I våras fick Pellervo Ruponen Pensionsskyddscentralens pro gradu-pris för sitt diplomarbete om maskininlärning. I sitt dagliga arbete utvecklar han bland annat analys av uppgifter om Kevas privatkunder och ledningens rapportering. Ruponen är också nybliven pappa till en flicka.
Understatssekreterare och ekonom Elina Pylkkänen utvärderade förra årets diplom- och pro gradu-arbeten för Pensionsskyddscentralen. Hon motiverar valet med att Ruponen på ett djärvt sätt har tagit sig an utmaningarna inom pensionsförsäkringen med hjälp av språkmodeller. De kan tillämpas på sakkunnigutlåtanden och personens egen bedömning av sin arbetsförmåga under processen för bedömningen av arbetsoförmågan.
– Språkmodeller och maskininlärning kan bli en del av
bedömningsprocessen, vilket i framtiden kan underlätta arbetet för dem som handlägger ansökningar om invalidpension. Enligt lagstiftningen kan behandlingen av ansökningar inte lämnas helt till maskiner, utan en människa behövs alltid för att behandla en ansökan om invalidpension, säger Pellervo Ruponen.
Språkmodellerna är en del av den högt hypade artificiella intelligensen. Enligt Ruponens bedömning blir användningen av artificiell intelligens allt vanligare både på Keva och i det omgivande samhället så småningom och steg för steg.
– I mitt diplomarbete testade jag om maskininlärning är ett förnuftigt sätt att lära en maskin att klassificera försäkringsläkarnas utlåtanden. När AI utvecklas kan den söka, bearbeta och klassificera olika uppgifter från olika källor för beslutsfattaren. Det betyder att maskinen stöder människorna, men ersätter dem inte.
Intresset inspirerade till en dubbelexamen
Ruponen arbetar på Kevas ICT-tjänstenhet och är för närvarande inne på sitt femte år hos arbetspensionsförsäkraren. Tidigare har han arbetat i ett par stora företag med biosignaler.
– Jag var intresserad av språkmodellernas arkitektur. Det är egentligen en ganska enkel multiplikation. Svårigheten består i att multiplikationer görs flera i följd och parallellt. I denna mening liknar språkmodeller hjärnan, där enkla nervceller fungerar som byggstenar. Tillsammans bildar nervcellerna ändå en komplex helhet, precis som neurala nätverk.
– Mitt diplomarbete från förra våren var nummer två. I mitt första diplomarbete studerade jag algoritmisk bearbetning av mänskliga biosignaler, såsom hjärtfrekvenskurvor.
Som diplomingenjör inspirerades Ruponen till ett nytt diplomarbete av Kevas och i synnerhet statistikenhetens önskan att ta reda på hur maskininlärning kan användas för fritextanalys. Det har än så länge varit utmanande för datorer, men det blir lättare i och med stora språkmodeller som ChatGPT. Dessa modeller är bra för många allmänna uppgifter, men för att uppnå bästa prestanda kan det vara nödvändigt att träna språkmodeller själv.
– Jag tror att mitt diplomarbete ökar Kevas förståelse och kompetens. Om vi vill utveckla våra egna AI-modeller utifrån vårt material måste huset ha kompetens om det.
Eftersom diplomarbetet tjänade hela arbetsgemenskapen avtalade Ruponen med sin chef om hur arbetstiden skulle användas. Hälften av diplomarbetet gjordes under arbetstid medan det ”akademiska skrivandet” lämnades till fritiden.
Information i tillgängligare form
Pellervo Ruponen arbetar med olika dataanalysprojekt som fortskred under hela den tid han skrev på diplomarbetet. Utöver alla andra arbeten tog det cirka åtta månader från oktober 2022 till maj 2023.
Nyligen har Ruponen fokuserat på utvecklingen av meddelandetjänsten och PowerBI-systemet. Meddelandetjänsten är en del av Kevas tjänst Min pension. Den är avsedd för privatkunder och man identifierar sig med bankkoder eller mobilcertifikat till den. Genom meddelandetjänsten skickar kunderna meddelanden och frågor med mycket olika ämnen och innehåll.
– Vi har studerat automatisk klassificering av meddelanden. När det börjar löpa kommer kunderna att få ett automatiskt och korrekt svar på centrala frågor snabbt i framtiden. Svårare frågor besvaras av experter på olika ämnesområden eller behandlas på något annat sätt.
Artificiell intelligens kan också användas för att anonymisera, alltså ta bort identifierbara personuppgifter i textdata som samlats in från meddelandetjänsten eller som på annat sätt cirkulerar inom Keva. Detta bidrar till att förbättra informationssäkerheten.
PowerBI används allmänt av arbetsgemenskaper för att samla in den information som affärsfunktionerna behöver. På Keva använder både styrelsen och ledningsgruppen den information som samlas in genom PowerBI som ett ledningsverktyg.
– Vi kommer att förbättra visualiseringen av data som samlats in i PowerBI. Vårt mål är att ha informationen i så användbar form som möjligt så att den är tydlig också för personer som är mindre tekniskt lagda.
Är AI en dräng eller husbonde?
Elina Pylkkänen, understatssekreterare vid Arbets- och näringsministeriet, konstaterade vid sin utvärdering av Ruponens diplomarbete att Finland har världens bästa datamaterial om individer. De kan utnyttjas betydligt mer än i dag vid bedömningen av rehabiliteringsbehov och handläggningen av sjukpensionsansökningar.
– Jag är på samma linje som Pylkkänen. I mitt diplomarbete behandlade jag Kevas material som fokuserar på när kunden redan ska börja i rehabilitering eller gå i invalidpension. Om vi i framtiden delar mer data till exempel med företagshälsovården och FPA kan vi få en mer proaktiv helhetsbild av kundens situation.
Ruponens uppgift är att hålla koll på teknikutvecklingen.
– Det andra diplomarbetet var en bra lösning som utöver mig själv hjälpte Keva som organisation att upprätthålla och utveckla kompetens om språkmodeller, maskininlärning och artificiell intelligens.
Pellervo Ruponen återvände från sin tre veckors pappaledighet i början av september.
– Planeringen av föräldraledigheten var flexibel på Keva. Nu när jag har återvänt till jobbet börjar det så småningom klarna hur jag kan kombinera arbete och vardag. Keva har som arbetsgivare också varit positivt inställd till framtida föräldraledighet.
Pellervo Ruponens diplomarbete: Predicting diagnosis classes from medical text using deep transformer-based models (aalto.fi)