Muuttaako tekoäly osaamistarpeet?

Kirjoittaja: Maarit Virolainen.

Heikon ja vahvan tekoälyn1 yhdistäminen erilaisiin palvelu- ja teollisen tuotannon muotoihin muuttaa työelämää. Rajatuissa tehtävissä teollisuudessa ja palveluissa hyödynnettävän heikon tekoälyn ja palautetta syötteenä käyttävien uudelleensuuntautuvien teknisten prosessien yhdistelmät yleistyvät tulevaisuudessa. Kuluttajapalvelujen muutosta on jo luonnehtinut esimerkiksi siirtymä yksittäisten tuotteiden tai palveluiden myymisestä tuote- ja palvelukokonaisuuksien tarjontaan ja niin sanotun alustatalouden nousu (Baines, Lightfood, Benedittini & Kay 2009). Ihmisten ja tekoälyn odotetaan muodostavan yhdessä tuotantoyksiköiden, palvelusovellusten ja asiantuntijoiden ekosysteemejä (Zhong, Xu, Klotz & Newman 2017).

Tulevaisuuden työtä muuttavia teknologisia innovaatioita ovat esimerkiksi erilaisten sensoreiden hyödyntäminen, esineiden internet (Internet of Things, IoT), älykäs tuotanto, data-analytiikka, pilvipalvelut, -tuotanto, -laskenta, tai -tulostus, 3D-printtaus, ja kyberfyysiset järjestelmät, kuten eksoskeletonit2. Pilvipalvelut ovat pilvessä eli internetissä tarjottavia palveluita. Pilvilaskenta, -tuotanto ja -tulostus viittaavat tietotekniikan ja internetin käyttöön tavaroiden tai palveluiden hallinnoinnissa, tuottamisessa ja toimittamisessa. Nämä voidaan yhdistää esimerkiksi kolmiulotteisten esineiden tulostamiseen.

Edellä kuvattuun laajaan muutokseen viitataan usein yhteiskunnallisessa keskustelussa teollisen tuotannon neljäntenä vallankumouksena ja 4.0-liitteellä. Esimerkiksi Saksassa työ- ja sosiaaliministeriö on pyrkinyt jäsentämään muutoksen vaikutuksia väestön osaamistarpeisiin raportissa Arbeiten 4.0 (Hoppmann ym. 2017). Myös Suomessa on meneillään Suomen Akatemian yhteydessä toimivan strategisen tutkimusneuvoston hanke Valmistus 4.0 eli MFG 4.0.

Ammattikorkeakoulujen kannalta teollisuus 4.0:n tulo edellyttää sen jäsentämistä, miten muutokset vaikuttavat osaamistarpeisiin. Koulutuksen tutkimuksessa on pidetty tärkeänä moni- ja laaja-alaisten, transversaalien taitojen omaksumista (Guile 2002; Trilling & Fadel 2009; Winch 2013, 2015). Lisäksi tarvitaan tietoa koulutusalakohtaisten taitovaatimusten muutoksista. Erityisesti tekniikan ja muiden alojen yhteistyön vahvistamiseen tarvitaan lisää näkemystä.

Tekniikan alan, erityisesti informaatioteknologian insinöörien osaamistarpeita on hahmotettu saksalaisessa tutkimushankkeessa kirjallisuuskatsauksen ja kansainvälisten asiantuntijoiden fokusryhmähaastatteluiden avulla (Prifti, Knigge, Kienegger & Kremar 2017). Haastatteluissa höydynnettiin skenaarioita tulevaisuuden työprosesseista ja -tuotteista. Tuloksissaan tutkijat jakoivat tunnistetut osaamistarpeet kahdeksaan laajaan alueeseen alla olevan kuvion 1 mukaisesti.

Kuvio 1. Valmistus 4.0 ja laaja-alaiset osaamisalueet (muokattu Prifti, Knigge, Kienegger, & Kremar 2017, 56–57 pohjalta)

Tutkijat liittävät tekniikan alan spesifit taitotarpeet teknologian soveltamiseen. Näitä taitotarpeita ovat esimerkiksi teknologinen lukutaito, markkinointi sosiaalisessa mediassa, tietoturvallisuus, järjestelmien rakentaminen ja kehittäminen, erilaisten teknologioiden yhdistäminen, mobiiliteknologia, sensoreiden ja upotettujen järjestelmien tuntemus, robotiikka, tekoäly, ennakoiva ylläpito, mallintaminen ja ohjelmointi, data-analyysi ja tulkinta sekä pilviarkkitehtuurit. (Emt., 56.) Myös muihin alueisiin, kuten johtaminen ja päätöksenteko tai yhteistyö, liittyy tulosten mukaan monia tarkennettuja osaamistarpeita. Ne olivat kuitenkin selkeästi monialaisempia ja yleisempiä.

Suomalaisesta näkökulmasta nämä tulokset haastavat pohtimaan, miten ammattikorkeakoulujen tekemä monialainen yhteistyö työelämän kanssa mahdollistaa teknologian tuomien osaamistarpeiden tunnistamisen. Kun yhdysvaltalaistutkijat pohtivat tekoälyn työhön tuomien muutosten ennakointia, he totesivat, että tietojen kerääminen ja analysointi vaatisi – ironista kyllä – tekoälyä (Frank ym. 2019). Kaikkia ennakointiin tarvittavia tietoja voisi olla haastavaa hankkia ja jäsentää kustannustehokkaasti. Siksi osaamistarpeiden ennakoinnin lähtökohdaksi suositeltiin varautumista samalla myös odottamattomiin tulevaisuusskenaarioihin.

Paikallisten kehityskulkujen tarkastelu yhteistyössä työelämän kanssa näyttää myös tutkimuksen näkökulmasta hyvältä lähtökohdalta, kun halutaan varautua teknologian tuomiin muutoksiin. Monet ammattikorkeakoulut ovat jo proaktiivisesti edenneet tässä suunnassa. Esimerkiksi Metropolia kehittää avoimia robottialustoja ja laajennetun todellisuuden hyödyntämistä ja JAMK:ssa kehitetään monialaisesti teollisuusrobotiikan hyödyntämistä tuotannossa. Lisää esimerkkejä löytyy AMK-kentältä ja niitä myös kaivataan.

1Heikolla tekoälyllä tarkoitetaan rajatuissa tehtävissä hyödynnettävää koneiden tai neuroverkkojen oppimista niiden keräämän datan avulla. Tavanomaisesti olosuhteiden muutos edellyttää koneen uudelleenohjelmointia. Vahvalla tekoälyllä viitataan teknologisiin ratkaisuihin, jotka pystyvät suoriutumaan useista tehtävistä erilaisissa ympäristöissä, mikä vaatii ongelmanratkaisua ja yllättäviin tilanteisiin sopeutumisen mahdollistavaa analytiikkaa. Vahvaa tekoälyä edustaisivat esimerkiksi itseohjautuvat autot. Vahvan tekoälyn määrittelytavoista kiistellään samoin kuin siitä onko sitä vielä pystytty kehittämään. (Goertzl 2014).

