Timo Honkela: Kylmä data kohtaa inhimillisen tulkinnan, Studia Generalia -esitys 6.10.2016
•
0 likes•229 views
Timo Honkela: Cold data meets human interpretations (in Finnish), University of Helsinki Studia Generalia presentation
Recommended
Recommended
More Related Content
Similar to Timo Honkela: Kylmä data kohtaa inhimillisen tulkinnan, Studia Generalia -esitys 6.10.2016
Similar to Timo Honkela: Kylmä data kohtaa inhimillisen tulkinnan, Studia Generalia -esitys 6.10.2016 (20)
More from Timo Honkela
More from Timo Honkela (20)
Recently uploaded
Recently uploaded (6)
Timo Honkela: Kylmä data kohtaa inhimillisen tulkinnan, Studia Generalia -esitys 6.10.2016
- 1. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Timo Honkela Helsingin yliopisto 6.10.2016 Kylmä data kohtaa inhimillisen tulkinnan: koneoppiminen ihmistieteiden työkaluna timo.honkela@helsinki.fi Studia Generalia: MIKÄ BIG DATA?
- 2. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Liisa, meillä on tehtävänä opetella ohjelmointia. Kuvalähde: http://digi.kansalliskirjasto.fi/pienpainate/binding/346723?page=1 Inspiraatio: http://www.geekculture.com/joyoftech/joyarchives/2193.html
- 3. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 ILMIÖT JA ORGANISAATIOT: HUMANISTISET JA YHTEISKUNTATIETEET HELSINGIN YLIOPISTON KESKUSTAKAMPUS
- 4. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Tieteiden kohteiden monimutkaisuus Biologinen maailma Fysikaalinen maailma Kulttuurinen maailma
- 5. 5 Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Englannin kielen osuus eri tieteenaloilla Suomessa (1.-15.) Matematiikka 95.3 Farmasia 94.1 Kemia 93.7 Fysiikka 93.4 Biokemia, molekyylibiologia, mikrobiologia, perinnöllisyystiede ja biotekniikka 93.4 Solu ja kehitysbiologia, fysiologia ja ekofysiologia 93.4 Tietojenkäsittelytieteet 93.0 Sähkötekniikka ja elektroniikka 92.8 Ympäristötekniikka 92.7 Geotieteet 92.1 Ekologia, evoluutiotutkimus ja systematiikka 92.1 Kone ja valmistustekniikka 91.9 Metsätieteet 91.4 Avaruustieteet ja tähtitiede 91.0 Prosessi ja materiaalitekniikka 90.8 (Timo Honkela, TUTKAS-seminaari 17.11.2010) VANHA TIETEEN- ALALUO- KITUS
- 6. 6 Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Englannin kielen osuus eri tieteenaloilla Suomessa (31.-44.) (Timo Honkela, TUTKAS-seminaari 17.11.2010) TIETEENALA % Rakennus ja yhdyskuntatekniikka 85.9 Maatalous ja elintarviketieteet 85.4 Ympäristöpolitiikka, talous ja oikeus 85.3 Maantiede 84.8 Arkkitehtuuri ja teollinen muotoilu 83.7 Viestintä ja informaatiotieteet 83.1 Kasvatustiede 82.6 Valtiooppi ja hallintotiede 82.2 Taiteiden tutkimus 81.6 Sosiaalitieteet 80.4 Kulttuurien tutkimus 79.3 Historia ja arkeologia 78.1 Teologia 77.0 Oikeustiede 70.8 VANHA TIETEEN- ALALUO- KITUS
- 7. 7 Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Englannin kielen osuus eri tieteenaloilla Suomessa (31.-44.) TIETEENALA % Rakennus ja yhdyskuntatekniikka 85,9 Maatalous ja elintarviketieteet 85,4 Ympäristöpolitiikka, talous ja oikeus 85,3 Maantiede 84,8 Arkkitehtuuri ja teollinen muotoilu 83,7 Viestintä ja informaatiotieteet 83,1 Kasvatustiede 82,6 Valtiooppi ja hallintotiede 82,2 Taiteiden tutkimus 81,6 Sosiaalitieteet 80,4 Kulttuurien tutkimus 79,3 Historia ja arkeologia 78,1 Teologia 77,0 Oikeustiede 70,8 VANHA TIETEEN- ALALUO- KITUS Tärkeitä tieteenaloja, joissa kieli-, tulkitsija-, tilanne- ja kulttuurisidonnaisuus on paljon voimakkaampaa kuin listan alkupään aloilla.
