Automaation digitalisaation ja oppivien järjestelmien vaikutus työllisyyteen

Aloita esillä olevista termeistä.

Tuotantoautomaatio on käynnistynyt jo Kehruu-Jynnystä lähtien jo siis 1700-luvun lopulta lähtien. Teollisen tuotannon automatisoiminen on siis jo pitkään jatkunut kehityslinja. Tässä kehityksessä on useita eri vaiheita. Aluksi energia tuotettiin kömpelöillä höyrykoneilla. Seuraavaksi siirryttiin sähkökoneisiin ja polttomoottoriin. Viimeisessä vaiheessa automaattien ohjaus tapahtuu tietokoneiden avulla. Näin automaatin toiminta voi olla jo varsin monimutkaista, kuten jokainen on voinut todeta autojen koreja hitsaavia robotteja katsellessa. Tässä poistuneen ihmistyön määrä on erittäin mittava kaikessa konepajateollisuudessa laivoista ja työstökoneista aina ompelu- ja pesukoneisiin. Tämä kehitys on jo varsin pitkällä mutta jatkuu edelleen tietokoneiden kehityksen ja monipuolistumisen myötä. Tämä kehitys johtaa esimerkiksi kaiken ihmisten tekemän varastotyön häviämiseen. Samoin tulee käymään ihmisten tekemälle kuljetustyölle lähitulevaisuudessa. Helsingin metronkuljetuksen automatisointi saatiin juuri päätökseen.

Kaksi ensimmäistä esimerkkiä ovat ”vanhoja”: Ensimmäinen tulee 1980-luvun alusta. Oli saanut ensimmäisen vakituisen työpaikkani Yle ATK-osastolta. Tehtäväni oli uuden uljaan Ylen palkanlaskentajärjestelmän ylläpito. Tämä sovellus oli aikanaan varsin edistyksellinen ja se kykeni laskemaan kaikkien Yle työtekijöiden 30:n työsopimukset mukaiset palkat kaikkine lisineen puoli vuotta taaksepäin uudelleen. Silloin Ylessä on n. 4000 työntekijää ja palkkatoimistossa 8 työntekijää. Meille tuli vierailulle Tsekkoslovakian yleisradion delegatio tutustumaan tähän hienouteen. Heillä palkat laskettiin käsin saman suuruiselle henkilökunnalle ja heidän palkkatoimistossaan oli työntekijöitä 80 henkilöä.

Seuraava esimerkki on PC:n alkuajoilta 1980-luvun puolivälistä. Tämä oli Apple II ja maailman ensimmäinen killer app ja sen nimi oli Visicalc. Tämä oli uusi taulukkolaskentasovellus. Kun kirjanpitiäjien joukko näki sovellusta ensimmäisen kerran demottavat, olivat he tyrmistyneitä. He huomasivat heidän viikkojen työ muuttui ehkä noin tunnin mittaiseksi.

Toinen kehityslinja on digitalisaatio. Siis aiemmin konkreettisten asioiden muuntumiseen digitaaliseksi. Tällaisista esimerkkejä ovat kirjat, lehdet, – yleisemmin painotuotteet kirjeet, valokuvat. Näiden tuottaminen ja levittäminen on ennen niiden tietokoneistumista vaatinut paljon ihmistyötä, jonka nykyaikainen tietotekniikkaa hävitti. Samoin abstraktien asioiden käsittelyyn liittyi paljon kirjallisia dokumentteja ja niiden käsittelyvaiheita. Tällaisia kokonaisuuksia on esimerkiksi kaikki pankkitoiminta, tilausten käsittely, kirjanpito jne.

Pankkitoiminnan tai matkatoimistotyön digitalisaatiot ovat malliesimerkkejä tästä kehityksestä.

Seuraavassa lainaus Tilastokeskuksen julkaisu: Rakennemuutos vie kohti erityisosaamista 11.4.2005

(kts.: http://www.stat.fi/tup/tietoaika/tilaajat/ta_03_05_rakennemuutos.html )

Pankkitoimihenkilöiden määrä putosi reilusta 35000:sta vuonna 1990 vajaaseen 25000:een vuonna 1995.