2Moniin (visioituihin) teknologisiin muutoksiin ei ole vakiintuneita suomenkielisiä termejä. Eksoskeletonilla esimerkiksi tarkoitetaan ihmisvartaloa myötääviä rakenteita, joilla saadaan lisää voimaa, tukea tai tarkkuutta vaikkapa nostoihin ja toistoihin esimerkiksi rakennustyömaalla tai autonrakennuksessa.

Kirjoittaja

Maarit Virolainen, FT tutkija, Koulutuksen tutkimuslaitos Jyväskylän yliopisto, maarit.ha.virolainen(at)jyu.fi


Baines, T. S., Lightfood, H.W., Benedittini, O. & Kay, J.M. (2009). The servitization of manufacturing. A review of literature and reflection on future challenges. Journal of Manufacturing Technology Management, 20 (5), 547–567.

Frank, M. R., Autor, D., Bessen, J.E., Brynjolfsson, E., …& Rahwan, I. (2019). Toward understanding the impact of artificial intelligence on labor. PNAS (Proceedings of the National Academy of Sciences of the United States of America), 116 (14), 6531–6539. Haettu 12.9.2019 osoitteesta https://www.pnas.org/content/116/14/6531

Goertzel, B. (2014). Artificial general intelligence: Concept, state of the art, and future prospects. Journal of Artificial General Intelligence, 5(1), 1–46.

Guile, D. (2002). Skill and work experience in the European Knowledge Economy. Journal of Education and Work 15, (3), 251–276.

Hoppmann, N., Huber, M., Mikfeld, B., Neufeind, M., P… & Zirden H. (toim.). (2017). Arbeit weiterdenken. Werkheft 03.Berlin: Bundesministerium für Arbeit und Soziales. Haettu 12.9.2019 osoitteesta https://www.arbeitenviernull.de/fileadmin/Downloads/BMAS-Werkheft-3.pdf

Prifti, L.; Knigge, M.; Kienegger, H.; Krcmar, H. (2017). A Competency model for ”Industrie 4.0” employees. Teoksessa Leimeister, J.M. & Brenner, W. (Toim.): Proceedings der 13. Internationalen Tagung Wirtschaftsinformatik (WI 2017), St. Gallen, s. 46–60.

Trilling, B. & Fadel, C. (2009). 21st century skills. Learning for life in our times. San Fransisco: Jossey-Bass.

Winch, C. (2013). Three different conceptions of know-how and their relevance to professional and vocational education. Journal of Philosophy of Education, 47(2), 281–298.

Winch, C. (2015). Towards a framework for professional curriculum design. Journal of Education and Work, 28(2), 165–186.

Zhong, R.Y., Xun, X., Eberhard K., & Newman S. T. (2017). Intelligent manufacturing in the context of Industry 4.0: A Review. Engineering 3 (5), 616–630. Haettu 12.9.2019 osoitteesta http://dx.doi.org/10.1016/J.ENG.2017.05.015

3D- ja valokuvausstudiot digitaalisina oppimisalustoina

Kirjoittajat: Matti Kurkela, Marika Ahlavuo, Hannu Hyyppä, Juho-Pekka Virtanen, Matti Vaaja, Petri Rönnholm, Antero Kukko, Arttu Julin, Matias Hyyppä, Henrik Haggrén

3D-studion rooli

3D-studio muodostaa luonnollisen ympäristön opetus- ja tutkimushenkilöstön vuorovaikutukselle. Käytettävät teknologiat ulottuvat laser- ja kuvamittauslaitteista anturi-, paikannus- ja navigointiteknologioihin. Käytännössä laitteet tuottavat digitaalista aineistoa, ja mittausskaala vaihtelee mikroskooppisen pienistä kohteista taivaankappaleisiin. Opetus pohjautuu osaltaan kokeilukulttuuriin ja toisaalta pedagogiikkaan, joka varmistaa opiskelijoille globaalisti vertailukelpoiset oppimistulokset. Näin saavutetaan inspiroiva ja nopea tiedonkulku – positiivinen tiedon kehä. Verkostokumppaneillakin on entistä paremmat mahdollisuudet löytää oman alansa erityisosaajia.

Kuva 1. Kasvottoman opettaja- ja tutkijajoukon sijaan studiot toimivat tilana, jotka mahdollistavat uusien kokeilevien pilottien käynnistämisen potentiaalisten yhteistyökumppanien kanssa. © Aalto & FGI

Oppimisprosessi

3D-studio herättää motivaatiota ja innostusta, jotka ovat tärkeitä tekijöitä oppimisprosessissa. Tämä käy hyvin ilmi geoinformatiikan maisteriohjelman vuosittaisilla opiskelijoiden tutustumispäivillä, joilla opiskelijat ja yritysten edustajat pääsevät yhdessä tutustumaan 3D-studion toimintaan ja henkilökuntaan. Innostuminen on selkeästi havaittavissa sekä opiskelijoiden että yritysedustajien kommenteista, kun he pääsevät katselemaan ryhmän tuottamia 3D-malleja seinän kokoisilta näytöiltä, näkevät 3D-tulostusten valmistumista ja tutustuvat mittauskalustoon.

Studiokokonaisuudet pohjautuvat virtuaalisen ja fyysisen maailman yhdistäviin työkaluihin. Pedagogisesta näkökulmasta digitaalisuus, kolmiulotteisuus ja visuaalisuus hyödyntävät käsitteitä visuaalinen ehdollistaminen (visual conditioning) ja virtuaalinen ehdollistaminen (virtual conditioning). Nämä tulevat klassisen ehdollistumisen ja muistin ulkoistamisen teoriakäsityksistä. Kumpikin perustuu ihmisen tahdosta riippumattomiin aistitoimintoihin. Ärsykkeen voi laukaista esimerkiksi väri, haju, ääni tai paikka. (Allen & Madden 1985.) Virtuaalinen ympäristö helpottaa esimerkiksi muistamaan aitoja maisemia ja reittejä. Virtuaalisella ehdollistamisella ärsytetään muistia tietyllä pikkutarkalla näkymällä, jolloin muistamme asian, kun sama näkymä tulee vastaan. Virtuaalinen ympäristö digitaalisena oppimisalustana vähentää reaalimaailmassa tapahtuvia inhimillisiä virheitä ja nopeuttaa haluttuun oppimistavoitteeseen pääsyä. 

