ÄûÃʵ¼º½

Kun avaat auton navigaattorin maanantaiaamuna, se ehdottaa reittiä töihin, ei suinkaan torstai-illan harrastukseen. Kun matkalla sukellat moottoritiellä tunneliin, yhteys pysyy kuitenkin vakaana. Ruuhkassakin puhelinkaistaa riittää juuri sinulle. Tämän kaiken takana on koneoppiminen ja tekoäly: se ennakoi niin reittisi, hyppäykset operaattoriverkosta toiseen kuin 5G-tukiasemien kuormituksen. 

Pienet ja älykkäät tekoälymallit tulevaisuuden teollisuuden ja tietoliikenteen ytimessä  

Arjessa tekoäly ymmärretään usein ChatGPT:n ja Clauden kaltaisiksi generatiivisiksi työkaluiksi, jotka hyödyntävät suuria kielimalleja. Todellisuudessa tekoäly on laaja joukko koneoppimiseen perustuvia sovelluksia – eikä ole olemassa yhtä tekoälymallia, joka vastaisi kaikkien tarpeisiin.  

Aalto-yliopiston sähkötekniikan korkeakoulun varadekaani Petri Mähösen mukaan Suomen kannattaa panostaa siihen, missä olemme hyviä: erityisesti erikoistuneisiin tekoälymalleihin, jotka sopivat esimerkiksi ABB:n ja Konecranesin kaltaisten automaatioteollisuuden jättien sekä tietoliikennetekniikan tarpeisiin.  

Syy on yksinkertainen: Suomi ei voi kilpailla kaikkein suurimpien, satojen miljardien parametrien kielimallien kehityksessä. Kansantaloutemme ei taivu helposti niin valtaviin investointeihin tai laskentatehon tarpeisiin.  

Suuret teknologiayritykset keskittyvät tällä hetkellä valtavaa lisäarvoa tuottaviin hankkeisiin, kuten näihin laajoihin kielimalleihin. Teollisuus taas tarvitsee usein pieniä, tarkasti rajattuihin tehtäviin suunniteltuja tekoälymalleja. Siihen meillä on vankkaa osaamista, Petri Mähönen muistuttaa. Niitä ei käytetä ainoastaan tuotteiden osana, vaan ne voivat myös nopeuttaa ja tehostaa tuotekehitystä, kun yritykset voivat hyödyntää tarkasti rajattuihin tarkoituksiin räätälöityjä malleja omien prosessiensa optimointiin. 

"Meidän etumme on ketteryys: voimme tarttua nopeasti rajattuihin ongelmiin ja kehittää niihin täsmällisiä ratkaisuja, samalla kun suuret toimijat hyödyntävät omia merkittäviä resurssejaan toisenlaisissa haasteissa", Mähönen kertoo. "Kyllähän oravatkin voivat liikkua vikkelästi dinosaurusten joukossa – etenkin silloin, kun ne keksivät jotain uutta. Ja kun saamme hyviä tutkimustuloksia aikaan, ne herättävät kiinnostusta niin suurissa teknologiayrityksissä kuin teollisuudessa, joka etsii omiin prosesseihinsa sopivia tekoälyratkaisuja." 

Tekoäly on kestävän kehityksen uhka ja mahdollisuus 

Suurten kielimallien kouluttaminen on paitsi kallista, myös kuluttaa valtavan määrän luonnonvaroja. Lisäksi niissä piilee eettinen riski, sillä suurten yhtiöiden tekoälymallit toimivat osittain mustan laatikon tavoin: mallien päätöksenteon perusteet eivät aina ole läpinäkyviä. Matkan varrella se on saattanut oppia vääriä asioita vahingossa – tai ne ovat peräisin koulutusdatassa olevista vinoumista. Vinoumat on  voitu myös toteuttaa tarkoituksella. 

Sähkötekniikan korkeakoulun dekaani Jussi Ryynänen korostaa, että kehitettävien tekoälymallien on oltava läpinäkyviä ja ymmärrettäviä, jolloin niiden toimintaan voidaan myös luottaa. 

"Kun tiedämme, miten malli tekee päätökset, havaitut ongelmat voidaan löytää ja niistä voidaan kantaa vastuu", Ryynänen sanoo. 

Tulevaisuuden osaajia kasvattamassa

Koska alan veteraanit ovat eläköitymässä, Aalto-yliopistossa kasvatetaan kiireen vilkkaa tulevaisuuden osaajia vastaamaan kestävän kehityksen haasteisiin. Sähkötekniikan korkeakoulussa on jo pitkään ymmärretty, että laitteistot ja sovellukset – myös tekoäly – eivät ole vastakkaisia tai toisistaan irrallisia asioita. Korkeakoulussa onkin käynnistetty uusi, tulevaisuuden tarpeisiin vastaava Computer Engineering -kandidaattiohjelma, jossa opiskelijat tutustuvat molempiin osa-alueisiin samanaikaisesti ja toisiaan tukevina kokonaisuuksina.

"Tällä hetkellä laitevalmistajat ja ohjelmistokehittäjät toimivat usein erillään ja lopputuloksena syntyy energiasyöppöjä. Me teemme näitä rinnakkain ja tarkoituksenmukaisesti, jolloin molemmat voidaan optimoida energiatehokkaiksi", Ryynänen mainitsee.

Hänen mukaansa esimerkiksi jotkin pienempiä tekoälymalleja ongelmanratkaisussa hyödyntävät integroidut piirit tai tietojenkäsittelyarkkitehtuurit  voivat olla niin pieniä, että ne mahtuvat kannettaviin laitteisiin. Niinpä ne voivat toimia paikallisesti – ilman suuria datakeskuksia ja massiivista laskentatehoa – ja tekoälyn ennustettu energian käyttö saadaan kestävämmälle uralle.

"Computer Engineering -ohjelma ja tutkimus on suunniteltu vastaamaan teollisuuden ja yhteiskunnan todellisiin tarpeisiin: yhdistämme mikroelektroniikan, tietoliikenteen, puolijohdesuunnittelun ja ohjelmiston osaamisen yhdeksi kokonaisuudeksi. Näin koulutamme insinöörejä, jotka pystyvät kehittämään energiatehokkaita, älykkäitä ja kotimaisessa tuotannossa toteutettavia ratkaisuja – olipa kyse sitten reuna-AI:sta (edge-AI) 6G-verkoista, roboteista, älyhisseistä tai kestävistä IoT-järjestelmistä", Mähönen lisää.

Jussi Ryynänen korostaa, että tekoäly eri muodoissaan tulee olemaan mukana suuressa määrässä tulevaisuuden tuotteita, jolloin Suomen täytyy pysyä mukana kehityksessä. Aalto-yliopistossa halutaan varmistaa, että Suomi ei jää seuraamaan tekoälymurrosta sivusta, vaan rakentaa oman, kestäviin teknologioihin pohjautuvan kilpailuetunsa.  

"Kansainvälisesti skaalautuvat, tarkasti kohdennetut tekoälymallit voivat synnyttää kokonaan uusia kotimaisia innovaatio- ja vientiekosysteemejä, jotka vahvistavat Suomen teknologista omavaraisuutta ja kilpailukykyä", tutkijat painottavat.