in English | suomeksi neokybernetiikastaluentojakeskustelu
Adobe Flash liitännäinen tarvitaan videon näyttämiseksi tässä. Toimii Linuxissa, Macissa ja Windowsissa. Voit myös ladata videotiedoston ja katsella sitä esimerkiksi VLC-ohjelmalla.
Adobe Flash liitännäinen tarvitaan heijasteiden näyttämiseksi tässä. Toimii Linuxissa, Macissa ja Windowsissa. Voit myös ladata pdf-tiedoston ja avata sen suosimallasi pdf-ohjelmalla.
Lyhyet ohjeet:


Prof. Heikki Hyötyniemi
AS-74.4192 Kybernetiikan alkeet
1. luento: Johdanto
Teknillinen korkeakoulu, 23.1.2009

Luentovideoinnista litteroinut Petri Lievonen.
(v.2009.04.06)

[0:00/1]

No, aloitetaan sitten.

Tervetuloa tänne kybernetiikan alkeiden luennolle.

Olen iloinen että niin paljon oli ilmoittautunut, Nopassa – ja muitakin on näköjään tullut – ja se toinen asia mistä olen iloinen on että saatiin Lievosen Petri tähän assistentiksi.

Kaiken kaikkiaan minulla on hyvät fiilikset tämän kurssin suhteen.

Tämä on vähitellen kehittynyt tämä kurssi, vuodesta 2005, ja nyt voisi ehkä sanoa että tämä alkaa olla jollain tavalla kuosissa, valmis.

Nyt on tarkoitus tänä keväänä videoida nämä esitykset, koska – ei oikein tiedä että miten – järjestetäänkö ensi vuonna tätä kurssia ja sillä tavalla.

Tarkoitus kuitenkin saada materiaali verkkoon tarjolle.

[1:08/2]

Ja – jos nyt sitten eteenpäin – niin tämä on nyt tämmöinen johdantoluento,

[1:15/3]

ja johdannothan alkaa tästä, antiikin kreikkalaisista, perinteiseen tapaan.

Ja nyt meillä on – täällä antiikin Kreikassa – ollut tämmöinen henkilö kuin Herakleitos, joka hämmästyttävän hyvin pystyy pukemaan sanoiksi, nämä ajatukset, jotka liittyvät tähän nykyaikaiseen kybernetiikkaankin.

Olette ehkä kuullut tuon, "kaikki virtaa", "Panta Rhei!" -sanonnan.

Se tarkoittaa sitä, että mikään ei säily ennallaan.

Että, et voi astua samaan virtaan kahdesti – että jos toisen kerran tulet, siihen, niin vesi on virrannut pois ja uutta tullut tilalle, mutta kuitenkin jostain syystä se vesi, tai virta, kokonaisuutena, on ennallaan.

Ja, tosiaan kaikki muuttuu.

Vedessä se virtaava aine koko ajan liikkuu, mutta kuitenkin se kokonaisuus jollakin tavalla säilyy entisellään.

Toisaalta monimutkaisessa järjestelmässä on paljon kaikenlaisia jännityksiä, jotka pitävät sen kokonaisuuden kasassa.

Näiden jännitteiden, tai nimenomaan näkymättömien jännitteiden, hallitseminen, on kaikkein olennaisinta.

Tai se on polku siihen ymmärtämiseen sen kokonaisuuden käyttäytymisestä.

Ja, tosiaankin, viisaus on ymmärrystä siitä, että kuinka eri asiat ovat toisten asioiden ohjaamia.

Juuri tällainen hajautetun ohjauksen idea.

[3:12/4]

Jos puetaan nuo aforiat sanalliseen muotoon, paremmin, niin juuri todellakin tämä, että vaikka ihmiset esimerkiksi vaihtuu yrityksessä, ja vaikka solut kuolee ja syntyy jossain ruumiissa, niin kuitenkin se kokonaisuus, yrityksen toiminta tai näiden organismien tai elinten toiminta, säilyy ennallaan.

Kaikkein yllättävintä on todellakin että nämä ovat jollakin tavalla tasapainossa – nämä solut, nämä ihmiset, nämä yritykset – ja tästä tasapainosta, tai näiden jännitteiden ja vastajännitteiden aiheuttamasta tasapainosta syntyy differentioituminen ja monimuotoisuus – ja itseorganisoituminen.

Tosiaan, ei ole keskusjohtoisuutta, vaan kaikki osat vuorollaan vaativat, ikäänkuin oman paikkansa siinä kokonaisuudessa, ja se johtaa siihen että kukin tyrkkii toisiansa pois, ja kokonaisuus kuitenkin näyttää siltä, kuin se olisi järkevä, järkevästi toimiva, ja siellä on jonkunlaista tosiaan, itsesäätelyä, ja itsejärjestystä.

No, siihen nähden että jo 2500 vuotta sitten näitä ajatuksia esitettiin, niin yllättävän vähän on saatu aikaan, tällä alalla.

Nykyaikainen tiede ei kovin hyvin pysty vastaamaan näihin kysymyksiin, tai ei edes pysty formuloimaan näitä kysymyksiä.

Aika monet nyökyttelevät, eli en ehkä viitsi ruveta perustelemaan mihin tämä väite perustuu, mutta voisi tästä vastaankin väittää.

Palataan näihin vastaväitöksiin hetken kuluttua.

Ja, tosiaan, nykyisin meidän ainakin – te jotka olette meidän osaston opiskelijoita – niin voitte ehkä miettiä tätä näinkuin meidän käsitteiden kannalta sitä, sillä tavalla että, mistä johtuu se että on tämmöisiä ikäänkuin stabiileja attraktoreita, näissä järjestelmissä.

Mikä on niiden luonne, ja mistä se syntyy.

Nimenomaan tämän kysymyksen tiimoilta keskustellaan tässä jatkokurssissa.

Herakleitoksen jälkeen on paljon tehty filosofiaa, mutta aika pitkälle keskityttiin Platonin ja Sokrateen jälkeen, näihin ihmiselämän ongelmiin.

Platonkin lähti siitä että oikeasti kiinnostavaa on vain ne pysyvät ideat, siellä tämän muuttuvan todellisuuden taustalla, ja sen vuoksi Platon keskittyi niihin ideoihin – ja käytännössä ajatteli että tämä muuttuva todellisuus on liian vaikea ymmärrettäväksi ylipäänsä.

Mutta nykyisillä työkaluilla se ei ehkä ole kuitenkaan mahdotonta että niitä voitaisiin järkevästi käsitellä.

[6:52/5]

No joo, tässä nyt on tämmöinen kuva – äsken oli Herakleitos katsomassa, nyt tuolla on tuommoinen Sokeri-Sakari katsomassa näitä tutkimuksia.

Mutta tämä on siinä mielessä perusteltu kalvo, että kybernetiikassa, nimenomaan, päästään tämmöiseen termiin kuin konstruktivismi ja konstruktivistinen oppiminen.

Siihen liittyy se, että kaikki liittyy kaikkeen, ja nimenomaan kaikki liittyy siihen entiseen, pohjaan, mille se on rakennettu se uusi.

Minun taustani, minun pohjani on nyt tuolla neuroverkoissa.

Se johtaa siihen, että tulemme näitä malleja mitä käsittelemme – tulemme johtamaan neuroverkkojen puitteissa.

[7:48/6]

Mutta toinen asia, ja vielä tärkeämpi, on se, että jos te haluatte oppia näitä asioita, tai omaksua täältä asioita, niin vielä enemmän merkitsee se että mikä on teidän oma taustanne.

Tullaan näkemään, että kybernetiikassa keskeisiä asioita on takaisinkytkentä tai vuorovaikutus.

Eli jokainen järjestelmä vaikuttaa toiseen ja se toinen vaikuttaa takaisin tähän alkuperäiseen.

Samalla tavalla oppimisprosessi on tavallaan opetusprosessin kääntöpuoli.

Siinä mielessä olisi oikeastaan aika kiinnostavaa, tässä vaiheessa, tietää, että mikä teidän pohjanne on, mikä teidän mielikuvanne siitä on, että minkä päälle ruvetaan rakentamaan.

