DAO-ryhmän tärkeimpiä tutkimusaiheita ovat data-analytiikka ja tekoäly hyvinvointipalveluissa, generatiivisen tekoälyn sovellukset, ympäristön tilan mallinnus data-analytiikalla sekä data-analytiikan ja tekoälyn hyödyntäminen teollisuudessa.
Ryhmässä tutkitaan ja kehitetään datan käyttämiseen liittyviä asioita monipuolisesti. Usein työtä tehdään elinkeinoelämän kanssa yhdessä ja ryhmässä onkin koko ajan meneillään useita tutkimus- ja kehittämishankkeita.
Mutta mitä kaikkea me sitten teemme dataan liittyen?
Ihmiskehosta mitattava data
Sen lisäksi, että ihminen voi kerätä dataa ympäristöstään, myös ihmiskehosta voidaan mitata mitä erilaisempaa dataa. Siitä tärkeän osan muodostavat fysiologiset aikasarjat kuten sydänkäyrä, aivosähkökäyrä, veren pulssiaalto tai ihon sähkönjohtavuus. Näitä suureita mittaamalla voidaan diagnosoida sairauksia, mutta myös seurata ihmisten omaa hyvinvointia tai treenisuorituksia.
DAO-ryhmän tutkimuksessa kiinnostuksen kohteena on erityisesti tunnetilojen havainnointi sekä kognitiivisen tilan seuranta hyödyntämällä helppokäyttöisiä, kuluttajille suunnattuja fysiologisten signaalien mittauslaitteita. Tällaisia ovat esimerkiksi sykettä ja unta mittaavat kellot tai sormukset. Myös aivotoiminnan seurantaan on kehitetty viime vuosikymmenillä lukuisia kuluttajille suunnattuja laitteita, joiden avulla voidaan tunnistaa aivojen kuormittuneisuutta ja stressitilaa, ohjata meditaatiosessioita tai tunnistaa flow-tilaa.
Tutkimuksissamme olemme kehittäneet koneoppimismalleja, jotka pystyvät fysiologisista vasteista erottamaan tunnetiloja, kun koehenkilöt katsovat elokuvapätkiä. Lisäksi olemme toteuttaneet fysiologisia mittauksia mm. teatteriesitysten yhteydessä yhteistyössä Rakastajat-teatterin kanssa sekä rentoutumistilan käytön yhteydessä yhteistyössä AistiSiimes Oy:n kanssa. Yhdessä Satakunnan ammattikorkeakoulun kanssa kehitämme menetelmiä, joilla eri sensoreilta mitattava data voidaan yhdistää asiakkaiden hyvinvoinnin monitorointia ja ympäristön muuttujien (valo, äänimaisema) räätälöintiä varten asiakkaiden tarpeiden mukaan palveluasumisen ympäristöissä.
– Tarmo Lipping, professori
Datan käsittelyn lisäksi joskus tarvitaan mekanismeja tuottaa dataa. EHEÄ-hankkeessa kielimalleja (LLM = Large Language Model) säädetään käyttäjän stressitason (mitataan sykeanturin avulla) ja erikseen räätälöidyn tietokannan avulla antamaan vastaus
käyttäjän olotilaa ohjaavien palautevastausten luomiseen.
– Jari Turunen, yliopistonlehtori
Yritysten oma data
Yritysturvallisuuden tutkimuksessa data toimii sekä tiedon lähteenä että kehittämisen välineenä. Uudistuva yritysturvallisuus -hankkeessa pilotoimme erilaisia datalähtöisiä ratkaisuja yhteistyössä yritysten kanssa. Käytännössä tämä tarkoittaa yritysten omien aineistojen hyödyntämistä turvallisuuden, riskienhallinnan ja toimintakyvyn kehittämisessä. Digitalisaation myötä yrityksillä on käytettävissään yhä enemmän dataa esimerkiksi tuotannosta, kunnossapidosta, tietojärjestelmistä ja poikkeamatilanteista. Näitä aineistoja analysoimalla voidaan tunnistaa ilmiöitä, jotka jäisivät muuten huomaamatta, ja hyödyntää dataa päätöksenteon tukena.
– Jari Pohjola, projektipäällikkö
Luonnosta saatava data
Suomen luonto kuuluu arvokkaimpiin kansallisomaisuuksiimme, mutta sen vaalimiseen tai edes sen heikkenemisen pysäyttämiseen käytetään aivan liian vähän resursseja. Maankäytön suunnittelussa luontoarvojen vaaliminen ja lisääminen pitäisi olla kaiken lähtökohta, ei vain jälkikäteen huomioon otettava seikka. Uskon, että avain tähän löytyy ainakin osittain siitä, että nopeaa tahtia kehittyvät datan keruu-, analysointi- ja mallinnusmenetelmät otetaan laajemmin käyttöön myös ympäristödatan puolella. Aiheen ympärillä onkin kasvavissa määrin sekä tutkimusta että kaupallisia sovelluksia, varsinkin kun valtiontasollakin halutaan edesauttaa luontoarvokaupan kehittymistä.
