja jopa lounastauot paljastuvat käyttäjän sovellusdatasta ilman sen suurempaa tietoa kuin se, mitä sovelluksia kulloinkin on ollut suorituksessa. Alustasta riippuen suurin osa tästä tiedosta on myös muiden sovellusten luettavissa, joten ihmeempää vakoilua laitteen ei edes tarvitse suorittaa.

Erityisesti, kun verrataan suurta joukkoa käyttäjiä toisiinsa, paljastuu kiinnostavia asioita. Käyttäjän kotimaa, kulttuurinen ympäristö ja sosio-ekonominen asema määrittävät yllättävän pitkälle sen, millaisista sovelluksista hän on kiinnostunut. Nuoret perheelliset käyttäjät eroavat opiskelijoista ja koulutetut “duunareista”, näin joitain esimerkkejä esiin nostaakseni.

Joitakin erityisesti Android-älypuhelimista saatavia tietoja havainnollistettuna. (Kuva: Ella Peltonen.)

 

Matematiikkaa ja tilastollista mallinnusta

 

Mobiililaitteet tarjoavat erityisen kiinnostavan mahdollisuuden tutkia ihmisten arkielämää, teknologian käyttötarpeita ja itse teknologiaa aidossa käyttöympäristössä. Voisi kuvitella, että myös sosiaalitieteilijää auttaisi helposti ja automaattisesti kerättävä mobiilidata raskaiden kyselylomakeprosessien sijaan.

Mobiililaitteista automaattisesti kerättävän datan koko kasvaa helposti teratavuihin, tulevaisuudessa petatavuihin. Perinteiset tekoäly- ja koneoppimismenetelmät ovat keskittyneet hallitsemaan huomattavasti pienempiä tai ainakin yksinkertaisempia tietokantoja. Erityisesti, jos käyttäjälle halutaan antaa takaisin reaaliaikaista palautetta, oppimistulokset on saatava suoritettua ja hyötykäyttöön nopeasti. Tutkittavaa ja kehitettävää siis vielä riittää.

Mitä hyvää käyttäjälle sitten tällaisesta analytiikasta voi olla? Oma tutkimukseni on keskittynyt pitkälti energia-analytiikkaan. Pyrimme ennustamaan, mitkä käyttäjän sovellukset ja järjestelmäasetukset – sekä näiden monimutkaiset kombinaatiot – käyttäjät käyttävät liian paljon energiaa suhteessa muihin käyttäjiin. Akun kesto on edelleen monissa mobiililaitteissa ongelma, eivätkä akkuteknologiat ole edenneet samanlaisin harppauksin kuin muun muassa suoritusteho ja verkkoyhteydet. Sovelluskehittäjän näkökulmasta sen ymmärtäminen, miten oma sovellus toimii lukuisissa erilaisissa puhelimissa ympäri maailman, on myös kullanarvoista tietoa – myös konkreettisesti, sillä puhelinmarkkinoilla liikkuvat tällä hetkellä todella isot rahat.

Onnistuneen koneoppimisprosessin tulos voi olla esimerkiksi reaaliaikainen energiasuositus. Vertaamalla muiden käyttäjien samanlaisiin laitteisiin voidaan tulkita “normaalia” käytöstä ja löytää viallisesti toimivat laitteet. (Kuva: Ella Peltonen.)