sunnuntai 25. helmikuuta 2018

FIKTION MAHTI - SUUREMPI KAIKKEA

kuva wikipedia commons
Yuval Noah Harari toteaa kirjassaan Sapiens - Ihmisen lyhyt historia, ettei yksikään apina suostuisi luopumaan ensimmäisestäkään banaanista vain koska sille luvataan kuoleman jälkeinen mielettömän upea banaaniaarre apinoiden taivaassa. Apinan mielikuvitus ei alkuunkaan riitä moiseen. 

Onko mielikuvitus siis ihmisen taakka? Meitä voidaan huijata niin, että pelkäämme helvettiä, uskomme yksisarvisiin tai sijoitamme bitcoineihin. Murehdimme asioita, joita ei ole edes olemassa.  

Harari kuitenkin ylistää fiktiota. Hänen mukaansa fiktion ansiosta ihminen pystyy tekemään yhteistyötä joustavasti monien täysin vieraiden ihmisten kanssa. Yksilön fiktio voi olla harhaista houretta, mutta yhteisön jakama fiktio mahdollistaa laajan yhteistyön. 

Simpanssit elävät laumoissa, mutta lauman tyypillinen koko on 20-50. Sitä suuremmissa laumoissa hierarkiat horjuvat ja lauma hajoaa pienemmiksi, hallittavimmiksi kokonaisuuksiksi. Jotkut sosiologit ovat päätyneet, että ihmisen kohdalla vastaava lauman yläraja olisi 150 henkeä. 

Hararin mukaan juuri jaettu fiktio oli ihmisen keino luoda suuria, tuhansien ihmisten yhteistyöhön kykeneviä yhteisöjä. Hän rinnastaa oheisen Saksan Stadelista löydetyn leinonapatsaan ja Peugeot yhtiön leijonahahmon. Jospa niiden merkitys olisi sama?

Sen enempää leijonajumalaa kuin Peugeot yhtiötä ei ole varsinaisesti olemassa. Peugeot on kollektiivista tai juridista fiktiota. Peugeot työllistää ihmisiä, tuottaa autoja ja voittoa, mutta kaikki Peugeot autot voidaan romuttaa, kaikki johtajat ja työntekijät irtisanoa, tehtaat myydä ja Peugeot on yhä vain olemassa. Peugeot ei ole mitään konkreetista. Jos sen sijaan tuomari määrää Peugeotin konkurssiin, se lakkaa olemasta. Siihen ei uskottaisi enää. Peugeot leijonalogoineen on siten kollektiivista fantasiaa, joka yhdistää ihmisiä tekemään autoja. Kenties samaan tapaan kuin Stadelin leijonajumala yhdisti muinaisia saksalaisia metsästämään ja sotimaan. 

Myöskään Porin kaupunkia ei varsinaisesti ole olemassa (toki on taloja ja teitä, tarkoitan hallintoa). Koska minä ja monet muut uskovat Porin kaupunkiin (minä uskon, Herra auta minun epäuskoani), menen töihin ja luotan saavani palkan tuolta mielikuvitusolennolta. Toistaiseksi palkkaa on tullut. 

Tietysti myös palkka on fiktiota. Rahan esiasteena voi pitää Sumerilaisten 3000 eKr kehittämää ohrarahaa. Se ei ollut fiktiota, se oli ohraa. Sumerilaiset valmistivat paljon noin litran mittoja, koska palkat maksettiin niiden avulla - tavallinen ihminen saattoi tienata noin 60 silaa (1 sila on noin 1 litra) kuussa. Vähitellen ihmisen vilkas mielikuvitus puuttui peliin. Ohraraha oli kömpelö ja sitä oli vaikea kuljettaa ja säilyttää. 2000 eKr Mesopotaniassa keksittiin hopeasekeli. Ihmiset alkoivat uskoa, että hopearaha on arvokas. Onhan se, jos siihen uskotaan. 

Ihmiset voivat myös lakata uskomasta. Kun ranskalaiset lakkasivat uskomasta kuninkaan pyhyyteen, tämä menetti valtansa ja henkensä. Valuutta tai osake menettää arvonsa, kun siihen ei enää uskota. Kun asiaa ajattelee, maailmamme pyörii uskon varassa, myös maallistunut maailmamme. 



perjantai 23. helmikuuta 2018

KENTTÄTUTKIMUKSEN SIETÄMÄTÖN SEKAVUUS

kuvassa simpnassi, tekstissä seikkailevat paviaanit, ei saa hämmentyä, minulla ei vain ollut hyvää paviaanikuvaa

Robert Sapolskyn mielestä sinussa on jotakin pahasti vialla, jos tunne-elämäsi eläinmalliksi sopii laboratoriorotta. Niinpä hän lähti Keniaan tutkimaan paviaanien stressiä. Keniassa elävä paviaani on Sapolskyn mukaan aika hyvä eläinmalli ihmisenkin stressille, koska niitä stressaa eniten sama asia kuin meitäkin - omat lajitoverit. 