Pankkitoimihenkilöiden määrää on supistanut myös toinen yleinen trendi: työtä on siirretty asiakkaalle, joka palvelee itseään pankkiautomaateilla tai Internetin äärellä. Vastaavaa kehitystä on tapahtunut monilla muillakin aloilla, esimerkiksi kaupan aloilla.

Toinen esimerkki Mervi Hokkasen Pro gradu –tutkielman: Henkilöstön osaamisen kehittäminen
organisaatiomuutoksessa Lappeenrannan TKK 4.5.2000
Vuosien 1990-1997 aikana
pankkien lukumäärä laski 30 %, pankkitoimipaikkojen määrä laski 50 %
ja alalta katosi lähes 24 000 työpaikkaa. (Lilja, R. 1999, s. 3) Merkittävä
pankkitoimintaa muuttava tekijä on teknologian kehitys, joka
mahdollistaa pankkiasioiden hoidon yhä enenevässä määrin
tietoverkoissa. Koska itsepalveluiden osuus käytetyistä
pankkipalveluista kasvaa koko ajan, jatkuu konttoriverkon supistaminen
ja pankkialan henkilöstön määrä laskee entisestään.

Aivan vastaavaa tapahtui ja tapahtuu edelleen matkatoimistoalalla. Tässä siis syntyvien dokumenttien digitalisoituminen ja internetiin perustuva asiakkaan ja organisaation tiedonvälitys muuttaa tuotantoprosessia ja samalla palvelu muutetaan osittain itsepalveluksi. Tämä kehityskulku on lähes hävittänyt matkatoimistoalan 1990-luvun alusta lähtien.

Internet ja elektronin tiedonvälitys on osa digitalisaatiota. Seuraava esimerkki olkoon Posti. Aluksi sähköposti hävitti kirjeiden käsittelyn. Tästä ja pankkitoiminnan digitalisaatiosta seurasi vähitellen postin välityksellä lähetettävien paperilaskujen häviäminen. Tällä hetkellä kaikki painotuotteet ja niiden käsittely katoaa digitalisiin lehtien ja mainonnan tieltä. Posti onkin ollut jo vuosikymmenen toistuvien yt-neuvottelujen vakio kohde ja työvoimaa on irtisanottu paljon.

Kolmas näkökulma ovat sitten oppivat ohjelmistot ja tulevaisuudessa laitteet. Anglosaksinen maailma kutsuu tätä termillä: cognitive computing ja deep learning Laitteen englanninkielisen vastineen suoraviivainen käännös olisi kognitiivinen tietokone, mutta käytän siitä termiä: ”aivokoneet”.. Tämä on kuitenkin kahdesta syystä huono. Ensinkin kognitiivinen ei ole käännös lainkaan vaan suora laina ja termillä ei siten ole suomenkielistä etymologiaa. Toiseksi termin toinen sana computer on vähintään harhaanjohtava, sillä tämä termi tietokoneviittaa alkukielessä laskimeen ( compute = laskea) ja aivokoneen rakenne ei ole tietokoneiden rakenteiden jatke vaan koko laitteisto on suunniteltu hermosoluverkkoa jäljitteleväksi eikä siinä ole mitään ”laskimen” piirteitä.

Tämän teknologia on juuri syntymässä. Koko tekoälyn menneisyys on suuri joukko yliodotuksia ja vääriä lupauksia. Viimeistään olio- ohjelmoinnin synnyn myötä piti kaikille ohjelmointia osaaville tulla selväksi, että nykyiset tietokoneet eivät nykyisillä ohjelmointitavoilla voi oppia mitään. Kun näihin tietokoneisiin ohjelmoidaan hermoverkon toiminta, voivat nämä sovellukset oppia omien kokemusten pohjalta ilman, että ohjelmoijat sitä näihin sovelluksiin kirjoittavat. Näitä tapoja AI- piireissä kutsutaan termillä Deep Learning. Näin siis nykyisetkin tietokoneet saadaan oppimaan. Tämän ominaisuuden täysimittaista käyttöä valitettavasti rajoittaa nykykoneiden ’virheellinen rakenne’ ja tästä syystä tätä mahdollisuutta voidaan teknisistä syistä hyödyntää hyvin pieniin rajattuihin ongelmiin. Toisin on tulevaisuudessa kun näiden järjestelmien pohjalla on tätä varten suunnitellut hermosoluja jäljittelevät neuropiiri.

