Erityisesti some-algoritmeihin ja personoituihin uutisfeedeihin liittyen on keskusteltu laajasti kuplautumisen ja polarisoitumisen riskeistä. Eli samantapaisia ajatuksia sisältävä vahvistava kaikukammio-dynamiikka, jota kuvaava “filter bubble” -käsite on ollut esillä vuodesta 2010 lähtien. Tutkimuksissa on ilmiön äärellä havaittu eroja eri platformien välillä. Äskettäin julkaistiin mielenkiintoinen tutkimus, jossa käytettiin aitoja uutisten suosittelujärjestelmiä USA:ssa ja Saksassa maahanmuuttouutisointiin liittyen (“Putting ‘filter bubble’ effects to the test: evidence on the polarizing impact of ideology-based news recommendation from two experiments in Germany and the U.S”, Ludwig et al, 2024). Tutkimustulosten mukaan kuplautumisvaikutus olikin melko vähäinen: “….impact of algorithmic content selection on polarization seems to be rather limited in total”. Toisaalta esimerkiksi X:n sisällä voi jokainen käydä testaamassa mitä ”Sinulle”-feedi sisällöllisesti sisältää ja miten se kehittyy ajan kanssa. Tämän tärkeän aihepiirin tutkiminen erilaisilla tutkimusasetelmilla ja alustoilla jatkuu. Platformien jatkuvat sisältöalgoritmien muutokset eivät helpota tutkimusjatkumoa.

Yksilöllinen oman datan, tutkimustiedon ja AI:n yhdistämiseen perustuva hyvinvoinnin ja terveyden itsediagnostiikka on kasvava sektori. Kosmetiikan sektorilla AI, analytiikka ja asiakkaan oma data ovat vahvasti tulossa asiakkaan arkeen. Haut.ai on palveluntarjoaja, jonka AI-teknologiaa käyttävät monet teknologiabrändit. Tutkimustietoon, miljooniin datapisteisiin ja asiakkaan omaan kuvan analyysiin perustuva AI-teknologia antaa asiakkaalle henkilökohtaisia suosituksia ja hoito-ohjeita. Dovella on omia sen tuotteisiin kytkeytyviä LLM-työkaluja kuten “Dove’s Scalp + Hair Therapist”.  Tällaisten “I’m your AI-powered XYZ  therapist”-tyypisten työkalujen lanseeraus asettaa korkeita vaatimuksia algoritmien läpinäkyvyydelle, taustatutkimuksen laadulle, eettisyydelle ja datan asianmukaiselle käsittelylle.

CGD eli Citizen Generated Data on kansalaisten ja erilaisten yhteisöjen jäsenten tuottamaa hyötydataa, jota käytetään hyväksi mm.

• kriisi- ja katastrofitilanteiden tilannekuvan tarkentamisessa
• erityisryhmien arjen ongelmien havaitsemisessa ja kartoittamisessa
• auttamaan ympäristötuhojen havainnoinnissa ja torjunnassa, esimerkiksi Australiassa ja Ghanassa vesistöjen roskaantumiseen liittyen.

Suomessa hyödynnetään mm. lintuharrastajien tuottamaa dataa (Tiira-hanke), kansalaisten sinileväraportointia sekö muuta vesistöjen havaintodataa.  YK:ssa kokoontui reilu vuosi asiantuntijoita yli 100 maasta YK:n Statistical Commissionin (UNSC) kokoukseen CGD:n äärelle ja pöydällä oli “Copenhagen Framework on Citizen Data“, jonka tavoitteena on edistää CGD:n keräämistä, systematisointia, laatua ja yhdistämistä viranomaistilastointiin. Crowdsourcing-konseptit ja näissä erityisesti appsien avulla tapahtuva kuva- ja videomateriaalien kerääminen tuottaa tärkeää täydentävää dataa monilla yhteiskunnan sektoreilla.

Yksi CGD:n osa-alue on Citizen Data Science, jossa kyvykkäät kansalaiset ja kansalaisyhteisöt tuottavat julkisesta datasta ymmärrettävää dataa ja sen visulisointia julkisuuteen. Tämän tyyppinen toiminta aktivoitui eri maissa esimerkiksi pandemian aikana, jolloin tällaisen toiminnan laadukkaat tulokset levisivät tehokkaasti täydentäen ja jopa korvaten viranomaisten dataviestintää. “The citizens have clearly helped underpin the government’s communication. They have influenced some of the Government’s important initiatives. Partly, because some of them worked faster than the health authorities, and partly, because some were able to point to previously uncovered perspectives (Sine Zambach, Copenhagen Business School)”.

Vuonna 2023 Vietnamissa koneoppimisen avulla saatiin datasta 94% todennäköisyys ennustaa
kakkostyypin diabetesta. USA:ssa julkaistiin 2019 saman tyyppinen tutkimus, jossa datan
syvyyksistä löytyi tärkeä elementti: Data ennusti kakkostyypin diabeteksen syntyä aiempaa selvästi paremmin myös niillä henkilöillä joilla ei ollut perinteisiä riskitekijöitä.

Datan jakaminen sisäisesti ja kumppaneille on modernin toiminnan ydintä. Tuloksellista sellaista. Gartnerin “Chief Data Officer Survey” kertoi pari kolme vuotta sitten, että data- ja analytiikkatiimit jotka lisäsivät datan jakamisen käytäntöjä pystyivät tuottamaan konkreettisia tuloksia 1,7 kertaa aiempaa enemmän. MIT CISR:n tutkimus kertoo samaa viestiä toisin päin: menestyvät yritykset raportoivat korkeampia sisäisen datan jakamisen tasoja kuin huonommin menestyvät yritykset.