Tulevaisuudessa on trendikästä kuulua kaukolämpöverkkoon

Kaukolämmön asiakkaat ovat tulevaisuudessa yhä suuremmassa roolissa. Tuotantotavat monipuolistuvat ja kaukolämpöverkkoon saadaan pieniä paikallisia tuottajia, jolloin kuluttajat ovat myös tuottajia.

Kaukolämmöntuotannolla on Suomessa pitkät perinteet. Ensimmäiset laitokset otettiin käyttöön 50-luvulla, ja nykypäivänä joka toisen suomalaisen kotiin lämpö tulee putkia pitkin. Suomen juhlavuoden jälkimainingeissa voikin todeta, että kaukolämmitys on Suomen kansallisomaisuutta.

Me VTT:lla olemme päässeet viimeisten kuukausien aikana keskustelemaan niin kaukolämpöyhtiöiden, kaupunkien, alalla toimivien yritysten kuin asukkaita edustavien toimijoiden kanssa kaukolämmön tulevaisuudesta. Näihin keskusteluihin liittyen aloitamme nyt blogisarjan pohtimalla kaukolämpöyhtiöiden haasteita ja mahdollisuuksia asiakkaiden näkökulmasta. Kaiken keskiössä on nimittäin asiakas!

”Monien ymmärrys kaukolämmöstä päättyy kirjaimellisesti seinään, koska sieltähän kaukolämpö tulee, niin kuin raha pankkiautomaatista.”

Kaukolämpötoimijat näkevät ongelmana sen, että vaikka joukossa on hyvinkin tiedostavia asiakkaita, usein kaukolämmön loppukäyttäjät tietävät yllättävän vähän kaukolämmöstä. Kaukolämpö mielletään epäekologiseksi verrattuna kilpaileviin lämmitysmuotoihin. Moni ei tule ajatelleeksi, että lämmön ja sähkön yhteistuotanto on varsin tehokasta. Kaukolämpöyhtiöt suosivat polttoaineissa kotimaisia lähteitä, suuri osa polttoaineista on uusiutuvia, kaukolämpöverkossa hyödynnetään teollisuuden hukkalämpöjä ja kaukolämpöä voidaan tuottaa myös lämpöpumpuilla ja aurinkoenergialla.

Monien ymmärrys kaukolämmön osalta päättyy kirjaimellisesti seinään, koska sieltähän kaukolämpö tulee, niin kuin raha pankkiautomaatista. Kaukolämpö on asiakkaalle itsestään selvyys, mikä on kaukolämpöyhtiöille toisaalta hyvä ja toisaalta huono asia. Kaukolämpö on asiakkaalle varma, luotettava ja huoleton lämmitystapa, mikä palvelee monien tarpeita.  Asiakkaalla on aina puhelinnumero, johon soittaa ongelmatilanteessa. Toisaalta, kun kaukolämpö tulee ”seinästä” ja näkyvillä on vain lasku, on muiden alan toimijoiden helppo aggressiivisella ja joskus myös valitettavasti katteettomilla lupauksilla kilpailla kaukolämmön kanssa.

Tulevaisuuden kuluttaja pystyy vaikuttamaan kuluttamansa lämmön hintaan esimerkiksi valitsemalla, milloin lämpönsä käyttää.

Lämmitysmuodon valinta on usein ennemmin sydämen kuin järjen asia. Kaukolämmön asiakas on vielä paljolti passiivisen vastaanottajan roolissa. Kun taas vaihtoehtoinen lämmöntuotanto tapahtuu yleensä asiakkaan välittömässä läheisyydessä, jolloin omat vaikutusmahdollisuudet hinnan, ekologisuuden, teknisten ratkaisujen ja kulutuksen suhteen nähdään suuremmiksi. Kaukolämpötoimijat näkevät kuluttajan tulevaisuudessa suuremmassa roolissa kuin nykyään. Tulevaisuuden kuluttaja pystyy vaikuttamaan kuluttamansa lämmön hintaan esimerkiksi valitsemalla, milloin lämpönsä käyttää. Tämä vaatii kaukolämmön kulutuksen reaaliaikaista mittausta ja kaukolämmön hinnoittelumallien muuttamista siten, että joustavia asiakkaita voidaan palkita. Niin sanottu kysyntäjousto mahdollistaisi kaukolämpöyhtiöille pienemmät investoinnit huipputeholaitoksiin ja vähentäisi fossiilisten polttoaineiden käyttöä huippukäytön aikoina.

Kaukolämpötoimijat uskovat, että tuotantotavat monipuolistuvat tulevaisuudessa ja kaukolämpöverkkoon saadaan pieniä paikallisia tuottajia. Kuluttaja nähdään myös mahdollisena tuottajana. Tulevaisuuden kaukolämpöverkko on näiden kuluttaja-tuottajien yhteisö, jossa lämpöä jaetaan tarpeen mukaan. Osa kaukolämpötoimijoista visioi, että saattaa tulla esimerkiksi asuinalueita, jotka perustavat oman verkkonsa. Jo nyt moni asiakas on valinnut hybridiratkaisun, esimerkiksi poistoilmalämpöpumpun kaukolämmitettyyn kiinteistöön. Tällaisten kaukolämpöyhtiöiden kanssa tehtävien räätälöityjen ratkaisujen yleistyessä, asiakas on yhä keskeisemmässä roolissa kaukolämpöverkon kehityksessä.

Sana lämpöyhtiö saattaa tulevaisuudessa olla historiaa ja aletaan puhua olosuhdepalveluja tuottavasta yrityksestä.

Kiinteistöjen lämpöenergiankulutus pienenee rakennuskannan uudistuessa, ja varsinkin muuttotappiokunnissa kaukolämpöasiakkaiden määrä vähenee. Moni yhtiö on jo kehittänyt ja aikoo vastaisuudessa kehittää lisäpalveluita lämmönmyynnin rinnalle, asiakasta esimerkiksi autetaan löytämään hänelle toimivin energiaratkaisu ja energiansäästökohteet. Asiakkaat vaativat tulevaisuudessa sisäolosuhteita ja mukavuutta asumiseensa. Moni keskusteluun osallistuneista kaukolämpötoimijoista näkikin, että sana lämpöyhtiö saattaa tulevaisuudessa olla historiaa ja aletaan puhua olosuhdepalveluja tuottavasta yrityksestä.

Lue lisää: VTT Impulssi – Asuinmukavuus ja energiatehokkuus mahtuvat samaan kotiin

heidi_saastamoinen


Heidi Saastamoinen

Research Scientist
heidi.saastamoinen(a)vtt.fi

 

 

satu_paiho
Satu Paiho
Senior Scientist
satu.paiho(a)vtt.fi

Will artificial intelligence remain under human control?

How can one communicate fluently with artificial intelligence? Can one cooperate with artificial intelligence?

The existing artificial intelligence (AI) systems based on machine learning are often independent actors that inform people about their conclusions, but otherwise interact with people in a very limited scale.  AI is being increasingly introduced not only in services accessible via the internet, but also in mobile machines, such as autonomous cars and robots. We should consider how to ensure that AI will always remain under human control, and how humans can and how they should be able to interact with AI.

Verbal and non-verbal communication

In trend analyses of technology, the interactive properties of AI have been identified as the next major step in their development. Dialogical interaction does not require the user to seek and learn commands, but the correct function is negotiated through free dialogue with the machine. Interaction can be supplemented by non-verbal communication in such a manner that the machine identifies and reacts to the person’s emotional state, such as the person being confused. A machine can learn to identify individuals and adjust its operations according to which matters the person is and is not familiar with, and how he or she prefers to operate. Personal virtual assistants, such as Apple’s Siri, strive to establish a relationship with their owner and learn their preferences in such a manner that, with time, they can predict the person’s needs and offer assistance even before the person takes the initiative to ask for it.

