Tekoäly navetassa

Tekoäly tulkitsee mitä tahansa asiaa kuin se olisi palapeli. Palapelin paloja voidaan yhdistellä miten päin vain, jos niissä on viitteitä asiaan. Palapelin palat eivät pelkästään rajoitu tähän hetkeen, vaan osa niistä on menneisyydestä. Paloihin voidaan liittää toinen palapeli tai muita kokonaisia palapelejä. Palakokonaisuuksista heijastetaan haluttuun paikkaan johtopäätösoletus.

Tekoäly tarvitsee määrätyt kaavat eli algoritmit toimiakseen, mutta se kykenee itse havainnoimaan kaavoihin liittyviä vaikeitakin polkuja. Tekoälyjä on eri tasoisia. On kapeaa, vahvaa ja supertekoälyä. Kapea tekoäly toimii vain rajatuissa tehtävissä ilman kehittyvää tietoisuutta. Vahvaa tekoälyä on ihmisen tasoisuus ja supertekoälyä ihmistä parempi tasoisuus. Uusi keksintö tekoäly ei kuitenkaan ole, termin käyttö ja kehitystaival ovat alkaneet jo vuonna 1956.

Tekoälyn luotettavuus

Tekoäly on melkoinen salapoliisi ongelmanratkomisessa, mutta voiko siihen luottaa? Kun on kyseessä rajatun datajoukon perusteella tehtävä palapelimäinen tulkinta, riippuu lopputulos koottavista palasista. Sattuiko nautojen ruokintakioskin maadoitus olemaan pielessä ja se vähensi syöntikertoja? Entä muut vastaavat sattumat? Myös tekoälyn käyttämät algoritmit vaikuttavat lopputulokseen. Ennen kuin tekoäly kokoaa palapelistä rakennelmaansa, ihminen on antanut sille määräykset ja mahdollistanut datan keruun. Ihmistä (vielä) tarvitaan, ennen kuin supertekoäly tulee.

Tekoäly ruokkijana ja lypsylupien antajana

Lypsyrobottitiloilla on mahdollista luoda ruokintataulukoita, joita tuotannonhallintaohjelma määritysten jälkeen automaattisesti käyttää. Saatu data ruokinnan muutoksista tallentuu. Käskynä rehumäärien laskennalle voi olla esimerkiksi viikon keskimääräinen maitotuotos. Lypsylupien suhteen voidaan antaa määrityksiä aikaperusteen lisäksi milloin millekin ryhmälle, tuotoskaudelle, tuotoskauden vaiheelle tai odotettavalle maitokilolle. Ruokintataulukoita ja lypsylupalaskentaa on käytetty jo pitkään, ja tuotannonhallintaohjelmat kehittyvät jatkuvasti.

Tekoäly terveyden tulkitsijana

Tuotannonhallintaohjelman keräämää dataa voidaan tulkita monen tekijän ja vaikuttimen summana. Näiden tekijöiden ja vaikuttimien toistuvat yhteydet voivat olla ihmiselle epäselviä, mutta tekoäly voi yhteyksiä löytää. Tekijöitä voivat olla esimerkiksi liikkumis- ja syöntiaika tai seisonta-aika. Tekoäly voi löytää viitteitä todennäköisestä johtopäätöksestä. Sitä edistää se, että pilvessä olevaa tekoälyn laajaa datapankkia käytetään tulosten luontiin.

Esimerkki valaiskoon asiaa: tekoäly antoi johtopäätöksen, että kolmen alkukauden lehmän sairastumisriski oli kohonnut. Kaikilla eläimillä DIM eli päivää maidossa -aika oli lähes sama. ProAgrian koelypsyraportin ja ruokinnan tulkinnan jälkeen havaittiin, että syynä on ilmeisesti hapanpötsi. Sovittiin ruokinnan uudelleen laskemisesta ja ruokintataulukoiden päivityksestä. Tarkastettiin myös automaattiset lypsyluvat ja päivitettiin niitäkin nykyhetkeen sopivammaksi. Tässä tapauksessa tekoäly antoi hyvän vinkin siitä, mitä joukkoa karjasta kannattaa erityisesti tarkastella.

Lähteet:
Heikkinen, Seppo: Tekoäly muuttaa maailman – pian se tekee jopa lääkärin ja juristin töitä. Yle oppiminen. 4.6.2017
Toivonen, H. 2023. Mitä tekoäly on? Helsinki: Kustannusosakeyhtiö Teos. Viitattu 14.6.2024 Närhi, Leena: Tekoäly töitä tekemässä. Laurea.
Delaval n.d 2024, Delaval DeepBlue tekoäly: https://www.delaval.com/fi/laiteratkaisut/tuotannonohjaus/delaval-plus/