Kuva 2. 3D- ja valokuvausstudion toimintaidea. © Hannu Hyyppä & Matti Kurkela & Anttoni Jaakkola & Antero Kukko & Marika Ahlavuo & Juho-Pekka Virtanen & Harri Kaartinen

Studiot tukevat visuaalista oppimista ja kokeilukulttuuria

Suomessa on ollut painetta toteuttaa uudenlaisia oppijalähtöisempiä opetusmenetelmiä ja avoimia oppimisympäristöjä. 3D-studiossa on mahdollista oppia, tutkia ja toteuttaa digitaalisen tiedon hankkimista, tuottamista ja jakamista yksin tai yhdessä. Studiossa vertaisoppiminen tehostuu, kun hyödynnetään tietoisesti ja tiedostamatta oppimista. Tämä tehdään seuraamalla ja havainnoimalla toisten työskentelyä sekä etsimällä ja pohtimalla yhdessä kollegojen kanssa ratkaisuja ongelmallisiin tilanteisiin. 3D-teknologian visuaaliset piirteet, immersiivisyys ja vuorovaikutteisuus mahdollistavat aktiivisuutta ja oppimiskokemuksen syvällisyyttä. 3D-teknologian lisäarvoja ovat muun muassa korostunut läsnäolon voima, tilan ja perspektiivin taju sekä turvalliset ympäristöt riskien ottamiseen. (Laakkonen, Manninen & Juntunen 2014; Dalgarno & Lee 2010; Kapp & O’Driscoll 2010; Dickey 2005.)

Tiede ja taide kohtaavat studioissa

3D-studiossa edistetään rakennettuun ympäristöön liittyvää opetusta, perustutkimusta sekä uusimpien 3D-mittausteknologioiden kehittämistä. 3D-studiossa työskentelevillä on käytössään ajankohtaiset tutkimusvälineet, -laitteistot ja -aineistot sekä niihin liittyvät tilat ja palvelut. Omien mittauslaitteiden rakentelu mahdollistaa erilaisia sovelluksia opetuksessa ja tutkimuksessa. Tutkimusyhteistyö Paikkatietokeskuksen ja Aalto-yliopiston välillä on tuottanut myös kansainvälistä huomiota saaneita henkilökohtaisen kartoituksen ratkaisuja ja laitteistoja. Ajankohtaisille tutkimusaiheille on edelleen jatkuvaa kysyntää myös rahoittajien ja teollisuuden suunnalta.

Valokuvausstudio on syntynyt entisen Teknillisen korkeakoulun fotogrammetrian valokuvauslaboratorion perustalle. Itserakennetut laitteistot mahdollistavat maailmanluokan opetuksen ja tutkimuksen. Nykyisin valokuvamaisia kuvia tuotetaan myös erilaisilla sensoreilla, joten niiden tuottamat kuvat rinnastetaan valokuviin. Oman laitteistokehityksen lisäksi on tärkeää seurata ja testata muun maailman kehittymistä ja verrata laitteistojen suorituskykyä ja laatua. Erilaisten mittausantureiden ja kuvaavien sensoreiden käytettävyys selviää vain rakentamalla ja testaamalla laitteita. Taide ja kultturi ovat yhä tiiviimmin mukana studioiden toiminnassa, osaltaan valokuvauksen takia ja toisaalta uudenlaiset kuvaustavat muodostavat alustan erilaiselle taiteelle, kuten 3D-printtaus-, pistepilvi- tai satelliittikuvataiteelle.

Studioiden teknologia opetus- ja tutkimuskäytössä

3D- ja valokuvausstudio on varustettu uusilla 3D-tekniikoilla kuten laserskannereilla ja lisätyn todellisuuden laitteilla. Ennakoivassa suunnittelussa virtuaalisissa ympäristöissä voidaan testata tarkoilla 3D-malleilla esimerkiksi ajokäyttäytymistä, ajettavuutta, valaistusta ja väylien ympäristöä sekä niiden ominaisuuksia. Virtuaaliset työkalut ovat lisääntyneet myös osana työntekoa ja oppimista ja samalla lähentäneet virtuaalista ja fyysistä maailmaa. 3D-studio mahdollistaa eri tahojen välisen yhteistyön koko maan laajuisesti. (Kurkela ym. 2016.)

Opinnäytetöiden tekijöille ja tutkijoille 3D-studio tarjoaa mittausväline- ja ohjelmistoresursseja, monipuolisia aineistoja sekä henkilökunnan laaja-alaista tukea. Opinnäytetyöprosesseissa esille tulleet uudet ideat on voitu käytännössä toteuttaa studion resurssien avulla varsin nopealla aikataululla. 3D-studio luo erinomaiset edellytykset uuden kokeilemiselle, oppimiselle ja opinnäytetöille.

3D-sovellusalueiden kirjo laajenee jatkuvasti

3D-studion visiona on toimia kolmiulotteisuuden ja virtuaalisuuden kotimaan ja kansainvälisen tason yhdistävänä linkkinä. Suomen Akatemian Laserkeilaustutkimuksen huippuyksikön fotogrammetria- ja laserkeilausosaamista on viime aikoina käytetty yhä enemmän myös taiteen ja kulttuurin saralla muun muassa virtuaalisuuden, 3D-tulostuksen, hahmokuvausten sekä kulttuurikeskusten digitalisoimisessa.

Viimeaikaisia läpimurtosovelluskohteitamme ovat olleet rakennusten sisätilojen 3D-mallinnukset, liikkuvan kartoituksen käyttö vesi- ja liikenneväylien mallinnuksessa ja kunnossapidossa sekä ihmisten ja eläinten 3D-mittaukset. Tulevaisuuden käytännön sovelluksia ovat uudenlaiset virtuaalikaupungit, jolloin nykyisistä 2D-navigattoreista ja reittioppaista siirrytään pelillistettyyn 3D-kaupunkiin palveluineen. Lisäksi varsinkin kuntia ja kaupunkeja kiinnostavat itseajavat autot ja robobussit.

Kuva 3. Uudet kevyet ja suorituskykyiset kannettavat kartoitusjärjestelmät, hahmokuvaus, 3D-printtaus, virtuaalikuunnelma ja lisätty todellisuus ovat esimerkkejä toiminnastamme. © Aalto & FGI

Johtopäätökset

Studiot mahdollistavat perinteisen opiskelun ja työskentelyn rinnalla mahdollisuuden oppia ja opiskella ajasta sekä paikasta riippumatta. Alan tuoreimpien teknologioiden käyttö innostaa ja motivoi opettajia sekä opiskelijoita. He ovat valmiita tekemään töitä uudenlaisen oppimisen ja osaamisen eteen ja näin koulutuksen hedelmä kantaa pitkälle työelämään. Tutkimustieto ja huippuopetus kulkevat entistä enemmän käsikädessä, vastaten myös muuttuviin elinkeinoelämän vaatimuksiin ja huomioiden globalisaation sekä tekniikan ja digitalisaation kehittymisen.