In the internet, nowadays you often encounter chatbots. They are already relatively clever, and, when dealing with them, you may not always notice at first that you are not encountered by a real human being. A chatbot’s ability to discuss is based on the fact that it knows very well the limited service area within which it operates. It has learned to predict what kind of questions people may have. Every now and then, a chatbot may feel a little bit rude. This probably derives from the fact that they are programmed by people who transfer their own manners to the robot.

Interest towards AI solutions where a human and AI operate in collaboration with each other is increasing.  Collaborative human power can be used, for example, for collecting data or interpreting images in solutions, where a large group of people and AI form a collectively functioning entity. This kind of collective  intelligence has been used for such purposes as digitalisation of old texts. A human eye is incomparable in recognising words, even when written in strange letters. When AI carries out easy text recognition tasks and lets people deal with any unclear cases, the work will advance quickly with such collective power.

Fluent interaction requires learning and participation

Fluent interaction between humans and AI still requires a lot of development in many areas. In the future, we will see increasing amounts of work teams consisting of humans and robots. A robot can assist humans in many kinds of maintenance and service tasks. Fluent interaction is based on AI, with the help of which the robot interprets its environment and humans. Recognising the intentions of one another plays a key role: a human must be able to anticipate the robot’s actions, and, in the same way, the robot must be able to anticipate human actions. Dialogical interaction solutions are needed in this field as well.

Autonomous cars and other vehicles largely function on their own, but when they encounter a problematic situation, they may easily need human assistance. In such a situation, it is good if the machine has kept the human up to date on what is going on, so that he or she may quickly resolve the problematic situation. Indicating and recognising intentions is important also with a view to bystanders: when pedestrians encounter an autonomous car, how can they be sure that the car has seen them and stops at a pedestrian crossing to give way for them? How do you establish an eye contact with an autonomous car?

Different smart services at home and in offices strive to fulfil people’s wishes and predict their desires. Often such services remain unnoticed by people, in which case it may remain unclear why air conditioning is blowing at full blast or why the temperature does not rise. An easy interaction channel is needed, so that people can find out why things are going the way they are going, and that they can influence matters.

AI is not infallible − it can make mistakes and it may have faults. Once humans learn to understand the limitations of AI, and the way AI draws conclusions and functions, the interaction between them will become easier. When people understand the basics of the way AI functions, they can put themselves on a level with it, in the same manner as people naturally tune into the same level with the person they are talking with.  It is important to develop AI solutions in such a manner that people who will work with AI are allowed to participate in the design of the solutions.

Read more: VTT and Smart City

Kaasinen Eija
Eija Kaasinen
Senior Scientist, VTT
@eijakaasinen 
eija.kaasinen(a)vtt.fi

 

 

Pysyykö tekoäly ihmisen hallinnassa?

Miten tekoälyn kanssa voi kommunikoida sujuvasti? Voiko tekoälyn kanssa tehdä yhteistyötä?

Nykyiset koneoppimiseen perustuvat tekoälysysteemit ovat usein itsenäisiä toimijoita, jotka tuovat johtopäätöksensä ihmisten tiedoksi mutta eivät muuten paljon ole vuorovaikutuksessa ihmisten kanssa.  Tekoälyä on tulossa yhä enemmän paitsi verkon kautta saataviin palveluihin myös liikkuviin koneisiin kuten autonomisiin autoihin ja robotteihin. On syytä miettiä, miten tekoäly varmasti pysyy ihmisen hallinnassa sekä miten ihminen voi ja miten pitää voida olla vuorovaikutuksessa tekoälyn kanssa.

Sanallinen ja sanaton viestintä

Teknologian trendianalyyseissa tekoälyn vuorovaikutusominaisuudet on tunnistettu seuraavaksi merkittäväksi kehitysaskeleeksi. Keskusteleva vuorovaikutus ei vaadi käyttäjää etsimään ja opettelemaan komentoja vaan oikea toiminto neuvotellaan vapaassa keskustelussa koneen kanssa. Vuorovaikutusta voi täydentää sanaton viestintä niin, että kone tunnistaa ja reagoi ihmisen tunnetilaan, kuten esimerkiksi siihen, että ihminen on ymmällään. Kone voi oppia tunnistamaan yksilöitä ja muokata toimintaansa sen mukaan, mitkä asiat ovat tälle henkilölle tuttuja, mitkä outoja, ja miten hän mieluiten toimii. Henkilökohtaiset virtuaaliapulaiset, kuten Applen Siri, pyrkivät luomaan suhteen omistajaansa ja oppimaan hänen mieltymyksensä niin, että pystyvät ajan myötä ennakoimaan ihmisen tarpeita ja tarjoamaan apua jo ennen kuin ihminen sitä ehtii itse pyytää.

