Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen laitos sekä tietojenkäsittelytieteen laitos Helsingin Yliopisto Kumpula-Kollokvio

Hahmotelma Todennäköisyyspäättely  Tekoäly logiikasta tilastotieteeseen Aivot ja niissä tapahtuva tietojenkäsittely  Oppimisen merkitys Aivojen mallintaminen todennäköisyyspäättelynä Siitä seuraava yllättävä hyöty

Mitä on todennäköisyyslaskenta? Lasketaan todennäköisyyksiä kuten  Mikä on todennäköisyys voittaa lotossa?  Miten todennäköistä saada tauti X jos on suomalainen mies? Olennaisesti lasketaan kyseisten tapahtumamahdollisuuksien määrä ja jaetaan kokonaismäärällä

Entä todennäköisyyspäättely? Päätellään monimutkaisissa tilanteissa  Potilaalla on oire X ja hieman oiretta Y, ja geenit G, H, I (muttei J, kaiketi), asuu paikkakunnalla K lisäksi väittää noudattavansa dieettiä D. Mikä on sairaus?  Metsässä puiden välissä vilahtaa jotain keltaista. Kuuluu outoja ääniä. Mikä on todennäköisyys että se on tiikeri? Tärkeää lainalaisuuksien oppiminen datasta, ja niiden yhdisteleminen

Päättely ja (teko)äly Älykkyys on logiikkaa (klassinen tekoäly)‏ Älykkyys vaatii oppimista, esim. aivoja matkivilla “neuroverkoilla” Älykkyys on todennäköisyys- päättelyä, oppiminen tilastotieteellistä Aivojen ja tietokoneiden älykkyyden mallintaminen pitkälti samoilla linjoilla

Aivot Tieteen suurin ongelma? Käsitteellistetty eri tavoin:  kellopeli  höyrykone  tietokone  internet? ...

Hermosolu (neuroni)‏ S. Ramón y Cajal, 1900 C.W.A. Lee ym., 2005

Hermosolut tietojenkäsittelijöinä C.W.A. Lee ym., 2005 Lähettävät sähköisiä signaaleja toisilleen Tietojenkäsittelyn perusyksiköitä (prosessoreita?)‏ “massiivisesti hajautettu ja rinnakkaistettu”: äärimmäisen monta pientä prosessoria

Millaista tietojenkäsittelyä hermosolussa? 1943: hermosolut ovat binääriarvoisia loogisia portteja (JA, TAI, EI -operaatioita) 1960: hermosolut laskevat lineaarisen summan sisääntulevista jatkuva-arvoisista signaaleista 1990-luku: tämä voisi olla todennäköisyys- päättelyä

Miksi tarvitaan todennäköisyyspäättelyä ? Todennäköisyyspäättely mahdollistaa päättelyn epävarmoissa tilanteissa  Maailma on niin monimutkainen, että epävarmuutta on aina (tiedon epätäydellisyys)‏ Sisältää oppimisen tilastollisten mallien muodossa  Helpottaa älykkyyden “ohjelmointia” Huom: Evoluutiokin on oppimisprosessi

Esimerkki: luonnollisten kuvien malli aivoissa Aivoissa malli siitä, minkälaisia silmissä näkyvät kuvat tyypillisesti ovat Malli on tilastollinen, koska mahdotonta kuvata tarkasti Sen perusteella voidaan tehdä erilaisia päättelyitä

Esimerkkejä päättelystä + = Osittain peitetty objekti Viiva pisteistä Illusoriset ääriviivat

Lineaarinen tilastollinen malli kuvista Kertoimien s tilastollisia ominaisuuksia mallintamalla - opitaan piirteet - voidaan tehdä päättelyä

Aivoissa opittuja kuvapiirteitä Apinan aivoista mitattu (D. Ringach, 2007)‏ Simulaatiomme tulokset (Riippumattomien komponenttien analyysi) (Olshausen & Field 1996 mukaan)‏

Yllättävä hyöty Tilastolliset mallit, joita aivot ilmeisesti käyttävät, soveltuvat monenlaiseen data- analyysiin, esim. kaikkiin luonnontieteisiin. Älykkyys onkin datan analyysiä aivan kuten tutkijat sitä tekevät? Aivojen mallintaminen, tekoäly, tilastotiede yhdistyvät?

Esimerkki yllättävästä hyödystä: aivosähkökäyrien (EEG) analyysi Jälleen riippumattomien komponenttien analyysi

Tulevaisuuden kysymyksiä Onko todennäköisyyspäättely älykkyyden viimeinen sana?  Aivot ovat kuitenkin toimintaa varten Onko paras tie tekoälyyn aivojen matkiminen? Onko tekoäly paras tie aivojen ymmärtämiseen?

Loppupäätelmä Todennäköisyyspäättely on moderni lähestymistapa  aivojen mallintamiseen  älykkäiden koneiden ohjelmoimiseen  erilaisten datajoukkojen analyysiin Oppiminen ja päättely samassa viitekehyksessä Aivot uusi innoittaja tilastotieteen kehitykseen