Voisiko tekoälyä käyttää teollisessa muotoilussa?

Valokuvasta tekoälyllä muokatut vaihtoehtoiset tyylit (ylemmässä muokkaustyylinä Edvard Munchin Huuto ja alemmassa tunnistamaton maalaus)

Tekoälystä puhutaan nykyisin kohta jo enemmän kuin palvelumuotoilusta. Ja kuten palvelumuotoilu, myös tekoäly on termi, joka voidaan ymmärtää monella tavalla. Jollekin ”tekoäly” on ihmisen kaltaisella tai jopa paremmalla ymmärryksellä ja tietoisuudella varustettu itsenäinen toimija. Joku toinen pohtii tekoälyn moraalia. Tekoälyn tappamisesta lankeavasta rangaistuksesta keskustellaan vakavasti. Pohditaan tulevaisuuden mahdollisuuksia ja haasteita. Samalla suurelle osalle on jäänyt huomaamatta se tekoälyn osa-alue, jolla tehdään jo nyt hämmästyttäviä asioita.

Ihmisen aivojen rakennetta matkivilla tietokoneilla toteutetuilla neuroverkoilla voidaan tehdä lähes ihmeitä. Niiden avulla voidaan erilaisista lähdeaineistoista päätellä asioita, mitä ei aikaisemmin pystytty tekemään. Syväoppivat neuroverkot ovat väline, jolla tunnistetaan puhetta ja käännetään sitä eri kielelle. Verkoilla voidaan kuvista tai videoista tunnistaa kissat, koirat, ihmiset ja muu sisältö. Samoin voidaan jo löytää sairauksia paremmin kuin mihin ihminen pystyy.

Oppiminen vaatii paljon lähdemateriaalia

Neuroverkot tarvitsevat paljon dataa, jolla ne opetetaan. Verkon neuronit ”viritetään” siten, että tuotos on haluttu. Ihmeellistä tässä on, ettei verkon piilotetuilla tasoilla tapahtuvia asioita tarvitse tietää etukäteen. Verkko säätää itsensä erilaisten algoritmien avulla ja oppii näkemään, mikä annetussa datassa on oleellista ja merkityksellistä.

Suurta julkisuutta on saanut neuroverkkoihin perustuvat AlphaGo-tekoälyohjelma, joka voitti kiinalaisessa Go-pelissä 9-dan-tasoisen ammattilaisen. AlphaGo opetteli pelin voittavat taktiikat mm. ”katselemalla” aikaisempia pelejä. Mestaripelaajat eivät usein osaa perustella tekemiään siirtoja muuten kuin intuitiolla. Voittavaa pelikirjaa on siis vaikea ohjelmoida. Pelissä on myös tähtitieteellinen määrä mahdollisia siirtoja, joten senkään vuoksi ei voida koodata jokaista mahdollista tilannetta. AlphaGo oppi siis voittamaan pelit periaatteessa ilman ihmisen neuvoja.

Usein kuulee sanottavan, että tieteellisesti todistettava tieto on ainoaa luotettavaa tietoa. Siitä huolimatta ALphaGo:n kaltaiset hermoverkot voivat oppia asioita ”intuition” avulla. Verkko voi oppia jotain ilman, että jälkeenpäinkään ihminen voi tietää mihin sen päättely perustuu. Vastaavaa selittämättömyyttä on myös muotoilussa tai taiteessa. Joku esine on kaunis ja joku toinen ei ole.

Tekoälyn mahdollisuuksia teollisessa muotoilussa

Oppivat neuroverkot osaavat siis tunnistaa kuvista kohteita. Tekoälyllä voidaan ehkä kohta löytää menestystuotteiden kuvista piirteitä, jotka tekevät niistä haluttavia. Tekoälyllä tehtäisiin trendianalyysejä ja tutkittaisiin tyylien muuttumista. Neuroverkoilla voidaan jo muokata valokuva halutun taiteilijan tyylin mukaiseksi. Luonnoksista voidaan tuottaa maalauksia – lopputulosten laatu vielä tosin vaihtelee. Ei varmasti ole kovin kaukana tilanne, jossa rumasta tuotteesta muokataan kaunis ja haluttava yhdistämällä siihen suositun tuotteen tyyli ja piirteet. Voidaan myös varmistaa, että uusi tuote on ilmeeltään yhteensopiva muun tuoteperheen kanssa. Vaikka lopputulos vaatisikin pientä hiomista, voitaisiin sillä tuottaa nopeasti erilaisia tuotekonsepteja.

Eikä varmaan olla kaukana, että 3D-mallin voisi tuottaa CAD-järjestelmiin piirtämällä tuotteesta muutamia luonnoksia eri kuvakulmista. Tekoäly tunnistaisi luonnoksista tuotteen muodon ja tuottaisi helposti muokattavan 3D-mallin. Monissa tuotteissa on toistuvia muotoja ja komponentteja, jotka tekoäly tunnistaisi – esimerkiksi ajoneuvojen renkaiden ja vanteiden muodot voisi päätellä muutamasta sinnepäin piirretystä viivasta. Valmiin näköisiä kuvia tulisi nopeasti ja rutiinityönä tehtävä välivaihe vähenisi.

Kun tekoäly jo tunnistaa ihmiset ja kohteet videolla, ei varmaan olla kaukana siitä, että se alkaisi tunnistaa myös ihmisen tekemien asioiden merkitystä. Toistuvia liikkeitä ja tehtäviä voitaisiin laskea ja tehdä niistä päätelmiä. Näiden tietojen ja niistä saatavan ymmärryksen perusteella tuotetta ja ympäristöä voitaisiin parantaa ja siitä saataisiin paremmin käyttäjän tarpeisiin vastaava. Näin käyttäjien havainnointia voitaisiin käyttää tuotekehityksen alkupään lisäksi koko tuotteen elinkaaren ajan.

Meistä kerätään jo nyt paljon dataa, jolla käyttäytymistämme voidaan ymmärtää. Ymmärryksen päälle voidaan rakentaa markkinointia ja palveluita. Tekoälyä käytetään myös palvelun sisällön tuottamiseen. Verkkosivuilla yleistyneet ”miten voin auttaa” -puhekuplat voivat ollakin chatbotteja, jolloin kysymyksen esittää tietokone, eikä ihminen. Kun palvelun tuottaa hermoverkko, pitää olla hyvä luottamus sen toimivuuteen.

Onko tekoäly viisas?

Oppivat neuroverkot näyttävät olevan lähes maagisella tavalla ihmistä kyvykkäämpiä. Lähivuosina niillä tehdään ihmeellisiä asioita, mutta niiden toiminta perustuu ”vain” logiikkaan ja matematiikkaan. Neuroverkot toimivat tilasto- ja todennäköisyyslaskennan avulla. Neuronit suodattavat tai etsivät pieniä piirteitä, ääriviivoja ja toistuvuuksia. Ihmisen kaltaista laajaa ymmärrystä niillä ei kuitenkaan ole. Jos syväoppivaan neuroverkkoon perustuva tekoäly viedään sille outoon ympäristöön, se on yhtä älykäs, kuin transistoriradio.

Teksti ja kuva: Hannu Havusto