Verkossa voi useinkin törmätä keskustelurobotteihin (chatbot). Ne ovat jo kohtuullisen taitavia ja niiden kanssa asioidessa ei edes heti huomaa, että vastassa ei olekaan oikea ihminen. Keskustelukyky perustuu siihen, että keskustelurobotti tuntee hyvin rajatun palvelualueen, jolla se toimii. Se on oppinut ennakoimaan, minkä tyyppisiä kysymyksiä ihmisillä on. Keskustelurobotti voi joskus tuntua vähän töykeältä, se johtunee siitä, että niitä ohjelmoivat ihmiset, joiden omat käytöstavat siirtynevät robotille.

Kiinnostus on kasvamassa sellaisiin tekoälyratkaisuihin, joissa ihmiset ja tekoäly toimivat yhteistyössä.  Ihmisten joukkovoimaa voidaan käyttää esimerkiksi tietojen keräämiseen tai kuvien tulkitsemiseen ratkaisuissa, joissa laaja joukko ihmisiä ja tekoäly muodostavat yhdessä toimivan kokonaisuuden. Globaalia älyä on käytetty esimerkiksi vanhojen tekstien digitoinnissa. Ihmissilmä on ylivertainen tunnistamaan sanoja oudoillakin kirjasimilla kirjoitettuna. Kun tekoäly tekee helpot tekstien tunnistamiset ja antaa ihmisten tehtäväksi epäselvät tapaukset, niin joukkovoimalla työ etenee vauhdikkaasti.

Sujuva vuorovaikutus vaatii  oppimista ja osallistumista

Ihmisen ja tekoälyn sujuvassa vuorovaikutuksessa riittää kehittämistä monella alueella. Tulevaisuudessa teollisuudessa nähdään yhä enemmän ihmisten ja robottien muodostamia tiimejä. Robotti voi toimia ihmisen apurina myös monenlaisissa huolto- ja palvelutehtävissä. Sujuva vuorovaikutus perustuu tekoälyyn, jonka avulla robotti tulkitsee ympäristöään ja ihmistä. Keskeistä on aikeiden tunnistaminen puolin ja toisin: ihmisen tulee pystyä ennakoimaan robotin toimia ja samoin robotin tulee ennakoida ihmisen toimia. Keskustelevia vuorovaikutusratkaisuja tarvitaan tälläkin alueella.

Autonomiset autot ja muut kulkuneuvot toimivat suurelta osin itsenäisesti, mutta kun eteen tulee pulmatilanne, tarvitaan helposti ihmistä apuun. Silloin on hyvä, jos ihminen on pidetty koko ajan tilanteen tasalla, jotta hän voi nopeasti selvittää, miten ongelmasta päästään yli. Aikeiden ilmaisu ja tunnistaminen on tärkeää myös sivullisten kannalta: kun jalankulkija kohtaa autonomisen auton, miten hän voi varmistua, että auto on havainnut hänet ja pysähtyy suojatien eteen antamaan tietä? Miten autonomiseen autoon saadaan katsekontakti?

Erilaiset älykkäät palvelut kodissa tai toimistossa pyrkivät täyttämään ihmisen toiveet ja ennakoimaan toiveita. Usein palvelut eivät näyttäydy ihmiselle, jolloin saattaa jäädä epäselväksi, miksi ilmastointi hurisee täysillä tai miksi lämpötila ei nouse. Tarvitaan sujuva vuorovaikutuskanava, jotta ihminen saa selville, miksi asiat menevät niin kuin menevät ja että asioihin voi vaikuttaa.