- 8. 8 Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Digitaalisten ihmistieteiden kehittyvä kukoistus ● Perinteinen syvällinen osaaminen ja ymmärrys liittyen humanitisten ja yhteiskuntatieteiden alueeseen ● Tämä ymmärrys yhdistetään nykyaikaisiin tietojenkäsittelymenetelmiin kuten tilastolliseen koneoppimiseen ● Avoin tiede ja laajat tietoaineistot antavat vahvan pohjan työlle ● Helsingin yliopistossa on tehty työtä tällä saralla jo esimerkiksi kielen tutkimuksessa pitkään. Viime aikoina alue on laajentunut ja panostuksia on lisätty.
- 9. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Varieng - Research Unit for the Study of Variation, Contacts and Change in English Big Data, Rich Data, Uncharted Data 19–22 October 2015 Helsinki, Finland Terttu Nevalainen Irma TaavitsainenTanja Säilyhttp://www.helsinki.fi/varieng/ http://www.helsinki.fi/varieng/people/varieng_saily.html ja moni muu ...
- 10. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 FIN-CLARIN on suomalaisten yliopistojen, CSC:n ja Kotimaisten kielten keskuksen muodostama konsortio, joka auttaa eri alojen tutkijoita käyttämään, jalostamaan, säilyttämään ja jakamaan kieliaineistoja. Osa kansainvälistä CLARIN ERI -tutkimusinfrastruktuuria. Krister Lindén ja moni muu ...
- 11. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Koneellinen ja koneavusteinen kääntäminen ja tulkkaus Jörg Tiedemann ja muut
- 12. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Historiallisten sanomalehtien tekstilouhinta Mikko Tolonen Kimmo Kettunen
- 13. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Citizen Mindscapes Ymmärrystä yhteiskunnasta louhimalla suuria sosiaalisen median aineistoja
- 14. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Esimerkki uudenlaisesta opetusta: Digital Humanities Hackathon
- 15. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 375 humanistia http://375humanistia.helsinki.fi/
- 16. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 HELDIG-avajaiset eilen 5.10.2016 Eero Hyvönen, Mikko Tolonen, Arto Mustajoki Anna Mauranen
- 17. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Anna Mauranen Arto Mustajoki https://www.helsinki.fi/en/researchgroups/helsinki-digital-humanities/heldig-kick-off-symposium
- 18. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Maailman suurin ongelma on, että ihmiset eivät ymmärrä toisiaan Arto Mustajoki
- 19. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 DATA: AINEISTOT
- 20. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Yli sata miljoonaa kirjaa http://www.pcworld.com/article/202803/google_129_million_different_books_have_been_published.html ● Googlen kirjaprojektissa kerrottiin vuonna 2010, että maailmassa on julkaistu 129 864 880 kirjaa ● Tarkan luvun antaminen ei ole kovin mielekästä, koska kaikkia kirjoja Googlekaan ei ole voinut löytää ja luku muuttuu jatkuvasti
- 21. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Pohjoismaat kirjoissa (Google Books 1860-2006)
- 22. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Julkaisemisen volyymi kolmessa yliopistossa 1980-2015 Kiitokset:LeoNäteaho,Helsinginyliopistonkirjasto Artikkelit, kirjoissa ilmestyneet artikkelit, kirjat, konferenssijulkaisut
- 23. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Aineistojen digitointi: esimerkkinä Kansalliskirjaston sanomalehtiaineisto http://digi.kansalliskirjasto.fi/ Digitointi > OCR > Hakutoiminnot ja jatkojalostus https://www.kansalliskirjasto.fi/fi/palvelut#digitointi--ja-sailytyspalvelut
- 24. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Inhimillisen ymmärryksen keruun vaiheita ● Puheeseen perustuva perinne ● Käsin kirjoitettu kieli: hidas leviäminen ● Kirjapainotaito ja painetut tekstit: nopea leviäminen ● Digitaaliset tekstit: entistäkin nopeampi leviäminen ● Tiedon määrämuotoinen linkittäminen ja avoin jakelu (Open Linked Data) ● Sosiokognitiiviset keinotekoiset toimijat: tiedon ja kokemuksen leviäminen yli yksilö-, kieli-, kulttuuri- ja sosiaalisten rajojen
- 25. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 VÄLINEET: TIETOKONEET JA OHJELMISTOT
