Konemieli kysyy, voiko kone ajatella

Kirjoittaessani pari vuotta sitten Tekoäly ja minä -kirjaa pohdin, voiko tekoälyllä olla tietoisuus ja voiko se ajatella kuten ihminen. Ehkä ei vielä, mutta voidaanko joskus rakentaa sellainen kone? Silloin tekoäly olisi nykyistä paljon aidompaa älyä.

Lauri Järvilehto: Konemieli -kirjan kansi (2025).

Olen insinööri, enkä osannut vastata kysymykseen. Kuvittelin, että tutkijat ovat näissä asioissa pidemmällä, ja tietävät enemmän. Luettuani kirjan Konemieli (Lauri Järvilehto, 2025) joudun toteamaan, etteivät tutkijatkaan tiedä. Joidenkin mielestä ihmismieli on ainutlaatuinen, eikä sitä voi mallintaa tietokoneella. Toisten mielestä on vain ajan kysymys, ennen kuin kone alkaa ajatella ja osoittaa tietoisuutta (josta kirja käyttää termiä "mieli").

On liki pelottavaa, että tiedämme näin vähän aiheesta, jota olemme kilvan kehittämässä riskeistä ja seurauksista piittaamatta. Entä jos ylitämme huomaamatta jonkin kriittisen rajan ja tekoäly alkaa käyttäytyä liian ihmismäisesti?

Filosofit ja tutkijat ovat kehittäneet monia teorioita ihmismielen olemuksesta. Järvilehdon kirjassa ne jaetaan kuuteen luokkaan: dualistinen, materialistinen, laskennallinen, modulaarinen, systeeminen ja emergenttinen. 

Kirjan mukaan parhaiten mieltä selittävät kaksoisprosessointiteoriat, joiden mukaan ihmismieli koostuu kahdesta osasta: tietoinen systeemi 1 ja tiedostamaton systeemi 1. Mikään teoria ei silti vastaa kaikkiin kysymyksiin eikä selitä kaikkia havaintoja. Mielen perimmäinen olemus ja toiminta on yhä arvoitus. 

Kirjassa on monia pysäyttäviä ajatuksia, kuten tämä: Jos tekoäly pystyy pian kaikessa vuorovaikutuksessa ihmismäiseen toimintaan, meidän pitäisi suhtautua siihen kuten ihmiseen. Tai tämä: Jollei ajattelulle ole jotain välttämätöntä biologian tai fysiikan sanelemaa syvärakennetta, mikään ei estä rakentamasta koneita, jotka simuloivat ajattelua riittävällä tarkkuudella ts. toimivat yhteiskunnassa kaikin osin kuten ihminen (s. 175). Tai tämä: Jos aivotoiminta on vain mutkikkaiden algoritmien toimeenpanemista, onko väliä tuottaako algoritmit biologinen hermoverkko vai piisirulla prosessoitu neuroverkko (s. 160)? 

Järvilehto tuntuu uskovan alan huimaan kehittymiseen jatkossakin, sillä toistuvasti hän epäilee, että tämä tekniikan oleellinen rajoitus saattaa olla jo poistunut siihen mennessä, kun kirja tulee painosta tai vastaanottaja lukee sen. Ei tekoälykehitys sentään niin nopeaa ole.

Vaikka Järvilehdon kirja ei anna lopullista vastausta kannen kysymykseen "Onko ajattelu ihmisen yksinoikeus?", se saa lukijan ajattelemaan ja pohtimaan omaa kantaansa.

Tekoäly keksii tekstiin omiaan

Tekoäly arjen työkaluna jaksaa jatkuvasti yllättää - välillä positiivisesti, välillä negatiivisesti. Tässä yksi negatiivinen esimerkki maksullisesta ChatGPT 4o-versiosta.

ChatGPT pystyy muuttamaan kuvana olevan tekstin oikeaksi tekstiksi, joten se korvaa OCR-ohjelmaa. Ominaisuudesta on hyötyä silloin, kun halutaan esimerkiksi verkkosivulla näkyvä teksti tai numerot omaan sovellukseen, mutta aineiston maalaaminen hiirellä ei onnistu. 

MUTTA.

Käytin Tivi-lehden kolumnia 3/2025, josta otin isokokoisen ruutukuvan. 

Testiaineistona Tivi-lehden kolumni.

Jotta tekoäly ei turhaan ihmettelisi otsikkoa ja kuvaa, rajasin ne tehtävän helpottamiseksi pois.

"ChatGPT, muunna tämä tekstiksi."

Ensin näytti siltä, että tehtävä oli onnistunut täydellisesti. Tekstiversio alkoi virheettömästi, mutta sitten huomasin tekstin saaneen ihan uusia piirteitä. Kun alkuperäisessä tekstissä luki

Jos USA:n linja jatkuu uhkaavana, EU-kansalaisten pitää äänestää jaloillaan ja alkaa suosia eurooppalaisia palveluita: “EU first”.

ChatGPT oli kirjoittanut sen muotoon (lihavointi lisätty)

Jos USA:n linja jatkuu uhkaavana, EU-kansalaisten pitää äänestää järjellä ja alkaa suosia eurooppalaisia palveluita. ”EU first”.

Jaloilla äänestäminen oli siis muuttunut järjellä äänestämiseksi. Oho!

Toinen virhe oli vielä käsittämättömpi. Alkuperäinen kolumni:

Sinä ja minä tuskin kiinnostamme USA:ta, mutta jos olisin kansanedustaja tai mielipidevaikuttaja, poistaisin pikimmiten kaikki arkaluonteiset tietoni ja keskusteluni niin Facebookista, X:stä kuin suurista pilvipalveluistakin.

ChatGPT:n tulkitsema tekstiversio:

Sinä ja minä tuskin kiinnostumme USA:sta, mutta jos länsi kansanedustajia tai mielipidevaikuttajia, joista pikemmin kaikki arkaluonteiset tietoni ja keskusteluni niin Facebookista, X:stä kuin sähköpostista ovat ulottuvilla.

ChatGPT:n teksti on osin käsittämätöntä sotkua. Lisäksi "olisin" on muuttunut sanaksi "länsi".

Kolmannessa kohdassa se oli omin luvin jättänyt esimerkiksi-sanan kokonaan pois. Myös "tämä" oli muuttunut muotoon "sama", "muka" oli "makuu", "taipuu" oli "tulpu" ja niin edelleen. 

Lause "Alkaa tuntua siltä, ettei Schrems ollut edes tarpeeksi tiukka" oli nyt muodossa "Alkaa tuntua siltä, että Schrems oli oikeasti edelläkävijä". Aivan kuin ChatGPT:llä olisi vähintäänkin paha lukihäiriö yhdistettynä valveuniin.

Tavallinen OCR-ohjelma tunnistaa merkkejä väärin, jolloin ne näkyvät tekstissä ?-merkkeinä tai väärinä aakkosina. ChatGPT tunnistaa merkit ihan oikein, onhan lähtökohtana virheetön ruutukuva, mutta sekoilee kokonaisissa sanoissa.

En osaa selittää, miksi näin tapahtuu. Miksi ChatGPT ymmärtää tehtävän oikein ja tunnistaa tekstin pääosin virheettömästi, mutta lisäilee sinne kesken kaiken omiaan?

Hieman kummastelen niitä, jotka kehuvat miten paljon tekoäly on nostanut heidän omaa tuottavuuttaan. Ehtivätkö nämä supersuorittajat aina tarkistaa, millaisia sammakoita generatiivinen tekoäly on heidän tuotoksiinsa tehnyt? Ja miten tuottavuuden käy, jos kaikki pitää itse käydä tarkistamassa?