Kirjoittajat

Matti Kurkela, studio manager, TkL, TaM, Aalto-yliopisto, matti.kurkela(at)aalto.fi
Marika Ahlavuo, tiedetuottaja, koordinaattori, kulttuurituottaja Aalto-yliopistossa sekä tiedetuottaja ja asiantuntija Humakissa, marika.ahlavuo(at)aalto.fi
Hannu Hyyppä, professori, TkT, dos. Aalto-yliopistossa, digitaalisuuden erityisasiantuntija Humakissa, hannu.hyyppa(at)aalto.fi
Juho-Pekka Virtanen, tohtorikoulutettava, TaM, Aalto-yliopisto, juho-pekka.virtanen(at)aalto.fi
Matti Vaaja, tutkijatohtori, TkT, Aalto-yliopisto, matti.t.vaaja(at)aalto.fi
Petri Rönnholm, vanhempi yliopistolehtori, TkT, Aalto-yliopisto, petri.ronnholm(at)aalto.fi
Antero Kukko, tutkimuspäällikkö, TkT, Paikkatietokeskus, antero.kukko(at)maanmittauslaitos.fi
Arttu Julin, tohtorikoulutettava, DI, Aalto-yliopisto, arttu.julin(at)aalto.fi
Matias Hyyppä, tekn. yo, Aalto-yliopisto, juho.hyyppa(at)aalto.fi
Henrik Haggrén, professori, TkT, henrik.haggren(at)aalto.fi

Allen, C.T. & Madden, T.J. 1985. A Closer Look at Classical Conditioning. Journal of Consumer Research. Vol. 12, No. 3 (Dec., 1985), pp. 301-315.

Dalgarno, B. & Lee, M. 2010. What are the learning affordances of 3-D virtual environments? British Journal of Educational Technology 41 (1), 10–32.

Dickey, M. 2005. Three-dimensional virtual worlds and distance learning: two case studies of Active Worlds as a medium for distance education. British Journal of Educational Technology 36 (3), 439–451.

Kapp, K.M. & O’Driscoll, T. 2010. Learning in 3D: Adding a new dimension to enterprise learning and collaboration. San Francisco: Pfeiffer.

Kurkela, M. & Ahlavuo, M. & Virtanen, J-P. 2016. Aalto-yliopiston 3d- ja valokuvausstudioissa panostetaan tutkimusyhteistyöhön ja virtuaalisuuteen. Maankäyttö 1/2016, 19-22.

Laakkonen, I. & Manninen, T. & Juntunen, M. 2014. Näkemyksiä ja kokemuksia 3D-oppimisympäristöistä. Lisäarvoa vai sirkushuveja? Teoksessa Pilvilinnoja ja palomuureja – Tulevaisuuden oppimisen ja työnteon tilat. Päivi Häkkinen ja Jarmo Viteli (Toim.). Jyväskylän yliopisto. Koulutuksen tutkimuslaitos. 37-55.

Kestävä kaupunkikehitys avainasemassa kehittyvillä markkinoilla

Kaupungistuminen kehittyvissä maissa

Urbanisoitumis- eli kaupungistumisprosessi on viime vuosikymmenten aikana keskittynyt yhä selvemmin kehittyviin maihin. Ominaista kehitykselle on se, että urbanisaatio tapahtuu alueilla, jotka eivät ole sosio-ekonomisesti kehittyneitä ja joissa teollinen tuotanto on vähäistä. Lisäksi rajalliset resurssit vaikuttavat alueilla asuviin ihmisiin ja luovat uusia haasteita paikallisten poliitikkojen ja asiantuntijoiden suunnittelutyöhön. (Potter 2008.) Näitä ovat muun muassa riittämätön infrastruktuuri ja resurssien, kuten veden ja sähkön vaikea saatavuus, slummiutuminen ja siitä koituvat turvallisuus- ja terveysriskit sekä kasvava rikollisuus ja korruptio. Asioita, jotka voivat pahimmillaan vaikuttaa merkittävästi maan taloudelliseen kasvuun ja kehitykseen. Ongelmien voidaan odottaa radikalisoituvan monessa maassa ilmastonmuutoksen myötä. (Frost ja Sullivan 2014.)

Namibian haasteet rakentamisessa, vedessä ja energiassa

Namibia on Lounais-Afrikassa Atlantin rannikolla sijaitseva 2,3 miljoonan asukkaan valtio, joka itsenäistyi vuonna 1990 Etelä-Afrikasta. Etelä-Afrikan vallan ja apartheidin aikaisten vapaata liikkuvuutta ja asumista rajoittavien säädösten poistuessa väestön muutto etenkin maaseudulta kaupunkiin voimistui merkittävästi (Indongo ym. 2013). Edelleen hallituksella on vaikeuksia riittämättömän maan sekä taloudellisten resurssien puutteen vuoksi tarjota laadukasta ja energiatehokasta asumista väestölle. Lisäksi Namibiassa on havaittavissa maailman suurimmat tuloerot gini-kertoimella mitattuna (Worldbank 2016), mikä luo erityistä painetta väestön muuttoon kaupunkeihin parempien palveluiden, työllisyysmahdollisuuksien ja koulutuksen toivossa.

Namibian valtio kamppailee yhä pahenevan vesikriisin ja kasvavien energiavaatimusten keskellä, jotka rasittavat kaupunkien toimintakykyä. Namibian maaperä on yksi Afrikan hedelmättömimmistä. On arvioitu, että 97 prosenttia vedestä menetetään kokonaishaihtumisen seurauksena. Namibiassa joudutaankin tukeutumaan suurilta osin pohjavesivarantoihin, jotka täyttyvät hitaasti vaihtelevien vesisateiden ja lyhytaikaisten virtausten vuoksi. Nykyinen kaupunkikehitys kuluttaa toiseksi eniten vettä maataloussektorin jälkeen ja on arvioitu, että Namibia tulee kärsimään absoluuttisesta vesipulasta vuoteen 2020 mennessä. (Khabi ja Mashauri 2014.) Namibiassa on hallinnon osalta reagoitu vallitsevaan tilanteeseen hitaasti. Maassa muun muassa noudatetaan edelleen vesilainsäädäntöä vuodelta 1956.

Namibia pyrkii energiaomavaraisuuteen ja luottaa sähkön tuotannossa lähinnä kaasuun ja dieselpolttoaineeseen. Kasvavat sähkön ja energian hinnat, riittämättömät energiavarannot ja riippuvuus maan ulkopuolisista energialähteistä aiheuttavat uhkaa maan tulevaisuuden kehitykselle. Namibialla on suunnitelmissa perustaa uusi Kudun kaasukenttää hyödyntävä voimala, jonka on määrä valmistua vuoteen 2020 mennessä. Namibiassa suhtaudutaan vaihtelevasti uusiutuvaa energiaa hyödyntäviin teknologioihin. Maassa on vasta hiljattain alettu heräämään uusiutuvan energian mahdollisuuksiin energiaomavaraisuuden saavuttamisessa (kuva 1).

