Metsäteollisuuden seuraava kilpailuetu voi syntyä uuden tiedon löytämisestä

En kuulu niihin, jotka pelkäävät tekoälyn muuttuvan Terminaattoriksi. Tekoälyyn liittyvistä riskeistä on syytä keskustella vakavasti, mutta vielä tärkeämpänänä pidän kysymystä siitä, mitä tapahtuu, kun tekoäly alkaa auttaa ihmisiä löytämään kokonaan uutta tietoa.

Tuore uutinen yhden lähes 90 vuotta ratkaisematta olleen Millennium Prize -ongelman mahdollisesta ratkaisusta tarjoaa tästä erinomaisen esimerkin. Syyskuun 8. päivänä 2026 OpenAI ilmoitti tekoälyjärjestelmänsä tuottaneen 88 tunnissa todistuksen siitä, että Navier–Stokesin yhtälöiden kuvaamaan virtaukseen voi tietyssä pakotetussa tapauksessa muodostua äärellisessä ajassa singulariteetti, eräänlainen matemaattinen ääritilanne, jossa yhtälöiden ennustama käyttäytyminen kasvaa rajatta.

Tuloksen lopullinen tieteellinen arviointi on vielä kesken, mutta tapaus osoittaa, kuinka pitkälle tekoälyjärjestelmät ovat edenneet vaikeiden tutkimusongelmien käsittelyssä. Tekoäly ei ole enää vain tehokas käyttöliittymä olemassa olevaan tietoon, vaan siitä voi tulla kumppani uuden tiedon löytämiseen.

Tekoälyn nopea kehittyminen tulee muuttamaan tiedettä ja kaikkia toimialoja, myös metsäteollisuutta.

Jos tekoäly pystyy auttamaan matemaatikkoja ongelmissa, joiden ratkaisuja on etsitty vuosikymmeniä, miksi se ei voisi auttaa meitä ymmärtämään paremmin myös puuta, ligniiniä, selluloosaa, entsyymejä, hiilidioksidia ja kokonaisia biologisia järjestelmiä?

Tekoälyn nopea kehittyminen tulee muuttamaan tiedettä ja kaikkia toimialoja, myös metsäteollisuutta.

Kilpailukykyä ei rakenneta vain tuotantomäärillä

Suomalaisen metsäteollisuuden kilpailukyky on rakennettu yli sadan vuoden aikana vahvan metsäosaamisen, tehokkaiden prosessien ja suuren mittakaavan tuotannon varaan. Olemme oppineet käyttämään puuta tehokkaasti, valmistamaan korkealaatuisia tuotteita ja integroimaan materiaalien, energian ja sivuvirtojen tehokasta käyttöä.

Näitä vahvuuksia tarvitaan jatkossakin. Silti on perusteltua kysyä, syntyykö seuraava suuri kilpailukykyloikka tuotantolaitosten koon kasvattamisesta ja nykyisten prosessien ja tuotteiden asteittaisesta parantamisesta? Tai edes uusien, öljyä korvaavien tuotteiden kehittämisestä?  

Merkittävä mahdollisuus kasvuun ja uudistumiseen syntyy nähdäkseni laskennallisen ja biologisen osaamisen yhdistämisestä koko metsäsektorin arvoketjuun. Tekoäly, kvanttilaskenta ja biologinen data auttavat tutkimaan aivan uusia vaihtoehtoja ja vuorovaikutuksia mittakaavassa, johon emme ole aikaisemmin kyenneet.

Tekoäly muuttaa metsäteollisuuden innovaatiomallin

Tekoälyn vaikutukset voivat näkyä metsäteollisuudessa jo lähivuosina.

Metsistä, tehtaista, ympäristön tilasta ja markkinoista kertyy valtavia määriä dataa. Tekoälyllä voidaan rakentaa digitaalisten kaksosten kaltaisia malleja, joiden avulla arvoketjun vaihtoehtoja voidaan tarkastella nykyistä kokonaisvaltaisemmin metsästä lopputuotteeseen.

2030-luvulla iso osa metsäteollisuuden kilpailukyvystä voi syntyä kyvystä suunnitella puusta enemmän arvoa.

Tulevaisuudessa tällaiset mallit voisivat auttaa arvioimaan, mihin käyttöön tietty puuraaka-aine tuottaa suurimman kokonaisarvon. Hinnan ohella tarkasteluun voitaisiin sisällyttää esimerkiksi ilmasto- ja biodiversiteettivaikutuksia, hiilen varastoitumisen kestoa, energian saatavuutta ja sääntelyä.

Lopullinen tavoite on saada enemmän arvoa irti samasta tai pienemmästä raaka-ainemäärästä ekologiset reunaehdot huomioiden. Tällöin emme enää optimoisi vain tuotantomäärää ja hintaa, vaan puuraaka-aineen tuottamaa kokonaisarvoa.

Siinä missä aiemmin kilpailuetu syntyi tehokkaista tehtaista, 2030-luvulla iso osa metsäteollisuuden kilpailukyvystä voi syntyä kyvystä suunnitella puusta enemmän arvoa.

Kvanttilaskenta seuraavana askeleena

Tekoäly tunnistaa datasta rakenteita, tekee ennusteita ja etsii valtavista vaihtoehtojoukoista lupaavia ratkaisuja. Kvanttilaskennasta voi puolestaan olla hyötyä erityisen vaativissa mallinnus-, simulointi- ja optimointiongelmissa, joiden ratkaiseminen tavallisilla tietokoneilla vaatii erittäin paljon laskentatehoa ja aikaa.

