Epäonnistu taitavammin
Buddhalaiset puhuvat tavasta ”epäonnistua paremmin”. Se on epätäydellisyyden tunnustamista, sen hyväksymistä, että epäonnistuminen on osa oppimisprosessia. Epäonnistuminen paremmin edellyttää yrittämistä, ja uudelleen yrittämistä, sillä virheitään tarkastelemalla oppii erityisen hyvin. Neljä eri alojen osaajaa kertoo, miten tämä tehdään.
Sattuma on hyödyllinen liittolainen
Valokuvaaja Sanna Kannisto työskentelee eläinten, etenkin lintujen, parissa. Työ on osin ennalta-arvaamatonta, mutta hän on oppinut luottamaan vaistoihinsa ja sallii myös sattuman puuttua peliin.
”Valokuvaus on työkalu, jolla muutan ajatteluni visuaaliseen muotoon. Siinä on kyse näkemisestä, hahmottamisesta ja niiden tapojen löytämisestä, joilla voin tuottaa ideani kuvan muotoon.
Saan inspiraatiota paitsi taiteesta myös luonnontieteistä ja tutkimuksen tekemisestä kenttäolosuhteissa. Teen yhteistyötä lintututkijoiden ja vapaaehtoisten rengastajien kanssa, jotka työskentelevät tieteellisen rengastustoiminnan ja lintujenseurannan parissa.
Lintuja kuvatessa valmistelen kuvauspaikan, studiopuitteet ja laitteet mahdollisimman hyvin ennen kuvauksen alkua. Minulla on esimerkiksi kokoelma oksia, joilla linnut voivat istuskella. Herään yleensä tuntia ennen auringonnousua, että olisin valmis kuvaamaan heti, kun tutkijat avaavat lintuverkkonsa.
Kun lintu on kenttästudiossa, olen kärsivällinen ja ensi alkuun vain tarkkailen tilannetta. Hetki, jolloin pääsen ensimmäisen kerran kontaktiin linnun kanssa, on tavattoman hieno. Se on paras osa työtäni.
Tyypillinen kuvauspäivä voi kestää kahdeksan tuntia, ja otan sinä aikana jopa 200–250 kuvaa kuudesta tai seitsemästä eri linnusta. Jos saan päivässä tehtyä yhden kuvan, johon olen tyytyväinen, tulos on hyvä.
Tein vuonna 2018 tutkimusretken Costa Rican sademetsiin. Työskentelyolosuhteet olivat hankalat, ja kuvauspaikkaa oli vaihdettava tutkijoiden mukana joka toinen päivä. Meidän piti assistenttini kanssa jatkuvasti purkaa kenttästudio, kantaa laitteet seuraavaan paikkaan ja koota ne siellä uudelleen – kaikki tämä hyvin vaativissa oloissa. Lisäksi tutkijat saivat pyydettyä vain vähän kuvattavaksi sopivia lintuja.
Vaikka reissu oli melkoinen seikkailu kokemuksen kannalta, koin epäonnistuneeni. En ollut ehkä arvioinut kuvausmahdollisuuksia realistisesti. Kotiin palattua totesin, että olin saanut aikaiseksi vain kolme hyvää kuvaa kolmen viikon aikana. Olin hyvin itsekriittinen.
Ajan kuluessa vaatimattomampien lintujenkin kuvat alkoivat kuitenkin viehättää. Olen nyt valinnut yhdeksän kuvaa matkaltani tulevaan kirjaani. Oivalsin, että minun pitää olla itselleni armollisempi, ja lopputulos riippuu muustakin kuin kyvyistäni valokuvaajana ja taiteili-jana. Onnistuminen on monien asioiden summa.
Työssäni on ylipäätään tärkeää uskaltaa tehdä valintoja. Taiteen tekeminen on jatkuva prosessi: jokin vähäiseltä tuntuva tapahtuma tai idea voi ajan mittaan johtaa johonkin merkitykselliseen. Vaikka en aina saisi aikaan täydellisiä valokuvia, kuvaushetket ovat silti arvokkaita.”
Valokuvataiteilija, Aalto-yliopiston alumni Sanna Kannisto tutkii kuvissaan taiteen ja tieteen rajapintoja. Läpileikkaus hänen 20-vuotisesta urastaan on esillä Suomen valokuvataiteen museossa Helsingissä 10.6.–30.8.2020. Näyttelyn yhteydessä ilmestyy hänen uusi kirjansa Observing Eye, jonka julkaisee saksalainen Hatje Cantz.
Kun epäonnistut nopeammin, myös onnistut nopeammin
Tutkijatohtori Satu Rekonen korostaa sallivan ilmapiirin merkitystä, kun kehitetään jotain täysin uutta. ”On helpompi astua oman mukavuusalueensa ulkopuolelle, kun on tunne, että ei tarvitse onnistua.”
