Tieteisfiktiosta totta: valon nopeudella toimiva tekoäly osoitettiin mahdolliseksi
Tensorilaskentana tunnettu aritmetiikan ala toimii lähes kaikkien nykyaikaisten teknologioiden ja erityisesti tekoälyn selkärankana, mutta sen toiminnallisuus ulottuu kauas matematiikan lyhyen oppimäärän ulkopuolelle: ajattele vaikkapa mitä kaikkea tarvitaan Rubikin kuution pyörittämiseen, kiertämiseen ja uudelleenjärjestelyyn eri ulottuvuuksissa. Siinä missä ihmiset ja perinteiset tietokoneet suorittavat nämä operaatiot kohta kohdalta, valo voi tehdä ne kaikki kerralla.
Nykyisin kaikki tekoälyn toiminnallisuudet aina kuvantunnistuksesta kielen käsittelyyn perustuvat tensorilaskentoihin. Datan räjähdysmäinen kasvu on kuitenkin työntänyt grafiikkasuorittimien (GPU) kaltaiset perinteiset digitaaliset laskentajärjestelmät äärirajoilleen niin nopeuden, skaalautuvuuden kuin energiankulutuksenkin suhteen.
Aalto-yliopiston tutkijatohtori Yufeng Zhangin johtama kansainvälinen tutkijaryhmä on nyt tarttunut tähän ajankohtaiseen ongelmaan. Tutkijat onnistuivat löytämään uuden menetelmän, joka pystyy suorittamaan monimutkaisia tensorilaskentoja käyttämällä yhtä valon etenemissuuntaa. Tuloksena syntyi valon nopeudella saavutettu, kertaluontoinen tensorilaskenta.
"Menetelmämme suorittaa samankaltaisia laskentoja kuin nykyiset grafiikkasuorittimet, kuten konvoluutioita ja huomiokerroksia – mutta tekee sen valon nopeudella. Elektronisten piirien sijaan käytämme valon fysikaalisia ominaisuuksia useiden laskutoimitusten suorittamiseen samanaikaisesti", Zhang kertoo.
Tämän saavuttamiseksi tutkijat ohjelmoivat digitaalista dataa valon värähdyslaajuuksiin ja -vaiheisiin, jolloin luvut muuttuivat optisen kentän fysikaalisiksi ominaisuuksiksi. Kun nämä valokentät vuorovaikuttavat ja yhdistyvät, ne toteuttavat luonnostaan matemaattisia operaatioita, kuten matriisi- ja tensorikertolaskuja, jotka taas muodostavat syväoppimisalgoritmien ytimen. Käyttämällä useita valon aallonpituuksia, tutkimusryhmä pystyi laajentamaan tätä lähestymistapaa käsittelemään vielä korkea-asteisempia tensorioperaatioita.
"Kuvittele olevasi tullivirkailija, jonka täytyy tarkastaa jokainen paketti useilla eri toimintoja tekevillä laitteilla ja sitten lajitella ne oikeisiin lokeroihin, normaalisti yksi paketti kerrallaan. Optinen laskentamenetelmämme yhdistää kaikki paketit ja laittaa ne samalla kerralla kaikkien eri koneiden läpi. Olemme luoneet 'optisia koukkuja', jotka yhdistävät jokaisen sisääntulon oikeaan ulostuloon: tällöin kaikki paketit tarkastetaan ja lajitellaan välittömästi ja samanaikaisesti", Zhang selittää.
Tehokkuuden lisäksi tämän menetelmän keskeinen etu on tutkijoiden mukaan sen yksinkertaisuus. Optiset toiminnot tapahtuvat passiivisesti valon edetessä, jolloin laskennan aikana ei ole tarvetta aktiiviselle ohjaukselle tai elektronisille kytkennöille.
Aalto-yliopiston fotoniikkaryhmän johtajan, professori Zhipei Sunin mukaan lähestymistapaa voidaan toteuttaa lähes millä tahansa optisella alustalla.
"Tulevaisuudessa integroimme tämän laskentakehyksen suoraan fotonisiin piireihin, jolloin valoon pohjaavat prosessorit voivat suorittaa monimutkaisia tekoälytehtäviä erittäin pienellä virrankulutuksella", Sun sanoo.
Zhangin mukaan tavoitteena on ottaa menetelmä käyttöön suuryritysten jo olemassa olevilla laitteistoalustoilla. Hän asettaa varovaisen arvion, että integraatio voisi tapahtua 3–5 vuoden sisällä.
"Näin syntyy uusi sukupolvi optisia laskentajärjestelmiä, joiden käyttö nopeuttaa huomattavasti monimutkaisten tekoälytehtävien toteuttamista lukuisilla eri aloilla", hän sanoo.
Tutkimus on julkaistu 14. marraskuuta.
Lue lisää uutisia
TAIMI-hanke rakentaa tasa-arvoista työelämää – kuusivuotinen konsortiohanke etsii ratkaisuja rekrytoinnin ja osaamisen haasteisiin
Tekoäly muuttaa osaamistarpeita, väestö ikääntyy ja työvoimapula syvenee. Samalla kansainvälisten osaajien potentiaali jää Suomessa usein hyödyntämättä. Näihin työelämän haasteisiin vastaa Strategisen tutkimuksen neuvoston rahoittama kuusivuotinen TAIMI-hanke, jota toteuttaa laaja konsortio.
Unite! Seed Fund 2026: Hakukierros avautuu 20. tammikuuta 2026
Tutustu ennakkoon Unite! Seed Fund 2026 -hakukierrokseen. Haku sisältää kolme rahoituslinjaa: opiskelijatoiminta, opetus ja oppiminen sekä tutkimus ja tohtorikoulutus.
Deepika Yadav hyödyntää teknologiaa naisten terveyden parantamiseksi
Deepika Yadav aloitti äskettäin apulaisprofessorina Aalto-yliopiston tietotekniikan laitoksella. Hän erikoistuu ihmisen ja tietokoneen väliseen vuorovaikutukseen (HCI) sekä vuorovaikutussuunnitteluun terveyden ja hyvinvoinnin alalla.