Yllättävä läpimurto tapahtui kun IBM 2011 ilmoitti toteuttaneensa neuropiirin silikonille. Piiri sisältää 256 neuronia ja noin 65 000 oppivaa synapsia. Piiriä on jo menestyksellisesti käytetty hahmontunnistuksessa.

Tästä alkoi ripeä kehitys, joka on edennyt jo varsin pitkälle. Tällä hetkellä IBM:llä on valmiina toimiva moduuli, jossa on 4 miljoonaa hermosolua ja 256 miljoona synapsia. Tämä laite kykenee tekemään 46 miljardia synapsioperaatiota sekunnissa.

Tätä on suunniteltu niin, että sitä voidaan laajentaa ja hankeen johtaja Dharmendra S. Modha sanoo, että he aikovat kehittää tästä laitteen, joka sisältää 10¹⁴ synapsia vuoteen 2018 mennessä!

Tässä siis rakennetaan aivokone ihmisen hermoverkkoa mallina käyttäen. Näin siis luodaan epädeterministinen logiikkakone, joka voi aidosti oppia. Tällä ja perinteisen tietokoneen rakenteella ei juuri ole mitään yhteistä.

Tämä aivokoneen kehitys avaa täysin uuden näkymän ja odotusarvot oikeiden logiikkakoneiden ja robottien tulevaisuudelle. Tällä hetkellä tämä kehitys on niin alkuvaiheessa, että esimerkiksi teknologian tilan tai vaikutusten arvioiminen viiden vuoden päähän on täysin mahdotonta! Näin ollen onkin käsittämätöntä, että ihmiset, jotka eivät edes ole kuulleet IBM:n SyNAPSE- hankkeesta heittelevät aika-arvioita näiden laitteiden kyvystä ja vaikutuksesta yhteisöön, kun kyseisen hankkeen avainhenkilötkään eivät suostu antamaan mitään arvauksia! Selvää kuitenkin on mikäli tämä päänavaus osoittautuu todelliseksi, että tämän teknologian vaikutus tulee olemaan mittavasti suurempi kuin tietokoneiden ja mobiiliteknologian yhteensä! Tämä vaikutus ihmistyön määrään tulee silloin olemaan järkyttävä.

Palatkaamme takaisin tämän päivän tilanteeseen. Kaikki tämä muutos on siis muuttanut työ ja työnteon rakennetta pysyvästi. MIT:n tutkijat Erik Brynjolfsson jaAndrew McAfee esittävät pamfletissaan Race Agains The Machine tilanteen ja sen seuraukset hyvin selkeästi. Perusviesti on se, että vaikka talous ja tuottavuus kasvavat, nämä eivät enää  vuodesta 2000 lähtien ole tuottanut lisää työpaikkoja vaan työpaikkojen määrä on alkanut vähentyä ja tämä trendi jatkuu kiihtyvään tahtiin. Tässä ei vielä ole mitenkään ennakoitu oppivien koneiden vaikutusta. Tässä automaation tuottaman hyödyn kerää erittäin pieni vähemmistö.

Tämä on varsin kuuma aihe USA:ssa nykyään. Analyysit ovat poikkeuksetta varsin kohdallaan, mutta ennustukset tulevaisuudesta näyttävät usein ohittavan tai kaunistelevan analyysin tuloksia

Katsomisen arvoisia videoita:

1) Jeremy Howard : http://bit.ly/1DHw9mp

2) Humans Need Not Apply https://www.youtube.com/watch?v=7Pq-S557XQU

3) Race Against the Machine http://amzn.to/15aDgjz

4) Digital Summit ( Modha) 9.6.2014 http://www.technologyreview.com/summit/14/digital/video/watch/machine-learning-big-data-modha/