
Uudessa tieteenalassa tutkitaan, miten tekoäly- ja koneoppimismenetelmät ja reunalaskenta voidaan yhdistää.
Filosofian maisteri Lauri Lovén on tehnyt Oulun yliopistolle väitöstyön reunalaskennan tekoälystä.
Sovellusalueita löytyy virtuaalitodellisuuden ja täydennetyn todellisuuden lisäksi muista paljon laskentaa ja lyhyttä viivettä vaativista toteutuksista kuten etäleikkaukset ja suurien liikennevirtojen ennustaminen.
Reunalaskenta täydentää ja tehostaa pilvilaskentaa. Siinä missä pilvilaskenta pohjautuu kaukaisiin datakeskuksiin, ottaa reunalaskenta huomioon lisäksi laskentaresurssit matkalla paikallisista laitteista pilveen. Reunalaskennan resurssit ovat ominaisuuksiltaan kirjavia: kapasiteetit saattavat olla hyvin erilaisia, niiden yhteydet voivat katkeilla ja ne saattavat olla saatavissa satunnaisesti. Nykyaikaisia tekoäly- ja koneoppimismenetelmiä käytetään tavallisesti pilvipalveluissa ja niiden oletuksena on, että laskentakapasiteetti on tasalaatuisesti koko ajan saatavilla.
- Tietotekniikassa on kaksi keskeistä, näennäisesti ristiriitaista taustavoimaa, jotka vaikuttavat laskenta-arkkitehtuurien kehitykseen. Näistä ensimmäinen on pyrkimys keskittämiseen: toiminnot halutaan keskittää, jotta ylläpito ja kehitys olisi helpompaa ja kustannukset siten matalammat. Toisena on pyrkimys hajauttamiseen: järjestelmien luotettavuus, tietoturva ja resurssien käyttö parantuvat, jos niitä ei ole koottu yhteen paikkaan, kertoo Lauri Lovén.
Pilvipalvelut ovat esimerkki keskittämisestä. Laskenta kootaan suuriin tietokonekeskuksiin, jotka myyvät laskentapalveluita. Konsepti on ollut varsin menestyksekäs. Resurssien keskittämisessä pilvipalveluihin on kuitenkin ongelmansa. Latenssit eli tiedonsiirtoviiveet kaukaisiin tietokonekeskuksiin voivat olla pitkiä, tietoliikenneverkot saattavat tukkeutua edestakaisen liikenteen aiheuttamasta kuormasta.
- Lisäksi yksityisyyden suoja voi vaarantua, kun henkilökohtaista dataa kuljetetaan verkkojen yli keskitettyihin järjestelmiin. Haasteita ratkomaan on kehitetty reunalaskenta, jossa laskenta hajautetaan eli ei käytetä ainoastaan pilvipalveluita vaan myös paikallisia laitteita sekä reitittimien ja tukiasemien yhteydessä tarjolla olevia laskentaresursseja matkalla laitteista pilveen. Tällöin vasteajat lyhenevät, laskentaresurssien käyttö tehostuu, ja yksityisyyden suoja paranee, Lovén selventää.
Reunalla oltaessa eri laitteiden tarjoamat laskentaresurssit vaihtelevat voimakkaasti.
- Tekoälysovelluksissa on suuria haasteita, koska pääosa niistä olettaa, että niitä käytetään pilviympäristöissä, jolloin laskentaresurssit ja data ovat tasaisesti aina saatavissa. Tekoälymenetelmiä on siis muokattava ja kehitettävä edelleen, että ne toimisivat myös reunalaskennan yhteydessä hajautettuna moneen pieneen tekoälykomponenttiin, jotka pyrkivät yhteistyöhön yhden suuren, monoliittisen älyn sijaan. Tutkimusalaa kutsutaan nimellä reunalaskennan tekoäly, edge AI tai edge intelligence, johon väitöskirjani nimenomaan keskittyy, sanoo Lovén.
Lauri Lovén on väitöksessään luonut uutta. Monimutkaisuudestaan huolimatta sen sisältämät asiat koskettavat meitä kaikkia yhä kiivaammin digitalisoitumiseen pohjautuvassa maailmassa.
- Tuloksia hyödyntäviä ryhmiä on kolme. Reunalaskennan palveluntarjoajat voivat käyttää väitöskirjassani esiteltyä uutta reunalaskennan palvelimien sijoittelumenetelmää. IoT-anturiverkkojen rakentajat voivat käyttää uutta reunalaskennan tekoälyyn perustuvaa hajautettua analyysimenetelmää. Tekoälysovelluksia kehittävät tutkijat voivat käyttää väitöstyössä kehittämäämme klusterointimenetelmää, Lovén päättää.
Lauri Lovén väittelee Oulun yliopistossa 12. marraskuuta. Väitöskirjan suomennettu otsikko on "Spatiaaliset riippuvuudet reunalaskennan tekoälyssä".
Lauri Lovén Oulun yliopisto pilvilaskenta reunalaskennan tekoäly reunalaskenta Susanna Pirttikangas tech tekoäly tiede