Tekoäly ennustaa metsätuhoja ja mallintaa metsävaroja, mutta ihmistä se ei korvaa
Oikein käytettynä tekoälypalvelut avustavat sekä metsäammattilaisia että metsänomistajia, mutta vastuuta metsänhoitopäätöksistä ei voi siirtää tekoälylle.Tilaajalle
Metsien tuhoriskien seuraaminen ja mallintaminen on jo yleisesti käytössä oleva tapa hyödyntää tekoälyä. Kuva: Sanne KatainenTekoälystä on tulossa metsäalalla arkipäivää niin tiedonkeruussa kuin päätöksenteossa. Sitowise Oy:n Product Business Lead Sanna Härkösen mukaan tekoälyn käyttö suomalaisessa metsätaloudessa laajenee jatkuvasti.
”Koneoppimista ja neuroverkkoja on hyödynnetty metsäalalla jo pitkään esimerkiksi satelliittikuvien ja laserkeilausaineistojen mallintamisessa”, Härkönen sanoo.
”Generatiivisen tekoälyn viime vuosien huima kehitys tuo mukanaan aivan uusia mahdollisuuksia.”
Tekoälyn avulla voidaan jo nyt tuottaa mallintamalla ajantasaista metsävaratietoa sekä seurata metsien tuhoriskejä.
”Jos mietitään, missä tekoäly tällä hetkellä tuo eniten hyötyä metsänomistajalle tai metsäalan toimijoille, nuo kaksi nousevat varmasti kärkisijoille.”
”Lisäksi tekoäly mahdollistaa uusien palveluiden kehittämisen metsänomistajille. Esimerkiksi tekoälyn luomat personoidut ohjeistukset metsien hoitoon ja riskien hallintaan tuovat mielenkiintoisia mahdollisuuksia.”
Metsätiedon analysointia
Sitowise Oy tarjoaa asiantuntijapalveluja infran, kaupunkikehityksen ja ympäristön suunnitteluun. Metsäalalla Sitowise tunnetaan erityisesti paikkatietopohjaisista ratkaisuistaan ja tekoälyn hyödyntämisestä metsätiedon analysoinnissa.
Vuodesta 2019 lähtien Sitowise on tuottanut koko Suomen laajuista, tekoälypohjaista hakkuiden satelliittitulkintaa.
Muun muassa Suomen kaikki metsänhoitoyhdistykset käyttävät Sitowisen tuottamia aineistoja toiminnanohjausjärjestelmässään.
Lisätietoja: sitowise.com
Nopeaa kehitystä
Tekoäly hyödyntää monipuolisesti eri datalähteitä, kuten kaukokartoitusaineistoja, metsistä kerättyä mittausdataa, sääaineistoja sekä muuta paikkatietoon perustuvaa tietoa.
”Datalähteenä voidaan käyttää mitä tahansa saatavilla olevaa aineistoa, esimerkiksi avoimia kartta-aineistoja, ja tietysti muutakin kuin paikkaan sidottua tietoa”, Härkönen kertoo.
Vaikka esimerkiksi koneoppimista käytetään jo nyt laajasti metsävaratiedon taustalla, generatiivinen tekoäly on vasta kehitysvaiheessa.
”Uskon, että kehitys tulee olemaan todella nopeaa. Vielä ei tiedetä, mihin kaikkeen generatiivinen tekoäly pystyy.”
Generatiiviseksi tekoälyksi kutsutaan tekoälysovelluksia, jotka voivat tuottaa esimerkiksi tekstiä, kuvia ja videoita. Tutuin esimerkki lienee ChatGPT, jolle voi esittää suomenkielisiä kysymyksiä ja palvelu kokoaa vastauksen pohjallaan olevasta nettiaineistosta. Generatiiviset tekoälypalvelut pohjautuvat koneoppimiseen ja laajaan opetusdataan.
Vastuu pysyy kuulijalla
Tapio toi viime syksynä metsänhoidon suositusten verkkosivustolleen hakutoiminnon, joka perustuu generatiiviseen tekoälyyn. Palvelu ymmärtää metsänhoitoon liittyviä kysymyksiä ja osaa koota vastauksia metsänhoidon suositusten sisällöstä.
Kysy tekoälyltä -palvelun käyttö on yksinkertaista. Käyttäjä kirjoittaa kysymyksen, ja tekoäly kokoaa vastauksen metsänhoidon suositusten pohjalta sekä näyttää linkin alkuperäiseen aineistoon. Hakutoiminnon taustalla toimii OpenAI:n GPT-4o mini -kielimalli.
