Tekoäly sijoituskohteena
Tietokoneen osaamista ja oppimista, jonka avulla voidaan korvata tiettyjä ihmisen tekemiä töitä, kutsutaan tekoälyksi. Tällaisiin töihin kuuluvat esimerkiksi halutun tiedon etsiminen suuresta datamassasta sekä suuren datamäärän käsittely ja sen analysointi.
Mikä tekoäly?
On todettu, että tietokone on ihmistä parempi tekemään havaintoja esimerkiksi röntgenkuvista, joista etsitään kasvainta. Tutkimusten mukaan virheitä tuli enemmän ihmisen kuvia tutkiessa, mutta sen sijaan tietokone löysi kasvaimen kuvista lähes aina. Esimerkiksi vuonna 2020 Googlen Deepmind-tytäryhtiön uutisoitiin tunnistavan rintasyövän paremmin kuin radiologit ja tämän lisäksi se osasi ennustaa proteiinien rakenteen.
Tekoäly on monelle vielä suhteellisen vieras käsite ja siihen liittyy myös pelkoa esimerkiksi sen mahdollisesta työpaikkojen valtaamisesta ihmisiltä. Myös itse sanana se voi kuulostaa jotenkin tuntemattomalta ja ”yliluonnollisesta”.
Kaikesta huolimatta tekoäly kuuluu nykyään tavalla tai toisella meidän jokaisen arkeen ja sen hyödyntäminen tulee todennäköisesti kasvamaan entisestään tulevaisuudessa. Tästä syystä sijoittajan kannattaakin pitääkin silmät auki ja seurata tekoälyn kehittymistä aktiivisesti.
Tekoälysovellukset
Tekoälyn toiminnasta meille kaikille arjessa tuttuja esimerkkejä ovat muun muassa Google Mapsin ajoaika-arviot, sähköpostin roskapostikansion suodatustoiminto, verkkosivustojen chatbotit, puhelimen automaattinen tekstinsyöttö sekä iPhonen Siri-avustaja.
Suurin osa tekoälysovelluksista perustuu niin sanottuun koneoppimiseen. Kyseessä on tekoälyn osa-alue, jossa toimintaa ei ole valmiiksi ohjelmoitu. Koneen oppiminen tapahtuu itsenäisesti sille annettua dataa hyödyntäen eikä sille määritetä erillisiä toimintaohjeita jokaista tilannetta varten.
Koneoppimisen malli kehittyy koko ajan paremmaksi koneen käyttäessä askel askeleelta datasta oppivia algoritmeja. Tähän kuitenkin tarvitaan ensin ihmistä opettamaan konetta, jotta tekoäly saadaan ylipäätänsä toimimaan, Käytännössä opettaminen tapahtuu syöttäen tietokoneelle opetusdataa, esimerkiksi kissojen ja koirien kuvia, ja opettaen se tällä tavoin tunnistamaan onko kuvassa kissa vai koira.
Ihminen kantaa kuitenkin suurimman vastuun koneen kouluttamisessa, sillä lopputulos määrittelee sen millaista dataa koneelle on syötetty ja opetettu. Datan laatu määrittää lopputuloksen hyvinkin radikaalilla tavalla.
Ihmisen täytyy siis osata valita ja arvioida datan laatu ja samalla ymmärtää, että sillä on ratkaiseva vaikutus lopputulokseen. Kone kun ei luonnollisesti itse osaa korjata ns. vääränlaista dataa.
Kahdenlaista koneoppimista
Koneoppiminen voidaan jakaa kahteen eri kategoriaan: ohjattu ja ohjaamaton. Suurin ero näiden kahden välillä piilee siinä, millaista dataa tietokoneen ohjaaminen tarvitsee ja millaista dataa kone itse tuottaa lopputuloksena.
Kun puhutaan ohjaamattomasta koneoppimisesta, tällöin kone tarvitsee vain dataa, joten tällöin ihmisen ei periaatteessa tarvitse opettaa sille mitään. Koneen algoritmi osaa tehdä datan erittelyn itse. Itse kone osaa vain jaotella datan tietyin tavoin, joten se ei ennusta datasta mitään tai tee siitä trendianalyyseja.
