Totuus vai Todellisuus - tutkimuksen haasteet Heikki Hyötyniemi

1. Totuus vai Todellisuus - tutkimuksen haasteetHeikki Hyötyniemi

2. Sisältöä! • Perinteinen IT-työn ongelma: tekniikkaa kehitetään, sisältö unohdetaan? • Case-esimerkki: teknis-matemaattisen tutkimus- ja kehitystyön tarpeet ja haasteet tulevaisuuden tietoverkolle

3. Verkko tutkimuksen apuna • Verkon vaikutukset tieteentekoon yleensä • reaaliaikainen kommunikointi • tietokannat ja elektroniset julkaisut • hakukoneet ja hyperdokumentit • Kuinka verkko voisi muuttaa itse tieteen sisältöä (matemaattis-teknisellä alalla)? ... Kun nyt edes kaavat voisi kirjoittaa HTML-kielellä!

4. Tiede tänään? • Kuhnin paradigmat • Kehityksen kulku: teesi – antiteesi – synteesi Voisi kuvitella että synteesejä voidaan löytää helpommin kommunikointivälineiden kehittyessä?

5. Kuitenkin – nykyisin ei tehdä synteesejä! • On helpompi tehdä uutta kuin sovittaa vanhaan – tiede pirstoutuu • Koulukuntien erot kasvavat • ”Markkinamiehet” voivat mainostaa tutkimustaan tehokkaasti verkossa • Hype-vetoinen tutkimus

6. Kuinka verkko voisi muuttua asioiden sekoittajajasta kokonaisnäkemyksen haun työkaluksi? Kuinka kone voisi eliminoida ”roskaväitteet”? Semantiikka -> Sensuuri!

7. ”Semanttinen WWW” • Semantiikka ilman tulkitsijaa? Mekanisoitu ymmärrys? • Tekoälyn ikiaikainen haaste!

8. Kuitenkin erityistapauksissa

9. Matematiikassa yhteys datan ja käsitteiden välillä on yksikäsitteinen • Matematiikka on kuitenkin syntaktista ilman semanttisia tulkintoja • Paradoksi: periaatteessa laskennan merkitys on täysin määrätty, mutta toisaalta ei mitään sidottua merkitystä!?

10. M. Eigen: ”Teoria on tosi tai epätosi. Näiden lisäksi malli voi olla relevantti tai irrelevantti”. • Matematiikka ei tarkasti kuvaa reaalimaailmaa, ja voidaan tehdä epäkurantteja abstrahointeja

11. Sovellettu matematiikka • Tekninen tutkimus soveltaa puhtaan matematiikan tuloksia • Sovelluskohteen merkityssisällöt mukana datan tulkinnassa! • Vain soveltaja itse ymmärtää datan ja laskennan semanttinen sisällön

13. Tekniset sovellukset • Tietokone keskeisessä roolissa -> Algoritmit ja ”dynaaminen matematiikka” • Ilmiöiden olemus emergoituu algoritmeistä, ”elävät” vain tietokoneessa • Menetelmät eivät analyyttisesti ratkeavia (ja vaikka olisivatkin ...!) • Simulointi avainasemassa

14. Työkaluista • Vaatimuksia työkaluille: matemaattiset kirjastot, simulointityökalut, visualisointi ... • Java? • Matlab Web Server? • Saman työkalun sovelluttava tutkimukseen ja julkaisemiseen!

15. Tulevaisuudenkuva? • ”Interaktiiviset julkaisut”: on-line simulointi, menetelmän todellisen toimivuuden testaus todellisella datalla • Funktionaaliset tietokannat, datan testaus ja menetelmien seulonta automaattisesti • Myös opetusmateriaalin kehittämiseen!

16. Esimerkki • Väite (teoreetikko): ”Rekursiiviset identifiointimenetelmät antavat samat parametriestimaatit kuin off-line –identifiointimenetelmätkin” • Vastaväite (asiantuntija): ”Tämä on kyllä totta, mutta ...”

19. Esimerkki: jatkoa Kaksi ääripäätä datan mallitukseen: • Rekursiivinen identifiointi : menetelmät voidaan todistaa toimiviksi, mutta käytännössä ne usein pettävät • Kohosen kartat : toimintaa ei voida todistaa, mutta ne antavat useimmiten hyviä tuloksia käytännössä

20. Yhteenveto • Verkolla hyvin erilaisia sovelluskohteita ja vaatimukset vastaavasti erilaisia • ”Semantiikka” myös erilaista • Yksi ainoa lähestymistapa ei välttämättä sovellu kaikkiin sovelluksiin!