Tapion metsänhoidon suositusten koordinaattorin Kalle Vanhatalon mukaan palvelusta on eniten hyötyä silloin, kun metsänomistaja haluaa saada nopeasti vastauksen metsänhoidon suosituksiin liittyvään kysymykseensä.
”Se ero tässä on esimerkiksi ChatGPT:hen, että tämä työkalu hakee vastauksen vain metsänhoitosuosituksista, ei koko internetistä.”
Parhaimmillaan tekoälyn vastaus on yhtä laadukas kuin metsäalan ammattilaisen antama, mutta vastauksiin liittyy vielä epätarkkuutta.
”Välillä tekoäly ymmärtää asiayhteyksiä väärin ja antaa hassuja vastauksia. Tosin ihminenkin tekee virheitä, ja ihmisen antamiin vastauksiin vaikuttavat myös henkilön asenteet ja rooli.”
Tekoälyn vastausten oikeellisuutta ei erikseen varmisteta, vaan vastuu on palvelun käyttäjällä. Vastausten taustalla oleva suositusteksti pidetään ajan tasalla.
”Tekoälyn ehdotuksiin ei kannata luottaa sokeasti”, Vanhatalo muistuttaa.
”Metsänomistajan kannattaa edelleen satsata omaan perusosaamiseensa. Ymmärrys ekologiasta ja metsätaloudesta auttaa tekemään parempia päätöksiä.”
Uudet tekoälyratkaisut helpottavat Vanhatalon mukaan metsänhoitotöiden suunnittelua ja ajoitusta.
”Jos tekoälypalvelulla on käytössään ajantasainen ja riittävän tarkka tieto metsänomistajan metsästä sekä metsänhoidon suositusten tietosisältö, siltä voi pyytää esimerkiksi työsuunnitelman taimikonhoitokohteista. Tekoäly voi auttaa metsänomistajaa myös arvioimaan, mitkä työt hän ehtii tehdä itse vaikkapa viikon aikana.”
Lisätietoja: metsänhoidonsuositukset.fi
Ennuste vaatii laadukasta dataa
Datan laatuun ja kattavuuteen liittyy monia haasteita, Härkönen muistuttaa.
Kuten kaikessa mallintamisessa myös metsäalalla tekoälyn tuottamien tulosten luotettavuus riippuu koulutusdatan laadusta ja kattavuudesta. Suppea tai vanhentunut aineisto heikentää ennusteiden luotettavuutta.
”Ilmaista, tarkkaa ja tiheästi päivittyvää dataa ei valitettavasti ole laajasti saatavilla. Jos halutaan tarkkaa ja ajankohtaista dataa, täytyy käyttää kaupallisia satelliittikuvia, jotka laajoille alueille ovat kovin hintavia.”
Kun tekoälyn opettamiseen käytetty data on kattavaa ja ajantasaista, tuloksiin voidaan luottaa. ”Jos taas mallia on koulutettu suppealla datalla, tuloksia ei voi yleistää.”
Asiantuntijan rooli muuttuu
Tekoälyn avulla voidaan jo nyt tuottaa arvioita metsätuhoriskin todennäköisyydestä tai tunnistaa erityisen monimuotoisia luontokohteita.
Maastotarkastusten tarvetta tämä ei kuitenkaan poista.
”Tekoäly auttaa kohdentamaan maastokäynnit oikeisiin ongelmapaikkoihin ja säästää siten kustannuksia. Se voi myös tuottaa metsänhoitotoimista suosituksia, jotka sitten arvioidaan yhdessä asiantuntijan tai metsänomistajan kanssa”, Härkönen sanoo.
Tekoälyn myötä metsäasiantuntijoiden rooli muuttuu. Kun rutiinitehtävät siirtyvät tekoälyn hoidettaviksi, ihmisen merkitys neuvonnassa, päätöksenteon tukemisessa ja tavoitteiden yhteensovittamisessa korostuu.
”Jo nyt metsänomistaja voi kysyä tekoälytyökalulta ehdotuksia, joihin työkalu vastaa hänen tavoitteidensa mukaisesti. Asiantuntijan työn painopiste siirtyy alkuvaiheen neuvonnasta päätöksenteon tueksi.”
Tekoäly tuo mukanaan myös uudenlaisen osaamisen tarpeen. Sitowisen Sanna Härkösen mukaan sekä metsäammattilaiset että metsänomistajat tarvitsevat koulutusta tekoälytyökalujen käyttämiseen.
Tekoäly tunnistaa nopeasti hyönteistuhot
Suurista metsäyhtiöistä esimerkiksi Stora Enso ja Metsä Group hyödyntävät tekoälyä hyönteistuhojen havaitsemisessa.
