Algoritmitutkimus: käsitteellisiä ratkaisuja

Johdanto. Aikaisemmin tällä viikolla puhuin Kauppalehden toimittajan kanssa, joka halusi tietää ratkaisuista koneellisen päätöksenteon ongelmiin.

Alussa ollaan. Kerroin, että tutkimusprojekti on vasta alussa ja vielä kartoitetaan ongelmakenttää. Ongelmien luonne pitää ymmärtää, jotta voidaan päästä ratkaisuihin. Ja koneellisen päätöksenteon osalta ne ovat osaksi ei-teknisiä, liittyen psykologiseen ja sosiologisiin ihmistekijöihin, joiden syvällinen ymmärtäminen vie aikaa. (Tavoitteena on ymmärtää ja kääntää ne teknisiksi ratkaisuiksi.)

Alustavia ideoita. Kuitenkin tässä vaiheessa voidaan ehdottaa muutamia ratkaisuja käsitteellisellä tasolla. Nämä tulivat mieleen keskustelumme pohjalta.

1. Ulkoisvaikutusten ongelma

Ongelma: Sosiaalisen median alustat eivät määrittele onko sisältö totta tai jollain muulla tavalla hyvää, ts. ulkoisvaikutuksilla ei ole kustannusfunktiota.

Ratkaisu: Määritetään ulkoisvaikutukset, luodaan niille kustannusfunktio ja sisällytetään se uutisvirta-algoritmiin.

Osaongelmat: Kuka määrittelee ulkoisvaikutukset ja miten niitä mitataan?

2. Hyvän sisällön ongelma

Ongelma: Käyttäjille näytetään sisältöä jota he haluavat nähdä eikä sisältöä jota heidän tulisi nähdä; johtuu informaatioalgoritmien reaktiivisuudesta, eli opitaan mistä sisällöstä ihmiset pitävät (vrt. lapsi joka aina vaan haluaa lisää karamelleja).

Ratkaisu: Määritetään hyvä sisältö ja suositaan sitä.

Osaongelmat: Kuka määrittelee hyvän sisällön? Miten sisällön hyvyyttä voidaan mitata? Miten yksilön haitallista käyttäytymistä voidaan korjata?

Sisällön hyvyyttä voidaan tietysti mitata, jos tavoite on selkeä – eli esim. näyttää tasapainoisesti eri polaarisuuden sisältöjä (ts. yksittäinen sisältö ei ole ”hyvä”, vaan kokonaisuus). Jos polaarisuus voidaan määrittää ja tasapuolisuus otetaan tavoitteeksi, on helppo mitata ja optimoida kyseistä tavoitetta. Ihmisen käyttäytymisen korjaaminen on monimutkaisempi ongelma – se sisältää etenkin psykologisia ulottuvuuksia.

Johtopäätös. Kuten nähdään, ratkaisujen toimeenpanon esteenä on usein määrittäminen ja mittaaminen (kvantifiointi). Ilman täsmällisyyttä ja yksioikoisuutta niitä ei voida sisällyttää algoritmin toimintaan.