Artikkeli
6. kesäkuuta 2023 · 3 min lukuaikaChatGPT:n avulla vain muutamassa päivässä koodattu Virheet kartalla on verkkopalvelu, jonka karttanäkymästä kenen tahansa on mahdollista tutkia kaupungin kaduilla vuoden 2022 aikana syntyneitä pysäköintivirheitä. Lue, kuinka Tommi Koirikivi yhdisti Nitorin Core-ajan, tekoälyn tarjoaman taustatuen ja Helsingin kaupunkiympäristön avoimen datan luodakseen jotain merkityksellistä.
Olin pyöritellyt Virheet kartalla -projektin esiastetta mielessäni melko pitkään – löysin tietokoneeltani ensimmäisen työkansion aiheeseen liittyen jo vuodelta 2017. Siihen liittyy monenlaisia toteutuksen tapoja, joita olen halunnut kokeilla ja yhdistää myös toisiinsa. Nyt projektin ajankohtaisuus osui myös kohdilleen, ja siksi päätin vihdoin tarttua siihen.
Yksinkertaisimmillaan kyse on Vuella koodatusta verkkosovelluksesta, jonka avulla voi tutkia Helsingissä vuoden 2022 aikana syntyneitä pysäköintivirheitä. Palvelusta löytyy hakutoiminto yksittäisten kadunnimien etsimiseen, sekä interaktiivinen kartta kaupunkialueen vapaata tarkastelua varten. Lisäksi sivulla listataan viisi eniten tikettejä haalinutta aluetta katujen ja kaupunginosien mukaan.
Keväällä 2023 aika tuntui kypsältä projektiin tarttumiselle, sillä ChatGPT-4 tarjosi hyvät työkalut käytännön toteutukseen merkittävästi nopeammin kuin mihin fronttitaitoinen suunnittelija yltäisi yksin. Olin alun perin arvioinut aikaa kuluvan muutamien viikkojen verran, mutta nyt sain aikaan valmista tavaraa jo parissa päivässä.
Sparraajasta koodariksi – tekoälystä oli projektissa moneksi
Aloitin yhteistyön ChatGPT:n kanssa validoimalla luomaani datamallia, sekä kääntämällä käyttämäni lähdedatan istumaan olemassa olevaan malliin jatkokäsittelyä varten. Hyödynsin projektissa Helsingin kaupunkiympäristön toimialan ylläpitämää avointa dataa, jota en kuitenkaan voinut käyttää projektissa suoraan sellaisenaan. Lähdedatan kääntäminen manuaalisesti olisi vienyt vaivaa, mutta nyt se sujui tekoälyltä käden käänteessä. Käytännössä yhdistin koordinaatit leveys- ja pituussuuntaan toisesta tiedostosta
Tämän jälkeen ChatGPT auttoi minua suunnittelemaan palvelun toiminnallisuuksia: kuvasin tekoälylle, millaisia interaktioita haluaisin sovellukseen saada, ja sain vastaukseksi metodeja ja funktioita näiden toteuttamiseksi. Saatoin esimerkiksi pyytää tekoälyä toimittamaan koodinpätkän, jonka avulla avulla sovelluksen kartasta voidaan värittää tietyt kadut tai rajata hakua alueellisesti silloin, kun kahdessa kaupungissa esiintyy sama kadunnimi.
Kopioin tekoälyn tuottamia koodinpätkiä sovelluksen lähdekoodiin lopulta melko pienin tai olemattomin muutoksin, sillä ChatGPT tarjosi koko ajan juuri oikeanlaisia ratkaisuja. Tämä ei kuitenkaan tarkoita, että kaikki olisi toiminut ongelmitta ensimmäisellä yrittämällä.
Testivaiheessa osasin korjata jotkut virheet itsekin, mutta monesti myös sparrasin koodia tekoälyn kanssa. Saatoin antaa sille saamani virheilmoituksen, jonka jälkeen se toimitti uuden toimivan koodin. Tämä nopeutti iterointia ihan mielettömästi. Yllätyin myös ChatGPT:n kyvystä löytää syyt virheiden taustalla niin aukottomasti.
Työskentelen päivätöikseni suunnittelijana teen frontend-ohjelmointia harrastuspohjalta. ChatGPT:n avulla voin kuitenkin nostaa tasoa jopa keskivertoa korkeammalle, sillä kehittäminen on merkittävästi nopeampaa ja tehokkaampaa. Lisäksi tekoäly mahdollistaa nopean prototypoinnin ja kokeilujen kautta oppimisen, mutta tämäkään ei onnistu ilman jonkinlaisia ohjelmoinnin pohjatietoja.
Core-projekteista oppeja jokaisen digitaalisen insinöörin käyttöön
Meillä on käytössämme niin kutsuttu Core-aika, jonka puitteissa voimme hyödyntää työaikaa Nitorin sisäisten kehityshankkeiden ja omien kiinnostavien projektien parissa työskentelyyn. Virheet kartalla olikin täydellinen Core-projekti, sillä se antoi itselleni paljon, mutta saimme myös kehitettyä Nitorin sisäistä ymmärrystä tekoälyn mahdollisuuksista ja rajoitteista osana digitaalisen insinöörin työtä.
Me emme esimerkiksi hyödynnä ChatGPT:tä asiakasprojekteissa ilman asiakkaan erillistä suostumusta. Silloinkin sitä käytetään esimerkiksi sisältösuunnittelun tukena, eikä mikään liiketoimintakriittinen tieto ikinä pääse ChatGPT:n nähtäville. Samsungilla esimerkiksi oli hiljattain iso tietovuoto tämän takia. Tekoälyn hyödyntämistä yrityskäytössä jarruttaakin aika paljon tietoturvaan ja luottamukseen liittyvät asiat – täysien hyötyjen saaminen ammattikontekstissa edellyttää yritysten omia ratkaisuja julkisten palveluiden sijaan.
Monissa omissa projekteissa ja yleisemmän tason sparrailussa tekoäly tuo kuitenkin tehokkuutta, jollaista ei ollut aiemmin mahdollista saavuttaa. Tässä tapauksessai teknologinen murros mahdollisti sen, että sain tuotua melko pienellä vaivalla ja kiinnostavasti esiin parkkitilastot, joiden raakadata on ollut esillä ja saatavilla koko ajan. Meillä on pääsy valtavaan määrään kiinnostavaa avointa dataa ja työkalujen kehittyessä sitä on mahdollista hyödyntää kekseliäillä ja merkityksellisillä tavoilla.
Kaipaatko oman elämäsi Core-projektia? Tsekkaa avoimet työpaikkamme!
Kirjoittaja
Tommi Koirikivi on kokenut muotoilija, joka aina silloin tällöin innostuu myös koodaamaan. Hän pitää työssään prototyyppien rakentamisesta ja keskustelusta käyttäjien kanssa, pyrkien löytämään täydellisen tasapainon liiketoiminnan ja käyttäjien tarpeiden välille. Tommi pitää huolta kunnostaan monipuolisesti - ryömien tai juosten, useimmiten koiransa kanssa. Hänet löytää myös Twitteristä.