”Epäonnistu nopeasti, niin onnistut nopeammin -filosofia on keskeistä tutkimukselleni. Siinä tarkastellaan, miten sellaiset tiimit, joissa on osaajia eri aloilta, lähtevät ratkomaan työssä ilmeneviä monitulkintaisia, todellisia ongelmia. Ratkaisun löytämiseksi tiimin on kyettävä toimimaan, vaikka epävarmuus on läsnä ja epäonnistumisen riski on korkea.
Epäonnistumisen sietäminen ja käsitteleminen voi olla tuttua yksilötasolla, mutta on aivan eri asia ryhmässä. Epäonnistumisen pelko tai halu välttää epäpätevyyden vaikutelmaa muiden silmissä saattaa haitata ryhmätyöhön osallistumista. Tämän vuoksi työskentelykulttuurin tulisi olla sellainen, jossa rohkaistaan kokeilemaan ja siedetään myös tyhmiä kysymyksiä.
Tutkimukseni osoittaa, että henkilöt, joilla on vain vähän tai ei lainkaan kokemusta luovasta ongelmanratkaisusta, ovat taipuvaisia tekemään hätäisiä päätelmiä. Voi tuntua helpottavalta tehdä päätöksiä mahdollisimman nopeasti, mutta se jättää vain vähän, jos ollenkaan, tilaa luoville, uudenlaisille ratkaisuille.
Eräässä aiemmassa tutkimuksessa tarkastelimme neljää tiimiä, jotka heittäytyivät ensimmäistä kertaa urallaan ratkomaan ongelmia kokeilujen kautta. Tiimit koostuivat suomalaisista rahoitusalan ammattilaisista. He keskittyivät työjaksoissaan ideoimaan, kokeilemaan ja lähestymään ongelmia ihmiskeskeisesti.
Havaitsimme, että heille kokeileminen tarkoitti samaa kuin ideoiden nopea toteuttaminen; ikään kuin menestyksen mitta olisi se, kuinka nopeasti idea saadaan toteutettua, eikä se, kuinka paljon tiimi voi oppia ja parantaa alkuperäistä ideaansa. Jotkut osallistujista halusivat keskeyttää prosessin, koska he eivät pystyneet luopumaan alkuperäisestä ideasta. Jotkut olivat jopa sitä mieltä, että he olivat epäonnistuneet, jos eivät kyenneet poistamaan kaikkia ideaansa liittyviä epävarmuustekijöitä yhdellä ainoalla kokeilulla.
Ryhmätyöskentelyssä tähdennänkin aina sitä, ettei pidä edes olettaa ensimmäisen idean olevan lopullinen, vaan se voi toimia hyödyllisenä ponnahduslautana parempaan ratkaisuun. Ensimmäinen ratkaisu ei yleensä ole paras mahdollinen. Menestys seuraa idean kokeiluista ja niistä oppimisesta. Varhainen epäonnistuminen on usein hyvä asia – kun aikaa ja resursseja on kulunut vain vähän, jatkoa varten jää enemmän liikkumavaraa.”
Tutkijatohtori Satu Rekonen työskentelee tuotantotalouden laitoksella.
Pelailusta tuli takkiin
”Saatiin sentään reipasta kokeilua aikaan!” Lehtori Salu Ylirisku kokeili uhkarohkeasti reaaliaikaista pelaamista johtamallaan kurssilla.
”Ohjaamallani NEPPI-kurssilla (Networked Partnering and Product Innovation) opiskelijat tekevät esineiden internetiin liittyvää tuotekonseptointia. He keskustelevat ideoistaan monitieteisissä ryhmissä ja kehittävät niitä toisiltaan saamansa palautteen perusteella.
Kun laadin kurssiohjelmaa ensimmäistä kertaa, halusin lisätä jotain ekstraa tavanomaiseen kurssitoteutukseen ja tutkia, miten pelillistetty lähestymistapa edistäisi osallistujien innovointitaitoja. NEPPI kun rakentuu idealle, että kurssin suuntaa voidaan muuttaa lennosta.
Ennen Aalto-yliopistoa olin työskennellyt Tanskassa, ja harrastanut vapaa-ajalla aktiivisesti verkkopelaamista. Johdin eräässä pelissä omaa joukkuetta, klaania. Halusin luoda sille kannustavan palautejärjestelmän ja toteutin säännöllisesti päivittyvän pisteytyssysteemin, josta klaanin jäsenet näkivät, kuinka peli heiltä sujui. Ilokseni huomasin, että he muuttivat ja paransivat pelityyliään tämän myötä. Uskoin, että samantyyppinen kannustinjärjestelmä toimisi myös NEPPI-kurssilla.
