Category: Suomeksi

Robotit eivät korvaa ihmisiä: Työn korvaamisen harha

Nykyään on vallallaan vaarallinen harha-ajatus, että ihmistyötä ei enää tarvita, koska koneet tekevät kaikki työt. Esimerkiksi fiksu ja yhteiskunnallisesti valveutunut tuttavani Antti Jokela jakoi tämän lainauksen LinkedInissä:

”It seems to me that capitalism is the best economic system we know of for a society where humans do the work.

But I fear that capitalism may not be so well suited for a society of abundance, where machines do the work, where most people are unemployed, and where technology is changing the species quickly.” – Calum Chace in “The Economic Singularity”

Ongelma on, että ajatuksella ei ole todellisuuspohjaa. Ensinnäkin suurin osa ihmisistä ei ole vailla työtä, vaan suurin osa ihmisistä on yhä edelleen työssä. Työpaikkoja myös syntyy koko ajan lisää, samoin niitä poistuu, mikä on normaalia markkinatalouden kehitystä. Katso esimerkiksi nämä kaksi juttua tältä viikolta:

https://yle.fi/uutiset/3-9651963

http://www.hs.fi/talous/art-2000005232901.html

Ensimmäisessä ennustetaan, että Suomeen syntyy lähivuosina 20,000 uutta mobiilialan työpaikkaa. Toisessa sanotaan, että oikeanlaisia markkinointiosaajia ei löydy Suomen työmarkkinoilta. Kun samaan aikaan nuorille sanotaan, että koneet korvaavat teidät ja maalataan kuvia tulevaisuudesta, jossa kenenkään ei tarvitse tehdä töitä, missä on motivaatio opiskella näitä uusia, haastavia työtehtäviä varten?

Kuitenkin harha-ajattelu on voimissaan, koska lähes kukaan ei näytä kyseenalaistavan ajatusta siitä, että ”koneet syrjäyttävät ihmiset”. Näen tähän kaksi pääsyytä. Ensinnäkin globaali talous on pitkään ollut taantumassa, ainakin länsimaisesta näkökulmasta. Kun työpaikkoja on siirtynyt ennätystahtiin Aasiaan, on helppo hyväksyä väittämä, että koneet vievät ne, vaikka todellisuudessa Aasian tehtaissa työskentelevät enimmäkseen ihmiset.

Toiseksi ”tekoälyyn” ja koneoppimiseen liittyy paljon harhakuvitelmia henkilöitä, jotka eivät ymmärrä mihin teknologia kykenee. Tällä hetkellä esim. useimmilla tietotyön aloilla tietokone tukee ihmistyön suorittamista (=mahdollistaa ihmisen tekevän enemmän) sen sijaan että korvaisi ihmisen. Tietokoneet eivät ole itsenäisiä ajattelijoita, jotka voisivat hoitaa erilaiset prosessit alusta loppuun, vaan välikohdissa tarvitaan ihmisiä. Tietokoneet eivät osaa suunnitella, tutkia, tai tehdä mitään tarkoituksellisesti luovaa. Ennen kaikkea tietokoneet eivät osaa ajatella: mitään todellista yleistä tekoälyä ei ole olemassa, vaan koneiden osuus on yhä edelleen prosessien optimoimista ja ihmistyötä helpottavia työkaluja.

Näen tässä ajassa paljon yhtäläisyyttä teollistumisen ajan Luddiitti-liikkeen kanssa: silloinkin koneiden piti korvata ihmiset. Niin kävikin joillain aloilla, mutta markkinatalouden ansiosta syntyi uusia työtehtäviä, joita ei tuolloin osattu ajatellakaan. Niin käy myös nyt: on SEO-optimoijia ja mobiilidevaajia, jotka 15 vuotta sitten eivät olleet olemassa edes käsitteinä. Sen sijaan, että omaksuisimme häviömielialan, pitää miettiä kuinka uusien työnimikkeiden syntymistä voidaan kiihdyttää, jotta suhdeluku syrjäytettyihin töihin paranisi. Samaten koulutusjärjestelmää pitää kehittää – on järjetöntä, että uudelleenkouluttautuminen toiselle alalle kestää vuosikausia; on pystyttävä parempaan.