Luoko datakeskus turvallisuutta? – Suomesta uhkaa tulla digiajan Kiina (kolumni)

Neljätoista vuotta sitten Suomessa oltiin pettyneitä, sillä Facebook kertoi rakentavansa suuren datakeskuksen Pohjois-Ruotsin Luulajaan. Yhtenä vaihtoehtona oli Oulu, mutta alhaisempi sähkövero käänsi vaa’an Ruotsin eduksi.

Ilmeisesti Facebook oli tyytyväinen valintaansa, sillä vähän myöhemmin keskusta laajennettiin. Talvella 2019 Oulussa ilmestyvä Kaleva kertoi (14.2.2019), että kaksi prosenttia koko Ruotsin teollisuuden sähköstä kuluttava datakeskus on Luulajan kaupungin ylpeys, jota oululaiset voivat vain kadehtia.

Suomalaiset nielivät pettymyksensä ja lähtivät kilpailemaan tulevista keskuksista omaa sähköveroa alentamalla.

Kymmenessä vuodessa digitalisaatio ja tekoäly ovat siivittäneet datakeskukset hurjaan lentoon. Veroalen seurauksena Suomella on nyt positiivinen ongelma. Kaikki haluavat rakentaa datakeskuksia juuri Suomeen, eikä se ole enää yksinomaan hyvä asia.

Julkinen keskustelu käynnistyi keväällä TikTokista. Sen rakentama keskus olisi kokoaan merkittävämpi, sillä mitä laajemman fyysisen jalansijan kiistanalainen kiinalaispalvelu saa, sitä vaikeampi sen toimintaa EU-alueella on jatkossa rajoittaa.

TikTok on kuitenkin pelkkä sivujuoni. Datakeskusbuumi on tullut niin nopeasti, etteivät poliitikot ole pysyneet mukana kehityksessä. On korkea aika arvioida datakeskusten laaja-alaisia vaikutuksia, ennen kuin ne täyttävät Suomen padel-hallien ja pienvarastojen tapaan.

Valtaosa datakeskuksista on pohjimmiltaan vain halleja, joihin rakentaja tai vuokraaja voi tuoda mitä laitteistoa tahansa. Sitten on Facebookin ja Googlen kaltaisia toimijoita, jotka ostavat vanhoja teollisuusalueita ja rakentavat kaiken infran itse.

Yhteistä molemmille on, että keskukset ovat salaperäisiä mustia laatikoita, joihin ulkopuolisilla tarkastajilla tai toimittajilla ei ole asiaa. Emme tiedä, mitä dataa halleissa käsitellään. Google on saanut oman hallinsa ylle jopa virallisen drone-lentokieltoalueen pitämään uteliaat loitolla.

Keväällä 2022 Venäjän hyökkäys avasi suomalaisten siniset ja luottavaiset silmät. Huomattiin, ettei kriittisiä huoltovarmuustietoja kannata jakaa avoimesti kuntien nettisivuilla.

Merikaapelien tärkeys paljastui viimeistään silloin, kun kiinalaislaivat katkoivat niitä ankkureillaan. Murtoja vesitorneihin ja tukiasemiin ei koskaan virallisesti selvitetty.

Emme halua toistaa samoja virheitä datakeskusten suhteen, joten spekuloidaan mieluummin etu- kuin jälkikäteen.

Datakeskukset ovat kriittinen osa globaalia taloutta. On toisaalta suuri luottamuksen osoitus Suomea kohtaan, että kansainväliset yhtiöt haluavat rakentaa niitä maahamme. Toisaalta juuri siksi keskuksilla on turvallisuuspoliittisia vaikutuksia.

Kansainvälisen kriisin aikana datakeskuksia voitaisiin käyttää sähköverkon tai internetin tahalliseen horjuttamiseen. Siksi on oleellista, että tiedämme hallin rahoittajan, rakennuttajan ja käyttäjän.

Ukrainassa ei ole datakeskuksia, joten emme tiedä, mikä rooli niillä olisi mahdollisessa aseellisessa konfliktissa.