Mitä on kybernetiikka, ja mitä ovat kompleksiset järjestelmät.

Toinen kysymys on, että mikä teidän mielikuvanne on että mitä te – luulette, että mitä tähän teidän pohjanne päälle voidaan rakentaa.

Tai, käytännössä että miksi te olette mukana tällä kurssilla.

Mitä haluaisitte kuulla ja mitä luulette kuulevanne.

Mutta – ei käydä nyt tässä yhteydessä täällä luennolla läpi näitä – ei käydä teitä – teidän ei ehkä tässä kannata esittäytyä, vielä, mutta palataan asiaan luentopäiväkirjojen yhteydessä.

Eli tavoite olisi että te esittäytyisitte siellä, toisillenne, ja minulle.

Tämä luentopäiväkirjakäytäntö on jonkin verran – todennäköisesti – teille vieras, jos olette meidän opiskelijoita, eli katsotaan sitä hetken kuluttua.

[9:55/7]

No joo tämä on tämmöinen kovasti ylevä juttu että tuota.

Tavoite olisi että teihin voidaan – että saisitte jonkinlaisia ideoiden ytimiä, jonkinlaisia attraktoreita mieleenne jotka rupeaisivat kasvamaan jonkinlaisia ajatuksia sitten.

[10:18/8]

Mennään nyt ihan tähän perinteiseen kybernetiikkaan, ja katsotaan, että mitä se on perinteisesti ollut.

Tavoitteena on neutraali esitys siitä, että mistä on kysymys.

Kybernetiikka-termin toi julkiseen keskusteluun, tai tieteeseen, Norbert Wiener, tuossa kirjassaan noin 60 vuotta sitten.

Hän pohti, että voiko tämmöisissä kaikenlaisissa järjestelmissä olla yhteisiä piirteitä – jotka liittyvät yleisiin systeemien ja säädön ominaisuuksiin.

Tämä oli hyvin vaikutusvaltainen kirja tai ajatus silloin aikanaan.

Mutta – tietyllä tavalla, ja juuri kyberneettisessä mielessä – asiat ovat menneet eteenpäin, on konstruoitunut uusia rakenteita vanhojen päälle.

Wienerin aikaan maailma oli hyvin erilainen – nimenomaan sillä tavalla että ei ollut säätöteoriaa olemassa.

Yksi mihin tämä Wienerin ajattelu johti oli omalla tavallaan tämän säätötekniikan, säätöteorian eteenpäin meno.

Toinen oli sitten tekoälyn eteenpäin meno, ja niin edelleen.

Tässä kuudenkymmenen vuoden aikana nämä kaikki alat – ovat menneet hyvin paljon eteenpäin.

Ja ehkä nyt alkaisi olla aika katsoa, että onko – mitä ne kaikki erityistieteet pystyvät yhdessä sanomaan todellisuudesta.

Tässä taas tämä kuva jääköön vähän niin kuin kuva-arvoitukseksi.

Mutta jos menette selailemaan vanhoja papereita näihin liittyen, niin toteatte että myös Alan Turing oli mukana.

Hän pohti nimenomaan tämmöistä Seepran raidoitusta.

Miten on mahdollista että syntyy tämmöinen ikäänkuin organisoitu järjestys, vaikka sitä värittymistä ei mikään ohjaa.

Loppujen lopuksi hän sanoi kyllä, että oikeastaan se raidoitus ei häntä kiinnosta, mutta se on se hevonen siellä raitojen takana joka on se kaikkein kiinnostavin asia.

[13:22/9]

No tosiaan systeemit, säätö, kommunikaatio – tai tiedonsiirto – ne ovat yleisellä tasolla tämän kybernetiikan yhteinen tausta.

Siinä mielessä voisi sanoa, että jollakin tavalla tämä kybernetiikka on pienin yhteinen nimittäjä kaikissa tämän tiedekunnan asioissa.

Eli tässä automaation puolella, sitten tuolla tietoliikenteen puolella ja systeemien rakentamisen puolella.

Siinä mielessä tämä hyvin sopii – jos olette meidän tiedekunnan opiskelijoita – sopii tämmöinenkin osaaminen, tai tämmöiset laajemmat näkökulmat, teidän osaamispakkiinne.

[14:21/10]

Mennään sitten näihin harhaluuloihin.

Tai, voisi sanoa että kybernetiikka on niin houkutteleva ajatus – ja toisaalta tämä tekoäly on niin houkutteleva ajatus, ja systeemien ymmärtäminen on niin tärkeää –

Niin jo kauan sitten oli kaikenlaisia, tämmöisiä – jo silloin kun ei vielä ollut tämä tiedemaailma yhtä tämmöistä kiihkeää kuin nykyisin, niin silloinkin oli tämmöisiä ismejä, ja muita, ja kybernetiikka oli yksi ensimmäisistä ismeistä 60-luvulla, jolloin rahoitettiin paljon tutkimusta – ja erityisesti tekoälyn puolella rahoitettiin paljon tutkimusta – mutta sitten huomattiin, että mitään kovin hyödyllistä ei onnistuttu saamaan aikaan, ja rahoitus katosi yhtäkkiä.

Sitten se nousi taas uudestaan uuden tutkijapolven myötä – tämä kiinnostus, tuossa joskus 80-luvulla – ja tätä on hallinnut, näitä tutkimuksen aloja tietynlainen syklisyys, ja se on yksi osoitus siitä, että tämä on hyvin evolutiivinen ja kyberneettinen tutkimuksenala itsessään tämä kybernetiikka.

Toisaalta tuolla Yhdysvalloissa kybernetiikka oli hyvin suosittu termi aikanaan, mutta myös Neuvostoliitossa, koska tämän marxismi-leninismin ohella kybernetiikka eli ohjaustiede katsottiin toiseksi tukijalaksi suunnitelmatalouden taustalla – eli kybernetiikan avulla voidaan keskusjohtoisesti ohjata yhteiskunta parhaaseen mahdolliseen lopputilaan.

Mutta siinä oli tietynlainen väärinymmärrys, myös siinä, kyseessä.

Ehkä nyt voitaisiin ottaa asia puhtaalta pöydältä siinä mielessä, että voidaan – tai riippuen siitä että oletteko opiskelleet esimerkiksi 70-luvulla, ja missä olette opiskelleet, niin tämä välttämättä vaikuttaa siihen teidän näkemykseenne kybernetiikasta.

Jos olette ihan tuoreita opiskelijoita niin teillä ei välttämättä ole mitään vääriä mielikuvia, ja voidaan lähteä puhtaalta pöydältä.

Ihan lyhyesti sanottuna – nämä jotka ovat käyneet 70-luvulla koulunsa – niin miksi tämä itäinen optimismi ei toiminut, niin siinä ajateltiin nimenomaan että keskusjohtoisesti voitaisiin asioita ohjata.

Aivan samalla tavalla kuin meidän perinteisessä säätöteoriassa ajatellaan edelleen tällä tavalla.

Kuitenkin luonnossa, Herakleitoksen ajatusten mukaan, kaikki on hajautettua – ei ole keskitettyä ohjausta, vaan ali-järjestelmät kun keskenään kommunikoivat ja vuorovaikuttavat, kilpailevat, siitä muodostuu se säätö – ja organisoituminen.

[18:11/11]

Voisi ehkä kuvitella, että tämä asia on taas tulossa kuumaksi, tai pinnalle – pitkän kylmän kauden jälkeen, tai pitkän taantuman jälkeen.

Koska – ei kannata käydä nyt tätä uutista läpi – mutta kuitenkin lyhyesti voisi kertoa, että tämä kertoo kuinka eräässä systemiikan ja kybernetiikan konferenssissa oli lähetetty satunnaislukugeneraattorilla, käytännössä – luotu paperi, esitettäväksi, tai julkaistavaksi, ja se oli mennyt läpi.

Aivan ilmeisesti tällä kybernetiikka-asialla on nyt taas jonkunlaista kiinnostavuutta.