Tekoäly ei ole erehtymätön, se voi tehdä virheitä ja siihen voi tulla vikoja. Kun ihmiset oppivat ymmärtämään tekoälyn rajoitteet ja tekoälyn tavan päätellä ja toimia, niin vuorovaikutuskin helpottuu. Kun ihminen ymmärtää tekoälyn toiminnan perusteita, hän osaa asettua samalle tasolle sen kanssa, samaan tapaan kuin ihminen luontevasti virittäytyy ihmiskeskustelukumppaninsa tasolle.  Tekoälyratkaisuja on tärkeää kehittää niin että ihmiset, jotka tekoälyn kanssa tulevat toimimaan, otetaan mukaan ratkaisujen suunnitteluun.


Kaasinen Eija
Eija Kaasinen
Senior Scientist, VTT
@eijakaasinen 
eija.kaasinen(a)vtt.fi

Smart buildings as part of smart cities and societies

In order to reach clean and low-carbon future in cities, buildings need to become a proactive part of the urban environment. What this means is that they need to be highly efficient and allow for flexibility in their operations. All this requires new level of integration and smartness in the buildings themselves, and in their physical and digital connections with the rest of the urban environment.

Can I make my building smart with a mobile app?

Our smart phones already have all the necessary computing power needed to operate any smart home device. With them, it is possible to control, for example, lighting, heating and cooling, monitor your energy consumption, and detect leaks in water lines. All this can help you to manage and customize the conditions in your home and improve safety. However, a set of apps and gadgets do not equal to a smart building or ease of living. A smart building integrates all the building systems work seamlessly together in an optimal way and provides you your preferred living conditions without the need of apps. There are already examples of companies, who have entered the market by providing fully integrated service solutions. You can already buy desired indoor air conditions as a service, whilst enjoying cost and energy savings.

Will smart buildings result in smart cities?

Building-level integration and intelligence can enable significant building-level savings, while improving indoor conditions. However, the biggest benefits are found on the district or city-level, when two or more buildings are connected together with smart technologies. A simple example is connecting buildings with cooling needs, such as ice hockey rinks or server centers with buildings with heating needs, like swimming halls. These types of simple pairings have shown to bring energy savings of up to 40% with relatively simple technologies. On a district-scale, there are already projects in planning, where office and residential buildings are connected together through two-way district heating and cooling networks for even greater efficiencies.

What’s the demand-side management all about?

Buildings can store heating and cooling energy in their structures and systems, enabling them to operate without external supply of energy over short time periods without sacrificing their indoor conditions. When large enough heating or cooling masses are grouped and managed together, energy demand can be spread out more evenly, resulting in significantly lower peak demand. What this means for cities and energy companies is that once fully rolled out, demand side management can help to remove the need of some of the inefficient peak power plants. Ideally, this equals to lower emissions and lower cost throughout the value chain from the energy producer to the consumers.

Virtual power plants, today?

On electricity side there are already first commercial examples of large buildings operating in the electricity markets as virtual power plants. These types of examples are possible through a combination of integrated and automated building systems, combined with electricity storage and flexible loads inside the building. When such buildings are integrated to the grid, they can operate in the flexibility market. Likewise, aggregator business models, where geographically distributed smaller flexible loads combined together and connected to the flexibility market, are emerging.

What next?

Buildings can transform from consumers of resources, energy and services to active prosumers of all of these. This is where it all starts to make sense for the building owners, as there’s untapped revenue streams and savings that the new level of integration can bring. The examples are already many and the pace of change through roll-out of new business models is only accelerating.

If you want to read more about VTT’s vision regarding smart and sustainable cities, read our new white paper: Let’s turn your Smart City vision into reality.

Antti Ruuska VTT
Antti Ruuska
Business Development Manager, VTT
antti.ruuska(a)vtt.fi
Twitter: @antti_ruuska

 

Smart City development is inherently multi-technological and cross-disciplinary, and as an application-oriented research organisation VTT is an ideal partner. We work with the public sector and private companies as well as technology providers in research and innovation activities that expedites the development of smarter cities.  We can guide you from the early phases of vision-creation and concept development to practical implementations of smart outcomes.

