Ihmetellessämme ensimmäistä autopilotilla toimineen Tesla-auton aiheuttamaa kuolemaan johtanutta onnettomuutta, automatisaation kasvava rooli arjessamme on hyvä ottaa keskustelun aiheeksi. Myös mittaustekniikka on automatisoitunut voimakkaasti viimeisten vuosikymmenten mittaan ja välillä herää kysymys miten kaikki tämä kehitys vaikuttaa ammattitaitoon. Teslan tapauksessa siis kuljettajan ajotaitoon.

Käytännössä automaatio on siunaus – koneet ja ohjelmat hoitavat kasvassa määrin rutiinityöt ja operaatiot ja sen myötä hinnat ovat halventuneet ja turvallisuus on kasvanut monilla aloilla. Lentokoneteollisuus on erinomainen esimerkki alasta, jossa turvallisuus on kasvanut huomattavasti koneiden avustaessa ohjaajia sukupolvi sukupolvelta enemmän. Kaikki nykyiset lento-onnettomuudet ovat enemmänkin poikkeustilanteita kuin rutiininomaisia tapahtumia poikkeuksena muutamat huonon turvallisuuskulttuurin maat.

Optisen mittaustekniikan kohdalla keskuudessamme on vielä paljonkin henkilöitä, jotka ovat aloittaneet uransa manuaalisten ja konkreettisten mittausten parissa. Laitteita tarvitsi säätää paljon nykyistä enemmän, mittauksia suunnitella ja tuloksena mitattiin yksittäisiä pisteitä tai etäisyyksiä harvaan tahtiin. Bonuksena laitteiden toimintaperiaate oli pakko sisäistää hyvin, sillä muuten niillä ei onnistunut mittaamaan oikein. Hyvä esimerkki tällaisesta laitteesta on vaikkapa stereomittauskoje tai teodoliitti.

Kun tietokoneet saatiin mittalaitteiden sisään, niin algoritmit ovat alkaneet hoitaa monia tehtäviä puolestamme. Samoin mittauslaitteista saadut havainnot prosessoidaan tietokoneilla muutamalla napin painalluksella. Tämä kehitys on johtanut siihen, että tieto mitä mittauksessa ja prosessoinnissa oikeasti tapahtuu, alkaa kadota. Kehityksen myötä mittauksen virheet eivät kuitenkaan ole kadonneet minnekään, mutta käyttäjillä ei ole myöskään tietämystä analysoida tai havaita virheitä. Monet uudet automaattiset järjestelmät ovat kompleksia ja niissä yhtyy monen alan tietotaito tavalla, jota peruskäyttäjä ei ehkä kykene hallitsemaan.

Automaattisiin järjestelmiin myös luotetaan suuresti, mutta täydellistä automaattista järjestelmää ei ole vielä olemassakaan. Eteen tulee siis tilanteita, joihin laitteen automaatiota ei oltu suunniteltu tai sitten tilanteet ovat vain äärimmäisen epätodennäköisiä. Kun varsinainen ammattitaito on automaation myötä alkanut rapautua, niin tilannetta on korvattu kasvavalla ohjeistuksella ja toisiaan varmentavilla lisäjärjestelmillä – siis valvonnalla. Näistä toimenpiteistä huolimatta lentokoneet putoavat ja laivat ajavat karille, koska viimeisenä turvana mukana olleet ihmisoperaattorit eivät ole huomanneet järjestelmien vikoja. Tai jos ovat huomanneet, niin heillä ei ole enää ammattitaitoa toimia poikkeustilanteissa. Olemme turtuneet automaation pinnalliseen helppouteen, vaikka kaikkialla nyky-yhteiskunnassamme vaanii automaatioparadoksi.

Niin kauan kuin teköäly on vielä lapsenkengissään, ainoa mahdollisuus selvitä ongelmatilanteista on ihmisten koulutus. Monella alalla se tarkoittaa käytännössä nykyään itseohjautuvaa koulutusta, sillä tämän tason tietoa – teorian ja käytännön yhdistämistä – ei oikein enää löydy oppilaitoksista tai ainakaan siihen ei katsota olevan varaa. Lääketieteeen alalla vaativien töiden prosessi on tunnustettu, sillä esimerkiksi ”Koko (kirurgisen) hoitotiimin jatkuva oppiminen tapahtuu toiston ja harjoittelun sekä uuden tiedon hankkimisen ja soveltamisen kautta.” Eivät monien muiden alojen kompleksiset tehtävät poikkea millään tavoin lääkärien tai lentäjien työstä ja tehdyt virheet maksavat.

Lopuksi vielä hyvä esimerkki algoritmien rakentamisen vaikeudesta. Erilaisten piirteiden kuten ihmiskasvojen automaattinen tunnistaminen kuvilta on kasvanut räjähdysmäisesti viime vuosina, mutta kuinka luotettavaa se on tällä hetkellä? Ilmeisen epäluotettavaa, jos aineistojen määrät kasvavat. Ihmiskasvojen kohdalla saman algoritmin toimivuus pienellä aineistolla saattaa olla 90% ja aineistojen kasvaessa lopputulos putoaakin 35%:iin. Puhumattakaan eri algoritmien välisistä eroista.

Kun harjoitusaineistoilla kehitettyjä ohjelmia tuodaan reaalimaailmaan, niin ongelmat vasta alkavat. Kun näillä vaillinaisilla algoritmeilla automatisoidaan maailmaa, niin parasta vaan edelleenkin hyväksyä onnettomuuksien ja vikatilanteiden olemassaolo. Meillä ei ehkä ole työkaluja laskea näiden onnettomuuksien todennäköisyyttä luotettavalla tavalla, mutta kenenkään ei kannata tuudittautua maailmaan, jossa automaatio pelastaisi meidän virheiltä.

PS. Tätä automaatiota ja virheiden määrää mekin pohdimme jatkuvalla syötöllä. Viimeksi asia tuli hyvin konkreettisesti eteen ilmasta tehtävän mittauksen kohdalla. Tehokkaassa yhteiskunnassamme kaikkein automaattiset mittausjärjestelmät toimivat siten, että esimerkiksi helikopterissa tarvitaan vain pilotti, joka hoitaa ohjauksen, mittauksen, havainnoi kasvillisuuden ongelmakohtia yms. Jo ilmailulainsäädännön kannalta toiminta herättää hiukan kysymyksiä, koska pilotin pitäisi turvallisuuden takia keskittyä siihen varsinaiseen hommaansa. Mittauksen kannalta se tarkoittaa, että lopputuloksia kontrolloidaan oikeasti vasta maassa eikä ilmassa välttämättä edes huomata mitään ongelmia aineistoissa. Näin tapahtui huhujen mukaan Ruotsissa, jossa laserkeilauslaitteisto putosi lentokoneen kyydistä kesken mittauksen ja sen katoaminen huomattiin vasta koneen laskeuduttua…