Sen sijaan ohjatussa oppimisessa ihmisen täytyy syöttää koneelle nimikoitua dataa, eli toisin sanoen ohjata sitä. Syötettävä data on ihmisen toimesta kuvattu, luokiteltu tai jäsennelty systemaattisella tavalla. Ihminen siis opettaa konetta ymmärtämään sille syötettyä dataa.
Aiemmin mainittu kissa ja koira-esimerkki kuvastaa hyvin ohjattua koneoppimista. Ihminen ei kerro koneelle miten sen pitäisi erottaa kissat koirista esimerkiksi niiden korvien perusteella, vaan kone oppii itse erottamaan lajit toisistaan, kunhan saa riittävän suuren datamäärän. Kone voi oppia myös ennustamaan ja kertomaan datasta erinäisiä asioita.
Kaiken kaikkiaan ohjattu koneoppiminen on huomattavasti helpompi ja tehokkaampi tapa analysoida isoa datamäärää kuin jos käyttäisi ihmistä vastaavanlaisessa työssä. Ongelmatilanteita tulee kuitenkin silloin, jos kone saa ns.tunnistamatonta dataa. Tällaisissa tilanteissa ratkaisuna toimii käytetyn datan laadun varmistaminen ihmisen toimesta.
Tekoäly ja koneoppiminen rahoitusalalla ja sijoittamisessa
Rahoitusalalla tekoäly on noussut esille viime vuosien aikana erityisesti niin sanottujen robo-advisoreiden kautta. Nämä koneoppimisen sovellukset pystyvät analysoimaan valtavan määrän dataa ja sen perusteella tekemään salamannopeita sijoitusehdotuksia sekä antamaan algoritmeihin perustuvia henkilökohtaisia sijoitusneuvoja. Tähän ei yleensä ihmistä tarvita, paitsi jossain tapauksissa vähäisen datan ohjauksen muodossa.
Robo-advisoreilla lasketaan olevan hallinnassa noin 1000 miljardin dollarin arvosta sijoituksia maailmanlaajuisesti mitattuna ja tämän luvun odotetaan kasvavan noin 30 prosentin vuosivauhtia. Suomessa Nordealla on tarjolla Nora Robo-advisor palvelu.
Rahoitusalalta löytyy muitakin mahdollisuuksia tekoälyn hyödyntämiseen. Näistä ajankohtaisimpia ovat esimerkiksi erilaiset riskienhallinnansovellukset, rahanpesunesto, huijaus-ja petostunnistukset sekä asiakaspalvelubotit. Asiakaspalveluun käytettävät robotit (chatbotit) pystyvät hoitamaan sellaiset asiakaspalvelutilanteet, joissa ratkaisu on usein hyvin samankaltainen ja ei vaadi välttämättä ollenkaan ihmiskontaktia ongelman ratkaisemiseksi.
Tekoälyyn sijoittaminen
Sijoittajalle tekoälystä voi olla paljonkin hyötyä. Seuraavat megatrendit ovat niitä, joista sijoittaja voi eniten saada hyötyä lähivuosien aikana ja saada rakennettua myös toimivia sijoitusratkaisuja:
- Ilmastonmuutos ja resurssien niukkuus
- Väestörakenteen muutos
- Teknologiset innovaatiot
- Taloudellisen vallan siirtyminen
- Kaupungistuminen ja tulevaisuuden liikkuminen
Tekoäly sijoittuu kategorioissa teknologisiin innovaatioihin. Robotiikka ja tekoäly ovat niistä suurin sijoituskohde ja niiden kehityksen uskotaankin menevän tulevaisuudessa eteenpäin, kunhan sijoitusinstrumentit on huolellisesti valittu.