SAMK tutustumassa Innosun-yrityksen 5 MW aurinkovoimaan (kuvaaja Minna Keinänen-Toivola)
Kuva 1. SAMK tutustumassa Innosun-yrityksen 5 MW aurinkovoimaan. Kuva: Minna Keinänen-Toivola

Moni valtion omistama yhtiö toimii maassa tehottomasti, mikä herättää epäilyksen siitä, kuinka Namibia kykenee vastaamaan tehokkaasti lisääntyvään veden ja energian kysyntään kasvavissa kaupungeissa. Vesi- ja energiasektoreilla keskeisiä palveluiden tarjoajia ovat valtion omistamat yritykset NamPower ja NamWater, jotka myös vaikuttavat siihen, keillä on oikeus käyttää palveluita ja millä hinnoin. Esimerkiksi uusiutuvaan energiaan perustuvia energiaratkaisuja tarjoavien itsenäisten energiatuottajien on toistaiseksi ollut hankala päästä markkinoille olemattoman kilpailun vuoksi.

Kohti kestävää kaupunkikehitystä yhteiskunnan ymmärtämisellä

Namibian valtio julkisti keväällä 2016 maan kehittämissuunnitelman (Harambee Prosperity Plan vuosille 2016/2017–2019/2020). Harambeen suunnitelmassa tavoitteina ovat tehokas hallinto, taloudellinen edistys, sosiaalinen eteneminen, infrastruktuurin kehitys, kansainväliset suhteet ja yhteistyö. Infrastruktuurin kehityksessä pääteemat ovat energia, vesi, liikenne ja ICT.

Lokakuussa 2015 alkanut Satakunnan ammattikorkeakoulun ja paikallisen yliopiston Namibia University of Science and Technology:n NAMURBAN -tutkimusprojekti kohtaa Namibian kansalliset suunnitelmat. Hankkeen päätavoitteena on kehittää tutkimukseen pohjautuva Namibian kaupunkiolosuhteisiin resurssitehokas konsepti, joka tuottaa veteen, uusiutuvaan energiaan, asumiseen, kierrätykseen ja ICT:hen liittyviä kokonaisratkaisuja. Mukana on lukuisia suomalaisia yrityksiä, kuten Fimuskraft Oy, GA90 Recycling Oy, Naps Solar Systems Inc., Rannan Teollisuuskone Oy, Riffid Oy, Sansox Oy, ja SWOcean Oy (kuva 2).

Heikki Koivisto/SAMK ja Fimuskraft Oy:n Ahti Koivunen tutustumassa Merlus Food Processor:n kalojen jalostusprosessiin. Kuva: Minna Keinänen-Toivola
Kuva 2. Heikki Koivisto/SAMK ja Fimuskraft Oy:n Ahti Koivunen tutustumassa Merlus Food Processor:n kalojen jalostusprosessiin. Kuva: Minna Keinänen-Toivola

Kokonaisratkaisujen luonnissa keskeistä on paikallistason toimijoiden, kuten kaupunkien johdon kuunteleminen (kuva 3) sekä yhteiskunnan kokonaisvaltaisempi ymmärtäminen. Teknologian lisäksi projektissa tutkitaan kestävien kaupunkijärjestelmien saavuttamiseen liittyvien eri toimijoiden (esim. yksityinen ja julkinen sektori) välisiä vuorovaikutussuhteita, toimintaa ohjaajia lakeja ja säädöksiä sekä teknisten infrastruktuurien omistussuhteita. Yhdessä nämä tekijät toimijoiden erilaisten tulevaisuuden odotusten kanssa määrittelevät urbaanien infrastruktuurien hallinnan tilaa vesi- ja energiasektoreilla Namibiassa.

Tutkimuksessa keskeisenä tavoitteena on luoda skenaarioita eli arvioita tulevaisuuden vesi- ja energiasektorien kehityksestä ja siitä, kuinka näiden sektoreiden osalta vallitsevat hallintojärjestelmät mahdollisesti mukautuvat tulevaisuuden vaatimuksiin ja muuttuviin olosuhteisiin. Tavoitteeseen sitoutuu ajatus yksityisen ja julkisen sektorin yhteistyöstä, jotta saavutetaan kestävät kaupunkijärjestelmät tulevaisuudessa.

keinanen_toivola_kuva3
Kuva 3. NAMURBAN projektin vetäjä Minna Keinänen-Toivola keskustelemassa kaupunkikehityksestä Walvis Bayn pormestarin kanssa. Kuva: Meri Olenius

Kirjoittajat

Minna Keinänen-Toivola, FT, tutkimuspäällikkö, Satakunnan ammattikorkeakoulu, Teknologia-osaamisalue, minna.keinanen-toivola(at)samk.fi
Nina Savela, valtiotieteiden kandidaatti, pro gradu-työntekijä, Turun yliopisto, nina.savela(at)utu.fi

Frost and Sullivan Africa 2014. Presentation “Business Impact in Africa, Mega Trends driving mega opportunities in Sub Saharan Africa”

Indongo N., Angombe S. ja Nickanor N. 2013. Urbanisation in Namibia, Views from semi-formal and informal settlements. University of Namibia. Windhoek. Haettu 19.11.2016 osoitteesta http://www.unam.edu.na/wp-content/uploads/2014/09/Urbanisation-in-Namibia.pdf

Khabi N., Mashauri, D. 2014. Sustainable Domestic and Industrial Water Utilisation in Namibia. European Journal of Scientific Research Vol. 127 (1): 46-57.

Potter, R. B. 2008. Geographies of Development: An introduction to Development Studies. Routledge Ltd.

Worldbank 2016. Haettu 19.11.2016 osoitteesta http://www.worldbank.org/en/country/namibia/overview

Sosiaalinen kaverirobotti avuksi hoitotyöhön

Johdanto

Väestörakenteen muuttuminen on haaste suomalaiselle yhteiskunnalle. Suomessa oli Tilastokeskuksen virallisen väestörakennetilaston mukaan v. 2010 lopussa 80 vuotta täyttäneitä ja tätä vanhempia henkilöitä lähes 256 000. Määrä on viisinkertaistunut viimeisen 40 vuoden aikana. Väestöllinen (demografinen) huoltosuhde on suure, jolla verrataan lasten (alle 15 vuotta) ja vanhuseläkeikäisten (yli 65 vuotta) määrää työikäisen väestön määrään. Kuva 1 kertoo kuinka rajussa muutoksessa olemme lähivuosina ja vuosikymmeninä: tällä hetkellä suhde on vähän yli 50, 2010- luvun lopulla se ylittää 60 ja 2020-luvulla se menee jo yli 70. Uusimman EU:n väestörakenneraportin mukaan Suomessa on EU-alueen vanhin väestö vuonna 2020, kun mittarina käytetään yli 65- vuotiaiden ja työikäisten välistä suhdetta (Demography report 2010, 161). Väestörakenteen lisäksi toinen hoitotyöhön vaikuttava asia on pitkäaikaissairauksien lisääntyminen. Esimerkiksi tyypin 2 diabetekseen sairastuneiden määrä kasvaa huolestuttavaa vauhtia eikä vain vanhusväestöllä. Diabetes on Suomessa myös melko yleinen lasten ja nuorten sairaus ja sairastuneiden määrä on ollut kasvussa koko 2000-luvun ajan.