Kenttäolosuhteet ovat kuitenkin usein varsin kaoottisia ja Sapolsky kertoo tutkimuksensa haasteista havainnollisesti kirjassaan a Primate´s memoir.  Aluksi piti opetella erottamaan lauman paviaanit toisistaan - muutenhan havaintoja ei voi mitenkään tulkita. Juutalaisen kasvatuksen saanut Sapolsky huvitti itseään antamalla paviaaneille raamatullisia nimiä - johtaja oli Salomon, alfanaaras oli Leea, nuori lemmenkipeä teinipaviaaninaaras oli Ruut jne. Lopputulemana on varsin hilpeitä kenttämuistiinpanoja tyyliin: Joshua "quiet kid, didn´t make trouble, had a serious, unflappable (järkähtämätön) look about him. Masturbated a lot in the bushes."

Sapolskyn oletus oli tuon ajan stressitutkimuksen mukainen - stressi olisi suurinta niillä, joiden status ryhmässä on alhainen, vähintä niillä, jotka ovat lauman johdossa. Saadakseen selville oliko väite totta, Sapolskyn piti ensin oppia tunnistamaan, mitkä paviaanit olivat laumahierarkiassa milläkin tasolla. Kuka väisti ketä. Tämän jälkeen piti päästä mittaamaan paviaanien stressitasot. 

Verinäytteen ottaminen luonnonpaviaanilta ei ole ihan helppoa. Käytännössä paviaani pitää nukuttaa. Ei aivan helppoa sekään - jos jahtaat paviaania pari tuntia jeepillä ja ammut sitten sen turkkiin nukutusnuolen, et ehkä saa ihan normaalia stressilukemaa! Eli Sapolskyn piti oppia yllättämään paviaanit - ampua nukutusnuoli puskista, silloin kun paviaani ei osaa odottaa mitään.

Stressihormonien määrä vaihtelee myös vuorokauden ajan mukaan. Jotta data olisi vertailukelpoista, paviaanit piti nukuttaa suurin piirtein samaan aikaan vuorokautta. 

Sapolskyn onnistui voittaa esteet ja saada vertailukelpoiset näytteet. Tulokset vahvistivat oletuksen. Stressitasot heijastelivat aika suoraviivaisesti statusta laumassa. Alfauros Salomonin stressitasot olivat alhaiset, pahnanpohjimmaisen, Jobiksi ristityn heikon paviaanin stressi oli kovaa ja kroonista. 

Sapolsky palasi kesä toisensa jälkeen tutkimaan rakkaita paviaanejaan. Tulokset mutkistuivat. Salomon oli saanut haastajan ja sen stressitasot huitelivat pilvissä. Ahaa! Vakiintuneessa laumassa stressi on pienintä yläpäässä, mutta vallankumouksen aikana onkin stressaavinta olla valtaapitävä. 

Kesä toisensa jälkeen Sapolsky palasi Keniaan ja tulokset vain mutkistuivat. Paljastui, että alfa-uroksia on moneen lähtöön. Oli hermostuneita ja aggressivisia alfoja, joiden stressitasot olivat pysyvästi korkealla. Oli myös hierarkian keskitasolla huitelevia paviaaneja, jotka onnistuivat välttelemään taisteluita ja elämään suhteellisen mukavaa elämää, alhaiset stressitasot. Paviaanien persoonallisuus näytti vaikuttavan niiden stressitasoihin. 

Tutkimus etenee usein tähän tapaan. Tutkitaan jotakin rajattua, mitä on mahdollista tutkia. Tutkitaan lisää ja asia paljastuu koko ajan konstikkaammaksi. Populaareissa tiedelehdissä tulokset esitellään toisinaan lopullisina totuuksina. Tyypillisempää kuitenkin on, että tutkimustulos avaa polun, tulokset tarkentuvat ja muuttuvat sitä mukaan kun asiaa tutkitaan. 







torstai 22. helmikuuta 2018

MATEMATIIKAN VÄÄRINKÄYTTÖ


Suomessakin toukokuisia iltapäivälehtiä myydään lukiovertailuilla, joissa on laskettu miten eri lukioiden opiskelijat keskimäärin menestyvät ylioppilaskirjoituksissa. Aika yleisesti sentään tiedetään, että moinen on epäreilu mittari lukioiden opetuksen laadulle: koulu voi tarjota tasokasta opetusta, mutta jos tulijoiden lähtötaso on heikko, he tuskin kirjoittavat erityisen loistokkaasti. Astetta reilummassa vertailussa otetaankin huomioon opiskelijoiden lähtötaso. Jos lukioon tullaan keskimäärin varsin heikoilla todistuksilla, mutta ylioppilaskirjoituksissa menestytään keskitasoisesti, opetus on ollut erinomaista – sehän näyttäisi nostaneen opiskelijoita lähtötasoltaan. Nopeasti ajatellen kuulostaa ihan pätevältä. Mutta kannattaa malttaa mielensä ja ajatella hitaammin. 