Loin automaattisen seurantaohjelman, jotta opiskelijat voisivat lähettää työmuistioita, havaintojaan ja muuta aineistoa toisten tiimin jäsenten arvioitavaksi. Käyttäjät pystyivät myös kirjaamaan tuntinsa opiskelijatovereidensa hyväksyttäväksi ja saattoivat näin ansaita osallistumispisteitä.
Ohjelmoin pelilogiikan vasta myöhään, kun kurssi oli jo käynnissä. Kävi ilmi, että osallistujat inhosivat sitä, että heidät avoimesti listattiin rankattuun järjestykseen. He alkoivat väärinkäyttää hyväksymisjärjestelmää ja huijasivat sitä lisäämällä tai vähentämällä tuntejaan. Kaiken kaikkiaan kokemus oli heille surkea, ja kurssi sai sinä vuonna kehnoimmat arvostelut Sähkötekniikan korkeakoululla.
Kurssi vietiin loppuun ja konseptointiprojektit saatiin viimeisteltyä, mutta ilmassa oli paljon epäselvyyttä vielä viimeisellä viikolla.
Idea oli ja on edelleen hyvä, mutta sen toteutus epäonnistui ensimmäisellä kerralla. Yritykseni pelillistää työskentelyä haittasi luentoja ja oppimista. Tästä huolimatta olen sitä mieltä, että yliopisto on oikea paikka opetuskokeiluille, joissa voi ennakkoluulottomasti yhdistää erilaisia menetelmiä.”
Salu Ylirisku on vanhempi yliopistonlehtori ja muotoilun opettaja elektroniikan ja nanotekniikan laitoksella.
Konekin oppii virheistä
Yritys ja erehdys -menetelmä toimii myös koneoppimisessa, sanoo apulaisprofessori Alex Jung.
”Koneen ei tarvitse sietää epäonnistumisen kammoa, sitä tunnetta, joka voi ihmiselle aiheuttaa ylivoimaisen esteen edistää jotain asiaa. Mutta tunteet voivat myös johdattaa uusille poluille, ja ihminen muodostaa myös koneille annettavissa tehtävissä yhtälön ensimmäisen osan.
Koneoppimisessa ihmistä tarvitaan syöttämään tietotekniseen järjestelmään niin kutsuttuja merkittyjä esimerkkejä, joihin ennusteita voi verrata. Ne mahdollistavat yrityksen ja erehdyksen kautta tapahtuvan oppimisen.
Koneet voivat ihmisten lailla oppia tekemistään virheistä, ja koneoppimisen menetelmät toteuttavat laskennallisesti tehokasta yritys ja erehdys -ajattelutapaa. Vanhojen teorioiden perusteella tutkija voi ennustaa jotain, mikä ei pidäkään paikkansa, kun sitä vertaa luonnosta tehtyihin havaintoihin. Tämä voi johtaa uusien fysiikan lakien löytämiseen. Samaan tapaan koneoppimisen menetelmät jalostavat ennustuksiaan virheiden perusteella. Mitä enemmän saadaan palautetta siitä, että kone on tehnyt virheen, sitä paremmin ja nopeammin menetelmä voi kehittyä.
Koneoppimisjärjestelmän opettaminen edellyttää, että sille syötetään riittävästi esimerkkejä. Se pyrkii luokittelemaan virheettömästi myös sellaiset uudet syötteet, jotka eivät alun perin kuuluneet opetusdataan.
Koneoppimisen prosessi sisältää edelleen erehdykseen pohjaavaa oppimista, mutta kaikki tapahtuu käsittämättömällä nopeudella. Virheelliset lopputulokset ovat yhä mahdollisia ja edellyttävät tutkijalta järjestelmän hienosäätämistä.
Koneoppimisen mallia rakennettaessa on tärkeää tiedostaa, että myös reaalimaailman data on epätäydellistä. Erilaiset datatyypit edellyttävät erilaisia lähestymistapoja ja työkaluja, ja oikean mallin määrittämiseen liittyy aina kompromisseja. Pelkästään se, että järjestelmään syötetään kuva kissasta, ei välttämättä tarkoita, että tulokseksi tulee kissa. Järjestelmä voi päättää, että kuva esittääkin koiraa, jos vaikka korvat eivät sovi standardimalliin. Tämän vuoksi algoritmeja ja malleja on jatkuvasti hienosäädettävä ja muokattava.”
Alex Jung on koneoppimisen ja data-analyysin apulaisprofessori tietotekniikan laitoksella.
Artikkeli on julkaistu Aalto University Magazinen numerossa 26, huhtikuussa 2020.
Artikkelin teoskuvat: Sanna Kannisto
- Julkaistu:
- Päivitetty: