Мифы об искусственном интеллекте * Данные — не знание: что такое data в философии и науке

Мы привыкли считать данные готовым знанием, но философы и методологи науки смотрят на это совсем иначе. В этой заметке – о том, почему data сама по себе ничего не «говорит», как из неё делают выводы и почему качество данных зависит от того, как они были собраны и обработаны.

Datasta puhutaan usein tietona, ja joskus tieto onkin dataa. Esimerkiksi väestörekisteri sisältää tärkeitä tietoja suomalaisista, ja näitä tietoja voidaan käyttää datana. Mutta kaikki data ei muodostu tiedoista. Data on pikemminkin jotakin, jonka perusteella tietoväittämiä voidaan päätellä tai perustella.

Klassisen filosofisen määritelmän mukaan tieto on tosi perusteltu uskomus. Tätä määritelmää vasten on ilmeistä, miksi data ei ole tietoa. Data ei ole kenenkään uskomus vaan pikemminkin joukko materiaalisia jälkiä, jotka voivat olla monessa muodossa. Data on tulosta mittalaitteen toiminnasta, hallinnollisista toimenpiteistä, verkkoselaimen käytöstä tai kyselyn vastauksista. Data voi olla varta vasten tuotettua, kuten vaikka verenpaineen mittauksen tulos tai haastatteluaineisto, tai kerättyä, kuten vaikkapa historialliset dokumentit tai rekisteritutkimuksen aineisto. On myös selvää, että data ei ole perusteltua tai oikeutettua, vaan pikemminkin dataa käytetään tietoväitteiden oikeuttamiseen. Rikkinäisenkin mittalaitteen tulokset ovat dataa, eikä sitä voi käyttää tukemaan väitteitä mitattavasta asiasta. Rikkinäinen vaaka ei kerro, paljonko mandariinit painavat.

Mitä data sitten on? Dataa voi ajatella ikään kuin jälkinä. Data on jälkiä prosessista, jossa kiinnostuksen kohteena oleva ilmiö – esimerkiksi yksilön kulutuskäyttäytyminen, terveydentila tai musiikkimieltymykset – on osallisena. Ilmiöllä tarkoitetaan tässä yhteydessä kohdetta, josta datan avulla ollaan tekemässä päätelmiä. Edellä mainittu rikkinäinen vaaka ei tuota luotettavaa dataa hedelmien painosta, mutta samaa dataa voidaan mahdollisesti käyttää apuna, kun selvitetään, mikä laitteessa on vikana. Datan laatu ja käyttökelpoisuus siis riippuu siitä, mitä haluamme sen pohjalta päätellä. Data ei itsessään ole representaatio jostakin kohteesta, vaan käytämme sitä sellaisena. Toisin sanoen datalla ei ole yksi yhteen -suhdetta tiettyyn ilmiöön, ja samaa dataa voidaan usein käyttää monen eri asian tarkasteluun ja moniin tarkoituksiin. Tämä tarkoittaa sitä, että kun sanomme jonkin datan olevan vinoutunutta, tarkoitamme, että kyseinen data on harhaanjohtavaa tiettyyn tarkoitukseen.

Datan tärkeä piirre on se, että sitä voidaan käsitellä – ja useimmiten sitä täytyy käsitellä. Dataa voidaan supistaa, korjata tai kuratoida. Tällainen käsittely mahdollistaa analyysimenetelmien käytön ja siten päätelmien tekemisen datasta, mutta saattaa samalla tarkoittaa informaation häviämistä. Datan väärä käsittely puolestaan heikentää sen laatua ja saattaa tehdä siitä harhaanjohtavaa. Tästä syystä datan käsittelyyn on syytä kiinnittää huomiota. On kuitenkin virhe ajatella, että kaikki datan käsittely olisi sen vääristelyä. Datan käsittelyn tarkoitus on tehdä siitä johdetut päätelmät mahdollisiksi ja luotettavammiksi. Kaikki data onkin jollain tavoin prosessoitua. Ei siis ole ’’raakaa” dataa, joka olisi sellaisenaan käyttökelpoista, luotettavaa ja “lähempänä todellisuutta”.

Datan käyttökelpoisuus riippuu siitä, kuinka data on muodostunut. Datan arvo näyttönä perustuukin siihen, millaisen prosessin tuloksena se on syntynyt ja kuinka sitä on käsitelty. Jos esimerkiksi kyselyn vastaajat antavat valheellista tietoa, joko tarkoituksellisesti tai vahingossa, vaikuttaa tämä datan luotettavuuteen. Samalla tavoin päätelmien luotettavuutta vähentää se, jos kyselyn vastaajat edustavat vain yhtä osaa aiotusta ryhmästä: esimerkiksi jos haluamme tietää helsinkiläisten mielipiteistä, mutta kaikki vastaajat ovat Töölöstä. Datan käsittelyn virheestä käy vaikkapa se, että Excelin automaattinen korjaustoiminto muuttaa kerättyjen vastausten sisältöä. Nämä esimerkit osoittavat, että datan laadun arviointi edellyttää metadataa eli dataa datan keruutavasta, käytetyistä luokituksista ja käsittelystä.

Data ei myöskään ole yksi, yhtenäinen asia. Datasta usein puhutaan kuin kaikki data olisi samanlaista. Tällaisessa puheessa unohtuu datan monimuotoisuus. Dataa on olemassa mitä erilaisimmista asioista, aina yksilöistä populaatioihin ja luonnonilmiöihin. Erilaista dataa kerätään ja käsitellään eri tavoin, ja sen käyttöön liittyy tilanteesta riippuen erilaisia kysymyksiä. Datasta puhuminen yhtenä yhtenäisenä asiana tekee vaikeaksi nähdä siihen liittyviä eettisiä tai laillisia kysymyksiä.

Data ei siis ole sama asia kuin tieto tai faktat. Data voi olla harhaanjohtavaa ja virheellistäkin. Datan käyttö edellyttää sen tulkintaa ja ymmärrystä sen tuottamisesta. Datalla on kuitenkin yhteys tietoon, sillä data tarjoaa näyttöä, jonka perusteella tietoväittämiä voidaan oikeuttaa.

Источник: “50 мифов об искусственном интеллекте и данных”, 2025.

Слова:

• data – данные

• väestörekisteri – реестр населения

• muodostua – образовываться, формироваться

• päätellä – делать вывод, выводить

• perustella – обосновывать

• filosofinen – философский

• määritelmä – определение

• perusteltu – обоснованный

• uskomus – убеждение

• ilmeinen – очевидный

• materiaalinen – материальный

• jälki – след

• mittalaite – измерительный прибор

• hallinnollinen – административный

• toimenpide – мера, действие, процедура

• verkkoselain – веб-браузер

  Термин verkkoselain (или просто selain) – это абсолютно стандартное, базовое финское слово для обозначения веб-браузера (Google Chrome, Firefox, Safari и т. д.).

  В финском языке для IT-терминологии очень часто создают свои слова на основе финских корней, а не просто заимствуют английские:

  • verkko – сеть, паутина (в данном контексте веб- / интернет-)

  • selain – браузер (от глагола selata – листать, перелистывать, просматривать)

  Буквально verkkoselain – это «сетевой листатель» или «обозреватель сети» (аналог старого русского «сетевой обозреватель»).

  В повседневной речи финны чаще говорят просто selain:

  • Avaa selain. – Открой браузер.

  • Mikä selain sinulla on käytössä? – Каким браузером ты пользуешься?

• kysely – опрос, анкета

• haastatteluaineisto – материал интервью

• historiallinen – исторический

• dokumentti – документ

• rekisteritutkimus – регистровое исследование

• oikeuttaa – оправдывать, обосновывать

• rikkinäinen – сломанный, неисправный

• tukea – поддерживать, служить подтверждением

• väite – утверждение

• selvittää – выяснять, устанавливать

• vika – неисправность, дефект

• laatu – качество

• käyttökelpoisuus – пригодность к использованию, применимость

  ---

  Перевод на русский:

  Данные часто называют информацией, и иногда информация действительно является данными. Например, реестр населения содержит важные сведения о финнах, и эти сведения могут использоваться как данные. Но не все данные состоят из сведений. Скорее, данные – это нечто, на основании чего можно делать или обосновывать познавательные утверждения.

