Selitettävä tekoäly talvimerenkulussa
Nuutila, Tuomas (2022)
2022
Tietojohtamisen DI-ohjelma - Master's Programme in Information and Knowledge Management
Johtamisen ja talouden tiedekunta - Faculty of Management and Business
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2022-05-30
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202205185086
https://urn.fi/URN:NBN:fi:tuni-202205185086
Tiivistelmä
Tekoälyn hyödyntäminen ja erilaisten tekoälyjärjestelmien käyttöönotto voimistuu vuosi vuodelta yhä enemmän ja siten on vaarana niin sanottujen läpinäkymättömien ”mustan laatikon” tekoälymallien lisääntyminen. Tällaisten mallien kohdalla ei pystytä suoraan selittämään miksi ja mihin malli perustaa toimintansa. Tämän vuoksi selitettävän tekoälyn (XAI) tärkeys on ymmärretty enenevissä määrin, jotta läpinäkymättömyyden ongelmaan pystyttäisiin vastaamaan. Itämeri on yksi harvoista maailman meristä, jossa tapahtuu jäänmurtoa. Talvimerenkulun merkitys Suomen kaupalle on merkittävä ja viivästykset voivatkin aiheuttaa merkittäviä tappioita. Jää luo suuren haasteen niin kulkemiselle, kuin myös tekoälyratkaisujen kehittämiselle ja niiden käyttämiselle, sillä jäätilanteet voivat muuttua hyvinkin nopeasti, eikä sen tarkalle ja riittävän nopealle mallintamiselle ole vielä kehitetty keinoja.
Tämän diplomityön tarkoituksena on tarkastella selitettävää tekoälyä talvimerenkulussa. Työssä käydään läpi teoriaa tekoälystä ja laivaliikenteestä sekä selitettävästä tekoälystä, jonka jälkeen analysoidaan työn prosessia. Selitettävyydellä on selkeitä hyötyjä, kuten luottamuksen, läpinäkyvyyden sekä ymmärryksen luonti unohtamatta regulaatioiden ja lakien noudattamista, joita muun muassa EU:n tasolla on tulevaisuudessa mahdollisesti tulossa. Selitettävyys tulisi myös ymmärtää osana koko prosessia, eikä vain mallin selitteenä loppukäyttäjälle. Mallin kehitysprosessissa esimerkiksi erilaiset SHAP- ja LIME-työkalut ovat hyödyllisiä selittäjiä kehittäjille, jotka tarvitsevat syvempää tietoa muuttujista ja niiden vaikutuksesta malliin. Tällaiset ovat kuitenkin usein turhan epäselkeitä ja vaikeasti tulkittavia loppukäyttäjille, jolloin heille tulisi tarjota selite, joka esimerkiksi selkeästi tekstiformaatissa kertoo mallin tekemästä päätöksestä tai suosituksesta.
Työn tuloksena syntyi hahmotelma tulevaisuuden XAI-ratkaisusta talvimerenkulussa. Selitteiden pohjana käytettiin tämän työn ulkopuolella kehitettyä Random forest -algoritmiin perustuvaa koneoppimismallia, jota selitettiin SHAP-työkalulla. Lisäksi Tableau-visualisointien avulla tutkittiin dataa.
Tämän diplomityön tarkoituksena on tarkastella selitettävää tekoälyä talvimerenkulussa. Työssä käydään läpi teoriaa tekoälystä ja laivaliikenteestä sekä selitettävästä tekoälystä, jonka jälkeen analysoidaan työn prosessia. Selitettävyydellä on selkeitä hyötyjä, kuten luottamuksen, läpinäkyvyyden sekä ymmärryksen luonti unohtamatta regulaatioiden ja lakien noudattamista, joita muun muassa EU:n tasolla on tulevaisuudessa mahdollisesti tulossa. Selitettävyys tulisi myös ymmärtää osana koko prosessia, eikä vain mallin selitteenä loppukäyttäjälle. Mallin kehitysprosessissa esimerkiksi erilaiset SHAP- ja LIME-työkalut ovat hyödyllisiä selittäjiä kehittäjille, jotka tarvitsevat syvempää tietoa muuttujista ja niiden vaikutuksesta malliin. Tällaiset ovat kuitenkin usein turhan epäselkeitä ja vaikeasti tulkittavia loppukäyttäjille, jolloin heille tulisi tarjota selite, joka esimerkiksi selkeästi tekstiformaatissa kertoo mallin tekemästä päätöksestä tai suosituksesta.
Työn tuloksena syntyi hahmotelma tulevaisuuden XAI-ratkaisusta talvimerenkulussa. Selitteiden pohjana käytettiin tämän työn ulkopuolella kehitettyä Random forest -algoritmiin perustuvaa koneoppimismallia, jota selitettiin SHAP-työkalulla. Lisäksi Tableau-visualisointien avulla tutkittiin dataa.