[19:07/12]

No, tarkemmin ajatellen – te jotka olette käyneet koulunne myöhemmin, niin teille varmaankin on myös kybernetiikasta muodostunut jonkunlainen mielikuva, koska nykyisinhän hyvin paljon puhutaan näistä kyberneettisistä organismeista tai kyborgeista.

Tietyllä tavalla nämä ovat, myös, osa tätä kybernetiikan kokonaisuutta, mutta ollaan hyvin kaukana tällaisista kyberneettisistä organismeista, vielä.

[19:47/13]

Tässä nyt on tämmöinen kalvo, jonka halusin nyt ottaa kuitenkin mukaan, vaikka tämä on, insinööreille aika oudolta näyttävä.

Tämä nimittäin on sellainen kalvo, jonka jouduin tekemään kun vaimolleni, joka on sairaanhoitaja, yritin selittää että mitä tutkin.

Voitaisiin sanoa että säätöinsinööri on kuin pitkälle koulutettu lääkäri, joka tietää mekanismit, ja osaa pistää oikean takaisinkytkennän, tai oikean ohjauksen, jos jokin kytkentä on rikki, tai jollakin tavalla kokonaisuus ei toimi – esimerkiksi jos sokeriarvot ovat liian korkealla, niin osataan säätää sitä insuliinilla.

Ikävä juttu sinänsä että säätötekniikan – tai lääkärien kannalta, tai kokonaisuuden kannalta – leikkaus esimerkiksi voi olla onnistunut, vaikka potilas kuolee.

Sitten taas yleinen systeemiteoreetikko lähestyy asioita sen kokonaisuuden kannalta, ei lähesty asioita yksityiskohtien kannalta, niinkuin tämä lääkäri, mutta ongelma on vain se, että jos ruvetaan rakentamaan liian yleisiä teorioita, niin ei mitään käytännöllistä ehkä kuitenkaan saada aikaan.

Se rupeaa muistuttamaan – jos lääketieteeseen verrataan – niin se alkaa muistuttaa homeopatiaa, melkein – että teoriat ovat hienot, mutta onko niillä teorioilla sitten kuitenkaan, käytännössä, muuta kuin tämmöinen systeeminen vaikutus.

Nimittäin tämä on aika yllättävää sinänsä, että kyllä homeopatiakin toimii, juuri kyberneettisessä mielessä – että jos me saamme tämän ihmisen uskomaan paranemiseensa, niin jo puolet paranemisesta on saavutettu – ja tietyllä tavalla juuri tämä sairaanhoitaja on juuri tässä välissä, jollain tavalla tekemässä tätä kyberneetikon hommaa, että hänen ajatuksensa, tai osaamisensa perustuu siihen lääketieteeseen kyllä, mutta hän osaa ottaa huomioon myöskin sen kokonaisuuden – ja, yllättäen, hän pystyy saamaan sen potilaan iloiseksi ja onnelliseksi.

[22:13/14]

No, tässä nyt on tälläisiä hajanaisia kalvoja.

Tämä kalvo on niitä varten, jotka ovat aloittaneet opiskelemisensa tässä tietämystekniikat automaatiossa -pääaineessa, tai sivuaineessa.

Tämän kurssin oli tarkoitus olla ikäänkuin tämä lopetus – koko tämän pääaineen yhteen kokoava kurssi.

No nyt kun tämä – meillä muuttui tämä opetusohjelma, ja tämä ei ole enää käytännössä kenellekään enää pakollinen, niin tässä nyt on myös hieman väljennetty näitä tavoitteita – eli tämä on jollain tavalla siirtynyt täältä puhtaasta insinööriajattelusta enemmän tuollaseen yleiseen systeemiajatteluun päin.

Jos ajatellaan nykyisiä tai tulevan ajan insinöörejä – tässä automaatio-, systeemi-, säätöalalla – niin voidaan todeta että kaikki yksinkertaiset asiat, helpot säädöt, on jo toteutettu, ja se mitä te tulette tekemään niin on vaikeita asioita – sellaisia suurten kokonaisuuksien säätöä.

Tai, koska nämä suuret kokonaisuudet eivät ole säädettävissä – kuten yhteiskunta tai talouselämä – niin tavoite on että ainakin jollakin tasolla ymmärtäisitte niitä järjestelmiä, että osaisitte varautua tulevaan, ehkä paremmin kun nykyisin osataan.

Tässä tämä Multivariate Regression Methods on kurssi, jossa käydään näitä monimutkaisiin järjestelmiin liittyviä matemaattisia menetelmiä tarkemmin läpi.

Toivomus on, että teillä on jonkunlainen näkemys, ymmärrys siitä että minkalaisia matemaattisia työkaluja tullaan käyttämään.

Että teillä on jonkinlaista kokemusta näistä monimuuttujamenetelmistä.

Tässä kurssissa on pari harjoitustyötä tai harjoitusistuntoa missä käydään näitä matemaattisia menetelmiä läpi, kyllä, mutta se nyt ei anna kuin pintaraapauksen näihin menetelmiin.

[24:50/15]

Tässä kurssissa tullaan keskittymään yhteen osa-alueeseen – kapeaan osa-alueeseen, joka voidaan luokitella osaksi kybernetiikkaa.

Tämä kybernetiikan tutkimus on osa kompleksisuusteorioita, ja kaikkein yleisimmillään tarkastellaan luonnon malleja.

Emme tule käymään läpi kaikkia tämän kybernetiikka-alueen – puhumattakaan näiden kompleksisuusteorian alueiden – eri menetelmiä tai tuloksia, vaan tulemme keskittymään yhteen osa-alueeseen.

Syy siihen on että sen osa-alueen puitteissa pystymme rakentamaan kohtuullisen konkreettisen kokonaisuuden näistä asioista.

Sillä tavalla että voidaan lähteä ihan perustavanlaatuisesta fysikaalisesta järjestelmästä, voidaan päästä ylös, emergenteille tasoille, sieltä, ja voidaan yleistää näitä ideoita muihin ympäristöihin, tämän tietyn teoriarakennelman puitteissa.

[26:16/16]

Aika pitkälle nämä luennotkin perustuvat teoriaan joka on rakennettu käytännössä 2000-luvulla, vasta, eli tämä on aika tuoretta siinä mielessä.

[26:33/17]

Aika iso osa siitä teoriasta on tässä yhdessä raportissa joka on löydettävissä kurssisivujen kautta, ja muutamia painettuja versioita on tuolla laboratoriossa myös tarjolla jos joku haluaa sellaisen.

Eli nimenomaan tämä neokybernetiikka on sellainen osaleikkaus kaikista kybernetiikan alueen asioista, jossa voidaan rakentaa johdonmukainen kokonaisuus, ja jossa voidaan matemaattisesti päästä kiinni asioihin.

[27:12/18]

Tässä nyt on juuri todettu se, että tietyllä tavalla matemaattinen puoli on välttämätön tausta jotta päästään tänne ylemmäksi.

Koska täällä matematiikan puolella määritellään käsitteet mitä käytetään myöhemmin.

Nämä kaikki kompleksisuus-, kaaos-, kybernetiikka-, tekoäly-jutut ovat pahamaineisia juuri siinä mielessä että käsitteitä on hyvin paljon ja ihmiset ymmärtävät näillä termeillä eri asioita.

Tämän kurssin puitteissa käydään läpi enemmän tai vähemmän johdonmukaisesti nämä käsitteet ja käytetään niitä sitten vain yhdellä tavalla – ja johdonmukainen määrittely käsitteille edellyttää matematiikkaa.

[28:04/19]

Tässä on tämän kybernetiikka-tutkimuksen kotisivu meidän laitoksella.

Se löytyy tuolta – tai se löytyy kurssisivujen kautta.

[28:20/20]

Siellä on sovellutuksia myös näkyvissä,

[28:25/21]

ja yksi tämmöinen demonstraatio nähtävissä – voitte käydä sieltä kurssisivujen kautta kokeilemassa että miltä näyttää – ilman että tietää mitään alaolevasta teoriasta – niin miltä, miten nämä kyberneettisen teoriat, miltä ne käytännössä sitten näyttävät.