Kaikki nämä muutokset tarkoittavat sitä, että hoitohenkilökuntaa tarvitaan tulevaisuudessa lisää ,ja sen ohella tarvitaan kaikkia mahdollisia teknologisia ratkaisuja, joilla voidaan avustaa pitkäaikais- sairauksien hoitotyötä ja edesauttaa vanhusten selviämistä pidempään kotona. Palvelurobotiikka on eräs keinoista, joilla haetaan apua näihin tulevaisuuden haasteisiin. Palvelu- ja kaverirobotit eivät tule korvaamaan ihmisiä hoitotyössä vaan ovat vain yksi apuväline muiden joukossa. Tässä artikkelissa kerrotaan kaverirobotin kehitystyöstä ja sen käyttökokemuksista seniorikansalaisten parissa sekä kaverirobotin sovellukseksi kehitetystä diabetes-päiväkirjasovelluksesta.

Kuva 1. Suomen väestöllinen huoltosuhde 2010 ja ennuste vuoteen 2050 (Suomen virallinen tilasto 2010)
Kuva 1. Suomen väestöllinen huoltosuhde 2010 ja ennuste vuoteen 2050 (Suomen virallinen tilasto 2010)

Sosiaaliset robotit, kaveri- ja palvelurobotit

Palvelurobotti voidaan kansainvälisen robotiikkayhdistyksen (IFR) mukaan määritellä robotiksi, joka toimii osin tai täysin autonomisesti tuottaen palveluja ihmisille tai laitteille, pois lukien tuotannolliset tehtävät (Kuivanen 1999, 140; Pieskä, Luimula, Jauhiainen & Spitz 2012). Palveluroboteilla on jo nyt monia käyttökohteita ihmisten arjen helpottamisessa, mm. viihdekäytöstä siivoukseen, ruohon- leikkaukseen, pelastustehtäviin, rakentamiseen, vartiointiin, tarkastustehtäviin, vanhusten valvontaan sekä vammaisten apuväline- ja kuntoutuskäyttöön. Palvelurobotiikka on kovassa kasvussa: IFR:n tilastojen mukaan kotikäyttöön tarkoitettuja palvelurobotteja myytiin vuonna 2010 noin 1.4 miljoonaa kappaletta ja niitä ennustetaan myytävän vuosina 2011–2014 lähes 10 miljoonaa. Microsoftin perustaja Bill Gates onkin arvioinut kotikäyttöön tarkoitettujen palvelurobottien muodostuvan seuraavan vuosikymmenen aikana lähes yhtä merkittäväksi liiketoiminnaksi kuin kotitietokoneet, joihin liittyneitä Gatesin visioita pidettiin 1980-luvulla utopistisina (Gates 2007).

Sosiaalisiin robotteihin lasketaan monenlaisia palvelurobotteja, jotka kykenevät kommunikoimaan ihmisten tai toisten robottien kanssa. Sosiaaliset robotit voidaan jakaa avustaviin robotteihin, sosiaalisesti vuorovaikutteisiin robotteihin ja näiden yhdistelmään eli sosiaalisesti vuorovaikutteisiin robotteihin (Feil-Seifer & Mataric 2005; Salem, Kopp, Wachsmuth, Rohlfing, Joublin, 2012). Kaveri- robotiksi voidaan kutsua luonnollisella ja intuitiivisella tavalla kommunikoivia palvelu- tai sosiaalisia robotteja, jotka ovat suunniteltuja pääosin henkilökohtaiseen käyttöön kodinomaisissa tiloissa (Dautenhahn, Woods, Kaouri, Walters, Koay & Werry 2005).

Centria Ylivieska on aloittanut lokakuussa 2010 Kaveri-nimisen palvelurobotin kehitystyön ranskalaisen Robosoftin 2010 markkinoille tuoman Kompai-palvelurobotin alustan pohjalta. Tavoitteena ei ole olut kehittää ihmisiä korvaavaa mekaanista hoitajaa, vaan tutkia, mitä apua palvelurobotista voisi olla hoitotyön arjessa. Robosoftin Kompai on tarkoitettu vanhusten tai vammaisten avuksi kotona tai palvelutaloissa. Se on pitkän kehitystyön tulos, jossa on kuvan 2 mukaisesti paljon sensoreita ja tekoälyä. Centriassa on kehitetty robotin suomalaista multi- modaalista käyttöliittymää, jossa perustapoina kommunikointiin ovat suomenkielinen puhe ja kosketusnäyttö. Suomenkieliseen puheentunnistukseen liittyvää käyttöliittymää on kehitetty yhteistyössä Lingsoft Oy:n kanssa.

Kaveri voikin nykyisin tehdä jo monenlaisia asioita: tunnistaa puhetta, vastata kysymyksiin, navigoida huoneissa laserskannerin pohjalta muodostamansa kartan avulla, muistuttaa lääkkeenotosta ja tapaamisista, ottaa yhteyden lääkäriin, välittää etähoitoa, pitää muistilistoja (esimerkiksi ostoslistat), lähettää sähköposteja, soittaa musiikkia tai laulaa itse. Kaveriin on tarkoitus jatkossa liittää myös langatonta tekniikkaa hyödyntäviä mittauksia. Mobiili- ja palvelurobotiikan kehittämistä tehdään Centriassa yhteistyössä mm. tokiolaisen Ochanomizun yliopiston kanssa (Komatsuzaki, Tsukada, Siio, Verronen, Luimula & Pieskä 2011). Yhteistyö on lähtenyt liikkeelle reilut pari vuotta sitten, ja sitä on jatkettu molemminpuolisten tutkijanvaihtojen avulla. Myös hollantilaisen NHL Hogeschool Leeuwardenin kanssa on tehty opiskelijaprojekteina yhteistyötä kaverirobotin kehittämisessä. Käytettävyystutkimusta mobiilirobottien käytössä on tehty yhteistyössä Oulun yliopiston Oulun Eteläisen Instituutin tutkimusryhmän kanssa (Luimula, Sääskilahti, Partala, Pieskä & Alaspää 2010).