Luken koordinoimassa, Business Finlandin rahoittamassa Q-GEN-hankkeessa Luonnonvarakeskus, Aalto-yliopisto, VTT ja Helsingin yliopisto yhdistävät kvanttilaskentaa biotieteisiin. Sovellusalueina ovat muun muassa genominen jalostus, bioinformatiikka, teollisten entsyymien kehittäminen ja uusien biomateriaalien suunnittelu. Pohdimme hankkeessa myös eettisiä kysymyksiä.

Kvanttitietokoneet eivät kuitenkaan tule ratkaisemaan metsäteollisuuden ongelmia lähitulevaisuudessa. Ensimmäiset käytännön edistysaskeleet syntyvät todennäköisesti tekoälyn, klassisen suurteholaskennan ja kvantti-inspiroitujen algoritmien yhdistelmästä.

Yksi kiinnostava kysymys on, pystyisimmekö mallintamaan ligniinin, selluloosan, hemiselluloosan, veden, liuottimien ja entsyymien vuorovaikutuksia nykyistä tarkemmin.

Jos pystymme, voimme merkittävästi lyhentää uusien materiaalien ja prosessien kehitysaikaa. Satojen ja tuhansien laboratoriokokeiden sijasta voisimme ensin seuloa laskennallisesti valtavan määrän vaihtoehtoja ja viedä kokeisiin vain lupaavimmat.

Kvanttilaskennan suurin lähiajan arvo voi syntyä siitä, että uuden biomateriaalin kehittäminen muuttuu nopeammaksi ja ennustettavammaksi.

Tämä voisi nopeuttaa esimerkiksi uusien ligniinipohjaisten lisäaineiden, puupohjaisten polymeerien ja komposiittien sekä akku- ja hiilimateriaalien kehittämistä. Samalla voitaisiin löytää valikoivampia erotusprosesseja, kehittää biomassaa muokkaavia entsyymejä ja luoda aivan uusia toiminnallisia biomateriaaleja.

Sama laskennallinen vallankumous voisi auttaa löytämään myös uusia tapoja hyödyntää metsäteollisuuden biogeenisiä hiilidioksidivirtoja polttoaineiksi, kemikaaleiksi ja pitkäikäisiksi materiaaleiksi.

Kvanttilaskennan suurin lähiajan arvo voi syntyä siitä, että uuden biomateriaalin kehittäminen muuttuu nopeammaksi ja ennustettavammaksi. Tarkoitus ei ole korvata laboratoriotyötä, vaan auttaa suuntaamaan aika ja raha lupaavimpiin kokeisiin.

Nopeita tuloksia ei kuitenkaan voi luvata: käytännön kvanttietua biologisissa sovelluksissa ei ole vielä osoitettu. Ensin kvantti- ja hybridimenetelmiä on verrattava parhaisiin klassisiin menetelmiin, ja niiden käyttöä kannattaa edistää vain, jos lisähyöty voidaan osoittaa.

Kilpailuetu voi alkaa jo metsänjalostuksesta

Yksi kiinnostavimmista mahdollisuuksista liittyy genomiseen metsänjalostukseen.

Puun kasvuun, laatuun, kuituominaisuuksiin, taudinkestävyyteen, kuivuudensietoon ja muuttuvaan ilmastoon sopeutumiseen vaikuttaa perimän ja ympäristön monimutkainen vuorovaikutus. Genomista dataa kertyy nopeasti, mutta sen arvo riippuu siitä, kuinka hyvin osaamme muuttaa havainnot käytännön jalostusratkaisuiksi.

Q-GEN-hankkeessa tutkimme, miten kvanttilaskenta voisi tehostaa genomista jalostusta. Tekoälyn, genomiikan ja tulevien kvanttimenetelmien yhdistelmä voisi auttaa tunnistamaan sellaisia geenien, ominaisuuksien ja ympäristötekijöiden kokonaisuuksia, joita nykyisillä menetelmillä on vaikea havaita.  

Pitkällä aikavälillä voisimme jalostaa metsiä, jotka ovat tuottavia, ilmastokestäviä ja teollisuuden tarvitsemien ominaisuuksien kannalta parempia samalla, kun huolehdimme geneettisestä monimuotoisuudesta ja paikallisesta sopeutumisesta. Tällöin metsäteollisuuden kilpailuetu alkaisi kauan ennen tehtaan porttia.

Suomen vahvuudet pitää saada toimimaan yhdessä

Suomella on poikkeuksellinen yhdistelmä metsäosaamista, biologisia aineistoja, laskentakykyä ja uusiutuvaa energiaa. Jos yhdistämme nämä pitkäjänteiseen TKI-politiikkaan ja kaupallistamiseen, voimme löytää metsistä, molekyyleistä ja hiilivirroista uutta arvoa ilman, että menestys perustuu vain tuotantovolyymien kasvattamiseen.  

Nyt voidaan ratkaista, ketkä omistavat seuraavan sukupolven biomateriaalien patentit ja teknologia-alustat.

Onnistuaksemme tarvitsemme rohkeutta ja pitkäjänteistä panostusta korkean riskin tutkimukseen, yhteisiin data- ja laskentaympäristöihin sekä rahoitusinstrumentteihin, joilla lupaavat tutkimustulokset viedään teollisiin kokeiluihin ja markkinoille.

Kvanttilaskenta ei kasvata Suomen bruttokansantuotetta nopeasti tai automaattisesti. Nyt voidaan kuitenkin ratkaista, ketkä omistavat seuraavan sukupolven biomateriaalien patentit ja teknologia-alustat. Jos Suomi yhdistää kvanttiosaamisen, genomiikan ja metsäbiotalouden ennen kilpailijoita, materiaalien rinnalle voi syntyä uusi vientikerros: algoritmeja, patentteja, lisenssejä ja suunnittelualustoja.