Tekoälyä hyödyntäviä teknologioita hyödynnetään tänä päivänä jo laajasti eri toimialoilla, esimerkiksi terveydenhuollossa, rahoitusalalla sekä turvallisuusalalla. Myös uusia sovelluskohteita kehitetään koko ajan. Tekoälyn kaupallistamisella tuleekin olemaan 2020-luvulla keskeinen rooli yritysten digitalisaatiossa ja informaation käytön tehostamisessa.
Jokainen tekoälyn kehitysaskel on liittynyt tutkimusmenetelmien läpimurtoon. Tällä hetkellä syväoppiminen kuuluu yhteen tärkeimmistä läpimurroista koneoppimisessa. Yksi hyvä esimerkki syväoppimisen edelläkävijöistä on Google, joka hyödyntää syväoppimista muun muassa käännöspalvelun ja automaattisen tekstityksen tulosten sekä YouTube-suositusten parantamiseen.
Megatrendi-käsite tarkoittaa laajaa ja monimutkaista verkostoa, josta aiheutuu muutoksia yhteiskuntaan, politiikkaan, talouteen ja ihmisten käyttäytymiseen. Yllä jaotellut megatrendit ovat usean megatrendin kokonaisuus ja ne voivat olla myös kytköksissä toisiinsa.
Tekoäly ja ETF
Sijoittaminen tekoälyyn voi kuulostaa mielenkiintoiselle idealle monien sijoittajien korvaan ja tästä syystä heille onkin tarjolla useita tekoäly-ETF:iä.
Niiden sisältämissä yhtiöissä, varojen hajautuksissa, kulurakenteessa ja likviditeetissä voi esiintyä vaihtelua. Tästä johtuen, sijoittajan kannattaa aina perehtyä eri vaihtoehtoihin tarkemmin. Kiinnostavia tekoälyosakkeista koostuvia ETF:iä ovat esimerkiksi:
- WisdomTree Artificial Intelligence
- Lyxor Robotics & AI ETF
- Amundi Stoxx Global Artificial
- Intelligence ETF
- Xtrackers Artificial
- Intelligence and Big Data ETF
Tekoälyosakkeet vuonna 2023
Seuraavat pörssiyhtiöt pitävät kärkisijaa tekoälyn ja koneoppimisen alalla, joten niiden tuotteilla tulee olemaan suuri vaikutus tulevaisuuden teknologian muotoutumiseen:
- Apple
- IBM
- Intuitive Srugical
- Zebra Technologies
- NVIIA
- Tvilio
- CrowdStrike
- Splunk
- The Trade Desk
- Ilumina
Edellä mainitut yritykset ovat joko erikoistuneet yksinomaan tekoälyyn tai ovat vahvasti mukana tekoälyn alalla.
Tekoäly (AI) sijoituskohteena – Yhteenveto
Tekoäly on osa nykypäivää, halusimme sitä tai emme. Ohjelmoidut tietokoneet tekevät joskus jopa ihmisiä parempia päätöksiä, tukevat prosesseja sekä tarjoavat helpotusta ja tehokkuutta yhä useammilla liiketoiminnan aloilla sekä arjen tilanteissa.
Koronapandemia synnytti uuden digitalisaatioaallon, joka sai alan entistä kovempaan kasvuun. Monet tekoälyosakkeet kohosivat ennätyslukemiin vuoden 2021 aikana, mutta vuoden lopulla alkanut korjausliike kosketti lähes kaikkia teknologiaosakkeita.
Tämän hetkinen markkinoiden lasku voi osoittautua hyväksi ostomahdollisuudeksi pitkällä aikavälillä tarkasteltuna niille, jotka suunnittelevat tekoälyyn sijoittamista. Sijoittajien on syytä kuitenkin pitää pää kylmänä tämän hetkisen markkinatilanteen epävarman inflaation ja tuotantoketjujen jatkuvien ongelmien vuoksi.
Monet tekoälyä jo hyödyntävät yritykset tulevat todennäköisesti kasvamaan huimasti seuraavien vuosien aikana, koska tekoälyn kehitys on vasta alussa. Aika näyttää, mitä kaikkea sen huima kehittyminen tuo vielä tullessaan.