Kuva 2. Centrian Kaveri-robotin teknologiaa
Kuva 2. Centrian Kaveri-robotin teknologiaa

Sosiaalisen kaverirobotin käyttökokemuksia

Robottia on testattu muutamalla n. 70–75-vuotiaalla henkilöllä, testauspaikkana on toiminut ammattikorkeakoulun takkahuone. Testausryhmässä oli mukana myös kaksi lähihoitajataustaista tuotantotalouden insinööriopiskelijaa, jotka toivat tutkimustilanteisiin arjen realismia. Puolelle tekstihenkilöistä olivat tietokoneet tuttuja, mutta pari henkilöä esimerkiksi käytti kosketusnäyttöä ensimmäistä kertaa. Koehenkilöt eivät kuitenkaan vierastaneet robottia, ja heiltä saatiinkin hyviä ideoita ja kehittämisehdotuksia. Laitetta on tarkoitus kokeilla myöhemmin myös palvelukodissa, jossa robotin päätarkoitus on säästää askelia hoitokodin arjessa. Kehitystyössä mukana ollut hoitoalan yrittäjä näkee palvelurobotin mahdollisia käyttökohteita löytyvän mm. tavaroiden hakuun, ovien aukaisuun, uutisten lukuun vanhuksille tai toivelaulukonsertin pitämiseen liittyen. Centrian Kaveri on ollut medialle kiinnostava kohde ja se on ollutkin runsaasti esillä lehdistössä, TV:ssä ja sähköisessä mediassa (kuva 3).

Kuva 3. Kaverirobotin testausta, kuva Yle Areenan videosta
Kuva 3. Kaverirobotin testausta, kuva Yle Areenan videosta

Centria on toteuttanut vuoden 2011 aikana testisovelluksiin myös seniorikansalaisille ja ravintola- asiakkaille muutamia pienimuotoisia pelejä. Senioreille on suunniteltu tietokilpailutyylisiä kysymyksiä, joissa käyttäjä valitsee vastausvaihtoehdoista oikean. Kysymykset on suunniteltu senioreiden arkeen tarjoten heille virikkeitä esimerkiksi kahvihetken yhteyteen. Peli sisältää myös hallintasovelluksen, jolla hyvinvointialan ammattilaiset voivat ilman ohjelmointitaitoa lisätä kysymyksiä ja vastausvaihtoehtoja. Ravintola-asiakkaille on puolestaan rakennettu peli, jossa asiakkaan on etsittävä kahdesta kuvasta eroavaisuuksia. Myös tässä tapauksessa tarjolla on hallintasovellus ravintolan henkilökunnalle. Pelin kuvamaailma on pyritty valitsemaan siten, että kuvat liittyvät ravintolan toimintaan tai alueen matkailutarjontaan. Peliä on kehitetty lasten viihdyttämiseksi ravintolassa ruoan valmistusta odotellessa.

Kaveri apuna pitkäaikaissairauksien omaseurannassa

Diabeteksen hoitoon liittyvät päivittäiset tapahtumat, kuten verensokerin mittaustulokset, hiilihydraattimäärät ja insuliiniannokset kirjataan perinteisesti käsin paperiseen päiväkirjaan. Diabeteksen hoidossa tämä omaseuranta on ensiarvoisen tärkeää mahdollisimman hyvän hoitotasapainon saavuttamisen kannalta. Omaseurannan tärkeys korostuu eteenkin lasten ja nuorten diabeteksen hoidossa, jolloin verensokerin käyttäytymiseen vaikuttavia tekijöitä on runsaasti. Näitä tekijöitä ovat mm. ravinnosta saatavat hiilihydraattimäärät, insuliiniannokset, liikunta, sairaudet ja tunnetilat. Pienten lasten kohdalla useasti päivän aikana tehtävä verensokerin mittaus on välttämätöntä, koska lapsi ei osaa välttämättä itse tunnistaa korkean tai matalan verensokerin oireita. Kattavan seurannan avulla verensokeritasapainoon vaikuttavien tekijöiden välille voidaan kuitenkin löytää riippuvuussuhteita ja niiden avulla parantaa hoitotasapainoa. Omaseurannan tuloksia tarkastellaan myös diabeteshoitajalla ja lääkärillä käyntien yhteydessä. Tällöin omaseurantaa tarkastellaan takautuvasti muutamia viikkoja käsittävältä jaksolta mahdollisia hoitoon liittyviä muutoksia mietittäessä.

Perinteisen päiväkirjan käytössä voi ongelmakohdaksi muodostua esimerkiksi merkinnöille varatun tilan riittämättömyys, kun merkintöjä tulee runsaasti. Myös epäselvästi kirjatuista merkinnöistä tehdyt virhetulkinnat ja virheelliset merkinnät voivat tuoda ongelmia. Päiväkirjaan tehdään paljon myös sellaisia merkintöjä, jotka olisivat mahdollista saada automaattisesti, kuten tapahtuman aika tai verensokerin mittaustulos. Perinteinen päiväkirja ei luonnollisestikaan pysty tarjoamaan aineiston minkäänlaista prosessointia.

Verensokerimittarit tyypillisesti näyttävät mitattujen tulosten keskiarvon, korkeimman ja matalimman tuloksen sekä mittausten lukumäärän. Mittareissa on myös toimintoja, joilla voidaan esimerkiksi merkitä mitattu tulos ennen tai jälkeen ateriaa olevaksi. Mittareista voidaan siirtää mittaustulokset tietokoneelle, jossa niistä voidaan erillisellä ohjelmalla muodostaa kuvaajia ja tehdä erilaisia yhteenvetoja. Omahoidossa hoitotasapainoon vaikuttavien tekijöiden syy- ja seuraus- suhteita mietittäessä mittarissa tietokoneelle siirretty aineisto ei edelleenkään sisällä insuliini- annoksia tai hiilihydraattimääriä. Nämä olennaiset tiedot tapahtumien ajankohtineen pitäisi käsin syöttää ohjelmistoon omaseuranta-päiväkirjasta. Pelkästään mittaustulosten siirtäminen mittarilta tietokoneelle on aikaa vievä tapahtuma, joka jää helposti tekemättä, puhumattakaan päiväkirjaan tehtyjen merkintöjen syöttämisestä ohjelmistoon.

Kaverirobotille sovellukseksi kehitettiin diabetes-päiväkirjasovellus, jonka tavoitteena on helpottaa ja kehittää diabeteksen omaseurantaa ja sitä kautta edesauttaa parempaan hoitotasapainoon pääsyä. Tätä sovellusta on mahdollista käyttää myös Android Tablet-PC:lle toteutettuna versiona. Kehittämisen perusajatuksena on ollut koota samaan aineistoon hoitotasapainoon vaikuttavat pää- tekijät mahdollisimman helppokäyttöisesti. Päiväkirjan käyttäjä syöttää tiedot kalenterinäkymään päivittäisistä insuliiniannoksista, hiilihydraattimääristä, verensokerin mittaustuloksista sekä muista hoitoon liittyvistä tärkeistä tapahtumista.

