Perkon ikiliikkuja toimii hienosti kirjallisuudessa ja Pukkalan mallinnuksissa. Ainuttakaan riskiä ei ole, taimettumista tapahtuu, vaikka ”koko ala” on jotenkin käytössä ja laatupuut syrjäyttävät aina huonolaatuiset eivätkä ne enää sen jälkeen haittaa laadukkaiden kasvua, juurikääpä ei menesty (vaikka on erittäin yleinen) ja kirjanpainajat mutustavat vain naapurin jaksollisia puita. Kuten olen sanonut, kriittinen ajattelu puuttuu ja luottamusta ei ole.

>Olis ollut hyväksi ymmärtää se polkupyörällä tunturin ylitys laskuni! 

Tuskinpa sentään siitä mitään apua mihinkään olisi. Sinun olisi ollut hyvä ymmärtää se kumulatiivinen kuvaaja omista lähettämistäsi kuvista, mutta ymmärtämättä jäi senkin ajatus ja jäit jumiin yhteen ”tappio” sanaan, koska se tuki hienosti ennakkokäsitystäsi. Pysy vaan proosassa.

Otette te ahkeria. Kuinka joku jaksaa kuukausi kaupalla melkein työkseen päivittäin vääntää aiheesta – käsittämätöntä.  Helpotusta on teille tulossa Deep FRST-optimointimenetelmästä. Yhteistyössä Helsingin yliopisto ja Aalto-yliopisto. Kohta raati hyppii seinille, kun siitä tulee vielä kaupallinen tuote. ”Keinoäly” hiipii alalle kuin alalle.

Puuki sai kilpailijan, heh heh.

Laskennasta ja mallintamisesta vähänkään ymmärtävät eivät pidätä hengitystä. Tämä on vain uusi myyntituote ja siksi se on patentoitu. Se ei anna oikeita vastauksia, vaan vain vastauksen. Kyse on suurimmaksi osaksi yksityisen rahoituksen hankkimisesta.

https://www.aalto.fi/fi/uutiset/uusi-menetelma-kertoo-mika-on-tuottavin-tapa-hoitaa-metsaa-kestavasti

Onhan koneoppimisesta ainakin se etu että metsien eri hyötyjä tarkastellaan kokonaisvaltaisesti. Kivennäismailla metsätuhojen, monimuotoisuus- ja hiilinieluhyötyjen mukaan ottaminen laskentaan ei pitäisi kovin paljon vaikuttaa metsänkasvatusmenetelmien keskinäisessä vertailussa, jos ilmiöt ja niiden todennäköisyydet on mallinnettu oikein, koska avohakkuumalli pärjää niissä melko hyvin. Metsätuhoriskit poikkeavat vaihtoehdoissa mutta molemmissa niitä on.

Lisäksi tuohon kehikkoon voidaan liittää metsätalouden positiiviset ja negatiiviset ulkoisvaikutukset (päätöksentekijän haluamassa määrin) kuten marjasadot ja riista. Metsätaloutta syytetään esimerkiksi vesien pilaamisesta, mutta taseessa pitää huomioida myös sadeveden mukana tulevan laskeuman pidättyminen kasvillisuuteen.

Toki yllätyksiä voi tulla, kuten väite että taimien syntyminen ei vaikuttaisi laskentaan oikein mitään. Itse olen edelleen siinä uskossa että sen vaikutus on ratkaiseva pitkän tähtäimen kannattavuudessa. Herääkin kysymys, osataanko taimien syntyä vielä kuvata tarpeeksi hyvin? Sama koskee metsätuhojen riskiä. Ei voida tietää täsmälleen realisoituuko riski juuri omassa metsässä. Odotan mielenkiinnolla miten koneäly ratkaisee tämän suunnittelun ongelman, jota itsekin pähkäilin jonkin aikaa 1990-luvulla.

Lyhyellä tähtäimellä jatkuvapeitteinen malli voi pärjätä oikein hyvin – niin kauan kuin metsätuhoja ja korjuuvaurioita ei tule liikaa ja taimien syntymisestä ei tarvitse huolehtia vaan kasvatetaan edelleen olemassa olevaa taimiainesta. Ehkä oppiva kone osoittaa luuloni vääriksi. Järjestelmään syötetään oikeaa metsästä mitattua aineistoa, joka sisältää toteutuneet vauriot ja riskit. Jos on vielä käytössä hyvät kasvun ja taimien syntymisen ennustemallit, ollaan jo pitkällä. (Edit)

Lupaukset ovat ainakin yhtä hyvät kuin Perkolla: ”Esimerkiksi metsän kasvupaikasta ja laskentakorosta riippuen DeepFRST voi lisätä tuottoa jopa kolmanneksella”.