Algoritmit & todennäköisyys
Tälle sivulle kokoan algoritmit ja todennäköisyys -teemaan liittyvät videot. Videoihin liittyen on listaus lähteistä ja hyödyllisistä linkeistä täällä. Kuvaa klikkaamalla saat videon näkyviin.
- Tavallinen vs. tekoälyalgoritmi – mikä ero?
- Mitä sun feediin tulee – ja miksi?
- Huolestuttava ilmiö maailmalla: AI ja nuorten itsemurhat
- "Herää viideltä ja rikastu" – tämä on selviytymisharha
- Kaksinkertainen veritulppariski – miten prosentit voivat hämätä
- "Vale, emävale, tilasto" – miten sanonta syntyi?
- Onko sulle tuttuja algospeak ja voldemorttaus?
- Aivot suosivat helppoja valintoja – hypertuuppaus hyödyntää sitä
Tavallinen vs. tekoälyalgoritmi – mikä ero?
Tavallinen tietokoneen algoritmi, toimintaohje, on kuin kahvinkeittoresepti: selkeät vaiheet, jotka kerrotaan etukäteen. Sen sijaan tekoälyalgoritmia muodostettaessa tietokoneelle ei anneta valmista reseptiä. Sen sijaan sille näytetään paljon esimerkkejä siitä, miten kahvia tehdään ja milloin lopputulos on hyvä. Se ei siis vain seuraa ohjeita — vaan alkaa itse rakentaa algoritmia eli reseptiä siitä, mikä toimii parhaiten. Sitä voidaan opettaa/kouluttaa eri tavoilla, videolla pari esimerkkiä. Algoritmit ja tekoäly osa 1.
Mitä sun feediin tulee – ja miksi?
Se, mitä näet somessa, ei ole sattumaa – vaan perustuu todennäköisyyksiin. Algoritmi arvioi jatkuvasti käytöstäsi (miten pitkään katsot, tykkäätkö, jaatko, kommentoitko) ja tekee sen perusteella ennusteen, mitä todennäköisesti teet seuraavaksi. Se rakentaa sinulle yksilöllisen arvion (laskee todennäköisyyksiä, miten viihdyt erilaisten sisältöjen parissa) ja muodostaa feedin sen pohjalta.
Taustalla toimii yhteisöllinen suodatus (collaborative filtering): sinulle näytetään sisältöä sen perusteella, mitä muut samankaltaiset käyttäjät ovat katsoneet, pitäneet ja jakaneet. Siten jokaisen feedi näyttää hieman erilaiselta. Algoritmin ainoana tavoitteena on pitää sinut mahdollisimman pitkään sovelluksessa. Sitä ei kiinnosta, mitä haluat tai millaiset sisällöt koet oikeasti hyödyllisiksi tai toivottaviksi, vaan se nojaa suosituksensa siihen, mitä teet. Algoritmit ja todennäköisyys osa 2.
Huolestuttava ilmiö maailmalla: AI ja nuorten itsemurhat
Maailmalla on viime aikoina uutisoitu huolestuttavasta ilmiöstä: nuoret ovat tehneet itsemurhia keskusteltuaan tekoäly-chatbottien, kuten ChatGPT:n ja Character.ai:n bottien, kanssa. Stanfordin yliopiston tuore tutkimus paljastaa, että chatbotit saattavat vahvistaa käyttäjän harhaluuloja ja itsetuhoisia ajatuksia. Ongelmana on kielimallin mielistelevyys: sen tavoitteena on antaa vastauksia, jotka miellyttävät ihmistä. Tekoälyfirmoja vastaan on nostettu kanteita itsemurhiin liittyen. Yhdysvalloissa ongelmaan etsitään nyt ratkaisuja. Tekoäly on tullut nopeasti monenlaiseen käyttöön, mutta lainsäädäntö laahaa, eikä turvallisuusnäkökulmia ole osattu aina ottaa huomioon. Algoritmit ja todennäköisyys osa 3.