How will we manage with artificial intelligence in the future?


What is machine learning? Why does artificial intelligence draw conclusions differently than humans do? How does artificial intelligence become superintelligence?

Early this year, I spent a night at a big hotel in Berlin. When I stepped into my room, it felt quite cool inside. There was a sticker by the door, telling that the hotel had introduced a ”Smart climate control” system and I could adjust the temperature to the desired level through my TV. I opened the TV and navigated to the climate control page through various turns. And there it was: the present temperature was 18 degrees and the target temperature set by the previous customer was 25. I set the target temperature to 22 degrees and went out to have dinner. When I returned to my room, the temperature had climbed to 19 degrees, probably due to my PC which I had left on in the room. It still felt quite cool, so I called the hotel reception for help. The help soon arrived. A janitor brought an old-style fan heater for my use. I could not keep the noisy fan on at night, so the temperature dropped back to around 18 degrees for the night. However, in the morning, I woke up well rested after a good night’s sleep. After all, you sleep better in a cool environment. This left me wondering that maybe the smart climate control was smart enough to understand better than I what was the ideal temperature for me. I would still have appreciated some kind of an explanation, because the “smart” system that does what it pleases without giving any say to a human left me feeling powerless. The hotel staff had also clearly resigned itself in front of the smart climate control and did not even try to fix the system in my room but resorted to using a good old fan heater. If the system really was smart, would it not also keep people up to date on the decisions it has made, telling what it is aiming at. If it does not function or cannot fulfil people’s wishes, would it not also give a reason for this?

From artificial intelligence to superintelligence

Artificial intelligence (AI) has been studied for decades, but now it is experiencing a strong renaissance. The earlier attempts to bring all expert knowledge on one subject into a single machine were defeated by their own impossibility. Today, the prevailing trend is the development of an AI based on machine learning, where the idea is that the machine learns little by little when being taught, but also on its own. Machine learning is well suited for the analysis of large masses of data and for supporting people in data-based decision-making. In medicine, for example, AI allows examination of different measurement data, and the machine can draw connections between data. Therefore, AI can be used for such a purpose as forecasting the development of a disease, when a patient’s data is compared to data on earlier patients. It is typical of machine learning that the result is not exact, but it is a probability-based forecast. That is why a machine cannot give similar detailed explanations for its conclusions as a human expert can.

A lot is expected of machine learning not only in medicine, but also in service business of companies, where AI can be used for analysing machine data collected from the field and forecasting, for example, occurrence of faults. In such applications, AI functions independently, analysing data and giving suggestions to people about the next necessary maintenance measures and even about their suitable timing, considering the financial factors.

In addition to these positive effects, futures researchers have also been painting some very gloomy scenarios about the “superintelligence” of the future that would be able to, for example, develop its own intelligence, draw its own conclusions and generate a will of its own, and could thus get out of the hands of both its designers and users.

What would be a potential path from the present machine learning-based AI systems to such superintelligence? AI is being introduced not only to services accessible via the internet, but also to mobile machines, such as autonomous cars and robots. Would this be the right time to consider making the future development paths such that the AI will remain under human control for sure?

A clever person solves the problems a wise person knows to avoid. This old wisdom should be applied to AI as well: if AI represents the cleverness and humans represent the wisdom, then humans must be secured a role in which they can prevent problems that AI might cause to itself or to humans. There must be an easy connection between AI and humans, and humans must have the final decision-making power. This prevents AI from getting out of human hands even as it learns new things.

In the next part of the blog series, I will focus more on the interaction between humans and AI.

Read more: VTT and Smart City

Kaasinen Eija
Eija Kaasinen
Senior Scientist, VTT
@eijakaasinen 
eija.kaasinen(a)vtt.fi

 

In the next part of the blog series, I will focus more on the interaction between humans and AI.