- 26. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Laskenta- ja muistikapasiteetti http://yle.fi/uutiset/3-6467338 http://yle.fi/uutiset/3-6467338 CSC Tieteen tietotekniikan keskus https://www.csc.fi/
- 27. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Valtavat ohjelmistomassat yhteiskunnan peruspilareina http://www.informationisbeautiful.net/visualizations/million-lines-of-code/ Ohjelmarivejä: - Unix 1.0 ~ 10.000 - Windows 3.1 ~ 2.000.000 - Firefox ~ 10.000.000 - Facebook ~ 60.000.000 - Googlen palvelut ~ 2.000.000.000 Suomalaislähtöisiä: - MySQL ~ 13.000.000 - Linux 3.1 ~ 15.000.000
- 28. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 MENETELMÄT: TILASTOLLINEN KONEOPPIMINEN JA KIELITEKNOLOGIA
- 29. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Tietämyksen ohjelmoimisesta koneoppimiseen ● Pitkään on ollut tapana ohjelmoida koneita inhimisen tiedon puitteissa rajoituksineen ● 1980-luvulla maailmassa kehitettiin miljardipanostuksin asiantuntijajärjestelmiä ajatuksella, että asiantuntija tietää parhaiten ja pystyy kuvaamaan tietämyksensä sääntöinä ● Nykyään koneet ohjelmoimaan oppimaan ● Tilastollisen koneoppimisen avulla kone voi osata enemmän kuin kukaan ihminen ● Olennaisia ovat aineistot ●
- 30. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Koneoppiminen ja tiedon louhinta ● Tilastollisen koneoppimisen avulla matkitaan ihmisen oppimista ● Kone käy läpi sille annettuja esimerkkejä ● Annetun datan perusteella kone oppii esimerkiksi luokittelemaan, järjestämään, ryhmittelemään, hahmottamaan, käsitteistämään tai laittamaan paremmuusjärjestykseen erilaisia tietoalkioita
- 31. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Koneille opetetaan kieltä Koneet oppivat kieltä ● Perinteisesti koneet on pyritty saamaan “kielitaitoisiksi” kirjoittamalla kielen sääntöjä koneen ymmärtämään muotoon ● Tämän on kuitenkin osoittautunut ongelmalliseksi ● Nykyisin hyödynnetään koneoppimismenetelmiä
- 32. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Sanojen suhteet paljastuvat niiden käytöstä ● Kun käytettävissä on suuria tekstiaineistoja, mielivaltaisen kielen sanojen välisiä suhteita voidaan selvittää tilastollisesti ● Perusidea on se, että kahta sanaa käytetään tyypillisesti samaan tapaan (samanlaisessa lauseyhteydessä), jos niiden merkitykset ja/tai kieliopillinen rooli on samankaltainen
- 33. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Klassikkoesimerkki: Grimmin satujen analyysi (1995) Honkela, Pulkki & Kohonen 1995
- 34. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Klassikkoesimerkki: Grimmin satujen analyysi (1995) Huom: Suomessa tehtiin tällaista työtä jo ennen kuin esimerkiksi Googlea oli olemassa Akateemikko Teuvo Kohonen on ollut yksi neuroverkko- ja hahmontunnistusalan perustajahahmoista http://www.aka.fi/fi/akatemia/tutkimuksen-tekijoita/tieteen-akateemikot/suomalaiset-tieteen-akateemikot/akateemikko-teuvo-kohonen/
- 35. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Tilastollisesti etsittyjä assosiaatioita sanoille 1) onnellisuus ja 2) lätäkkö ● mielenrauha ● tyytyväisyys ● onnellisuuden ● elämänilo ● yksilöllisyys ● rakkaus ● välittäminen ● onni ● hyvinvointi ● positiivisuus ● lammikko ● lampi ● oja ● läntti ● kuoppa ● kolo ● hiekka ● allas ● pläntti ● läikkä http://bionlp-www.utu.fi/wv_demo/Kiitokset: Turku BioNLP group, Filip Ginter ja Citizen Mindscapes -projekti (Helsinki, Turku) http://blogs.helsinki.fi/citizenmindscapes/
- 36. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Tekstien louhinta ● Edellä kuvatulla tavalla mitä tahansa suuria data- tai tekstiaineistoja voidaan tutkia (Honkela&Klami,2008)
- 37. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Suomen tieteen kartta Akatemian aineistosta (Honkela&Klami,2008) Kemia Luonnon- ja insinööritieteet Bio- ja ympäristötieteet Terveystieteet Kulttuuri- ja yhteiskunta- tieteet Tieteellisiä tekstejä ei lueta ainoastaan ihmisvoimin yksi kerrallaan Kone auttaa käymään läpi tuhansia, jopa miljoonia dokumentteja
