Hyppää pääsisältöön

Akatemia rahoittaa tekoälymenetelmien ja hajautettujen järjestelmien turvallisuuden ja yksityisyyden tutkimusta

Julkaistu 19.11.2021
Tampereen yliopisto
Yliopiston lippu
Suomen Akatemian luonnontieteiden ja tekniikan tutkimuksen toimikunta on myöntänyt 8,5 miljoonan euron rahoituksen 14 hankkeelle ICT 2023 -tutkimus-, kehitys- ja innovaatio-ohjelman hauissa. Tampereen yliopistosta rahoitusta saivat professori Roope Raisamon ja yliopistonlehtori Antti Kuusiston ja tenure track -tutkija Bo Tanin johtamat hankkeet.

Haun teemoina olivat uudet tekoälymenetelmät sekä turvallisuus ja yksityisyys hajautetuissa järjestelmissä. Osahankehakemuksista hyväksyttiin rahoitettavaksi lähes 19 prosenttia.

Suomen Akatemian ja Business Finlandin yhdessä toteuttaman ICT 2023 -ohjelman kautta jaetaan rahoitusta myös kansainvälisissä yhteishauissa menestyneiden ICT-hankkeiden suomalaisosapuolille.

Selittävät tekoälytekniikat kolmiulotteisen kuvantamisdatan segmentoinnissa

Tietojenkäsittelyopin professori Roope Raisamon johtama hanke on nimeltään Selittävät tekoälytekniikat kolmiulotteisen kuvantamisdatan segmentoinnissa. Partnerina hankkeessa on professori Kimmo Kaski Aalto-yliopistosta.

XAIS-projektissa kehitetään vuorovaikutteisia lääketieteellisten kuvien segmentointimenetelmiä soveltaen selittäviä tekoälyjärjestelmiä ja XR-visualisointia, jotka yhdessä auttavat lääkäreitä kuvaperusteisessa diagnoosissa ja kliinisen hoidon suunnittelussa. Tavoitteena on yhdistää käyttäjän asiantuntijuus konkreettisemmin tekoälyn osaamiseen mahdollistamalla vuoropuhelun toimijoiden välillä.

Tekoälyjärjestelmä perustuu likimääräisen bayesilaisen syväoppimisen menetelmiin, jotka yhdistetään XR-visualisointiin ja XR-interaktioon tekoälyjärjestelmän tehtävän helpottamiseksi kuvien segmentoinnissa. XR-kehityksessä sovelletaan ihmiskeskeistä suunnittelua ja lääketieteellisten asiantuntijakäyttäjien kanssa tehtäviä kontrolloituja käyttäjätestejä.

Uudet menetelmät tekevät lääketieteellisten kuvien analyysimenetelmistä aiempaa tarkempia ja luotettavampia, mikä lisää lääketieteen asiantuntijoiden luottamusta segmentointituloksiin, säästää analyysiaikaa ja välttää kalliita virheitä.

Tekoälymenetelmien selittäminen loogisin menetelmin

Matematiikan yliopistonlehtori Antti Kuusiston johtama hanke on nimeltään Tekoälymenetelmien selittäminen loogisin menetelmin. Partnereina ovat tietojenkäsittelytieteen professori Tomi Janhunen Tampereen yliopistosta ja matemaattisen logiikan professori Juha Kontinen Helsingin yliopistosta.

Moderni tekoäly tuottaa tehokkaita systeemejä, joilla ihmisen päättelynopeus voidaan ohittaa moninkertaisesti. Tällaiset systeemit perustuvat laajalti moderniin koneoppimiseen. Ongelmana kuitenkin on, että nämä järjestelmät toimivat laajalti musta laatikko -periaatteella, eli saaduille tuloksille ei saada minkäänlaista syytä tai tulkintaa. Tämä rajaa mahdollisten käyttökohteiden ulkopuolelle esimerkiksi eettisiin tai muihin poikkeuksellisen tärkeisiin kysymyksiin liittyvät aihepiirit.

Projektissa etsitään logiikkapohjaisia metodeja, joiden avulla koneoppimiseen perustuvien mallien päätöksiä voidaan selittää. Lisäksi kehitetään uusia järjestelmiä, joiden puitteissa koneoppimisen tehokkuus voidaan yhdistää suoraan eriasteiseen selitettävyyteen. Selitykset ovat tässä projektissa kielellisiä, moderniin muodolliseen logiikkaan perustuvia kaavoja tai todistuksia.

Tietoturvallinen ja yksityisyyden säilyttävä terveydenseuranta kotiympäristössä hajautettua dataa ja tekoälyä hyödyntäen

Langattoman viestinnän tenure track -tutkija Bo Tan johtaa SPHERE-DNA –projektia partnereinaan elektroniikan ja tietoliikennetekniikan professori Jari Nurmi Tampereen yliopistosta ja apulaisprofessori Jani Boutellier Vaasan yliopistosta. Boutellierin alana on tekoäly teollisuuden tuotantojärjestelmissä.

SPHERE-DNA –projektin tavoite on parantaa asuinympäristössä käytettävien hajautettujen terveydenseurantajärjestelmien tietoturvaa ja yksityisyyden suojaa. Projekti hyödyntää paikallisen differentiaalisen yksityisyyden ja hajautetun oppimisen yhdistelmää (LDP-FL) suojaamaan arkaluontoista dataa vuodoilta. Projektissa käytetään myös reunalaskentaa raakadatan siirtojen välttämiseen.

SPHERE-DNA tukeutuu monimuotoiseen dataan havainnointivaiheessa, ja käyttää tekoälyä yksittäisten datalähteiden yhdistämiseen. Koneoppimisen ja approksimaatiolaskennan teknologioita kehitetään nopeuttamaan turvallisuuteen ja yksityisyyden suojaan liittyen reunalaskennan ja epävakaiden tietoverkkojen kontekstissa.

SPHERE-DNA nopeuttaa pitkäaikaisen terveysseurannan siirtymistä sairaalasta asuinympäristöihin, mikä edesauttaa sairauksien varhaista diagnosointia ja niihin puuttumista, ja ohjaa terveydenhuoltoa taloudellisesti kestävään suuntaan.

Suomen Akatemian tiedote 18.11.2021