  Согласно классическому философскому определению, знание – это истинное обоснованное убеждение. В свете этого определения очевидно, почему данные не являются знанием. Данные – это не чьё-либо убеждение, а скорее совокупность материальных следов, которые могут существовать в самых разных формах. Данные являются результатом работы измерительного прибора, административных процедур, использования веб-браузера или ответов на опрос. Данные могут быть специально произведёнными, как, например, результат измерения артериального давления или материал интервью, а могут быть собранными, как, например, исторические документы или материал регистрового исследования. Очевидно также, что данные не бывают обоснованными или оправданными; напротив, данные используются для обоснования познавательных утверждений. Даже результаты неисправного измерительного прибора являются данными, хотя их нельзя использовать для подтверждения утверждений об измеряемом объекте. Неисправные весы не сообщают, сколько весят мандарины.

  Что же тогда такое данные? О данных можно думать как о следах. Данные – это следы процесса, в котором участвует интересующее нас явление – например, потребительское поведение человека, состояние его здоровья или музыкальные предпочтения. Под явлением здесь понимается объект, относительно которого с помощью данных делаются выводы. Упомянутые выше неисправные весы не производят надёжных данных о весе фруктов, но те же самые данные могут оказаться полезными при выяснении того, что именно неисправно в приборе. Таким образом, качество и пригодность данных зависят от того, какие выводы мы хотим на их основе сделать. Данные сами по себе не являются представлением какого-либо объекта; мы используем их в качестве такого представления. Иными словами, данные не находятся в отношении «один к одному» с определённым явлением, и одни и те же данные нередко можно использовать для изучения разных вещей и в разных целях. Поэтому, когда мы говорим, что данные являются искажёнными, мы имеем в виду, что они вводят в заблуждение в отношении конкретной цели.

  Важное свойство данных состоит в том, что их можно обрабатывать – и чаще всего их необходимо обрабатывать. Данные можно сокращать, исправлять или курировать ( data curation). Такая обработка делает возможным применение методов анализа и тем самым получение выводов из данных, но одновременно может приводить к потере информации. Неправильная обработка данных, напротив, ухудшает их качество и может сделать их вводящими в заблуждение. Поэтому обработке данных следует уделять внимание. Однако ошибочно думать, что любая обработка данных является их искажением. Цель обработки данных – сделать выводы, получаемые из них, возможными и более надёжными. Все данные в той или иной мере являются обработанными. Следовательно, не существует «сырых» данных, которые были бы сами по себе пригодны к использованию, надёжны и «ближе к реальности».

  Пригодность данных зависит от того, каким образом они были сформированы. Ценность данных как свидетельства определяется тем, в результате какого процесса они возникли и как были обработаны. Если, например, участники опроса сообщают ложные сведения – намеренно или случайно, – это влияет на надёжность данных. Точно так же надёжность выводов снижается, если участники опроса представляют лишь одну часть предполагаемой группы: например, если мы хотим узнать мнение жителей Хельсинки, а все респонденты живут в районе Тёёлё. Примером ошибки обработки данных может служить ситуация, когда функция автоматического исправления в Excel изменяет содержание собранных ответов. Эти примеры показывают, что оценка качества данных требует метаданных, то есть данных о способе сбора данных, использованных классификациях и обработке.

  Данные также не являются чем-то единым и однородным. О данных часто говорят так, будто все данные одинаковы. При таком подходе забывается их многообразие. Данные существуют о самых разных объектах – от отдельных людей и популяций до природных явлений. Разные виды данных собираются и обрабатываются по-разному, и их использование связано с различными вопросами в зависимости от ситуации. Представление о данных как о чём-то едином затрудняет понимание связанных с ними этических и правовых проблем.

  Следовательно, данные – это не то же самое, что знание или факты. Данные могут быть вводящими в заблуждение и даже ошибочными. Использование данных требует их интерпретации и понимания того, как они были получены. Тем не менее данные связаны со знанием, поскольку они предоставляют свидетельства, на основании которых можно обосновывать познавательные утверждения.