Koneoppiminen voi olla aikamme nopeimmin kehittyvä ala, sanoo professori Alexandros Iosifidis

Mitä tutkit?

Tutkimusalani on koneoppiminen ja laskennallinen älykkyys. Kehitän ja analysoin algoritmeja, jotka auttavat tietokoneita oppimaan datasta luotettavasti ja tuottamaan siihen perustuvia merkityksellisiä päätelmiä. Olen kiinnostunut myös tilastollisen oppimisen ja syväoppimisen menetelmistä, joiden avulla koneet voivat oppia strukturoidusta eli rakenteisesta datasta, kuten aikasarjoista, graafeista ja multimodaalisista signaaleista. Tämän tutkimusalueen sovelluskohteita ovat muun muassa konenäkö, havainnointijärjestelmät ja talousennusteet.

Työni keskiössä ovat koneoppimisen häiriösietoisuus ja tehokkuus: miten voimme kehittää huipputehokkaita oppivia järjestelmiä, jotka toimivat luotettavasti myös epävarmoissa olosuhteissa, niukalla datalla ja muuttuvissa ympäristöissä? Perimmäinen tavoitteeni on kehittää älykkäitä järjestelmiä, joihin voidaan luottaa myös todellisissa käyttötilanteissa, ei vain ihanteellisissa laboratorio-olosuhteissa.

Miksi tutkimuksesi on tärkeää?

Tutkimukseni yhdistää teoreettisen koneoppimisen ja sen käytännön sovellukset todellisissa ympäristöissä. Monet koneoppimisen menetelmät toimivat hienosti kontrolloiduissa olosuhteissa, mutta niiden suorituskyky heikkenee nopeasti, jos data on sotkuista tai ympäristö muuttuu.

Työni tavoitteena on kuroa umpeen tätä teorian ja käytännön välistä kuilua kehittämällä koneoppimisjärjestelmiä, jotka ovat toimintavarmoja, tarkkoja, tehokkaita ja sopeutumiskykyisiä. Koneoppiminen kytkeytyy yhä tiiviimmin kriittisiin yhteiskunnallisiin järjestelmiin, joten näillä ominaisuuksilla on yhä suurempi merkitys luotettavan ja vastuullisen toiminnan kannalta.

Mistä saat inspiraatiota työhösi professorina? 

Minua inspiroivat erityisesti tosielämän ongelmat, jotka paljastavat nykyisten koneoppimismenetelmien heikkouksia. Ne laittavat pohtimaan vakiintuneita malleja ja oletuksia uusista näkökulmista.

Myös opettaminen ja tutkijoiden ohjaaminen ovat tärkeitä inspiraation lähteitä. Monimutkaisten käsitteiden selventäminen ja ideoiden kehittely nuorten tutkijoiden kanssa johtavat usein syvempiin oivalluksiin ja uusiin tutkimussuuntiin.

Mitä haluaisit tutkia seuraavaksi ja miksi?

Koneoppiminen on tekoälyn kulmakivi ja mahdollisesti aikamme nopeimmin kehittyvä ala. Tämä tekee tutkimuksesta sekä erittäin haastavaa että erittäin kiinnostavaa. Näin nopeasti muuttuvassa kentässä myös tutkimusteemat muuttuvat sitä mukaa, kun uusia haasteita ja sovellustarpeita nousee esiin.

Tällä hetkellä minua kiinnostaa erityisesti erittäin korkearesoluutioisten signaalien tehokas ja tarkka käsittely. Tämä on tärkeää, koska koneoppimisen kehitys on painottunut yhä suurempiin ja laskennallisesti raskaampiin malleihin. Tällaiset mallit voivat olla erittäin tarkkoja, mutta ne ovat usein epäkäytännöllisiä silloin, kun data on poikkeuksellisen korkearesoluutioista. Tämä herättää perustavanlaatuisia kysymyksiä representaatio-oppimisesta, tehokkuudesta rajallisilla resursseilla sekä koneoppimismallien tarkkuuden, monimutkaisuuden ja energiankulutuksen välisistä kompromisseista.

Mitä teet vapaa-ajallasi?

Vietän aikaa perheeni kanssa ja teen asioita, joiden parissa voin irrottautua ruuduista ja jatkuvasta informaatiotulvasta. Olen myös hiljattain aloittanut suomen kielen opiskelun – ja se onkin varsin haastavaa, etenkin akateemisen työn kuormittavuuden vuoksi.