Perustaa ohjelmistoyliopistot sekä FITRE Tanskan Digital Styrelsen mallilla.
Utrechtin Yliopiston Filosofisen tiedekunnan Cognitiivisen tekoälyn linjalla oli ainakin aikoinaan hyvin tasapainotettu viisi toisiinsa liittyvää osa-aluetta: AI-softat, filosofia, kielitiede, psykologia ja logiikka. Opetus on yksi asia mutta tarvitaan myös ratkaisujen tekijöitä ja niitä ylläpitäviä rakenteita.
Useassa maassa on viime vuosina tehty merkittäviä avauksia tekoälyn osalta. Suomen oloihin hyvin soveltuvia malleja voisivat olla esimerkiksi Element AI (Kanada) ja Alan Turing Instituutin Data-centric engineering -hanke (Englanti). Ensimmäisessä tuetaan tekoälyn startup-toimintaa 200 miljoonan rahoituksella ja tuomalla yliopistoissa toimivat alan tutkijat yritysten tueksi, kun taas jälkimmäinen hanke tuo tekoälyosaamista ICT-alan ulkopuolella toimiville insinöörialoille yhdistämällä merkittävän julkisen rahoituksen yritysten panostukseen.
Piilaaksossa tekoäly on nyt lähes jokaisen puheissa. Siellä on mittavat taloudelliset resurssit panostaa valittuihin teemoihin. Suomen ei kannata lähteä kehittämään tekoälyä vain kansallisesti, vaan tiiviissä yhteistyössä esimerkiksi USA:n, muiden EU-maiden ja Japanin kanssa.
Suomi on liian pieni toimimaan yksin tekoälyn alueella, mutta se ei estä meitä olemasta mielenkiintoinen partneri EU- ja globaalilla tasolla. On tärkeää saada yksi globaali järjestö/virasto jonka kautta suomalaiset instituutiot, virastot ja yritykset pääsevät mukan globaaliin liiketoimintaan. Suomalaisten tulee tutustua muutamaan hyvään esimerkkiin maailmalta ja ottaa niistä parhaimmat ominaisuudet joiden pohjalta rakennamme oman tavan toimia.
- maailmalla on monia mielenkiintoisia pieniä tai hieman suurempiakin yrityksiä, jotka käyttävät tekoälyä monipuolisesti erilaisten bisneshaasteiden ratkaisemiseen. Näitä löytyy eri toimialoilla monipuolisesti. Suomen näkökulmasta yhteistyö näiden yritysten kanssa voi olla mielekkäämpää kuin yliopistokumppaneiden hakeminen ympäri maailman. Yliopistoissa tutkimus voi olla hyvin syvällistä kapealla osa-alueella, mutta se ei välttämättä tarjoa tukea esim. yritysten radikaaliin uudistumiseen. Kannattaa miettiä onko tekoälyn kohdalla syytä rakentaa suuria ohjelmia ja vai miten yhteistyö kannattaa järjestää. Relevantit yhteistyötahotkin voivat vaihtua nopeasti.
Kannattaa katsoa, mitä muualla on tehty väärin, ja minkälainen panostus ei johda haluttuihin lopputuloksiin. Suuri virhe on ryhtyä keksimään muiden keksimiä pyöriä uudestaan.
Tekoälyn avulla pystytään diagnostisoimaan sairauksia ihan eri tavalla kuin nyt. Trkoälyn avulla big datasta voidaan nopeasti visualosoida merkityksellisiä asioita - tosin merkityksellisyysen arviointiin tarvitaan ihminen.
Esim. DeepLearning:n osaajien tuotannon vahvistaminen; pitäisi heti saada 5 siihen liittyvää professuuria auki ja hakuun välittömästi, tähän liittyvien labrojen perustamiseksi; painotus toimialasoveltamisessa voisi olla eri toimialoille; vähintään yksi liikenteelle
Tekes-ohjelmat toimivat käytännön työkaluna