Jos halutaan vahingoittaa länsimaista taloutta, keskukset ovat helppo maali. Hukkalämmön talteenoton vuoksi keskukset sijoitetaan lähelle asuinkeskuksia, mikä kasvattaisi oheisvahinkoja.

Toisaalta juuri keskukset voivat olla syy, mikä saa länsimaat puolustamaan Suomen alueellista koskemattomuutta.

Ainakin isoimmat toimijat voivat kriisitilanteessa siirtää keskuksen toiminnan maasta toiseen. Data liikkuu vilkkaasti, eikä sen sijainnilla ole juuri merkitystä. Sinäkään et tiedä, mistä maasta pilvestä käyttämäsi tiedostot tulevat.

Ehkä merikaapelit ovat lopulta tärkeämpiä kuin datavarastot. Mutta nekin tarvitsevat suojelua.

Kunnat kilpailevat uusista datakeskuksista, koska niille voi myydä muuten arvotonta maata. Keskusten rakentaminen työllistää ja rakennuksista peritään kiinteistöveroa.

Koko Suomen kannalta datakeskukset ovat huonoa bisnestä. Ne eivät kehitä paikallista osaamista, koska kyse on datan alkutuotannosta. Siihen riittää kylmyys ja halpa sähkö.

Keskusten alta kaadetaan metsää ja niitä varten rakennetaan voimalaitoksia muualle Suomeen. Tämä kaikki ei tee hyvää maabrändille.

Suomesta uhkaa tulla digiajan Kiina, johon muut maat ulkoistavat energiasyöpöt ja päästöjä tuottavan teollisuutensa.

Nyt tarvitaan ideoita ja kansallinen strategia, jotta Suomi ei jää digitalouden maatalousmaaksi.

Julkaistu Tivi-lehdessä 6/2025

Älä luota generatiiviseen tekoälyyn, ChatGPT pettää kun et osaa odottaa

Some-kommenteista ja uutisista päätellen moni on siirtänyt töitään tekoälylle, ja asiat hoituvat entistä tehokkaammin. Omat kokemukseni ovat ristiriitaisia. ChatGPT:stä on paljon hyötyä, mutta sen kanssa saa jatkuvasti olla tarkkana, sillä virheitä on liikaa. Ja mikä pahinta, ne ovat paikoissa, joissa ei osaa varoa.

ChatGPT on aivan mainio opas esimerkiksi Excelin funktioihin tai Python-koodaukseen. Se on kuin räätälöity opaskirja, joka neuvoo juuri siinä, mitä itse tarvitsee. Ei enää geneerisiä esimerkkejä kuvitellulla datalla, vaan täsmäohjeet juuri omaan käyttöön.

Seuraavat esimerkit ovat maksullisesta ChatGPT 4o -versiosta:

Tarvitsin kaavan, jolla laskea koordinaattipisteiden välisiä etäisyyksiä. ChatGPT antoi loistavan vastauksen Haversinen kaavasta, sekä itse kaavan että Excel-version.

Haversinen kaava matemaattisessa muodossa.

Myös Excel-kaava oli ihan oikein, mutta huom: vain englanninkielisessä Excelissä. Suomenkielisen version funktiot ovat sinnepäin, mutta eivät useinkaan oikeita, vaan aina pitää itse selvittää, mikä on oikea kirjoitusasu. 

Eräässä toisessa tapauksessa ChatGPT antoi kaavaan funktion TEKSTIPOIMI(), kun oikea nimi on POIMI.TEKSTI(). Samoin se keksi itse PYÖRISTÄ.YLÖS() kun oikea muoto on PYÖRISTÄ(). Englanniksi funktionimet menevät oikein.

Myös Haversinen kaavan Excel-versio oli ihan oikein, mutta kun halusin koodata sen VBA-funktioksi, kriittiseksi riviksi tuli 

c = 2 * WorksheetFunction.Atan2(Sqr(a), Sqr(1-a))

vaikka oikea kaava olisi ollut

c = 2 * WorksheetFunction.Asin(Sqr(a))

Ennen palauttamista c pitää vielä kertoa maapallon säteellä R, joka VBA-funktion alussa oli määritelty. Sen verran trigonometria on päässyt itseltäni unohtumaan, etten kaavaa katsomalla voinut tietää, antoiko atan2 kuitenkin saman tuloksen kuin kaavassa oleva arcsin. Ei antanut, ja mikä pahinta, oikea ja väärä kaava menivät sopivilla arvoilla päällekkäin, joten virhettä ei ehkä olisi havainnut tuloksia tarkastelemalla. 

Miksi ChatGPT antaa ihan oikean kaavan ja Excel-funktion sen toteuttamiseksi, mutta tekee alkeellisen ja vaikeasti havaittavan virheen VBA-ohjelmassa? Kyseessä on generatiivinen tekoäly, joka edelleen hallusinoi asioita omasta päästään.

Pyysin neuvoja myös Python-ohjelman koodaukseen. Pääohjelma ja exif-tietojen kaivaminen jpeg-tiedostoista toimi hyvin, mutta suoritus pysähtyi riville

return d[0]/d[1] + (m[0]/m[1])/60 + (s[0]/s[1])/3600

missä koodi yrittää siis kohdella numeerista muuttujaa listana ja jakaa sen kaksi peräkkäistä jäsentä keskenään. Tässä tapauksessa Python-tulkki pysähtyi, joten virhe oli helppo huomata, ja myös korjata kirjoittamalla

return float(d) + float(m/60)+float(s/3600)

Tekoälyn vaikuttavin toiminto on tällä hetkellä Syvätutkimus, joka tuottaa konsulttitason raportin melkein mistä aiheesta tahansa 15-30 minuutissa kuvineen ja lähdeviittauksineen. Lopputulos on vaikuttava, mutta konsultti nolaa kyllä itsensä, mikäli erehtyy luovuttamaan sen asiakkaalle sellaisenaan.

Pyysin ChatGPT:ltä raportin suomalaisista kirkkopaloista. Lopputulos näytti hienolta: siististi muotoiltu 127 161 merkkiä pitkä raportti, joka Wordiin siirrettynä vei 60 sivua. Kirkkoja on tosiaan palanut paljon, mitä erilaisimmista syistä.

Syvätutkimus tuottaa pitkän raportin, josta kuvassa pieni näyte.

ChatGPT näyttää turvautuneen paljolti Wikipedia-artikkeliin samasta aiheesta, mutta on tehnyt omaakin tutkimustyötä. Harmi vain, että jo pikainen silmäily paljastaa erikoisia kohtia.

Tarkempi lukeminen paljastaa kummallisuuksia. Raportti vasemalla, omat lisäykset oikealla.

Raportti mainitsee, että Espoon Perkkaan kappeli yritettiin sytyttää tuleen 2009, mikä pitää paikkansa. Sitä raportti ei tiedä, että kappelin tuhopoltto onnistui keväällä 2022, eikä tekijöitä koskaan saatu kiinni. Kyse ei ole siitä, että tieto olisi liian uusi, sillä raportin viimeinen kohta on Rautjärven kirkon tuhopoltto jouluna 2022. 

Kiihtelysvaaran kirkosta raportti toteaa poliisin tutkineen paloa tuhopolttona, mutta tekijää ei saatu tuomittua. Kuitenkin nuoren miehen hölmö teko uutisoitiin selkeästi mediassa, samoin hänen saamansa yli kahden vuoden vankeustuomio.

Erityisesti itsellä pistää silmään ylemmän kuvan maininta Pispalan kirkon palosta (1968): sen mukaan Pispalaan ei rakennettu enää uutta kirkkoa. Varmasti rakennettiin, koska koulun mukana kävimme siellä useitakin kertoja ja olen myös kuvannut kirkon.