[28:44/22]

Tässä on nyt vielä uudestaan oikeastaan tämä sama asia.

Kybernetiikan kybernetiikka – eli kuinka on muodostunut tämmöisiä attraktoreita tieteenalan sisälle.

Tavallaan tämmöisiä tutkimuksen aloja, jotka pitävät sisällään tiettyjä kiinnostuneita tutkijoita, ja erilaisia menetelmiä, jotka elävät omaa elämäänsä – esimerkiksi säätötekniikka, tekoäly, systeemitekniikat.

Nämä muodostavat omia tutkijayhteisöjänsä, sitten.

Tietyllä tavalla kyseessä on attraktori joka houkuttelee tietynlaisia ihmisiä puoleensa sitten.

Tämä on pikkuisen löysästi sanottu, mutta että intuitiviisesti ehkä voitte yrittää ymmärtää.

Ongelma siellä on sitten että nämä attraktorit ovat todellakin tämmöisiä syklisiä rakenteita täällä – että aina välillä keksitään samoja asioita uudelleen.

Erityisesti tuolla neuroverkkojen puolella ja tekoälytutkimuksessa samoja asioita – niihin palataan uudestaan ja uudestaan.

Ja – no, esimerkiksi tässä kurssissa käydään läpi neuronien rakenne lähtien ihan niistä 40-luvun neuronihavainnoista.

Mutta toivon mukaan jossakin vaiheessa päästäisiin tähän että saadaan yhteen nämä eri tutkimuksenalat ja löydettäisiin tämmöinen ikäänkuin attraktori jonka nimi olisi sitten – no, tavallaan nämä kompleksisuusteoriat ovat nyt tämmöinen laaja kokonaisuus joka pitää sisällään kaikki, kategorisesti, että toivon mukaan meillä löytyy jokin kompakti tutkimuksenala joka pystyy sanomaan – tai tuomaan yhteen nuo kaikki eri paradigmat.

[30:54/23]

Toisaalta voimme hahmottaa kaiken dynaamisina prosesseina, niin kuin edellisellä kalvolla, mutta tässä on nyt hahmotettu asiat tämmöisenä verkostona.

Tässä on nyt jonkunlainen kuvaus siitä, että miten eri asiat liittyvät toisiinsa, kuinka ne viittaavat toisiinsa – siitä muodostuu tämmöinen valtava syherö jota voi käydä katsomassa tuolla alkuperäisillä sivuilla.

Olemme vaikeiden asioiden kanssa tekemisissä.

[31:33/24]

Kurssin ulkonäkö on sellainen, että on kaksitoista luentokertaa ja kaksi harjoitusta, ja yksi, tai kaksi, näitä seminaariesityksiä.

Meidän täytyy hiukan keskustella vielä, että pitääkö jokainen osallistuja seminaariesityksen, vai saako siitä vain lisäpisteitä – kuitenkin se on hyvin tärkeä osa tätä kurssia että nähdään että miten teidän omalla osaamisalueellanne ehkä pystytään näitä ajatuksia soveltamaan.

Palataan tähän, näiden seminaarien järjestelyyn myöhemmin – kuitenkin nämä luennot tulevat olemaan tässä perjantaina, aina tähän samaan aikaan.

Ja yksi asia mikä on myös teidän harteillanne, ovat nämä luentomuistiinpanot.

Jotta tästä tulisi vuorovaikutteinen ja oikeasti kyberneettinen oppimistapahtuma – jotakin olen pedagogiikasta oppinut – niin toivoisin että täyttäisitte, tai tekisitte, tämmöistä päiväkirjaa.

Meillä oli viime vuonna tämä sama käytäntö jo, ja se oli tavallaan aika hyvä – ihmiset lähettivät juuri näitä pohdintojaan asioista, ja siinä näki että asiat ehkä alkoivat selventyä kurssin edetessä – eli nämä nyt esiinnostetut kysymykset, niihin löytyi jonkunlaisia intuitiivisia tai konkreettisia ratkaisuja.

Tämä on hyvin tärkeä osa kurssia, mutta se tosiaan viime kerralla siinä mielessä ei onnistunut, että ne aika pitkälle ne palautteet oli sähköpostimuodossa, ja ne palautettiin assistentille – ne aika pitkälle jäivät sitten sinne, että niihin ei ehtinyt kukaan vastata.

[33:48/25]

Nyt sen sijaan toteutetaankin tämmöisessä weblogi-muodossa nämä asiat.

Teidän tarvitsee käydä tuolla osoitteessa kirjaamassa itsenne sisään, sen jälkeen teillä on käyttäjätunnus, ja te voitte omalla tunnuksellanne sitten kirjoittaa pohdintoja ja muut voivat kommentoida niihin.

[ Haluatko antaa lisää... ]

Sieltä tosiaan – menette katsomaan sinne sivulle – niin sieltä näette että mistä on kysymys.

[34:25/26]

Luentojen sisältö on sitten tämmöinen – tämän te näette sieltä, verkostakin – voisi sanoa että alkupuoli keskittyy näihin teorioihin ja malleihin.

Koko ajan mennään pidemmälle, sinne, näihin neokyberneettisiin malleihin – aloitetaan ihan näistä kompleksisten järjestelmien yleisistä mallintamisista.

Päädytään hyvinkin konkreettisiin malleihin, joita sitten sovelletaan täällä myöhemmin – ja toisaalta, koska ne mallit ovat hyvin konkreettisia, niin osoittautuu että voimme tehdä myös erilaisia tulkintoja niistä asioista – esimerkiksi täällä on tämmöisiä analogioita.

Jos olette lukeneet meidän alamme kursseja niin tiedätte että analogiat ovat periaatteessa hyvin vahva menetelmä ymmärtää asioita tai laajentaa omaa osaamista hyvinkin erilaisille alueille – kun tiedämme että alla olevat periaatteet säilyvät samoina niin silloin tiedämme että myös ne seuraukset ovat jollakin tavalla periytyviä alalta toiselle.

[35:41/27]

Mennään vähän konkreettisemmin näihin tarkasteluihin.

Tämä on tietyllä tavalla systeemiteoriaa tämä homma.

Ja sitä varten meidän täytyisi ymmärtää että mikä on systeemi.

Mutta mitään kovin konkreettista emme voi oikein sanoa tässä yhteydessä koska jos jollakin tavalla rajaamme tätä systeemin käsitettä niin se jättää pois joitakin systeemejä jotka toisesta näkökulmasta voidaankin ajatella systeemeiksi.

Oikeastaan ainoa osviitta tässä asiassa on se, että – nimenomaan tämmöinen kyberneettinen lähtökohta – eli mikä teille, tällä hetkellä, avautuu systeeminä, niin se on mielekäs systeemi, myös tutkimuksen kannalta.

Esimerkiksi te ymmärrätte että jokin jänis – se on semmoinen elävä kokonaisuus joka tuolla loikkii – niin se on oma systeeminsä.

Palaamme tähän intuitiiviseen määritelmään, sen heikkouteen hetken kuluttua.

Jos on systeemi määritelty jollakin tavalla, niin sitten malli on sen systeemin esitys, jotenkin konkreettisessa muodossa.

Jos systeemi voidaankin määritellä aika väljästi, niin avainongelma on että kuinka saamme sille mallin rakennetuksi.

Jos emme saa sille jotakin konkreettista kuvausta, edes sanallisesti, sille systeemille, niin se on liian häilyvä jotta voisimme sitä tutkia.

Jos saamme sille mallin aikaiseksi, mielellään vielä matemaattisen mallin, niin silloin olemme paljon pidemmällä.

Tosin meidän pitää aika vaatimattomia olla tämänkin asian suhteen koska ne kaikki mallit mitkä on matemaattisesti onnistuttu kirjoittamaan, ovat tietyllä tavalla jo hallinnassa, ja niille tehdään säätösuunnittelua.

Nyt meidän pitäisi yrittää päästä siitä askelta vielä ylemmäksi.

Äsken sanoin että intuitiivisessa mielessä jänis on [systeemi], mutta kuitenkin oikeasti kyberneettisessä mielessä se ei ole, sitten kuitenkaan, [systeemi].

