Teksti Marja Ollakka
Tekoälyn avulla voi syntyä jotain uutta kemian alalla, kunhan sen käytössä on tarpeeksi laadukasta dataa, arvioi laskennallisen kemian professori Kari Laasonen Aalto-yliopistosta. Kysyimme Laasoselta kuusi keskeistä kysymystä tekoälystä.
Millä kemian osa-alueilla tekoäly korvaa ihmistutkijat ensimmäisenä?
En usko, että tekoäly korvaa tutkijoita missään. Erityisesti suurissa tietomäärissä se on ylivertainen ihmiseen nähden, mutta tekoäly ei ymmärrä kemiaa. Ei se ymmärrä mitään muutakaan. Tekoäly mahdollistaa nykyistä paremman data-analyysin, mutta ihminen vastaa edelleen analyysistä.
Terminä tekoäly johtaa hieman harhaan. Parempi olisikin puhua koneoppimisesta, sillä tekoäly ei ole älykäs.
Kaiken tekoälyn taustalla on aina data, jonka saatavuudessa ja laadussa on rajansa. Tekoälyn läpimurtoon tarvitaan myös datan läpimurto: mitä parempaa tietoa tekoälyllä on käytettävissään, sen parempia tuloksia voi saada.
Kemian alalta dataa on käytössä vasta melko vähän, käytännössä ei juurikaan löydy kovin laadukkaita tai kattavia tietokantoja. Jotta dataa pystyy kunnolla hyödyntämään, sen pitää olla oikeaa ja oikeassa muodossa.
Miten itse käytät tekoälyä työssäsi nyt?
Perustin vuonna 2010 Aalto-yliopistoon laskennallisen kemian tutkimusryhmän, joka tuottaa paljon dataa. Tätä dataa voidaan käyttää tekoälyn opettamisessa ja siten luoda ennusteita, jotka ovat käytännössä yhtä tarkkoja kuin lasketut tulokset.
”Olemme ryhmässäni kehittäneet esimerkiksi uusia molekyyleja virtausakkuihin.”
Mitkä ovat kemian tutkimuksen suurimmat haasteet, ja auttaako tekoäly ratkaisemaan ne?
Haasteita on saastumisessa, materiaalien kierrätyksessä, hiilidioksidin talteenotossa ja hyödyntämisessä sekä uusien molekyylien, materiaalien ja lääkeaineiden kehittämisessä. Tekoälystä on varmasti hyötyä näiden kaikkien ratkaisemisessa. Pisimmällä ollaan tekoälyavusteisessa molekyylien ja materiaalien kehittämisessä, mutta työ on vielä alkutaipaleella.
Tekoäly pystyy myös ennustamaan, eli antamaan luotettavia tuloksia molekyyleille, joita ei ole vielä opetusdatassa. Haaste on siinä, kuinka luotettavasti se pystyy ennustamaan erilaisia molekyylejä. Tähän ei ole vielä juurikaan ymmärrystä, ja siksi se on yksi kiinnostava tutkimuskohde.
Maailmalla on projekteja, joissa on ennustettu lupaavia materiaaleja ja katalyytteja, mutta ne ovat vielä kaukana teollisista sovelluksista. Myös me olemme tehneet tutkimusryhmässämme tähän liittyvää tutkimusta. Konkreettisiin tuloksiin menee aikaa, koska jonkun pitää myös tehdä ne lupaavat molekyylit ja materiaalit.
Toisaalta käynnissä on jo projekteja, joissa käytetään tekoälyn ohjaamia synteesirobotteja. Tämä on kiinnostava kehityslinja.
Löytääkö tekoäly ratkaisun ilmastonmuutokseen?
Ilmastonmuutos ratkaistaan ensisijaisesti politiikalla ja vasta toiseksi käytännön kehitystyöllä. Paljon tekniikkaa on jo olemassa, olennaista on päättää käyttöönotosta. Me olemme ryhmässäni kehittäneet esimerkiksi uusia molekyyleja virtausakkuihin. Virtausakku on lupaava suuren mittakaavan energian varastointimenetelmä. Tämä voi olla yksi pieni ratkaisu ilmastonmuutosongelmaan.
Olemme myös tutkineet kauppatieteilijöiden kanssa ilmastonmuutoksen torjunnan kustannuksia. Tuloksena on, että torjuntaan kannattaisi satsata nyt hyvin suuria summia – muuten seurauksena on paljon isompi lasku. Panostaminen olisi investointi tulevaisuuteen.
”Taitaisi tekoälyltä jäädä labrakurssit suorittamatta. Se ei ymmärrä asioita.”
Syntyykö tekoälyn käytöstä eettisiä ongelmia?
En näe tekoälyn käytössä juurikaan eettisiä ongelmia, koska tekoäly ei oikeastaan luo mitään uutta ja varsinkin tutkimuksessa on aina käytetty kaikkia olemassa olevia menetelmiä. Tai eettiset ongelmat ovat samoja kuin muussakin kemiassa. Siis lähinnä se, mitä tutkitaan ja kehitetään, vähemmän miten tutkitaan.
Opiskelussa voi olla vaarana, että tekoälyä käytetään tuottamaan vastauksia ja tutkielmia ilman omaa ajattelua. Tällöin asioita ei opita, vaan toimitaan epäeettisesti väittämällä tekoälyn tuotoksia omiksi. Luonnollisesti sama pätee myös tutkimuksen tuloksiin, koska tutkiminenkin on oppimista.
Jos tekoäly suorittaisi kemian tutkinnon, kumman se valitsisi: orgaanisen kemian vai epäorgaanisen kemian? Vai keksisikö se kokonaan uuden kemian alan?
Taitaisi tekoälyltä jäädä labrakurssit suorittamatta. Se ei ymmärrä asioita. Suuriin kielimalleihin perustuva, Chat GPT:n tyyppinen tekoäly kykenee vastaamaan yksittäisiin kysymyksiin, mutta kemiassa tämä onnistuu vielä aika huonosti. Joskus siltä tulee oikeita vastauksia, joskus taas aivan vääriä.
Tulevaisuudessa tekoäly todennäköisesti pysyisi vastaamaan kohtuullisesti kaikkiin kemian tenttikysymyksiin ja kirjoittamaan hyväksyttäviä tutkielmia. Tämä ei riipu kemian tyypistä vaan datan laadusta.
Koska tekoäly ei luo mitään uutta, uuden kemian luominen olisi myös vaikeaa. Mutta tekoäly voisi kyllä yhdistellä olemassa olevaa tietoa uudella tavalla ja luoda sitä kautta ”uutta” kemiaa. Näinhän tiede on aina kehittynyt: olemassa olevan tiedon uudenlaisesta yhdistämisestä. Näin ovat syntyneet myös biokemia ja fysikaalinen kemia, jota itse edustan. Ne yhdistelevät muun alan tietämystä kemian kanssa.
Eli kyllä tekoälyn avulla syntyy jossakin vaiheessa jotain uutta, esimerkiksi data-aineistoista uusi yhdistelmä, jota ei ole aiemmin hoksattu. Olemme läpimurron kynnyksellä, mutta sen aika ei ole kuitenkaan ihan vielä. Ensiksi tarvitaan paljon laadukasta kemian alan dataa tekoälyn käyttöön.
Kuka?
- Kari Laasonen, 61
- Professori Aalto-yliopiston Kemian ja materiaalitieteen laitoksella, Computational Chemistry.
- Johtaa Aallon laskennallisen kemian tutkimusryhmää.
- Suomalaisen Tiedeakatemian jäsen vuodesta 2007.