Näiden esimerkkien perusteella tekoäly ei ole vielä korvaamassa ihmistä. Siitä on paljon apua, mutta viime kädessä ihmisen pitää hallita tekoälyllä teettämänsä asia ja tarkistaa tulokset moneen kertaan. Tekoäly on n. 90-prosenttisesti oikeassa, mutta pahaan kohtaan osuessaan se 10 prosenttia voi kaataa koko jutun.

Mitähän sammakoita sinä olet lähettänyt eteenpäin asiakkaalle, kun olet antanut tekoälyn hoitaa hommasi?

Biorytmit tutkittavina Excelissä

Vieläkö muistat biorytmit? Teorian, jonka mukaan ihmisen vireystila noudattaa 23, 28 ja 33 vuorokauden jaksoja. Riskit ovat kohollaan päivinä, jolloin käyrä leikkaa nolla-akselin joko alas tai ylös mennessään.

Itse muistan biorytmit hyvin, sillä kun IT-matkani 1980-luvulla alkoi, biorytmit olivat yleisimpiä ohjelmia, mitä mikrotietokoneille tehtiin. Niitä tulostettiin rätisevällä matriisikirjoittimella erilaisissa yleisötapahtumissa. Vieras sai mukaansa pitkän tulosteen, joka oli oikein tietokoneella tehty.

Tyypillinen biorytmikaavio grafiikkana. Ei ollut näin hienoa 1980-luvulla.

Kiinnostus biorytmejä kohtaan oli korkeimmillaan 80-luvun alussa, kuten Wikipedia tietää kertoa. Sen mukaan biorytmejä pidetään nykyään pseudotieteenä, jolla ei ole todellista pohjaa. Mutta kun löysin vanhat, vuonna 1985 lerpulle siirtämäni tiedot suurmiesten syntymä- ja kuolinpäivistä, tuli mieleen valjastaa Excel töihin.

Keräsin tiedot aikanaan erilaisista lähdeteoksista Tampereen kirjaston lukusalissa istuen. Kopioin ne kynällä paperille, ja siirsin tiedot sitten Tampereen teknillisen yliopiston PDP-keskustietokoneelle  iltaisin päätteellä naputellen. Myöhemmin pelastin aineiston IBM PC -lerpuille ja tein muutamia tilastollisia analyysejä, joista kirjoitin jutun Tietokone-lehden kevään 1986 numeroon. Niinpä, 39 vuotta sitten.

Tietokone-lehti 4/1986, vanha vuosikerta (kuka vielä muistaa Wangin?).

Aineistossa on 651 historiallista luonnontieteilijää, 644 kirjailijaa, 144 matemaatikkoa ja 463 säveltäjää - yhtensä 1902 ihmistä. Sen jälkeen laskin, kuinka moni henkilöistä oli kuollut 23, 28 tai 33 vuorokauden biorytminsä nollakohdassa, ja vertasin tuloksia tilastolliseen keskiarvoon. 

Vielä 1980-luvun puolivälissä laskenta oli hidasta, mutta nykyiset koneet pyörittävät laskentaa helposti, joten pystyin laajentamaan tutkimusta mahdollisten uusien "vaarallisten" biorytmijaksojen löytämiseksi.

Lerpun aineisto oli ASCII-pohjaisena numerodatana, joten ensimmäinen työ oli lukea se Exceliin. Ohjelmassa on kehittynyt import-toiminto, joten sisään lukeminen kävi helposti, joskin päivä, kuukausi ja vuosi olivat omissa sarkkeissaan, joten päivämäärät piti muodostaa niistä kaavalla yhdistäen.

Sitten tulikin yllättävä ongelma: Excelin päivämääräfunktiot alkavat vasta 1.1.1900, joten vanhemmat päiväykset antavat kummallisia tuloksia (eivät kuitenkaan virheilmoitusta, vaikka pitäisi). Elinpäivien lukumäärän laskemiseksi oli keksittävä toinen tapa. VBA-funktion koodaaminen oli yksi vaihtoehto, mutta karkauspäivien huomiointi vaati työtä, joten käytin Pythonin valmista datetime-modulia.