Using blockchains to increase trust in AI

Wouldn’t it be great if AI applications could trust each other in the same way humans do? I trust my local bank to handle my account since I know its history and it has been doing business honestly since my grandparents were alive. I trust my friends even more, because I know more about their history. Trust is often based on a common history, and we now have a technology for recording and sharing history.

What if every instance of AI had access to a public ledger, which contained a detailed history of all other AI, and AI-to-AI interactions? From this immutable ledger, they could see which algorithms, versions and heuristics the other AI is using; everybody they have interacted with before; what parts they contain and even their history and so on. They would be able to process this information in milliseconds and make decisions about who to trust and to what extent. After some level of trust had been established, they could proceed to make binding contracts with the help of smart contracts.

This is possible with blockchain technology. Blockchain is a technology which enables complete strangers to engage in the distributed but joint production and maintenance of a database. It could also increase people’s trust in AI. Distributed ledgers could serve as reliable black boxes in the case of accidents. For example, if autonomous cars were to collide, we would want to know what happened in order to prevent a recurrence. If the cars were seriously damaged, the only sources of information would be their manufacturers, but can we really trust them to hand over all information provided by the cars’ AI? The companies may want to protect their reputations and hold certain information back, or even tamper with it, before handing it over to investigators. If the blockchain included hashes of the data sets, we could check whether the information provided was the same as the last data stream sent to the manufacturer by AI.

Blockchain, the technology behind Bitcoin, has given us a new tool for building trust on the basis of cryptographic techniques, and via authentication through huge computing power. After the success of cryptocurrencies, this new trust model has been considered for many applications in various domains. However, it seldom adds much value, since we already have working systems with their own trust models and a long history behind them. Above all, the average user likes the current, familiar methods of building trust.

We currently have the technology to make digital contracts, or even smart contracts, but the preferred way to make a contract is by handwritten signatures on physical paper and shaking hands. To be frank, this quite a handy approach. But what about AI, which tends to lack hands but still needs a way of building trust? Fortunately, AI is not burdened by old techniques and established practices, leaving us free to create new types of trust-building methods in situations where AI interacts with AI. Of course, we could try to use trusted third parties to grant certificates for trustworthy AI, rather like driving licenses for autonomous cars. However, who would be the trusted party?

Visa Vallivaara & Kimmo Halunen
Cyber Security

Based on the topic of Vallivaara’s panel discussion “Opportunities to shape future data research – blockchain and what is it for and what not” at the RDA EU Data Innovation Forum
https://rd-alliance.org/rdaeu-data-innov-forum-2018

 

Halunen ja Vallivaara 20180214_120451
Kimmo Halunen
Senior Scientist, VTT Cyber Security
kimmo.halunen(a)vtt.fi
@khalunen

Visa Vallivaara
Research Scientist, VTT Cyber Security
visa.vallivaara(a)vtt.fi

 

Based on the topic of Vallivaara’s panel discussion “Opportunities to shape future data research – blockchain and what is it for and what not” at the RDA EU Data Innovation Forum
https://rd-alliance.org/rdaeu-data-innov-forum-2018

More Information
vttresearch.com: VTT Cyber Security

 

Lohkoketjusta tekoälyn luottamuksen rakentaja?

Eikö olisi mukavaa, jos tekoäly voisi luoda luottamusta eri tilanteissa samalla tavoin kuin ihmiset tekevät? Luotan paikalliselle pankille tilini hallinnan, koska tunnen sen historian ja se on toiminut rehellisesti isovanhempieni ajoista lähtien. Luotan ystäviini enemmän, koska tunnen vielä tarkemmin heidän historiansa. Luottamus perustuu usein yhteiseen historiaan ja meillä on olemassa teknologia historian kirjaamisen ja jakamiseen.