Näen, että on kolme strategista vaihtoehtoa:

1) Jäädä tuleen makaamaan, ja voivotella menetettyjä työpaikkoja. Tämä on nähty, eikä se johda mihinkään.

2) Maalata pilvilinnoja, ja kuvitella että työtä ei enää tarvita. Tämä on harha-ajatus, joka johtaa tuhoisiin kansantaloudellisiin seurauksiin.

3) Ottaa lusikka käteen, ja kilpailla kansainvälisessä taloudessa korkeatasoisilla tuotteilla ja palveluilla. Uudistaa koulutusta, ja kannustaa työntekoon. Ja vaikka verottaa konetyötä enemmän, kuten Bill Gates ehdotti.

Kun yhteiskunta hyväksyy (harha-)ajatuksen, että ihmistyötä ei enää tarvita, yksilöillä ei ole syytä kehittää järjestelmiä eteenpäin taikka kouluttautua uudenlaisiin taloudellisiin ja yhteiskunnallisiin tehtäviin. Sen vuoksi tämä harha-ajattelu on haitallista, ja on varsin pelottavaa nähdä kuinka laajasti hyväksyttyä siitä on tullut.

Lokaali vs. globaali informaatiokupla

Informaatiokupla = järjestelmällisesti valitaan tai vastaanotetaan yksipuolista tietoa.

1. Informaatiokuplat tekevät jotkin valinnat helpommaksi (sisällön suosittelu, suodattaminen => vaikutus maailmankuvaan)
2. Yleisesti ottaen kuplautuminen edellyttää medialukutaidon puutetta (Haakanan hypoteesi [1])
3. Kyse on kuplan määrittelystä: paikallinen kupla vs. globaali kupla

Paikallinen = tietty kanava, esim. Facebook
Globaali = koko tiedonvälitysjärjestelmä

Valitaan => globaalin informaatiokuplan ongelma
Vastaanotetaan => lokaalin informaatiokuplan ongelma

Vrt. konfirmaatiovääristymä => yleistä tahoa voi kritisoida, mutta itseä ei — tai omia puutteita ei tiedosta

[1] ”Ei kuplasta puhuttu silloin, kun tv-kanavaa ei voinut valita.” Näytettiin kuitenkin yhteiskunnallisesti tärkeä sisältö.

Miksi sosiaalisen median käyttäjille ei näytetä sisältöä, jota heidän tulisi nähdä?

Oletetaan, että on sellaista sisältöä, jonka näkeminen on yhteiskunnallisesti tärkeää. Se voi liittyä esimerkiksi terveyteen, korruptioon, oikeudenmukaisuuteen, väärän tiedon levittämiseen, kasvatukseen, kansalaisoikeuksiin, jne.

Silloin voidaan kysyä:

A. Miten taata nykyisessä hajautetun sosiaalisen median mallissa, että ihmiset näkevät tämän sisällön?
B. Miksi käyttäjille ei näytetä sisältöä, jota heidän tulisi nähdä?

Keskityn seuraavassa vastaamaan jälkimmäiseen kysymykseen. Mahdollisia syitä voidaan nähdä olevan useampia, tässä mielestäni keskeisimmät.

1. Ihmiset eivät halua nähdä, mitä heidän tulisi nähdä

Tyypillisesti sosiaalisen median käyttäjät tykkäävät viesteistä, joiden sisällön kanssa he ovat samaa mieltä. Näin siitä huolimatta, että vastakkaisten mielipiteiden näkeminen voisi johtaa laajempaan ymmärrykseen ja lievittää sosiaalisen median ryhmäpolarisaatiota. Käyttäjien vahvistusharha johtaa koneen vahvistusharhaan.