Cathy O´Neil (2016) kertoo kirjassaan Matikkatuhoaseet, miten Washington D.C:n uusi pormestari halusi vuonna 2007 eroon kaikista huonoista opettajista. Niinpä yläasteen opettajat saivat arvosanan sen mukaan nousivatko heidän opiskelijoidensa numerot lähtötasosta vai tuliko laskua. Idea ei ole aivan niin pöhkö miltä kuulostaa, sillä varsinkin matematiikassa ja kielissä oli käytössä aika hyviä valmiita kokeita - opettajan lempeys tai ankaruus kokeiden tarkastajana ei siis päässyt olennaisesti vaikuttamaan tulokseen. Jos opiskelijoiden taso oli lukuvuoden aikana suhteellisesti heikentynyt, opettaja sai potkut ja parempia palkattiin tilalle. Lopputulemana pitäisi loogisesti olla pelkästään erinomaisia opettajia ja lasten oppimistulokset olisivat muutaman vuoden päästä huikeita. Näin ei tietenkään käynyt.

Aluksi paljastui erikoisia yksittäistapauksia: huonon arvion takia annettiin potkuja joillekin opettajille, joiden opiskelijat olivat ennen menestyneet aivan hyvin ja joita yleisesti pidettiin hyvinä opettajina – ja jotka varsin nopeasti saivat uuden työpaikan yksityisistä kouluista. Osa potkut saaneista opettajista yritti saada tarkempaa tietoa, miten heidän surkea tuloksensa oli laskettu. Paljastui, etteivät edes irtisanomisia tehneet rehtorit tunteneet mallia yksityiskohtaisesti. Vastaus oli – se on konsulttiyhtiön kehittelemää korkeaa matematiikkaa, et ymmärtäisi sitä. Onneksi matemaatikotkin kiinnostuivat asiasta ja alkoivat tutkia sitä. Paljastui, että mallin ongelmat eivät rajoittuneet vain joihinkin epäonnekkaisiin yksityistapauksiin. Oli erittäin tyypillistä, että samalle opettajalle saatiin hyvin erilaisia lukuja eri vuosina. Sama opettaja saattoi saada 7. luokkalaisten numeroiden perusteella surkeat arvosanat ja 8. luokkalaisten kohdalla erinomaiset. Data oli siis erittäin kohinaista. Eikä ihme! Kuten kuka tahansa opettaja tai opiskelija voi kertoa – opiskelijoiden tulokset johtuvat kovin monista seikoista, opettajan ammattitaito on niistä vain yksi.

Neil näkee tarinassa muutaman tyypillisen tavan väärinkäyttää matematiikkaa: 1) Arveluttavat päätökset naamioidaan mukamas neutraalin algoritmin ja liikesalaisuuden taakse, eikä päätöksen uhri saa tietää päätöksen perusteluja. 2) Malli otetaan käyttöön aivan liian aikaisin, eikä mallia hiota. Neil vertaa kouluarviointeja baseball seurojen tapaan kerätä tietoja arvokkaista pelaajista – siellä tietoa kerätään jatkuvasti, ja algoritmia parannellaan koko ajan, kun sen huomataan tekevän virheitä. Tällöin lopputulemana on - vuosien päästä -  aika hyvä, tehokas ja reiluhko malli.  3) Mittaustavat voivat luoda vääristäviä kierteitä: Amerikassa paljastui, että potkuja pelänneet ala-asteen opettajat olivat huijanneet – he olivat parannelleet oppilaidensa vastauksia, jolloin nämä saivat ala-asteelta lähtiessään liian hyvän tuloksen. Tämä johti taas siihen, että yläasteen opettajista parhaallakaan ei ollut mahdollisuuksia pitää tuloksia edes samalla tasolla (paitsi ehkä turvautumalla samaan huijaustrategiaan). 

