Tekoäly ennustaa sosiaaliseen riskiryhmään kuulumisen
Viime vuosina Suomessa ja maailmalla on nähty useita yrityksiä ennustaa erilaisten elämän tapahtumiin liittyvien sosiaalisten riskien todennäköisyyttä yksilöille käyttäen heistä saatavilla olevaa dataa ja koneoppimismenetelmiä. Esimerkkejä tällaisista ovat vaikkapa riski jättää koulu kesken, joutua lastensuojelun toimenpiteiden kohteeksi, päätyä työttömäksi tai kokea avioero. Mallit perustuvat tyypillisesti sekä yksilön että hänen elinympäristönsä ominaisuuksiin, esimerkiksi yksilön aiempaan koulumenestykseen, vanhempien koulutustaustaan tai sosioekonomiseen taustaan sekä koulun tai asuinympäristön piirteisiin. Tutkimusten mukaan tällaisten elämänkulkuun liittyvien negatiivisten tapahtumien ennustettavuus on yleisesti ottaen alhainen. Mallien alhainen ennustuskyky yksilöiden kohdalla ei kuitenkaan tarkoita sitä, etteikö malleista olisi ollenkaan hyötyä, sillä niiden avulla voidaan tehdä päätelmiä populaatiotasolla.11 Usein keskeistä päätelmien kannalta on arvioida ihmisten riskiä suhteessa toisiinsa. Toisin sanoen on usein tärkeämpää arvioida, ketkä kuuluvat pahimpaan syrjäytymisriskiin, vaikka täsmällistä lukua syrjäytymisriskille yksilöiden kohdalla on vaikeaa asettaa.
Tutkimuksissa on myös huomattu, että yksinkertaiset mallit ennustavat riskiä lähes yhtä hyvin kuin edistyneemmät koneoppimismallit. Koneoppiminen on tuottanut joitakin menestyksiä sosiaalisten riskien mallintamisessa, kuten mielenterveysongelmien huomioonottamisessa resurssien jaossa. Kuitenkin koneoppimis- ja tekoälymallien hyötyä kannattaa punnita rauhassa ennen niiden käyttöönottoa ja ennen kaikkea ymmärtää niistä saatavissa oleva hyöty. Tärkeää on myös määritellä ennen mallien käyttämistä, miten hoitavan tahon tulisi auttaa korkean riskin henkilöitä. Usein apua on vaikeaa kohdentaa yksittäisiin ihmisiin, sillä malli tekee yksilöstä päätelmiä tämän ympäristön, kuten asuinalueen tai sosioekonomisen taustan, perusteella. Näitä ominaisuuksia voi muuttaa lähinnä vain yhteiskunnan tasolla, jolloin mahdollisuus vaikuttaa yksilöön on rajallinen.
ihmisten arjessa
Megumi Iwata, Juho Kahila, Jari Laru, Iiris Lehto, Susanna Lindroos-Hovinheimo, Sanna Merikanto-Tolonen, Kati Mäkitalo, Tarja Pietarinen, Teemu Roos, Elisa Silvennoinen, Karoliina Snell & Milka Sormunen