”Herää viideltä ja rikastu” – tämä on selviytymisharha
“Herää viideltä. Meditoi. Juo vihersmoothie. Rikastu.” Tai ”Tee postaus päivässä Instagramiin, saat 10 000 uutta seuraajaa viikossa.” Ohjeita menestymiseen ja rikastumiseen riittää. Mutta entä kaikki ne, jotka tekivät saman eikä mitään tapahtunut?
Tätä kutsutaan selviytymisharhaksi: näemme voittajat, emme niitä tuhansia, jotka jäivät näkymättömiin. Ajatusvirheeseen kiinnitti huomiota jo matemaatikko Abraham Wald toisen maailmansodan aikana – ja ratkaisi kuuluisan lentokoneongelman. Algoritmit ja todennäköisyys osa 4.
Kaksinkertainen veritulppariski – miten prosentit voivat hämätä
Kun vuonna 1995 uutisoitiin tutkimuksesta, jonka mukaan yhdistelmäehkäisypillerit kaksinkertaistavat veritulppariskin, monet naiset lopettivat ehkäisypillerien käytön – ja esimerkiksi Britanniassa aborttien määrät nousivat nopeasti. Tämä on esimerkki siitä, miten prosentit voivat joskus johtaa harhaan. On tärkeää huomata ero suhteellisen ja absoluuttisen riskin välillä: vaikka riski tuplaantuisi, vaikutus ei välttämättä ole kovin merkittävä, jos riski on alun perin hyvin pieni. Jos esimerkiksi pienessä kaupungissa tapahtuu tiettynä vuonna yksi murto ja toisena kaksi, voidaan periaatteessa uutisoida ”Murtovarkauksien määrä tuplaantui” – mutta tällaiset otsikot voivat lietsoa turhaa pelkoa, kun absoluuttisesti murtovarkauksia on vähän ja todellinen riski joutua murron uhriksi on hyvin pieni. Algoritmit ja todennäköisyys osa 5.
”Vale, emävale, tilasto” – miten sanonta syntyi?
Mistä sanonta “vale, emävale, tilasto” tuli? Se juontaa juurensa 1800-luvun loppupuolelle, jolloin tilastotieteen menetelmät kehittyivät nopeasti. Tilastointi yleistyi, ja numeroita alettiin käyttää päätöksenteon tukena politiikassa, tieteessä ja yhteiskunnassa.
Pian kuitenkin huomattiin, että samoilla luvuilla pystyi perustelemaan lähes mitä tahansa. Tilastoista tuli tehokas väline myös omien näkemysten tukemiseen — ja siitä syntyi epäluulo tilastoja kohtaan.
Aiheesta syntyi paljon huumoria. Yksi tunnettu sutkaus kuuluu:
“Tilastotieteilijällä voi olla pää uunissa ja jalat jäässä, ja keskimäärin hän voi oikein hyvin.”
Vitsin idea on siinä, että keskiarvo ei usein kuvaa hyvin todellista tilannetta.
Oikeastaan sanonta “vale, emävale ja tilasto” on hieman harhaanjohtava. Tilastot eivät itsessään valehtele — ihmiset voivat valehdella niiden avulla. Tilannetta voisi verrata kuumemittarin käyttöön: jos mittari asetetaan huonosti kainaloon, tulos voi olla mitä sattuu. Vika ei ole kuumemittarissa, vaan siinä, miten sitä käytetään. Algoritmit ja todennäköisyys osa 5 EXTRA.
Onko sulle tuttuja algospeak ja voldemorttaus?
Algospeak tarkoittaa somessa käytettäviä kiertoilmauksia, joilla pyritään välttämään postauksen joutumista moderointialgoritmin hampaisiin. Ilmiöön liittyy myös nimitys voldemorttaus: kuten Harry Potterissa vältetään sanomasta Voldemortin nimeä (tiedät-kai-kuka), tietyt henkilöiden nimet tai sanat korvataan toisilla. Biossa esimerkkejä.
Osa kiertoilmaisuista on syntynyt varmuuden vuoksi, koska emme tiedä tarkasti, miten alustojen moderointialgoritmit toimivat (liikesalaisuuksia). Emme tiedä, mitkä sanat tai kuvat vaikuttavat näkyvyyteen ja mikä on vain sattumaa. Toisaalta alustat itse sanovat, ettei mitään kiellettyjä sanoja edes ole.