[38:30/28]

Koska jos ajatellaan että jänistä luonnehtii se, että se pomppii siellä ja se on elävä kokonaisuus, niin elämää sinänsä ei voida määritellä että se elämä on nyt siinä jäniksessä, miljoona vuotta esimerkiksi, tai pysyvästi sillä tavalla että se yksi jänis olisi attraktori joka pitäisi sisällään jotain jänismäisyyttä miljoona vuotta, tai ikuisesti.

Koska se yksi jänis kuolee.

Erityisesti jos se ei ole ympäristössä, joka tukee sen jänismäisyyttä, niin se tulee kuolemaan hyvin nopeasti.

Jos ympäröivässä systeemissä ei ole jotain syötävää, jotain toista ekosysteemiä tai kokonaista ekosysteemiä, niin jänikselle ei käy hyvin.

Siinä mielessä emme voi oikein määritellä tämmöisen kyberneettisen systeemin rajoja.

Sillä systeemin olennainen osa on tietyllä tavalla myös sen ympäristö.

Puhumattakaan sitten koko jänispopulaatiosta – eli tarvitaan koko jänispopulaatio, jotta tämä jänismäisyys voisi säilyä, ympäristössään, miljoona vuotta.

Ja toinen ongelma on se, että systeemeinä kyberneettiset järjestelmät tuntuvat vasta-, tai ristiriitaisilta – siinä mielessä, että kun olemme tottuneet siihen että entropia kasvaa luonnossa – kaikissa mielekkäissä järjestelmissä entropia kasvaa, tai suljetuissa, järjestelmissä – niin nämä kyberneettiset järjestelmät ovat sellaisia että niissä monimutkaisuus tuntuu lisääntyvän, eli intuitiivisella tasolla järjestys kasvaa ja entropia pienenee.

Mistä se johtuu – mistä johtuvat tämmöiset akanvirrat entropiassa, entropian lisääntymisessä.

Tämä on vähän sellainen samanlainen asia kuin aikanaan oli tuo planeettojen liike, eli tulkittiin että niitä hallitsevat jotkut kuun yliset ilmiöt ja jumalat johdattavat näitä planeettoja.

Maan pinnalla tapahtuvat ilmiöt olivat kuun alisia ilmiöitä ja niillä oli omat luonnonlakinsa.

Nykyisin ajatellaan aika luontevasti, että okei – kyberneettiset järjestelmät ovat jotain muuta kuin fysikaaliset järjestelmät ja niille ei tarvitsekaan jokin entropiaperiaate toimia.

Totta kai nykyisin tämä ristiriita vältetään sillä, että ajatellaan että kyberneettiset järjestelmät ovat avoimia järjestelmiä – että ympäristön entropia kuitenkin kasvaa, vaikka järjestelmässä entropia pienenee, mutta – tämä on jollakin tavalla, riittämätön selitys.

[41:38/29]

Tämä – todellakin, tässä on nyt todettu että tämä ei ole – tämä ei voi olla hyvää perinteistä systeemiteoriaa tämä kybernetiikka, koska myös systeemiteorian perinteiset kivijalat – eli käsitteet, sellaiset kuin systeemin rajat, inputit ja outputit – ne menettävät merkityksensä, tietyllä tavalla – ei oikeastaan jää mitään muuta jäljelle kuin tämä – juuri ajatus systeemistä, ja silloin nämä perinteiset työkalut ovat aika voimattomia.

Eli – Tämä on perinteinen systeemiteoreettinen malli, yleisessä muodossa – että on inputit ja on systeemi, johon vaikutetaan – ja sitten sitä voidaan mitata, näiden y-mittausten avulla.

Niin – tosiaan tämä raja on häilyvä, koska tämä kokonaisuus systeeminä on ympäristönsä kanssa naimisissa, ja nämä kausaalinuolet tietyllä tavalla menettävät merkityksensä, koska se systeemi, se jänis on osa sitä kokonaisuutta, ja muuttaa sitä järjestelmää tai ympäristöä, koko ekosysteemiä – tai ainakin jänispopulaatio sellaisenaan on riittävän voimakas tekijä, että se ei – tämä kausaalinuoli ole yksisuuntainen ollenkaan, vaan se on nimenomaan semmoinen pankausaalinen relaatio – eli milloin tahansa ympäristö vaikuttaa siihen järjestelmään niin järjestelmä vuorovaikuttaa ympäristönsä kanssa.

[43:25/30]

Toinen vähän filosofisempi ongelma on, että jos meidän kognitiokoneistomme on kyberneettinen koneisto – tähän palataan myöhemmin – niin kuinka se voisi ymmärtää asioita jotka ovat yhtä monimutkaisia kuin se itse – eli toisia kyberneettisiä koneistoja.

Voivatko aivot tutkia asioita jotka ovat yhtä monimutkaisia rakenteeltaan kuin aivot itse?

Voitte pohtia näitä juuri siellä luentopäiväkirjassa.

Koska, nimenomaan, ajatus on, että niihin palataan sitten myöhemmin – tai ainakin itse voitte palata niihin ajatuksiin myöhemmin.

Eli laitatte nyt ylös nämä teidän intuitiot, ja palataan näihin ehkä konstruktivistisesti kehittyneisiin intuitioihin kurssin lopulla.

[44:28/31]

No, juuri koska kyse tässä kybernetiikassa on, aika pitkälle, haastava, niin joudumme kyberneettisesti mallittamaan kyberneettisiä systeemejä.

Esimerkiksi jos yritämme ymmärtää itse kybernetiikkaa, niin meidän täytyy ymmärtää, että kyberneetikot ovat kyberneettisinä agentteina rakentaneet sen järjestelmän, ja sen vuoksi – no, ihan lyhyesti, tämä Gregory Bateson päätyi tämmöiseen johtopäätökseen että olemme isojen asioiden kanssa tekemisissä, mutta asiat ovat osoittautuneet kovasti vaikeiksi, ja se miksi kybernetiikka on osoittautunut vaikeaksi, niin syyt ovat kyberneettisiä.

[45:30/32]

Nyt mennään, harpataan, kertaluokkaa konkreettisempiin asioihin, mutta kuitenkin pysytään tietyllä tavalla filosofioissa edelleen.

Eli mennään tähän Wittgensteiniin.

[45:48/33]

Hänen keskeinen teesinsä varhaiskaudelta – oli tämä, että mitä et voi lausua, niin sitä et voi edes ajatella, että ajattelu on niin kieleen pohjautuvaa, että jos sinulla ei ole käsitteita, ja keinoja konstruoida käsitteiden välille yhteyksiä, niin et voi oikeastaan tehdä yhtään mitään.

Tämä on aivan tosiasia sinänsä, mutta se mitä Wittgenstein ei ottanut huomioon, ehkä, oli se että matematiikan kieli on kertaluokkaa vahvempi kuin luonnollinen kieli.

Tai voitaisiin ehkä sanoa että matematiikka on luonnon luonnollinen kieli.

Mutta edelleen – on voimassa tämä, että vaikka käytämme matematiikkaa, niin meidän täytyy ymmärtää se työkalu, se matematiikka, jotta voimme ymmärtää niitä käsitteitä mitä joudumme ottamaan käyttöön.

No, miksi matematiikka on niin vahva?

[36:59/34]

Siihen liittyvät nämä muutamat kohdat tässä.

Keskeinen asia on että kun ihmiselle ajan hahmottaminen ja ajassa tapahtuvien muutosten hahmottaminen on vaikeaa, niin matematiikassa on työkalut siihen – differentiaalilaskenta ja muut – jotka mahdollistavat sen että voidaan käsitellä asioita johdonmukaisesti.

Tässä on ihan heitetty tämmöinen heitto – että esimerkiksi niin yksinkertainen asia kuin nopeus, ei loppujen lopuksi ole fysikaalinen ilmiö – semmoinen että voisitte mitata jostakin nopeuden, suoraan.

Vaan se on matemaattisesti jouduttu määrittelemään sillä tavalla että se on jokin tilan muutos, tietyllä välillä.