Entä jos tekoälyllä olisi joka tilanteessa pääsy julkiseen rekisteriin, joka sisältää kaikkien muiden tekoälyjen aiemman toiminnan tarkan historian sekä vuorovaikutukset? Tästä julkisesta muuttumattomasta tietokannasta tekoäly näkisi muiden käyttämät algoritmit, niiden versiot ja heuristiikan; sekä osapuolet, joiden kanssa se on ollut vuorovaikutuksessa aiemmin; sekä mitä osia ne sisältävät ja jopa osien historian ja niin edelleen. Se pystyisi käsittelemään nämä tiedot millisekunneissa ja päättämään kehen luottaa ja kuinka paljon. Kun jonkinasteinen luottamus on saavutettu, ne voisivat edetä tekemään sitovia sopimuksia hyödyntäen lohkoketjujen älysopimuksia.

Lohkoketjuteknologian avulla tämä on mahdollista toteuttaa. Lohkoketju on tekniikka, jolla toisilleen vieraat toimijat voivat yhdessä tuottaa ja ylläpitää tietokantoja hajautetusti. Tämän lisäksi sillä voi myös lisätä ihmisten luottamusta tekoälyyn. Hajautetut lokikirjat voisivat toimia luotettavina mustina laatikoina onnettomuustilanteissa. Esimerkiksi älyautojen törmätessä haluamme selvittää, mitä tapahtui, jotta voimme estää sen toistumisen. Jos autot vahingoittuvat vakavasti, ainoat tietolähteet olisivat autojen valmistajat, mutta voimmeko todella luottaa niiden luovuttavan kaiken tekoälyn toimittavan tiedon. Yritykset saattavat haluta suojella mainettaan ja jättää tietyt tiedot ilmoittamatta tai jopa muuttaa niitä, ennen kuin ne luovutetaan tutkijoille. Jos lohkoketju sisältäisi tiivisteet datapaketeista, niin voisimme helposti vertailla, onko annettu tieto sama kuin tekoälyn viimeisin valmistajalle lähettämä datapaketti.

Lohkoketju, tekniikka Bitcoinin takana, on antanut meille uuden työkalun rakentaa luottamusta, joka luodaan kryptografisin menetelmin ja varmennetaan suurella määrällä laskentatehoa. Kryptovaluuttojen menestyksen jälkeen tätä uutta luottamusmallia on tarkasteltu monissa sovelluksissa eri aloilla. Se ei tosin yleensä tuo juurikaan lisäarvoa, koska meillä on käytössämme toimivat järjestelmät, joilla on jo omat luottamusmallinsa ja pitkä historia takanaan. Ja ennen kaikkea tavalliset käyttäjät pitävät nykyisistä tutuista luottamuksen rakentamismenetelmistä.

Tällä hetkellä meillä on olemassa teknologia digitaalisten tai jopa älykkäiden sopimusten tekemiseksi, mutta silti yleisin tapa sopia ovat käsinkirjoitetut allekirjoitukset ja kädenpuristus. Ja kyllähän se on melko kätevää. Mutta entä tekoäly, jolla ei yleensä ole käsiä, se tarvitsee kuitenkin myös keinon rakentaa luottamusta. Tekoälyillä ei ole onneksi taakkanaan vanhoja menetelmiä ja juurtuneita tapoja, joten niille voidaan vapaasti rakentaa luottamusmenetelmiä uusilla tavoilla niihin tilanteisiin, joissa erilaiset tekoälyt ovat vuorovaikutuksessa keskenään. Tietenkin voimme yrittää käyttää luotettavia kolmansia osapuolia antamaan sertifikaatteja luotettaville tekoälyjärjestelmille, kuten ajokortteja älyautoille. Mutta mikä olisi se luotettu taho?

 

Halunen ja Vallivaara 20180214_120451
Kimmo Halunen
Senior Scientist, VTT:n kyberturvallisuustiimi
kimmo.halunen(a)vtt.fi
@khalunen

Visa Vallivaara
Research Scientist, VTT:n kyberturvallisuustiimi
visa.vallivaara(a)vtt.fi

 

Kirjoitus perustuu Vallivaaran paneelikeskuteluun “Opportunities to shape future data research – blockchain and what is it for and what not” RDA EU Data Innovation Forumissa https://rd-alliance.org/rdaeu-data-innov-forum-2018

Lue lisää:
vttresearch.com: VTT Cyber Security