Kuva 4. Kalenterinäkymä verensokerin mittaustuloksien, hiilihydraattimäärien ja insuliiniannoksien syöttämistä varten
Kuva 4. Kalenterinäkymä verensokerin mittaustuloksien, hiilihydraattimäärien ja insuliiniannoksien syöttämistä varten

Päiväkirjasovelluksen myötä omaseurannan aineistosta voidaan helposti tuottaa eritavoin valmiiksi prosessoituja tuloksia, jotka helpottavat hoitotasapainoon liittyvien tekijöiden havaitsemista. Prosessointimahdollisuuksina ovat esimerkiksi verensokerin mittaustulosten, insuliiniannosten ja hiilihydraattimäärien keskiarvon sekä keskihajonnan laskeminen halutulle aikavälille. Omaseurantaan syötettyä aineistoa voidaan esittää tarvittaessa myös kuvaajien avulla, jossa syötetyt tulokset havainnollistuvat toisiinsa suhteutettuna kokonaisuutena.

Kuva 5. Hiilihydraattimäärät (pylväät), lyhytvaikutteiset insuliiniannokset (kapeat alueet), pitkävaikutteiset insuliiniannokset (leveät alueet) ja verensokerin mittaustulokset (käyrällä yhdistetyt pisteet)
Kuva 5. Hiilihydraattimäärät (pylväät), lyhytvaikutteiset insuliiniannokset (kapeat alueet), pitkävaikutteiset insuliiniannokset (leveät alueet) ja verensokerin mittaustulokset (käyrällä yhdistetyt pisteet)

Kehittämissuunnitelmia

Kaveri-robottiin on tarkoitus jatkossa liittää myös langatonta tekniikkaa hyödyntäviä mittauksia mm. vanhuksen terveystilan (kuume, pulssi, verensokeri) ja huoneen lämpötila- tai häkämittauksiin liittyen. Tavoitteena on myös edelleen kehittää päiväkirjasovelluksen helppokäyttöisyyttä sekä lisätä omaseurannan innostavuutta eteenkin lapsia ajatellen. Näihin tavoitteisiin ratkaisumahdollisuuksina ovat mittaustulosten langattoman tiedonsiirron käyttäminen ja peleistä tutun tekniikan soveltaminen innostajana ja uusien asioiden oppimisen tukena. Tulevaisuudessa kaverirobottiin on tarkoitus integroida myös yksinkertainen käsivarsi esim. lääkerasian tai vesilasin poimimista varten.

Centria on viime aikoina suunnitellut yhteistyötä Turun ammattikorkeakoulun kanssa. Turussa alkaa ensi syksynä tietotekniikan koulutusohjelmassa peliteknologian suuntautumisvaihtoehto. Yliopettaja Mika Luimulan johdolla turkulaiset opiskelijat pyrkivät rakentamaan niin senioreille kuin palvelualan asiakkaille ravintoloihin ja matkailukohteisiin erityyppisiä pelejä osaksi robotin palveluvalikoimaa.
Senioreiden osalta on mahdollista tehdä yhteistyötä myös tietotekniikan koulutusohjelman hyvinvointiteknologian suuntauman kanssa, joka kuuluu ns. IKITIK-konsortion. Konsortiosta löytyy vahvaa osaamista informaatio- ja kieliteknologiaratkaisujen toteuttamiseen. Kuten jo edellä on käynyt ilmi, konsortioon kuuluvan turkulaisen Lingsoft Oy:n kanssa Centria on jo aiemminkin tehnyt yhteistyötä. Matkailun osalta Turku tarjoaa sosiaalisen robotin testaamiseen runsaasti mahdollisuuksia. Sosiaalisia palvelurobotteja on maailmalla hyödynnetty tutkimuslaitosten kokeiluissa runsaasti erilaisissa opastustehtävissä. Yhteistyössä Turun ammattikorkeakoulun kanssa Centrian tutkijat uskovat kykenevänsä luomaan uuden tyyppisiä pelillisiä ominaisuuksia sisältäviä opastussovelluksia, joissa voidaan hyödyntää esimerkiksi aarteenetsinnän tai geokätkennän konsepteja.

Kirjoittajat

Sakari Pieskä, tutkimusyliopettaja, Jari Kaarela ja Ossi Saukko, kehitysinsinöörit, etunimi.sukunimi(at)centria.fi, CENTRIA tutkimus ja kehitys, Ylivieska

Mika Luimula, yliopettaja, mika.luimula(at)turkuamk.fi, Turun ammattikorkeakoulu

Dautenhahn, K., Woods, S., Kaouri, C., Walters, M., Koay, K.L., Werry, I. (2005) What is a Robot Companion – Friend, Assistant or Butler?, Proc. IROS 2005, IEEE IRS/RSJ International Conference on Intelligent Robots and Systems, August 2-6, 2005, Edmonton, Alberta Canada, pp. 1488-1493.

Demography report 2010. Older, more numerous and diverse Europeans. European Commission, March 2011. Available at: http://epp.eurostat.ec.europa.eu/cache/ITY_OFFPUB/KE-ET-10- 001/EN/KE-ET-10-001-EN.PDF

Feil-Seifer, D., Mataric, M. J., 2005. Defining Socially Assistive Robotics. Proceedings of the 2005 IEEE 9th International Conference on Rehabilitation Robotics. June 28 – July 1, 2005, Chicago, IL, USA, 465-468.

Gates, B. 2007. A Robot in Every Home. Scientific American Magazine. January 2007 Issue, 7

Komatsuzaki, M., Tsukada, K., Siio, I., Verronen, P., Luimula, M. & Pieskä, S. 2011. IteMinder: Finding items in a room using passive RFID and an autonomous robot. Proc. of 13th ACM International Conference on Ubiquitous Computing   September 17-21, 2011, Beijing, China.

Kuivanen, R. (toim.) 1999. Robotiikka. Suomen Robotiikkayhdistys, Talentum Oyj, Vantaa

Luimula, M., Sääskilahti, K., Partala, T., Pieskä, S. & Alaspää, J. 2010. Remote Navigation of a Mobile Robot in a RFID-Augmented Environment. Personal and Ubiquitous Computing 14, 125-136.

Pieskä, S. Luimula, M. Jauhiainen, J. & Spitz, V. 2012. Social Service Robots in Public and Private Environments. 12th WSEAS International Conference on Robotics, Control and Manufacturing Technology (ROCOM ’12), Rovaniemi, Finland.

Salem, M., Kopp, S., Wachsmuth, I., Rohlfing, K., Joublin, F. 2012. Generation and Evaluation of Communicative Robot Gesture. International Journal of Social Robots, Available at: DOI 10.1007/s12369-011-0124-9

Suomen virallinen tilasto 2010. Väestörakenne [verkkojulkaisu]. ISSN=1797-5379. vuosikatsaus 2010, Liitekuvio 2. Väestöllinen huoltosuhde 1950–2010 ja ennuste 2011–2050 . Helsinki: Tilastokeskus [viitattu: 26.4.2012]. Saantitapa: http://www.stat.fi/til/vaerak/2010/01/vaerak_2010_01_2011-09- 30_kuv_002_fi.html