Teidän täytyy välttämättä tehdä kaksi mittausta järjestelmästä, ja sitten sen muutoksen jaatte kuluneella ajalla – silloin saatte nopeuden.

Eli sillä on olemassa ainoastaan matemaattinen määritelmä, tälle nopeudelle.

Ainoastaan matemaattisesti te voitte johdonmukaisesti käsitellä sitä.

Toisaalta, onhan luonnollisessa kielessä tietenkin omat työkalunsa, näin yksinkertaisille käsitteille, näin tärkeille käsitteille – mutta matematiikan työkalut on huomattavasti vahvempia.

Toinen asia on se, että matematiikassa reaalilukuja voidaan käsitellä luontevasti.

Tietyllä tavalla tämmöinen sumeus tulee automaattisesti mukaan malleihin, silloin kun pyörittelemme niitä reaaliluvuilla.

Tämmöinen jatkuvuus on mahdollista.

Kun perinteisesti kielellä käsiteltäessä asioita – yritetään rakentaa vaikka jotakin kognition mallia, kielellisesti filosofoiden – niin silloin päädytään välttämättä semmoiseen ongelmaan että esimerkiksi – jos meillä tietoisuus on sitä että tiedostetaan tai havaitaan tätä havaintoprosessia, niin kuka sitä havaintoa tekee, tarvitaan joku homonculus – no kuka sitä homonculuksen mallitusprosessia hallitsee, tarvitaan toinen, seuraava – päädytään tämmöiseen äärettömään laskeutumiseen tavallaan, että ei päästä eroon että tarvitaan aina vaan uusi, ääretön määrä homonculuksia, jotta voidaan yrittää ymmärtää esimerkiksi ajatteluprosessia.

Matemaattisesti voimme – tietyllä tavalla asioita yksinkertaistaen – voimme päästä siihen, että tämmöinen ääretön sarja onkin konvergoiva ja suppeneva – voidaan tarkastella tätä ääretöntä ketjua mielekkäästi.

Keskeinen asia on myös tietenkin tämä, että voimme matematiikassa tarkastella rinnakkaisia ilmiöitä luontevasti.

Kun kielellisesti joudumme aina pistämään asiat jonoon, niin matematiikassa käyttäen vektoreita ja matriisilaskentaa voimme käsitellä mielivaltaista määrää asioita yhtäaikaisesti.

[50:25/35]

Tässä nyt on ihan tätä syntaksia mitä tullaan käyttämään – ihan tällainen nopea johdanto tähän asiaan.

Meillä on symboleita t, symboleita x ja u ja niin edelleen, ja niin edelleen, ja tullaan käyttämään semmoista tulkintaa – eli sinänsä matematiikka tarjoaa vain syntaksin meille.

Jotta saamme jotakin aikaiseksi matematiikan avulla, meillä täytyy olla tulkinta niille asioille.

Ja nyt tämä, lainausmerkeissä "semantiikka", on sitä, että luonnossa tai ympäristössä tai reaalimaailmassa tämä t, sitä vastaa aika, ja näitä x:ää ja u:ta vastaa järjestelmän sisäinen tila, ja toisaalta tätä vastaa ympäristön tila tämä u.

Näihin voidaan sisällyttää historia.

Tämä on systeemiteoriaa sinänsä, että vaikka asiat ovat historiaan linkitettyjä, niin kun on riittävän korkeadimensioinen tilavektori, niin se menneisyys voidaan koodata siihen staattiseen tilavektoriin – tämä on juuri näitä matemaattisen systeemiteorian vahvoja tuloksia.

Tässä on nyt sitten tämmöinen – jos meillä on tämä x-vektori ja u-vektori, niin niiden välille, tai niiden avulla, voidaan määritellä differentiaaliyhtälö, joka kertoo että miten tila muuttuu – tämä näyttää kovasti triviaalilta, voidaanko tämmöisen avulla kuvata jotain oikeasti mielenkiintoista asiaa.

Mutta tämä on se perusmatemaattinen työkalupakki – tarkoitus onkin osoittaa tässä vain, että matematiikka ei tule olemaan tässä kurssissa vaikeaa.

Tarvitaan vain perusymmärrystä derivaattaoperaattorista ja sitten perusymmärrystä matriisilaskennasta – eli käytännössä lineaarialgebrasta.

[52:44/36]

Siihen liittyen, tarvitaan ymmärrystä monimuuttujamenetelmistä tai monimuuttuja-analyysista.

Kuinka monelle on tuttu tämmöinen lauseke?

Haluaisin tässä yhteydessä kysyä, että kuinka moni tietää esimerkiksi kovarianssimatriisin rakenteen, ja määritelmän?

Niitä tullaan pyörittämään aika paljon.

Ja sitten toisaalta – kovarianssimatriisin rakenne, se koostuu suuresta määrästä parametreja joita voidaan kompressoida niin sanottujen ominaisarvojen ja ominaisvektorien avulla.

Ominaisarvot ja ominaisvektorit tulevat olemaan hyvin keskeisiä myös tässä kurssissa.

Ne ovat lineaarialgebran keskeisiä työkaluja.

No, tässä on "heitetty" tämmöinen kuin infomaatio.

Tulemme myöhemmin toteamaan, että tällä lausekkeella on tietyssä mielessä infomaation tulkinta.

Eli on siirrytty datasta informaatioon.

[53:58/37]

No joo, tässä on sitten kalvo, jota voitte myös pohtia – luentomuistiinpanoissa, tai luentopäiväkirjassa.

Eli ovatko matematiikan pelin säännöt oikeat, tai ovatko ne lopulliset.

Tietyllä tavalla matematiikka syntyi vapaiden miesten vapaa-ajan harrastuksena Kreikassa.

Ei ollut mitään tarkoitustakaan että se olisi sovellettavissa luontoon.

Euklideen geometria, siinä pyöriteltiin pisteitä ja suoria – no hyvä on, niille tuli hyvin nopeasti sovellutuksia kyllä.

Mutta kuitenkin, pelisäännöt sinänsä olivat täysin hatusta temmattuja.

Esimerkiksi lähtökohtana kreikkalaisilla oli että on käytettävissä vain harppi ja viivoitin.

Siitä on pystytty koko Euklidinen geometria rakentamaan – sinänsä mahtava tulos.

Mutta kuitenkin voidaan kyseenalaistaa että onko nykymaailmassa – tai onko se luonnon kannalta olennaista, että on vain harppi ja viivotin käytettävissä, ja niitä voidaan käyttää vain äärellinen määrä kertoja?

Esimerkkinä tästä voi todeta sen, että antiikin kreikkalaisilla oli suuri ongelma siinä, että – tai keskeisiä ongelmia joita heidän matematiikassaan oli, oli se että kuinka voidaan mielivaltainen kulma jakaa kolmeen yhtäsuureen osaan.

Se on todellakin mahdoton tehtävä, näillä työkaluilla – nimenomaan sillä ehdolla että tämän menetelmän on oltava "fiksattu" tai äärellinen kvadratuuri.

Sen sijaan kahteen osaan kulma on erittäin helppo jakaa.

Muistatte – ei käydä yksityiskohtia, mutta kuitenkin – se on mielivaltaiselle kulmalle aina tehtävissä – harpin ja viivottimen avulla.

Ja, jos joustamme hieman näistä alkuperäisistä säännöistä, sillä tavalla että sallitaan että ääretön ketju harpin ja viivottimen käyttöjä on sallittu – ja sen jälkeen meillä muodostuukin, tai tuleekin – huomataan että maailma avartuu yllättävästi – esimerkiksi kulman jakaminen kolmeen yhtä suureen osaan on yhtäkkiä täysin mahdollista.

Esimerkiksi juuri se ongelma voidaan tehdä sillä tavalla että jaetaan ensin kulma kahteen osaan, puoleksi, sitten jaetaan tämä osa taas puoleksi, sitten jaetaan tämä osa puoleksi, ja niin edelleen, jatketaan äärettömyyteen asti.

Se hyvin nopeasti konvergoituu siihen tiettyyn kohtaan tämä edestakainen kulmien puolitus, ja voidaan todistaa, geometrisena sarjana, että tosiaankin se sarjan summa on yksi kolmasosa alkuperäisestä kulmasta.

Tässä ensi luennolla tullaan nimenomaan pohtimaan että onko matematiikka valmista.

Mutta toisaalta tullaan myös päätymään siihen, että tämän kurssin puitteissa tullaan käyttämään vain sitä valmista matematiikkaa, joka on hyvin pitkälle kehitettyä.

Ei tarvita mitään soluautomaatteja tai muita työkaluja.

[57:30/38]

Olennaisesti se vahva työkalu, joka auttaa meitä korkeaulotteisen datan ymmärtämisessä, on pääkomponenttianalyysi ja niin edelleen.

Mutta haluan korostaa, että tämä ei ole semmoinen työkalu mitä lähdetään soveltamaan ikäänkuin perinteisessä insinöörimielessä – että meillä olisi jokin työkalupakki jota nyt pakottaen sovellamme johonkin sovellutukseen – vaan haluan korostaa nimenomaan, että tämä pääkomponenttiominaisuus emergoituu näistä kyberneettisistä malleista automaattisesti.

On vain onnekas sattuma, että meillä on juuri tämmöinen vahva työkalupakki valmiina näiden saatavien mallien ymmärtämiseen.

[58:21/39]

Hyvin insinöörimäinen johdanto monimuuttujamenetelmiin on saatavissa myös tuolta verkosta – eli meillä on syksyn kurssi joka käsittelee näitä menetelmiä.

Mutta lyhyen johdannon saatte myös tässä kurssissa näihin asioihin – että jos ette ole käyneet jotain vastaavaa kurssia niin ei se kaada asioita.

[58:45/40]

Kuitenkin, se mikä saattaa – tai mikä on hyvin tärkeä asia aina kun lähdetään datapohjaista analyysiä tekemään – ja tietyllä tavalla sitä varten olisi hyvä jos olisitte joskus käyttäneet niitä menetelmiä – olisitte todennut, että kun työnnätte roskaa sisään niin roskaa tulee myös ulos – että vaikka matemaatinen koneisto on hyvin vahva, ja nimenomaan nämä pääkomponenttianalyysit ovat hyvin vahvoja menetelmiä, niin teillä täytyy olla hyvää dataa, jotta saatte jotain mielekästä aikaiseksi.

Esimerkiksi jos on jotakin täysin – tai on huonoa dataa, liian vähän – niin voidaan saada hyvinkin käsittämättömiä tai mielikuvituksellisia malleja, joilla ei ole mitään ennustusvoimaa – eli niillä ei ole yleistettävyyttä, niitä ei voida yleistää sen kyseisen datajoukon ulkopuolelle.

Esimerkiksi tässä on tehty analyysi että auringonpilkut on tietyllä aikavälillä korreloinut noiden republikaanisenaattoreiden määrän kanssa.

Tästä voisi rakentaa mallin sitten jos haluaisi – mutta se todennäköisesti ei olisi kovin käyttökelpoinen malli.

[1:00:02/41]

Jos verrataan näihin yleisiin datapohjaisiin menetelmiin, niin näissä kyberneettisissä järjestelmissä on vielä semmoinen lisäongelma, että tyypillisesti ne ovat jollakin tavalla – eläviä, ja jollakin tavalla matalalla tasolla älykkäitä järjestelmiä.

Tämä nyt on pikkuisen liioiteltua jos sanon, että ne pakenee mittaajaa – että jos pistät jonkun mittarin sinne niin se pakenisi alta pois.

Mutta näin on suunnilleen kyllä – tulokset voidaan tulkita sillä tavalla.

Niissä on hyvin vahva – jos puhutaan taas teknisin termein – niillä on hyvin vahva puskurointiominaisuus ensinnäkin.

Teette mitä tahansa, niin esimerkiksi solun tilaa ette kovin helposti voi muuttaa – se on hyvin jähmeä kaikille ympäristön muutoksille.

Ja sen vuoksi datapohjainen analyysi on monimutkaista.

Vaikka teette joitakin input-muutoksia, niin tila ei todennäköisesti muutu kovinkaan paljon.

Tosin monimuuttuja-analyysillä voidaan taas päästä parempiin tuloksiin kuin jos mitattaisiin vain yhtä ainoaa muuttujaa sieltä järjestelmän sisältä.

Ja toinen asia on tämä, että osoittautuu, että kun tarkastellaan riittävän monimutkaista järjestelmää, vaikka jotain talouselämää, niin on voimassa tämmöinen havaitsijailmiö – oikeastaan hyvin sama kuin mikä on voimassa kvanttifysiikassa.

Että jos te mittaatte jotakin järjestelmää, vaikka haluatte mitata jonkun kysyntää ja tarjontaa jollakin markkinoilla, niin sitä voi mitata vain tuomalla markkinoille jonkun tuotteen, ja sen jälkeen kun olette tuonut tuotteen markkinoille, mitannut sen kysynnän, niin markkina on muuttunut, sitä alkuperäistä markkinaa ei oikeastaan enää ole – sen jälkeen kun olette tuoneet tämän tuotteen sinne markkinoille.

[1:01:58/42]

Tässä on sitten taas semmoisille henkilöille, jotka ovat matemaattisesti suuntautuneita, niin heti, jo tässä vaiheessa, haluan todeta, että tässä on jonkun verran näitä terminologioita yksinkertaistettu – esimerkiksi kun puhutaan korrelaatiomatriiseista ja korrelaatioista, niin ne ovat aika pitkälle vain sisätuloja, eli ei normalisoida eikä keskiarvoisteta, tyypillisesti, ja niin edelleen.

[1:02:33/43]

No, otin tässä, nyt, tämän "nelikakkosen" nyt pohdinnan kohteeksi vielä.

Sehän on "todistettu", tai ainakin sanottu, että 42 on ratkaisu kaikkiin näihin meidän ongelmiin – siis elämän, maailmankaikkeuden ja kaiken, ongelmiin.

Eli tämä on se Douglas Adamsin kirja, jossa tämä väite todetaan.

Tietyllä tavalla voidaan pitää tätä tosiasiana, että näin se on – täytyy vain muotoilla kysymys sillä tavalla, niin se kyllä saadaan aina tuohon muotoon juuri että vastaus on yksinkertainen.

Mutta, avainpointti olisikin löytää nyt näitä – justiin tulkintoja, miten tämä nelikakkonen pitää tulkita.

Ja miten kysymykset pitää asettaa.

[1:03:48/44]

Eli jos meillä on riittävän vahva viitekehys, tai tämmöinen käsitteellinen koneisto, tai jos meillä on riittävän paljon muuttujia ja vapausasteita tarjolla, niin meillä tyypillisesti aina löytyy hyvä selitys.

Mitä enemmän muuttujia niin tyypillisesti sen parempi selitys on löydettävissä.

Tämä Douglas Adams itse väittää että neljäkakkonen oli täysin hatusta temmattu luku hänelle.

Mutta kun tätä on pyöritelty riittävästi, on todettu, että tietyssä viitekehyksessä neljäkakkonen vastaa kaikkiin niihin kysymyksiin – siis elämä, maailmankaikkeus, kaikki – koska jos se tulkitaan ascii-koodina tämä neljäkaksi, niin sitä vastaa tähti – ascii-koodistossa.

Ja mehän tiedämme, että – jos katsotte Hesarin kuolinilmoituksia – niin tuo tähti tarkoittaa syntymää – eli käytännössä elämää, ja toisaalta tähti nyt viittaa sitten myös universumiin.

Ja erityisesti se vastaa kaikkea tämä tähti, koska tietokonetekniikassa tämä Kleenen tähti vastaa mielivaltaista määrää aivan mitä tahansa asiaa.

Tässä on tietyllä tavalla perustelu sille, että miksi 42 on kaiken ratkaisu – tai kompaktissa muodossa jollakin tavalla antaa jotakin osviittaa kaikkiin näihin maailmaa syleileviin kysymyksiin.

Mutta – se on niin ladattu semantiikalla, että eihän tätä voi muuta kuin pitää vitsinä vain.

Se vain, että kaikki eivät pidä näitä asioita vitseinä.

Juuri tämä postmoderni maailman näkemys lähtee siitä – aika pitkälle perustuu sille – että kaikki teoriat ovat vain mielen tuotetta, konstruktiivisia, kyberneettisiä malleja maailmasta.

Ja voimme rakentaa – ainakin kun riittävän monimutkaisia asioita mallinnetaan, niillä ei ole maailmassa vastinetta suoraan – tai ainakin niitä maailmassa olevia ilmiöitä voidaan tulkita kehyksessä sillä tavalla että saadaan sopimaan mikä tahansa teoria selitykseksi.

Kaikki on vain diskurssia – eli tiedeyhteisön välistä keskustelua, mistä muodostuu maailma, ja käsitteet – tietyllä tavalla hyvin kyberneettinen lähtökohta tai ajatus, mutta kuitenkin – kuitenkin hedelmätön.

Ja tässä kurssissa halutaan löytää jotain konkreettisempaa, jotain oikeasti työkaluja, ja nimenomaan että voitaisiin käsitteet määritellä jonkun allaolevan kielen eli matematiikan avulla.

Siihen palataan sitten.

No – otin tähän tämmöisen – tämä ehkä vähän huono vitsi sinänsä mutta että ne jotka ovat tosiaan eläneet 70-luvulla muistavat mainoksen "hanki taloon neljä-kaksi, pistä rotat matalaksi" – elikä 4-2 oli rotanmyrkyn nimi.

Tietyllä tavalla tämä ratkaisee myös ihan kaikki ongelmat, tämä rotanmyrkky.

[1:07:42/45]

No, tässä tietyllä tavalla vedetään nyt takaisin sinne muinaisiin ihmisiin, eli antiikin suomalaisiin nyt tällä kertaa.

Tietyllä tavalla, suomalaisilla on ollut hyvin syvällinen ymmärrys siitä, että mitä maailmassa on.

Koska kaikkea maailmassa olevaa hahmotettiin – tai ainakin katsottiin että voidaan hallita mitä tahansa ilmiötä maailmassa jos ymmärretään sen syntysanat, miten se on syntynyt – eli nykytermeillä, jos hallitaan sen emergenssi, voitaisiin sanoa.

Kalevala on vanhan kansan viisautta, ja täytyy – haluan korostaa jo tässä vaiheessa, että he jotka elivät joskus menneisyydessä, he eivät olleet tyhmiä ihmisiä, se vaan näyttää ehkä meille tyhmältä koska me elämme erilaisessa maailmassa.

Joskus 500 vuotta sitten ihmiset olivat ihan – heillä oli vielä aikaa miettiä asioita, myös tutkijoilla.

Ja siinä mielessä, en millään tavalla halua korostaa että nyt ymmärrettäisiin asioita syvällisemmin kuin silloin, mutta nyt, tällä hetkellä meillä on työkalut paremmat, nimenomaan matemaattiset työkalut ovat paremmat kuin ennen.

Te voisitte tähänkin palata, tämmöisiin systeemin syntysanoihin kurssin lopulla – mutta se mitä nimenomaan haluaisin mihin palaatte, kurssin lopulla, niin on se, että ymmärtäisitte tämän äärimmäisen värssyrakenteen.

Tässä on aina kahdeksan tavua näissä kaikissa säkeissä – niin miksi voidaan väittää, että äärimmilleen pelkistettyinä ne tavut voidaan kirjoittaa tuohon muotoon sillä tavalla että siinä on taas neljä ja sitten niitä on kaksi.

Tulemme palaamaan tähän, tuohon lausekkeen muotoon uudestaan.

Oikeastaan se, mitä nimenomaan haluaisin tässä korostaa on se, että tietyllä tavalla matematiikka – tai no, matematiikka on matematiikkaa, mutta maailman mallintaminen on luonnonfilosofiaa, ja se ei ole matematiikkaa, eikä se ole edes tiedettä siinä mielessä että ei sallittaisi intuitioita tai muita – tietyllä tavalla myös jonkunlainen huumori on olennainen osa luonnonfilosofista maailmankuvaa.

Ihan siinä mielessä, että – tästä voisi aloittaa pitkän keskustelun, ja toivon että keskustelette aiheesta verkossa, tai voimme jatkaa siellä, mutta kysehän on siitä, että nykymaailmassa tiede on hätää kärsimässä, koska on huomattu että se ei vastaa oikeasti kiinnostaviin kysymyksiin – mieluummin luetaan vaikka horoskooppeja jotka vastaavat päivänpolttaviin kysymyksiin, tai joihinkin homeopaattisiin menetelmiin, koska tiede nyt vaan on niin kaukana ihmisten maailmasta.

Yksi tapa tehdä tätä lähemmäksi ihmisten maailmaa – tai saada se lähemmäksi ihmisten maailmaa – on tehdä siitä ymmärrettävämpää, intuitiivisempaa, mutta toisaalta tehdä siitä hauskempaa.

Koska loppujen lopuksi tieteen, tai ainakin luonnonfilosofian, sen pitäisi olla meemien joukko tai kokonaisuus joka elää ihmisyhteisön päällä tai ihmisyhteisön määrittelemässä idea-avaruudessa.

Jos lähdetään siitä, että ne ovat vain tiedemiehet joilla on pääsy tähän salattuun viisauteen, niin tullaan – kavennetaan hirvittävän paljon sitä populaatiota, mistä syntyy innovaatiot.

Ainakaan lähtökohtaisesti ei pitäisi hyväksyä sitä, että tiede on ryppyotsaista ja vain tämmöiselle papistolle ymmärrettävää.

Tässä kurssissa pikkuisen mennään välillä – tai näette kalvoista että ne ovat jossakin määrin intuitiivisia.

Pidän sitä nimenomaan tietoisena valintana tälle kurssille.

Jos olette meidän opiskelijoita, niin – tämä on merkitty L:llä tämä kurssi, eli tämä on jatko-opintokurssi – tietyllä tavalla tässä vaiheessa teillä pitäisi olla tiedossa, tai osaaminen, näistä perustyökaluista, matematiikoista, ja insinöörimäisistä menetelmistä, eli te osaatte mallittaa – jos teillä on jokin pönttöjärjestelmä teollisuudessa, osaatte rakentaa mallin, ja osaatte säätää sitä, mutta tämän kurssin tarkoituksena on juuri avata vähän näitä luutumia.

Eli kaikki asiat joita voidaan mallittaa, ja mitä on mielekästä ymmärtää, ne eivät ole tämmöisiä insinöörimäisiä järjestelmiä.

Vaan, varsinkin aika monen muun ihmisen maailma on nimenomaan tämän insinöörimaailman ulkopuolella, ja on teille itsellenne eduksi, jos pystytte keskustelemaan näiden ihmisten kanssa.

Tässä oli oikeastaan tämä mitä halusin tällä ensimmäisellä kerralla sanoa.

Näitä kalvoja on aika paljon kuhunkin satsiin, eli viitisenkymmentä kappaletta.

Ne tullaan käymään läpi aikalailla pintapuolisesti, mutta voidaan, jos – teidän kannattaa ehkä jonkun verran katsoa niitä etukäteen, koska jonkunlaiset – tai alustavat kalvot ovat siellä verkossa tarjolla.

Jos jokin asia jää erityisesti kiinnostamaan, voidaan siinä viipyä pidempään sitten.

Mutta lähtökohtaisesti ajatus on se, että koska teillä on hyvin erilaiset taustat, niin on hyvin erilaisia kalvoja, sitten, jotta olisi jokaiselle jotakin.

Jollekin jokin kalvo ei sano mitään, ja jollekin se saattaa antaa jonkunlaisen ahaa-elämyksen, ja toivoisin nimenomaan kommentteja näistä, että jos jotkut kalvot eivät kenenkään mielestä ole hyviä ne voidaan jättää kokonaan pois.

Kiitoksia.

[1:15:05/-]