2. Tavoitteiden ristiriitaisuus

Ristiriitaisuuden oletukset ovat seuraavat:

a) Jos Facebook optimoi omaa etuaan eli käyttäjän palaamista => se näyttää mitä haluat nähdä, koska tällöin se optimoi mainosnäyttöjä

b) Jos Facebook optimoi sinun etuasi => se näyttää mitä haluat nähdä, koska saat sellaisesta sisällöstä välittömän tyydytyksen lähteen (gratification)

c) Jos Facebook optimoi yleistä etua => näyttää sivistävää sisältöä, koska se vähentää konflikteja ja polarisoitumista

On siis selkeää, että Facebookin ja käyttäjän preferenssit (a, b) poikkeavat yleisestä hyvästä (c) tässä tapauksessa. Voidaan sanoa, että Facebook yrityksenä ja Facebook yhteiskunnallisena vaikuttajana ovat keskenään ristiriidassa.

Mutta ongelma on myös luonteeltaan osaksi tekninen:

==> Miten operationalisoida ”yleinen hyvä” selkeäksi tavoitteeksi?

Jatkona tälle ajatukselle:

3. Kuka määrittää mitä tulisi nähdä?

Entisaikaan joukkoviestinten toimitus, päätoimittaja tai vastaava toimittaja, päätti mitä sisältöä näyttää kansalaisille. Nämä päätökset pohjautuvat jonkinlaiseen journalistiseen ohjeistukseen, jonka mukaan valitaan yhteiskunnallisesti tärkeitä aiheita, jotka koskettavat suurta osaa kansasta.

Mutta kuten Kari Haakana esitti ”Algorytmittyvä elämä” -tilaisuudessa, eikö tämäkin näkökulma ole puolueellinen ja johda informaatiokuplaan? Edelleen siinä kansalaiset näkevät vain rajatun määrän informaatiota. Nykyisin informaationvälitys on fragmentoitunutta: kuin sormenjälki, jokaisen yksilöllinen uutisvirta on ainutlaatuinen. Ei ole kahta samanlaista sosiaalisen median uutisvirtaa. On kylläkin aiheita, jotka läpileikkaavat lähes jokaisen uutisvirran. Tätä kuvaan seuraavalla Venn-kaaviolla.

C=yhteinen sisältö, joka koskettaa monta käyttäjää. R=jokaisen yksityinen sisältö.

Johtopäätös

Johtopäätöksenä sanoisin, että tiedonvälityksen kannalta tilanne ei ole lainkaan niin synkkä kuin yleisesti luullaan. Koska sosiaalinen media perustuu jakoihin, tärkeäksi koettu sisältö yhä edelleen leviää nopeasti. Ehkä ongelmana on pikemminkin se, että tärkeää sisältöä ei ole kovinkaan paljon. Tärkeitä uutisia on hyvin vähän suhteessa kokonaisaikaan, jonka ihmiset viettävät sosiaalisessa mediassa.

Tyhjän tilan täyttää merkityksetön, viihteellinen sisältö, koska se saa edes aikaan jonkinlaisia emotionaalisia reaktioita käyttäjissä. Vastaus ensimmäiseen kysymykseen on siis: sisältö löytää lukijansa, kunhan se koetaan tarpeeksi tärkeäksi. Joissain tapauksissa tämä edellyttää, että tärkeä sisältö on paketoitava oikeaan muotoon ja markkinoitava sosiaalisen median käyttäjille – etenkin koska se kilpailee helppoa ja viihteellistä sisältöä vastaan.

Algoritmien läpinäkyvyyden ja vastuullisuuden ohjenuorat

Kari Haakana (@Karde) piti esityksen Kone Säätiön ja Kaute-säätiön järjestämässä ”Algorytmittyvä elämä” -tilaisuudessa Helsingissä (12.5.2017). Kari mainitsi USACM:n (Association for Computing Machinery US Public Policy Council) julkaiseman ohjeistuksen algoritmien läpinäkyvyydelle ja vastuullisuudelle. Tietääkseni sitä ei ole vielä käännetty suomeksi, joten päätin kääntää sen. Alla ohjeistus.

Miksi algoritmien salaisuuksia ei paljasteta?

ACM kirjoittaa, että algoritmien läpinäkymättömyyteen on olemassa useita syitä, kuten 1) tekniset syyt (algoritmin toimintaa ei ole helppo selittää), 2) taloudelliset syyt (liikesalaisuudet estävät algoritmien toiminnan paljastamisen), ja 3) sosiaaliset syyt (tietojen paljastaminen voi rikkoa odotuksia yksityisyydensuojasta). Lisään tähän neljännen: 4) tietojen paljastaminen voi rikkoa lakeja yksityisyydensuojasta tai palvelun itse määrittelemiä käyttöehtoja. Lisäksi on huomioitava, että monet algoritmiset edistysaskeleet on julkaistu joko avoimissa konferenssi- tai journaalijulkaisuissa (ks. arxiv.org) tai avoimen lähdekoodin alla (esim. Google, Facebook, Airbnb).

Algoritmien läpinäkyvyyden ja vastuullisuuden ohjenuorat

  1. Tietoisuus: Analyyttisten järjestelmien omistajien, suunnittelijoiden, rakentajien, käyttäjien ja muiden sidosryhmien tulisi olla tietoisia mahdollisista ennakkoluuloista, jotka liittyvät niiden suunnitteluun, käyttöönottoon ja käyttöön sekä potentiaalisiin haittoihin, joita niiden puolueellisuus voi aiheuttaa yksilöille ja yhteiskunnalle.
  2. Pääsy ja oikeussuojakeinot: Lainsäätäjiä olisi kannustettava sellaisten mekanismien käyttöönottoon, jotka mahdollistavat koneellisten päätösten kyseenalaistamisen ja oikeussuojan antamisen yksilöille ja ryhmille, joita koneelliset päätökset mahdollisesti haittaavat.
  3. Vastuullisuus: Organisaatioiden tulisi olla vastuussa käytettävien algoritmien tekemistä päätöksistä, vaikka ei olisikaan mahdollista selittää yksityiskohtaisesti, miten algoritmit tuottavat tuloksensa.
  4. Selitys: Algoritmista päätöksentekoa käyttäviä järjestelmiä ja organisaatioita kannustetaan tuottamaan selityksiä sekä algoritmin suorittamista toimenpiteistä että yksittäisistä päätöksistä. Tämä on erityisen tärkeää julkishallinnon yhteydessä.
  5. Tietojen alkuperä: Algoritmien kehittäjien tulisi dokumentoida, kuinka koneoppimismallien harjoitteluaineisto kerättiin, sekä arvioida ihmisen tai koneellisen tiedonkeruuprosessin aiheuttamia mahdollisia vääristymiä. Tietojen julkinen tarkastelu tarjoaa mahdollisuuden korjata mallien aineistosta johtuvia virheitä. Kuitenkin huoli yksityisyyden suojasta, liikesalaisuuksien suojelemisesta tai sellaisten toiminnallisuuksien paljastamisesta, jotka voivat antaa pahaa tarkoittaville toimijoille mahdollisuuden hyväksikäyttää järjestelmää, voivat oikeuttaa rajoittamaan pääsyn päteviin ja luotettaviin henkilöihin.
  6. Tarkastettavuus: Mallit, algoritmit, tiedot ja päätökset on dokumentoitava siten, että ne voidaan ulkopuolisen tahon toimesta tarkastaa tapauksissa, joissa haittaa epäillään.
  7. Validointi ja testaus: Organisaatioiden tulee käyttää uskottavia menetelmiä malliensa vahvistamiseen ja dokumentoida nämä menetelmät ja tulokset. Erityisesti niiden tulisi tasaisin väliajoin suorittaa testejä arvioidakseen ja määrittääkseen, aiheuttaako malli yhteiskunnallisia haittoja. Koneellista päätöksentekoa soveltavia organisaatioita kannustetaan tekemään tällaisten testien tulokset julkiseksi.

Alkuperäinen lähde: https://www.acm.org/binaries/content/assets/public-policy/2017_usacm_statement_algorithms.pdf

Kuinka tunnistaa valeuutinen?

Facebook julkaisi hiljattain ohjeita käyttäjille valeuutisten tunnistamiseksi. Tarkemmin sanottuna ohjenuoria on kymmenen. Ne pohjautuvat Facebookin tekemään työhön valeuutisten tunnistamiseksi, ja perustuvat yleisiin tuntomerkkeihin. Ohjenuorat ovat alla, suomensin ne tästä lähteestä.

Mikä on valeuutinen?

Valeuutinen tarkoittaa uutisen kaltaista väärää informaatiota, jonka levittämisellä on usein poliittisia tarkoitusperiä. Valeuutinen voidaan siis ymmärtää propagandan yhtenä muotona, ja valeuutisten levittäminen sosiaalisessa mediassa on osa informaatiosodankäyntiä, jossa eri ryhmien mielipiteisiin pyritään vaikuttamaan jonkin tarkoitusperän edistämiseksi.

Facebookin ohjeet valeuutisten tunnistamiseksi

1. Ole skeptinen otsikoista. Valeuutisilla on usein tarttuvia otsikoita, ja niissä käytetään isoja kirjaimia ja huutomerkkejä. Jos otsikon väite vaikuttaa epäuskottavalta, se luultavasti on.

2. Lue tarkasti URL-osoite. Keksitty tai luotettavaa lähdettä matkiva URL-osoite voi olla varoitusmerkki vääristä uutisista. Monet valeuutissivustot jäljittelevät aitoja uutislähteitä tekemällä pieniä muutoksia URL-osoitteeseen.

3. Kiinnitä huomiota lähteeseen. Varmista, että juttu on sellaisen lähteen kirjoittama, jonka luotettavuus on uskottava. Jos juttu tulee tuntemattomasta organisaatiosta, tutustu sen ”Tietoja” -osioon saadaksesi lisätietoja.

4. Varo epätavallista muotoilua. Monilla valeuutissivustoilla on kirjoitusvirheitä tai epäilyttävän näköiset verkkosivut. Lue huolellisesti, jos näet nämä merkit.

5. Epäile valokuvia. Valeuutiset sisältävät usein manipuloituja kuvia tai videoita. Joskus kuva voi olla aito, mutta otettu pois asiayhteydestä. Voit etsiä valokuvaa tai kuvaa esimerkiksi Google-kuvahaulla tarkastaaksesi, mistä se on peräisin.

6. Tarkista päivämäärät. Väärennetyt uutiset voivat sisältää aikajaksoja, jotka eivät ole uskottavia, tai tapahtumapäivämääriä, jotka ovat muuttuneet.

7. Tarkista todistusaineisto. Tarkista tekijän lähteet varmistaaksesi, että ne ovat tarkkoja. Todisteiden puute tai tuntemattomien asiantuntijoiden käyttö voi paljastaa valeuutisen.

8. Lue muita lähteitä. Jos mikään muu uutislähde ei raportoi samaa juttua, se saattaa merkitä, että juttu on väärä. Jos juttu raportoidaan useista luotettavista lähteistä, se on todennäköisemmin totta.

9. Onko juttu vitsi? Joskus valeuutisia voi olla vaikea erottaa huumorista tai satiirista. Tarkista, onko lähde tunnettua parodia ja viittaavatko jutun yksityiskohdat ja sävy siihen, että juttu on huumoria.

10. Jotkut jutut ovat tahallaan vääriä. Ajattele kriittisesti lukemaasi ja jaa vain uutisia, joita pidät uskottavina.

Lue lisää

Facebook (6.4.2017). Working to Stop Misinformation and False News: https://newsroom.fb.com/news/2017/04/working-to-stop-misinformation-and-false-news/

Facebook (6.4.2017). A New Educational Tool Against Misinformation: https://newsroom.fb.com/news/2017/04/a-new-educational-tool-against-misinformation/

Valheenpaljastaja: Valheet leviävät faktoja nopeammin – Facebookin faktantarkistus ei toimi: http://yle.fi/aihe/artikkeli/2017/04/21/valheenpaljastaja-valheet-leviavat-faktoja-nopeammin-facebookin-faktantarkistus

Algoritmien riskit: Ratkaisuja pehmeistä tieteistä

Minua haastateltiin hiljattain Kauppalehteen. Eräs jutun lukijakommentti oli:

Mikä ihmeen humanisti-tutkija tätäkin tutkii? Saisivat pysyä kaukana luonnontieteiden alalta tuollaiset teknofoobikot, koska niissä hallitsee logiikka, ei tunne.

Yhteiskunnallisen keskustelun taso eri verkkomedioissa on silminnähden matala: Ihmiset pilkkaavat toisiaan ja tuntuvat haastavan riitaa useammin kuin suhtautuvan asioihin järkevästi. Omaa pahaa oloa puretaan kärkeviin kommentteihin, jotka eivät kuitenkaan saa ketään paremmalle mielelle. Suuri enemmistö lukijoista pysyy hiljaisena, ja tarkkailee tätä kehitystä surullisin mielin.

Tämän kirjoituksen aiheena ei kuitenkaan ole verkkokeskustelun alennustila (se tarvitsee oman artikkelinsa!), vaan tuon kommentin asiaydin. Eli argumentti: ”Humanistien ei tulisi osallistua teknologian kehittämiseen, koska he eivät siitä mitään ymmärrä.”

Ensimmäinen osa on mielestäni väärä, mutta jälkimmäisessä on pieni ripaus totuutta (ja juuri siksi poikkitieteellistä tutkimusta tarvitaan).

Miksi päätelmä on väärä? Koska eri tieteenhaaroilla on valtavasti annettavaa teknologian ja yhteiskunnan kohtaamisen problematiikkaan. Tässä muutamia esimerkkejä kysymyksistä, joihin eri tieteenalat voivat tarjota vastauksia.

  • Filosofia: Mikä on oikea ja väärää? Mihin ihmiskunnan tulisi pyrkiä? Mikä on kehityksen tarkoitus? Millaisia argumentteja koneet pystyvät käsittelemään?
  • Sosiologia: Miten ryhmäpolarisaatio ilmenee? Miksi? Miten sitä voidaan ehkäistä? (Mitä muita merkittäviä sosiologisia ilmiöitä ilmenee, joita algoritmien suunnittelijoiden tulisi huomioida?)
  • Psykologia: Miten ihmiset havainnoivat järjestelmiä? Mitä kognitiivisia ja neurologia prosesseja ilmenee ihmisen ja koneen välisessä vuorovaikutuksessa? Kuinka kone voisi oppia ymmärtämään tunteita? Kuinka ihminen oppii? Miten alustat ja algoritmit vaikuttavat yksilöiden tunnetiloihin?
  • Politiikan tutkimus: Kuinka kansalaiset suodattavat poliittista informaatiota sosiaalisessa mediassa? Miten se vaikuttaa päätöksentekoon? Kuinka massaviestintä ja propaganda voi ilmetä algoritmien ja alustojen välityksellä?
  • Kauppatieteen tutkimus: Miten kuluttajat toimivat eri alustoilla? Miten vaihdantaa voidaan helpottaa algoritmien avulla? Miten algoritmit ratkaisevat kohtaanto-ongelmia?