Stora Enso aloitti vuonna 2023 hankkeen, jossa julkista ja yhtiön keräämää digitaalista metsätietoa yhdistetään tekoälyyn. Lappeenrannassa yhtiö testaa mallia, joka tunnistaa kirjanpainajatuhoja yksittäisen puun tarkkuudella. Pilottialueeksi valittiin Lappeenrannan ja Imatran seutu, jossa tuhokohteet ovat alueellisesti laajimmat.
”Tekoäly auttaa tunnistamaan kuolleet puut ajoissa, mikä nopeuttaa reagointia”, sanoo Stora Enson Lappeenrannan alueen ostopäällikkö Juha Kaipainen.
Seuraavaksi malli otetaan käyttöön koko Etelä-Suomessa. Sitä käytetään myös monimuotoisuuskohteiden kartoittamiseen, metsäsuunnitelmien tarkentamiseen ja kuviorajojen päivittämiseen yhtiön omissa metsissä.
”Tulevaisuudessa tekoälyä voidaan hyödyntää laajasti esimerkiksi taimikonhoitotarpeen selvittämisessä ja metsäkoneiden reittien suunnittelussa”, sanoo Precision Forestry -hankkeen johtava asiantuntija Antti Kaartinen.
Kaartisen mukaan metsäalalla on paljon mahdollisuuksia tekoälyn hyödyntämiseen seuraavien 5–10 vuoden aikana.
”Tekoäly tuottaa tarkkaa tietoa nopeasti, mikä tehostaa päätöksentekoa ja toimenpiteiden suunnittelua. Se tukee myös metsätalouden automatisointia.”
Silti ihmisellä on yhä tärkeä rooli.
”Metsä on elävä kokonaisuus, ja tekoäly antaa vaihtoehtoja, ei valmiita vastauksia. Päätökset tehdään aina asiantuntijan ja metsänomistajan yhteistyönä”, Kaartinen sanoo.
Seuraavat askeleet?
Härkösen mukaan seuraavia kehitysaskelia ovat generatiivisen tekoälyn yhdistäminen metsäsovelluksiin sekä tiedon automaattiseen tulkintaan ja ohjeistuksiin.
”Jos saisin päättää vapaasti, mikä ongelma tekoälyn avulla pitäisi seuraavaksi ratkaista metsissä, globaalilla tasolla se olisi laittomien hakkuiden nopea tunnistaminen ja jopa ennaltaehkäisy.”
”Suomessa vastaavanlainen kehityskohde voisi olla esimerkiksi metsien luontoarvojen entistä parempi tunnistaminen tarkoista kaukokartoitusdatoista sekä niiden kokonaisvaltaisempi huomioon ottaminen metsäsuunnitelmissa.”
”Täydentää ihmistyötä”
Metsä Group ja tekoälyyn erikoistunut CollectiveCrunch ovat kehittäneet sovelluksen, joka havaitsee hyönteistuhoja jopa ennen kuin ne näkyvät paljain silmin. Sovellus yhdistää kaukokartoitusdataa ja koneoppimista ja tuottaa kartta-aineistoa tuhoista.
”Kehitystyön tavoitteena pidettiin kykyä tunnistaa tuhot varhain, jotta ehdimme toteuttaa toimenpiteet ennen laajoja jalostusarvotappioita ja tuhojen leviämistä”, kertoo Metsä Groupin kehitysjohtaja Olli Leino.
Metsäliiton omistajajäsenet voivat tarkastella useamman kerran vuodessa päivittyviä tuhotietoja Metsäverkko-palvelussa. Siellä puuston tilaa kuvataan väreillä korostetuin aluein.
”Jos tuhoja havaitaan, niitä kannattaa seurata ja tarkastaa maastossa. Metsäasiantuntijamme auttavat toimenpidetarpeen arvioinnissa ja toimenpiteiden suunnittelussa”, Leino sanoo.
Leinon mukaan Metsä Group tutkii jatkuvasti eri tapoja soveltaa tekoälyä.
”Soveltamistapoja ja mahdollisuuksia on paljon. Ensisijaisesti selvitämme ratkaisuja, joissa tekoäly täydentää ihmistyötä ja mahdollisesti automatisoi jonkin osan työnkuluista.”
”Esimerkiksi metsien käytön suunnittelussa tekoäly voi tuoda lisäarvoa päätöksenteon tukena, mutta ihminen on toistaiseksi ylivertainen tunnistamaan parhaan ja metsänomistajan tavoitteiden mukaisen toteutustavan maastossa.”
Artikkeli on julkaistu Aarteessa 6/2025.
Metsäpalvelu
Miltä metsäsi näyttää euroissa? Katso puun hinta alueittain ja hintojen kehitys koko Suomessa.
- Osaston luetuimmat