Haluan omalla työlläni edesauttaa sitä, että luontoarvot pääsevät maankäyttökysymyksissä kaiken keskiöön, kehittämällä kustannustehokkaita, datapohjaisia lähestymistapoja luontoarvojen arviointiin ja laskentaan. Käytän työssäni kaukokartoitusaineistoja sekä muita vektori- ja rasterimuotoisia paikkatietoja ja mallinnan niitä eri menetelmin, mm. koneoppimista hyödyntäen.
– Jessica Nielsen, väitöskirjatutkija
Luovaan työhön liittyvä data
Työsuojelurahaston rahoittamassa GeTMe (Generatiivinen tekoäly ja luova työ: tuottavuuden ja merkityksellisyyden jännitteet työelämässä) -hankkeessa pureudutaan ajankohtaiseen kysymykseen siitä, mitä luovalle työlle tapahtuu tekoälyn aikakaudella. Konsortiohankkeessa dataa (kysely, haastattelut & työpajat) kerätään ja analysoidaan monimenetelmällisesti yhdistämällä niin määrällisiä kuin laadullisia tutkimusmenetelmiä. Generatiivisen tekoälyn määrällisen potentiaalin ohella tarkastellaan sen vaikutuksia luovan työn laadulliseen tuottavuuteen, kuten työn merkityksellisyyden kokemukseen, ammatilliseen identiteettiin, omaperäisyyteen ja autonomiaan ihmislähtöisestä näkökulmasta.
DAO-ryhmässä toteutettavassa osahankkeessa keskityn erityisesti tekoälyä hyödyntävien edelläkävijäyritysten ja luovien alojen toimijoiden kokemuksiin haastattelututkimuksen keinoin. Tarkoituksena on toteuttaa puolistrukturoidut syvähaastattelut ensi vuoden alussa, ja analysoida ne ja niiden aikana syntynyt havaintoaineisto laadullisella sisällönanalyysillä. Eri aineistoista saatujen tulosten pohjalta tuotetaan lopuksi työn tuottavuuden ja merkityksellisyyden jännitteet huomioivia käytännön suosituksia tekoälyn hyödyntämiseen juuri luovilla aloilla.
– Pauliina Tuomi, tutkijatohtori
Maatalouden data
Minkälainen on tulevaisuuden maatila? Olemme mukana etsimässä kehityspolkuja, joilla viljelijät sopeutuvat nopeasti muuttuvaan toimintaympäristöön ja erityisesti teknologian nopeaan kehitykseen. Tieto on yhä tärkeämmässä roolissa niin päätöksenteossa kuin automaation ohjaamisessa samalla kun suunnittelutyön osuus kasvaa suorittavaan työhön verrattuna. Peltoviljelyssä ominaista on ympäristödata, kuten säätiedot, satelliittiaineistot ja maaperätiedot. Koneet ja laitteet tuottavat myös toimiessaan yhä enemmän dataa. Osa tiedosta voi olla käyttökelpoista sellaisenaan, mutta usein tietoaineistoja täytyy yhdistellä ja jalostaa käyttökelpoiseen muotoon käyttämällä erilaisia laskennallisia, tilastollisia ja koneoppimismalleja. Tiedolla johtamisen näkökulmasta keskeistä on hallita tätä kokonaisuutta ja ymmärtää millä eri tavoin datasta voi syntyä arvoa liiketoiminnassa.
– Antti Halla, tutkija
Data-avaruus
Datasta on pitkään puhuttu, että se olisi uusi öljy, mutta pelkkä raakadata ei sitä ole. Mitä enemmän datoja voidaan yhdistää ja muodostaa kokonaisuuksia, niin datalle alkaa muodostua arvoa. Lisäksi viimeisten kahden vuoden aikana on puhuttu yhä enemmän tekoälyn tarvitsemista laadukkaista ja laajoista datakokonaisuuksista. Euroopan unionissa tehtiin muutama vuosi sitten datastrategia, jolla datat saataisiin paremmin hallittua. Lisäksi kehitettiin data-avaruuskonsepti, joka alkaa rakentaa mekanismeja nimenomaan yritysten datan jakamisen toteuttamiseen.
DAO- tutkimusryhmässämme olemme jo vuosia seuranneet näitä asioita ja tutkineet muun muassa miten datan eri tasoiset jakelut toteutettaisiin reiluin pelisäännöin erityisesti maatalouden sektorilla. Maatilayritykset tuottavat koko ajan yhä enemmän dataa ja yhä useampi niistä on ollut kiinnostunut saamaan siitä korvauksia. Erilaisten demoilujen kautta olemme oppineet data-avaruuden toimintaa ja valistaneet yrityksiä aiheen piirissä valmistautumaan data-avaruuden tulemiseen ja ottamaan sen huomioon palveluissaan. Olemme valistaneet viljelijöitä tarkistamaan aina sopimuksensa ja myös kartoittamaan nykyisiä palveluitaan, tänä vuonna olemme alkaneet kannustaa heitä tekemään myös omaa datastrategiaa.
– Petri Linna, projektipäällikkö
DAO-ryhmässä työskentelee 15 henkilöä. Meistä useampi löytyy lähes joka päivä Porin kampukselta, joten tervetuloa tutustumaan meihin ja data-analytiikkaan!
– Minna Haapakoski, projektipäällikkö
Kommentit