- 38. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Uusi askel: Humanistinen meta-analyysi
- 39. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Taustaa: tulkinnan yksilöllisyyden mallintaminen (GICA-menetelmä) ● GICA-menetelmät (Grounded Intersubjective Concept Analysis) (Honkela ym. 2012) mahdollistaa mallit, joissa kunkin sanan merkitystä tarkastellaan yksilöllisesti ● Esimerkkinä USAn presidenttien puheet (State of the Union Address) ja sanan HEALTH merkityksen analyysi kontekstitietoa tilastollisesti analysoide
- 40. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Sanan “health” analyysi
- 41. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Humanistinen meta-analyysi (Honkela 2016) Aineisto sanoineen Analyysi olettaen sanojen jaettu merkitys Honkelan ehdotus Aineisto sanoineen Analyysi hyödyntäen merkityksien vaihtelumallia Merkityksien analyysi rikkaissa konteksteissa
- 42. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Humanistinen meta-analyysi (Honkela 2016) Aineisto sanoineen Analyysi olettaen sanojen jaettu merkitys Honkelan ehdotus Aineisto sanoineen Analyysi hyödyntäen merkityksien vaihtelumallia Merkityksien analyysi rikkaissa konteksteissa Sanoja ei voi ottaa analyysin perusdataksi olettaen, että sana tarkoittaa täsmälleen samaa, kun puhuja/ kirjoittaja on eri ja eri kontekstissa Sanan merkitys on tilastollinen, subjektiivinen ja kontekstiriippuva ilmiö
- 43. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Humanistinen meta-analyysi (Honkela 2016) ... AUTENTTINEN ... HAUVA KATTI KISSA KOIRA … REILU ... TEHOKAS ... DATA (1) RIKAS MERKITYS- MALLI SISÄLTÖ- ANALYYSI (HUMANISTINEN META-ANALYYSI) DATA (2)
- 44. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Yhteisen ymmärryksen uusia mahdollisuuksia Humanistinen meta-analyysi ja vastaavat keinot voivat auttaa meitä tuomaan yhteen ymmärrystä, jota ihmiset ovat keränneet eri kielellisissä, sosiaalisissa, kulttuurissa ja historiallisissa konteksteissa Merkitysneuvotteluiden osittaiseen automatisointi Tieteen uudet keinot tilanteisiin ja kysymyksiin, joita koskien yhtä oikeaa tulkintaa ei ole eikä voi olla.
- 45. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Uusi valistuksen aika? Ratkaisuja maailman polttaviin ongelmiin
- 46. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Koneet eivät ole ihmeidentekijöitä vaan apuvälineitä ● Koneet eivät voi tarjota objektiivisuutta sen enempää kuin ihminenkään, kun tarkastelun kohteena ovat monimutkaiset ja tulkinnanvaraiset teemat ● Koneiden avulla voidaan kuitenkin kerätä yhteen ihmisten keräämää tietoa ja kokemusta ennennäkemättömällä tavalla ● Menetelmät täytyy kehittää humanistisen ymmärryksen pohjalta
- 47. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Filosofiaa eivät voi paeta tietojenkäsittelijätkään ● Uusi valituksen aika? ● Empirismin ja rationalismin vuoropuhelu ● Vuosisataiset filosofiset näkökulmat ja teemat ovat edelleen tärkeitä ja aina vain tärkeämpiä koneiden käyttöön liittyen eli kun tekoälyä ja koneoppimista sovelletaan ihmistieteiden piirissä
- 48. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Skenaarioita: digihumanismin mahdollisuuksia ● Ihmisten välinen parempi ymmärrys ja vuorovaikutus – sodan ja rauhan kysymykset – yhteiskunnallinen päätöksenteko ja politiikka ● Monimutkaisia ilmiöitä koskeva ongelmanratkaisu: – esimerkiksi ympäristökysymykset – terveyttä ja hyvinvointia koskevan tutkimus- ja kokemustiedon kerääminen ja yhteen tuominen
- 49. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Kuvalähde: http://digi.kansalliskirjasto.fi/pienpainate/binding/346723?page=1
- 50. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 Kiitos! http://375humanistia.helsinki.fi/humanistit/timo-honkela http://www.slideshare.net/timohonkela https://www.youtube.com/watch?v=UXwkGPMMZdk
- 51. Timo Honkela, Helsingin yliopisto, Studia Generalia, 6.10.2016 http://375humanistia.helsinki.fi/humanistit/timo-honkela http://www.slideshare.net/timohonkela https://www.youtube.com/watch?v=UXwkGPMMZdk Avoin data moraaliseksi periaatteksi, kiitos!