Erityistä huomiota kannattaakin kiinnittää siihen, millaisia ohjausvaikutuksia mittauksilla ja malleilla on. Pitää tunnistaa myrkyllisiä palautekierteitä. Sellainen syntyi Yhdysvalloissa esimerkiksi, kun U.S.News alkoi laittaa eri collageja paremmuusjärjestykseen. Iso osa mittaria oli se, paljonko opinahjosta valmistuneet olivat valmiita lahjoittamaan rahaa koululleen ja kuinka korkealle he sitä arvostivat. Listan laatijat korostavat ylpeinä, että mittari on pakottanut collaget parantamaan palvelujaan ja ottamaan opiskelijat vakavasti. Tämä onkin totta, mutta samalla oppilaitokset ovat myös alkaneet pelata listalla: tehdä paljon asioita vain, jotta asema suhteessa muihin opinahjoihin paranisi. Voidaan tietenkin satsata fiksusti opetukseen ja opintojen-ohjaukseen, mutta myös hulppeisiin tiloihin, jalkapalloseuroihin tms. Voidaan myös temppuilla valintakoejärjetelyillä. Suurin ongelma on, ettei lista huomioi lainkaan koulutuksen hintaa. Menestyäkseen listalla collagen kannattaa  kerätä ja kuluttaa hulluna rahaa, se nostaa arvostuspisteitä ja tuo hyviä opiskelijoita. Samalla opintojen hinta on noussut taivaisiin.

Vaan entä köyhät? He ovat erityisen haavoittuvia matematiikan väärinkäytölle ja netin saalistaja-algoritmeille. He paljastavat haavoittuvuutensa ja epätoivonsa esim. klikkaamalla auki sivustoja, jotka on suunniteltu houkuttamaan talousahdingossa kärvisteleviä ihmisiä. Saalistaja-algoritmi "haistaa verta" ja lähettää lisää syöttejä näiden ihmisten facebook syötteeseen. Eräs paljon käytetty ansa on valheellinen työpaikkailmoitus, jossa luvataan apua ruokakorttien saamisessa - ilmoitus houkuttaa kaikkein haavoittuvampia ja epätoivoisempia. Jos he laittavat hakemukseen puhelinumeronsa, he saavat jonkin ajan päästä puhelisoiton, joka tarjoaa pikalainaa tai lainarahoitteisen opiskelupaikan ns. voittoa tuottavassa yliopistossa. Kyseisissä opinahjoissa suoritettu tutkinto ei yleensä ole juuri minkään arvoinen työmarkkinoilla, ja se jättää opiskelijalle lähinnä kirvelevän opintovelan. Kuvaavaa on, että eräs tällainen opinahjo käytti 2225 dollaria per opiskelija markkinointiin ja 892 dollaria opetukseen. Oikeissa opinahjoissa luvut ovat sentään toisin päin.

Neil kertoo lukuisia esimerkkejä matematiikan väärinkäytöstä: pörssikeinottelusta, sairausvakuutusten tai autovakuutusten epäreilusta hinnottelusta (varallisuus vähentää vakuutusmaksua enemmän kuin rikkeetön ajohistoria), oikeuslaitoksen toiminnasta jne. Kirjaa lukiessa huomaa, että yhdysvaltalainen järjestelmä on monin tavoin erilainen kuin pohjoismainen hyvinvointivaltio. Neilin kuvaamat suuraineistoalgortimit ovat silti tulossa meillekin, ja hyvä niin. Monet matemaatikkojen keksinnöistä tuottavat hyvinvointia, terveyttä ja reiluutta. Ehkä jopa pelastavat maailman ilmastonmuutokselta. Neil on matemaatikko ja rakastaa matematiikkaa. Hän haluaa kuitenkin herätellä ihmisiä huomaamaan, milloin matematiikkaa käytetään väärin. 

Nykyhetken ennakkoluulot ja vääryydet kirjautuvat helposti algoritmeihin ja jos algoritmejä ei saa avata (koska ovat liikesalaisuus), vääryydet muuttuvat pysyviksi. Kuvitellaan esimerkiksi, että hyperkonservatiivinen Fox yhtiö päättäisi luoda matemaattisen mallin rekrytoinnin tueksi. Pohjaksi katsottaisiin, millaiset ihmiset ovat parhaiten menestyneet Fox –yhtiössä. Malli havaitsisi, että juuri kukaan nainen tai värillinen ei ole yhtiössä menestynyt, joten se keskittyisi etsimään kykyjä valkoihoisista miehistä. Malli olisi ”evidence based”… se perustuisi suureen määrään havaintoja siitä, millaiset ihmiset ovat yhtiössä menestyneet. Samalla se olisi tietenkin myös epäreilu ja valheellinen – se sementoisi yhtiön syrjivät asenteet liikesalaisuudeksi nimetyn algoritmin taakse.

Maailmassa kerätään valtavasti tietoa ja sen hyödyntäminen on viisasta. Matematiikan ja koneälyn avulla suuret tietomassat saadaan ehkä hallintaan ja tietomme maailmasta kasvaa. Kansalaisten on kuitenkin syytä pysyä hereillä ja vaatia avoimuutta. Ei ole syytä uskoa, jos päätösten perusteluksi tarjotaan, ”tämä on matematiikkaa, et ymmärtäisi.” Palaneen käryä on ilmassa myös silloin, jos kansalaisia koskevia päätöksiä ei voida avata, koska taustalla on liikesalaisuus.