Kaikki edellä mainitut eivät ehkä ole ”humanistitieteitä” sanan tarkassa merkityksessä, mutta ihmistieteitä kylläkin. Koko jutun pointti on se, että järjestelmät suunnitellaan loogisesti mutta altistetaan ympäristölle, joka toimii epäloogisesti. Täydellisessä maailmassa ei tarvittaisikaan ihmistutkimusta, mutta tässä maailmassa, jossa elämme, on järkevää pyrkiä parantamaan järjestelmien toimintaa laajemman ihmisymmärryksen avulla. Sillä on merkitystä, näemmekö ihmisen käyttäjänä, yksilönä vai strategisena toimijana.

Ihmistieteiden ja tietojenkäsittelytieteen välillä on kuilu osaajien erilaisesta taustasta johtuen. Mutta siksi juuri tarvitaan rajat rikkovaa, ”humanistista” tutkimusta tietojärjestelmistä.

Suomen asema kansainvälisessä tekoälykilpailussa

Mikä on tilanne? Tällä hetkellä koneälyn kehittymistä kontrolloi kourallinen amerikkalaisia suuryrityksiä. Pidän pääministeri Sipilän ulostuloa Suomen tekoälystrategiasta hyvänä. Nokian myötä Suomi, ja oikeastaan koko Eurooppa, menetti ainoan merkittävän digitaalisen ekosysteeminsä. Nyt data ja alustat ovat amerikkalaisten hallussa. Tällä voi olla poliittisia vaikutuksia (mielipiteisiin vaikuttaminen, NSA-tyyppinen seuranta) taloudellisten vaikutusten (voittojen kotiuttaminen veroparatiiseihin, vrt. Google ja Facebook) lisäksi.

Sääntelyllä homma hoitoon? Sääntelyn lisääminen kotimarkkinoilla tai EU-tasolla ei kuitenkaan ole oikea tapa vastata. Sääntelyn sijaan tarvitaan kilpailukykyä – eurooppalaisten pitää kyetä haastamaan amerikkalaiset yritykset tekoälyn kehittämisessä. Samaa tekee myös Kiina, joka esimerkiksi tukee Baidu-hakukoneen tekoälykehitystyötä – näiden keinojen tavoitteena on pysyä mukana tekoälykilvassa. Tulevaisuuden maailmassa voi olla useita eri tekoälyratkaisuja, jotka kilpailevat toisiaan vastaan. Vielä toistaiseksi hyvää on ollut se, että isot toimijat jakavat työkalujaan avoimen lähdekoodin alla (esim. Googlen Tensorflow  ja Facebookin Torch), mutta dataa ne varjelevat tarkoin ja nämä työkalut ovat hyödyttömiä ilman dataa.

Haastena data. Haasteena on nimenomaan data. Dataan kiinnipääsyä hankaloittaa ns. voittaja vie kaiken -dynamiikka, joka on ominaista alustoille. Tarvitaan siis vaihtoehtoisia tapoja kerätä aineistoja, koska vaikkapa Facebook on hyvin suljettu ympäristö tutkijan näkökulmasta (rajapintojen kautta on rajattu pääsy ja yhteys on usein epävakaa ja hidas). Hyviä esimerkkejä suomalaisesta osaamisesta ovat tutkimuskonsortion ylläpitämä Kielipankki-palvelu ja turkulainen BioNLP-ryhmä, jonka tavoitteena on tallentaa suomenkielinen Internet.

Kohti ratkaisuja. Tarvitaan merkittäviä kansallisia panostuksia tekoälytutkimukseen ja tutkimustulosten kaupallistamiseen. Suomen etuna on vahva kieliteknologian tutkimusperinne sekä korkeatasoinen insinöörikoulutus, josta tärkein esimerkki on Teuvo Kohosen kehittämä, kansainvälisesti tunnettu neuroverkkomalli. Meillä on näin ollen kaikki avaimet osallistua koneoppimisen ja tekoälyn kehittämiseen kansainvälisellä tasolla.