1.1 Työn taustat
Tieliikenne on globaalisti merkittävä turvallisuusriski, johon maailma kaipaa kipeästi rat-kaisuja. Maailman terveysjärjestön (WHO) vuosittainen raportti paljastaa, että vuosit-taisten kansainvälisten tiekuolemien lukumäärä on kasvanut tasaista vauhtia viime ai-koina, uhriluvun ollessa vuonna 2016 yhteensä 1,35 miljoonaa. Tiekuolleisuus on nous-sut kahdeksanneksi suurimmaksi kuolinsyyksi, ohittaen tilastoissa HIV:in, AIDS:in ja mo-net muut merkittävät tartuntataudit. Erityisesti lapset ja nuoret aikuiset (ikä 5 – 29 vuotta) kuuluvat tilastollisesti merkittävään riskiryhmään, sillä heille tiekuolleisuus on tällä het-kellä kaikista suurin kuolinsyy. (World Health Organization 2018). Pelkästään Yhdysval-loissa vuonna 2010 tapahtuneiden liikenneonnettomuuksien kokonaishaittojen on arvi-oitu olevan rahallisesti mitattuna jopa 836 miljardia Yhdysvaltain dollaria1 (Blincoe et al.
2015). Turvallisuuden parantamiseen on täten voimakkaat insentiivit ja ajoneuvojen tur-vallisuutta parantavien teknologioiden kehittyminen tulee olemaan eräs tekijä tieliikenne-kuolleisuuden parantamisessa.
Tekoälyteknologiat ovat kehittyneet viime vuosina kiihtyvää tahtia, minkä voi päätellä te-koälyyn liittyvien patenttien määrän nopeasta, lähes eksponentiaalisesta, kasvusta (Shoham et al. 2018). Tämä viime aikainen nopea kehitys on heijastunut myös autono-misten ajoneuvojen kehityksen vauhdittumiseen, minkä ansiosta monet autovalmistajat ovat luvanneet jo lähivuosina julkaisevansa täysin autonomisesti ajettavia automalleja (MIT Technology Review 2019). Autonomisten ajoneuvojen turvallisuus kuitenkin epäi-lyttää ihmisiä (Schoettle & Sivak 2014), vaikka niiden tehokkuudesta on olemassa myös lupaavia raportteja (Najm et al. 2015).
Teknologisen kehityksen nopea kasvuvauhti paljastaa asiaan liittyviä lainsäädännöllisiä puutteita. Iso-Britannian entinen pääministeri Tony Blair kertoo haastattelussaan huolis-taan lainsäädännön ja politiikan haasteista tekoälyn nopeaan kehitykseen liittyen ja esit-tää, että teknologian kehitystä ja käyttöä ohjaavan kansainvälisen järjestön perustami-selle olisi tarvetta (Wired UK 2019). Tekoälyn sääntelyä tukevien eettisten ohjesääntöjen
1 Arvion mukaan vahinkojen pelkät suorat taloudelliset kustannukset olivat suuruudeltaan 242 miljardia, mutta luku 836 miljardia edustaa kyseisessä raportissa kokonaisvaltaista sosiaalista haittaa rahassa mitattuna.
kehittämiseksi on esimerkiksi EU:ssa hiljattain perustettu High-Level Expert Group on Artificial Intelligence (AI HLEG) (European Commission 2019), minkä perustaminen osaltaan antaa viitteitä tekoälyyn liittyvien poliittisten viitekehysten kehittämisen tar-peesta. Lisäksi lukuisten maiden tekoälystrategioiden tiheästä viime aikaisesta julkaise-misesta (Dutton 2018) voi päätellä, että kiinnostusta teknologian kehittämiseen löytyy myös kansainväliseltä tasolta. Esimerkiksi EU-maista ensimmäisenä tekoälystrategi-ansa julkaisi Suomi, joka on asettanut tavoitteekseen nousta sovelletun tekoälyn kehit-tämisen johtavaksi maaksi (Työ- ja elinkeinoministeriö 2017). Sääntely on eräs julkisen hallinnon poliittinen vaikutuskeino, jolla näitä kehitystarpeita voidaan yrittää ohjata ja tu-kea. Autonomisten ajoneuvojen toiminnassa tekoälyyn pohjautuvat algoritmit ovat tärke-ässä roolissa, joten puutteet tekoälypolitiikassa koskettavat myös tätäkin teknologiaa.