Itselleni kävi hiljattain niin, että “tikkataulussa” videoitani poistettiin ja osa joutui varjobänniin. Alustalta ei juuri saanut tietoa syystä. Toiminta on ennalta arvaamatonta – ja sisällöntuottajalle jää epäselväksi, mitä pitäisi tehdä toisin. Ei siis ihme, että ilmiö on synnyttänyt jopa algoritmista kansanuskoa (algorithmic folklore) ja spekulaatioita siitä, miten algoritmeja pitäisi miellyttää.
Sinänsä suodatusalgoritmien tehtävä on arvokas: tavoitteena on estää haitallista sisältöä (kuten terveydelle haitallisten ilmiöiden ihannointia). Ongelma kuitenkin on, että algoritmit eivät usein osaa tunnistaa kontekstia – esimerkiksi onko kyse opetustarkoituksessa käytetystä varoittavasta esimerkistä. Tutkimuksissa on havaittu, että myös hyödyllinen sisältö, kuten mielenterveysjärjestöjen tai vertaistukiryhmien julkaisut, voivat joutua rajoitusten kohteeksi.
On kiinnostavaa, että tekoäly nykypäivänä vaikuttaa myös siihen, miten puhumme ja mistä uskallamme keskustella.
Onko sulla kokemuksia algospeakista tai voldemorttauksesta? Algoritmit ja todennäköisyydet osa 6.
Aivot suosivat helppoja valintoja – hypertuuppaus hyödyntää sitä
“Muut ostivat myös nämä sukat.” “Vain kaksi tuotetta jäljellä.” Nämä ovat esimerkkejä hypertuuppauksesta (hypernudging). Algoritmit keräävät tietoa siitä, mitä katsot, mitä ostat, missä viivyt ja mihin aikaan käytät sovelluksia – ja ennustavat sen jälkeen, miten ja milloin sinuun kannattaa vaikuttaa.
Nykyisin verkkoympäristö räätälöidään jokaiselle omanlaiseksi. Saat näkyviin erilaisia videoita kuin ystäväsi, erilaisia tarjouksia ja ilmoituksia. Ja ajoitus voi olla erilainen.
Tuuppaus (nudging) -termi on ollut käytössä jo pitkään ja siihen liittyen on myönnetty jopa Nobelin taloustieteen palkinto. Perinteisessä tuuppauksessa fyysistä ympäristöä muokataan siten, että jokin vaihtoehto on helppo. Tunnettu esimerkki on ns. kärpänen pisuaarissa. Schipholin lentokentällä huomattiin, että kärpäsen kuva pisuaarissa vähensi siivouskuluja: miehet tähtäsivät siihen vaistomaisesti ja roiskeet vähenivät. Perinteisestä tuuppauksesta poiketen hypertuuppaus tapahtuu verkkoympäristössä ja on personoitua ja reaaliaikaista.
Tuuppaus toimii, koska ihminen ei jaksa pohtia jokaista päätöstä perusteellisesti. Etenkin kuormittuneina turvaudumme helpommin suosituksiin ja valmiiksi tarjottuihin vaihtoehtoihin. Hypertuuppaus pyrkii tyypillisesti tekemään verkkopalveluun jäämisestä tai verkko-ostamisesta mahdollisimman vaivatonta. On helppo jäädä katsomaan somessa syötettä, joka sinulle annetaan valmiina – sen sijaan, että lähtisit itse aktiivisesti etsimään sisältöjä.
Miten voisi välttyä siltä, että tulee jatkuvasti tuupituksi? Kannattaa tunnistaa tuuppaaminen, personoidut sisällöt. Datan keruuta ja turhia ilmoituksia voi rajoittaa. Jos jokin sisältö herättää voimakkaan tunteen tai kiireen ostaa tai klikata, kannattaa pysähtyä hetkeksi. On hyvä miettiä, haluanko tätä oikeasti – vai onko algoritmi vain tehnyt siitä mahdollisimman helpon vaihtoehdon.
Algoritmit ja todennäköisyys osa 7.