Aikojen kuluessa on pystytty ratkaisemaan vaativiakin ongelmia asiantuntemuksen pohjalta. Datapohjainen tarkastelutapa on erikoistapaus, joka on monimutkaisissa kokonaisuuksissa arvokas mahdollisten yhteyksien selvittämisessä, mutta se ei riitä kokonaisuuden hallintaan. Laskennalliset älykkäät menetelmät sisältävät paljon muutakin kuin koneoppimista ja tekoälyä. Sovelluskohteissa koneoppiminen on ymmärrettävä työkaluksi datapohjaiseen ratkaisujen kehittämisessä. Sen rajoitukset on kuitenkin ymmärrettävä.
T&T Tech Day Finland – Suuntana Suomi -tapahtumassa nousi esille tehtävien monipuolisuus. Asiat näyttäytyvät näkökulmista riippuen hyvin erilaisina. Käytettävissä oleva data on myös hyvin monitahoista. Käytössä voi olla toisaalta yksityiskohtaisia data-aineistoja ja toisaalta luonnollisella kielellä tehtyjä kuvauksia kohteen toiminnasta. Myös Ilmastonmuutoksen hillitsemiseen tarvitaan yhteensovitettua monipuolista teknologista kehitystä ja yksittäisten innovaatioiden yhdistelyä.
Kattavaa data-aineistoa ei ole edes mahdollista koota monipuolisen tarkastelun vaatimalle tasolle. Kaikkia tarvittavia aineistoja ei ole välttämättä olemassa tai niitä ei olla riittävässä määrin valmiita luovuttamaan käyttöön. Puutteelliset ja virheellisesti painottuvat aineistot johtavat vääriin päätelmiin. Datan valmistelu käyttökelpoiseen muotoon onkin hyvin keskeistä. Koneoppimisen yhteydessä tätä kutsutaan reunalaskennaksi. Tämä korostuu tekniikan sovelluskohteissa, joissa erilaista ilmiöistä on varsin syvällistä tietoa ja pitkälle kehitettyjä malleja. Fysikaalisten mallien joustavuutta voidaan edelleen kehittää data-analyysin ja digitaalisten kaksosten avulla. Matematiikkaa ja luonnontieteitä käytetään keskeisesti näiden ratkaisujen kehittämisessä. Epävarmuuden käsittely on näissä tapauksissa välttämätöntä.
Matemaattinen ja luonnontieteellinen analyysi on avain toimivien ratkaisujen toteuttamiseen erilaisissa ja muuttuvissa olosuhteissa. Joustavuutta ja monipuolisuutta tulee lisätä nykyisissä sovelluskohteissa ja viedä ratkaisuja sopivalla tavalla uusille alueille. Asiantuntemus on toiminnoissa, jotka muuttuvat huomattavasti rauhallisemmin kuin toteutusmahdollisuudet. Matematiikka on tehokas tapa asiantuntemuksen esittämiseen ja yhdistämiseen. Matemaattis-luonnontieteellisten alojen akateemisia ja MAL-liittoa tarvitaan auttamaan osaamisen esille tuomisessa ja jalkauttamisessa.
Esko Juuso