Tekoäly hiipii energia-alalle

Mistä dataa?

12.04.2024, kello 11:56

Teksti Heikki Jaakkola | Kuva Scanstockphoto

Tekoäly on jo energia-alalla. Mikä tahansa automaatio ei kuitenkaan ole tekoälyä. Tekoäly-termiä käytetään laajasti, koska sille ei ole selkeää määritelmää.

Tekoälyjärjestelmiä rakentavan Silo AI:n liiketoimintajohtaja Jaakko Vainio kertoo, että tekoäly tukee jo monen suomalaisen energiayhtiön liiketoimintaa. Esimerkkinä hän mainitsee Helen Oy:n kanssa kehitetyn järjestelmän, joka ennakoi energian kulutusta historiallisen datan ja paikallisten sääennusteiden perusteella.

Toinen esimerkki löytyy Suur-Savon Sähkön kanssa kehitetystä mallista. Se tehostaa energian tuotantoon ja kaukolämpöverkon toimintaan liittyvää ohjausta. Tekoäly ei ole kuitenkaan vielä laajamittaisesti käytössä suomalaisissa energiayhtiöissä, mutta ei muissakaan alan yrityksissä maailmalla. Vainion mukaan yksi syy tähän on tekoälyinvestointien valtava laajuus. Tekoälyinvestointi tarkoittaa paljon rahaa, aikaa ja sitoutumista.

Alkuvaiheessa kehitystyö lankeaa isojen markkinoiden isoille toimijoille. Suomi sen enempää kuin muukaan Pohjola ei ole tehoälykehittelyn piilaakso. Tosin valtavia harppauksia ei ole nähty suuremmillakaan energiamarkkinoilla.

Tekoälyjärjestelmän rakentaminen edellyttää paljon dataa. Tietoa on kerättävä laaja-alaisesti monista erilaisista lähteistä. Keskustelevan ChatGPT:n kehittelyssä voitiin hyödyntää internetistä imuroitavaa tekstiä, jolloin raaka-ainedataa löytyi helposti. Energia-alalla ei päästä yhtä helposti.

Energia-alan tekoälysovellusten kehittely edellyttää runsaasti numeerista dataa, jota on poimittava lukemattomista eri lähteistä. Liian kapea-alainen materiaali näkyy tuloksissa.

— Tekoälyn täytyy huomioida tekijöitä riittävän laaja-alaisesti, mutta välttää samalla ei-relevanttien yhteyksien oppiminen, Vainio huomauttaa.

Ihmisten tavoin myös tekoäly on erehtyväinen. Investointi voi silti olla kannattava, jos se parantaa ihmisen tekemiä ennusteita riittävän paljon.

— Riittävä parannus esimerkiksi ennusteiden tarkkuuteen on tapauskohtainen. Joskus yksikin prosentti voi olla ratkaiseva, Vainio toteaa.

Datan hankinta ja käsittely — suurimmat panostukset

Energia-alaa palvelevien tekoälyjen raaka-ainedata on yleensä selkeästi jonkun omaisuutta. Datan taloudellinen arvo ymmärretään, mikä näkyy myös tekoälysovellusten hinnassa.

— Energia-alan tekoälyjärjestelmän rakentamisen kustannuksista noin 80 prosenttia liittyy datan hankintaan ja 20 prosenttia itse mallin rakentamiseen, Vainio kertoo.

— Sama suhde pätee hankkeiden työläyteen.

Datan ostohinnan lisäksi kustannuksia aiheuttaa aineistojen käsittely ja kerääminen. Työtä voi helpottaa se, jos joku julkinen tai kaupallinen toimija on jo tehnyt alustavan keruutyön, esimerkiksi koonnut teknistä dataa kiinteistöistä, voimalaitoksista jne.

— Datan keräämisessä jo tehty työ näkyy myös datan hinnassa.

Synteettinen data avuksi

Terveydenhuollon piirissä datan hyödyntämistä rajoittaa yksityisyyden suoja. Vaikka yksityisyys ei ole energia-alalla yhtä suuri ongelma, voi tulla vastaan myös täällä.

Vainion mukaan ongelmat voidaan joissain tapauksissa välttää käyttämällä tekoälyn kouluttamiseen synteettistä dataa. Tämä on keinotekoisesti luotua aineistoa, joka vastaa tilastollisesti tietystä kohteesta kerättyä todellista dataa. Synteettisen datan yhteyttä alkuperäiseen lähteeseen on vaikea selvittää.

— Synteettisen datan kautta on erittäin vaikeaa päästä käsiksi alkuperäiseen lähteeseen.

Tekoälyllä ei yhteistä määritelmää

Tekoälyyn liittyvä hype kannustaa käyttämään tekoäly-sanaa hyvinkin matalalla kynnyksellä. Ryöstöviljelyä helpottaa se, ettei tekoälylle ole selkeää määritelmää.

VTT:n tutkimusprofessori Heikki Ailisto hahmottaa omaa käsitystään asiasta kuvitteellisella lämmitysjärjestelmällä.

— Termostaatilla varustettu patteri ei ole tekoälyä. Jos termostaatin toimintaa ohjataan sähkön tuntihintatiedon avulla, kyse ei edelleenkään ole tekoälystä. Samanlaista termostaatin ohjausta voidaan lisätä paljonkin, mutta ennalta annettujen sääntöjen mukaan ohjautuva järjestelmä on edelleen automaatiojärjestelmä, ei tekoälyä.

Ailisto toteaa, että automaatio muuttuu tekoälyksi vasta silloin, kun järjestelmä alkaa muuttaa itse toimintaansa saamansa palautteen perusteella.

— Kyse on tekoälystä, jos järjestelmä säätää itse eri tekijöiden painotusta erilaisissa tilanteissa palautteen perusteella ja oppii näin vastaamaan käyttäjien toiveisiin entistä tarkemmin.

Ailiston mukaan kodeissa käytetään jo järjestelmiä, jotka sisältävät aitoja tekoälyelementtejä. Asia kiinnostaa myös sähkömarkkinoiden toimijoita.

— Sähkön kulutuksen ja tuotannon tarkemmalla ennakoinnilla olisi paljon taloudellista arvoa. Tekoälyn ilmeinen vahvuus olisi ainakin kyky hahmottaa samanaikaisesti lukuisia toinen toisiinsa vaikuttavia tekijöitä. Ihminen putoaa helposti pelistä, kun tekijöitä on enemmän kuin kolme.

Ailisto ei silti usko, että tekoäly osaisi lähitulevaisuudessa tehostaa merkittävästi esimerkiksi sähkön kulutusennusteita nykyisistä ennustusmenetelmistä.

##tekniikka