Autonomisuuden mahdollistavan teknologian toimintaperiaatteisiin perehtyminen auttaa ymmärtämään paremmin kyseiseen teknologiaan liittyviä ongelmia.
1.2 Teknologinen konteksti
Automatisoidut ajoneuvot, autonomiset ajoneuvot, itsestään ajavat ajoneuvot ja kuljetta-mattomat ajoneuvot viittaavat kaikki ajoneuvoihin, joissa sovelletaan sellaista teknolo-giaa, joka mahdollistaa ajoneuvon operoimisen joko osittain tai kokonaan ilman kuljetta-jan toimia (Demyanov et al. 2018; Park et al. 2018). Määritelmän mukaan ajoneuvolla tarkoitetaan yleisesti maaliikenteeseen tarkoitettua laitetta, poissulkien raideliikenneväli-neet (Ajoneuvolaki 11.12.2002/1090). Ajoneuvojen autonomisuuden kehityksen usko-taan tapahtuvan asteittain, ja kehityksen tarkasteluun on kehitetty viisiportainen asteikko, joka määrittää kehitysasteet niiden vaatiman automaation tason perusteella. Asteikko on esitetty työn liitteessä 1 (Liite 1: Ajoneuvoautomaation tasot).
Autonomisten ajoneuvojen toiminta perustuu yleisesti robottijärjestelmissä sovelletta-vaan havaitse-suunnittele-toimi -periaatteeseen, jossa ajoneuvon sensoridata toimii rei-tinsuunnittelun ja niiden perusteella tehtävien toimenpidepäätösten tietopohjana (Anderson et al. 2016; Van Brummelen et al. 2018). Erilaisia sensorityyppejä, joita ajo-neuvoissa voidaan käyttää ympäristöstä tarjolla olevan tiedon keräämiseen ovat esimer-kiksi kamerat, koneellinen stereonäkö, tutka, LIDAR (eng. light detection & ranging de-vice), SONAR (eng. sound navigation ranging) sekä ns. V2V ja V2I –kommunikaatio (eng. vehicle to vehicle/infrastructure commmunication) (Anderson et al. 2016; Bagloee et al. 2016; Pendleton et al. 2017; Van Brummelen et al. 2018)
Sensoridatan tulkintaan ja datan avulla tehtävään päätöksentekoon liittyvät ohjelmisto-algoritmit ovat merkittävä tekijä teknologian turvallisen toiminnan mahdollistamisessa (Anderson et al. 2016; Van Brummelen et al. 2018). Algoritmit voidaan jakaa toimintansa
perusteella tunnistaviin, ennustaviin ja suunnittelua toteuttaviin algoritmeihin, jotka kaikki tukeutuvat toiminnassaan erilaisiin tekoälytekniikoihin. Syväkonvoluutio- ja konvoluu-tioneuroverkkoihin perustuvat tunnistavat algoritmit ovat näistä yksinkertaisimpia ja niitä käytetään ajoneuvon sensoridatan tulkintaan ja objektien tunnistamiseen. Ennustavat algoritmit pohjautuvat takaisinkytkeytyviin neuroverkkoihin, ja niiden avulla tehdään en-nusteita esimerkiksi liikkuvien objektien liikeradoista ja positiosta. Kaikista edistykselli-simpiä algoritmeja ovat päätöksenteon suunnitteluun soveltuvat algoritmit, joiden tavoit-teena on optimoida ajoneuvon tekemiä ohjausliikkeitä ja toimintoketjuja dynaamisessa ympäristössä. Suunnittelualgoritmien toteutuksessa nojaudutaan vahvistusoppivien ja syväoppivien algoritmien sekä takaisinkytkeytyvien neuroverkkojen yhdistelmään.
(Sallab et al. 2017).