Python-koodi Excelin solussa - näppärää!

Python-koodi soluissa on näppärä ominaisuus, mutta vaatii Excelin yritysversion, ja sielläkin nopeaa laskentaa saa vain rajoitetusti. 

Pilvipalvelujen kiroja: kaikesta voi rahastaa erikseen.

Microsoft on keksinyt uuden tavan rahastaa. Perushintaan kuuluu vain rajoitettu määrä nopeaa Python-suoritusta kuukaudessa. Jos haluaa säilyttää nopeuden siitä pitää maksaa lisää.

Python-nopeutta rajoitetaan kuukausitasolla.

Itselleni tämä ei ole ongelma, koska elinpäivien laskenta toimii hitaammallakin teholla, mutta laittaa kyllä miettimään, millaisen kultaisen häkin pilvipalveluista itselle rakennamme. Häkki on hieno, mutta siitä ulos pääseminen maksaa.

Olisi hienoa, jos Excelissä voisi suoraan noutaa jokaiselta laskentasivulta alimman tai toiseksi alimman rivin soluja yhteenvetosivulle, mutta itse en ole keksinyt tähän fiksua tapaa. Miksei viittauksissa voisi käyttää esim. sivu!A[#last] tai sivu!A[#last-1]-tyyppistä rakennetta? Kikkailemalla viittaus kyllä hoituu, mutta lopulta päädyin tekemään yhteenvedot manuaalisesti kaavoja päivittämällä.

Erilaisia "biorytmejä" 20-84 vuorokauden jaksoina.

Suoraan asiaan: 23, 28 ja 33 vuorokauden jaksot eivät pistä aineistossa esiin millään tavalla. Vain matemaatikkojen ryhmässä 28 vrk osoittaa 56 % "ylikuolleisuutta", toisaalta kirjailijoilla -30 % "alikuolleisuutta". Säveltäjillä 33 vrk on +35 % tilastollista odotusarvoa korkeammalla.

Suurin yli-arvo on 34 vrk matemaatikoilla (+113%), mutta 56 vrk:n arvo (+211 %) on vielä reilusti suurempi. Mitä pidemmästä jaksosta on kyse, sitä epäluotettavammiksi tulokset käyvät, koska matemaattisesti nollakohtia tulee yhä vähemmän ja virhemarginaali kasvaa. Paljon kertoo myös se, että suurimmat erot tulevat juuri siinä ryhmässä, jossa on vähiten aineistoa.

Kaikista (N=1902) laskettuina lukemat osuvat hyvin keskiarvoon ts. ne selittyvät sattumalla (84-109 %). Ensimmäinen isompi ero (+120 %) on 33 ja 34 vuorokauden kohdilla, heti sen jälkeen 35 kohdalla onkin sitten poikkeama toiseen suuntaan (75 %).

Mikään jaksopituus ei nouse erityisesti esiin uhkaavana (suuri prosenttimäärä) kaikissa neljässä ryhmässä.

On helppo uskoa, ettei kulkutautien ja tapaturmien niittäessä satoaan biorytmien asennolla ollut käytännössä vaikutusta kuoleman ajankohtaan. Nykymaailmassa voisi olla toisin, sillä monen henkinen kestävyys on koetuksella. Manuaalisesti kerätty vajaan 2000 henkilön aineisto on myös liian pieni, jotta siitä voisi tehdä mitään johtopäätöksiä.

Siksi tämä laskelma on yhtä viihteellinen kuin biorytmit itsessään, mutta kuitenkin kiinnostava esimerkki siitä, miten monenlaisiin tehtäviin Excel taipuu ja miten sillä voi selvitellä asioita, jotka vielä muutama vuosikymmen sitten olivat laskennallisesti liian raskaita.