Autonomisten ajoneuvojen kehittymistä vauhditti 2000-luvulla useat Yhdysvaltojen ase-voimien tutkimusorganisaation (DARPA) järjestämät kehityskilpailut, mutta myöhemmin myös lukuiset kaupalliset organisaatiot, kuten Google, GM, Daimler, Audi ja Toyota, ovat vieneet kehitystä eteenpäin tahoillaan (Anderson et al. 2016). Tällä hetkellä tason 5 au-tonomisia ajoneuvoja ei ole kaupallisessa mielessä otettu käyttöön, vaan kuluttajamark-kinoilla oleva korkeimman tason automaatio kuuluu tason 3 automaatioon, jota on sovel-lettu esimerkiksi Teslan Model S ja X malleissa. Teknologian kehityksen jatkuessa auto-nomiset ajoneuvot ovat kuitenkin liikenteessä mahdollisesti jo lähitulevaisuudessa. (Van Brummelen et al. 2018).
1.3 Tutkimusongelman määrittely ja tutkimuskysymykset
Työn merkityksen taustalla on oletus siitä, että autonomisten ajoneuvojen käyttöönotto voi vaikuttaa merkittävästi globaalin liikenneturvallisuuden parantamiseen. Autonomis-ten ajoneuvojen diffuusio on keskeinen ilmiö teknologian käyttöönottoon liittyen, ja siihen vaikuttamalla voidaan ohjata markkinoita joko omaksumaan teknologia nopeasti tai uh-kakuvien toteutuessa hylkäämään se ennen haittojen realisoitumista. Liikenneturvalli-suusongelman vakavuuden ja uusiin teknologioihin mahdollisesti liittyvien riskien vuoksi poliittinen interventio saattaa osoittautua tarpeelliseksi, mutta toisaalta puuttumisella voi olla myös haitallisia seurauksia (Börzel 2016). Tämä ristiriita osaltaan vaikuttaa tutkimus-ongelman syntyyn: Onko autonomisten ajoneuvojen kehittymiseen puuttuminen ylipää-tään tarpeellista, ja miten poliittisesti voidaan vaikuttaa teknologian kehitykseen ja käyt-töönottoon potentiaalisen yhteiskunnallisen hyödyn maksimoimiseksi? Tämän tutkimus-ongelman ratkaisemiseksi kirjallisuustutkimukseni tarkoituksena on selvittää, miten sääntelyllä vaikutetaan tai voidaan vaikuttaa autonomisten ajoneuvojen diffuusioon. Ku-vassa 1 on visualisoituna työn pää- ja alatutkimuskysymykset.
Teknologian ja innovaatioiden sääntelystä ja poliittisesta ohjailusta on olemassa melko laajalti kirjallisuutta ja tutkimuksia (Wiener 2004; Lundvall & Borrás 2005; Borrás &
Edquist 2013; Moses 2013) ja myös autonomisten ajoneuvojen sääntelyyn liittyviä tutki-muksia on muutamien hakukokeiluiden perusteella olemassa joitain kappaleita. Kirjalli-suutta sääntelyn vaikutuksista diffuusioon löytyi kuitenkin rajallisemmin, minkä vuoksi työni tieteellisenä tavoitteena on tutkia sääntelyn ja diffuusion potentiaalisia yhteisvaiku-tuksia ajankohtaisessa teknologisessa kontekstissa.
Seuraavaksi työssä kuvataan tutkimukseen toteutukseen liittyviä metodeja ja esitellään tiedonhakuun sovellettuja menetelmiä. Tämän jälkeen työ etenee teoriaosuuteen, jossa käsitellään poliittisen sääntelyn teoriaa, teknologian sääntelyn erityispiirteitä ja teknolo-gisten innovaatioiden diffuusiota. Sitten, kirjallisuuslähteitä apuna käyttäen, työssä tutki-taan sekä sääntelyn vaikutuksia diffuusioon että autonomisten ajoneuvojen sääntelyä.
Lopuksi työn tuloksista tehdään yhteenveto ja esitetään tulosten perusteella tehdyt pää-telmät.
Miten autonomisten ajoneuvojen (AV) sääntelyllä voidaan vaikuttaa niiden
diffuusioon?
(Päätutkimuskysymys)
Miten sääntely vaikuttaa diffuusioon?
Mitä syitä autonomisten
ajoneuvojen sääntelylle on?
Millä keinoilla autonomisia
ajoneuvoja säännellään?
Mitä seurauksia tällä
sääntelyllä voi olla AV-teknologian diffuusiolle?
Kuva 1. Tutkimuskysymykset.