David Hästbacka tutkii tekoälyä sisältäviä älykkäitä ohjelmistojärjestelmiä
Ohjelmistotekniikan apulaisprofessori David Hästbackalle tekoäly on tuttu työkaveri. Hästbacka tutkii ohjelmisto- ja järjestelmäarkkitehtuureja. Hän kehittää niiden avulla älykkäitä järjestelmiä sovelluksiin, joissa hyödynnetään runsaasti dataa ja tekoälyä.
Käytännössä Hästbacka soveltaa tutkimustaan esimerkiksi erilaisiin tuotantoympäristöihin, autonomisiin koneisiin ja sähköenergiajärjestelmiin.
– Yhteistä näille kaikille aloille on tiukat vaatimukset: järjestelmien pitää olla luotettavia, tietoturvallisia ja resilienttejä, Hästbacka sanoo.
Hästbackan tutkimusryhmä on keskittynyt erityisesti siihen, miten tekoälyä sisältäviä älykkäitä järjestelmiä tulisi suunnitella ja rakentaa. Yhtenä näkökulmana on tekoälytoimintojen kehittäminen.
– Kun data lisääntyy, tekoälymalleja voidaan parantaa jatkuvasti, hän sanoo.
Yliopiston oma AI-klusteri auttaa raskaiden tekoälymallien tutkimisessa
Hästbackan ryhmän työssä omassa hallinnassa oleva tutkimusinfrastruktuuri on välttämätön.
– Kun tutkimme järjestelmäkokonaisuuksia ja arvioimme esimerkiksi suorituskykyä, tietoliikenteen viiveitä ja energiankulutusta, pyrimme minimoimaan näihin vaikuttavat ulkoiset tekijät. Kun meillä on kontrolli alustasta ja infrastruktuurista, muuttujia ei tule väliin, Hästbacka kertoo.
Hästbacka on ollut mukana tuomassa Tampereen yliopiston omaa AI-klusteria (AIC) laskennallisen tieteen tutkimusinfrastruktuurin (TCSC) alle. AI-klusteri on Tampereen yliopiston tutkijoiden käytettävissä, ja se soveltuu erityisen hyvin tekoälymallien testaamiseen ja ajamiseen.
Hästbacka kertoo, että hänen ryhmänsä hyödyntää klusteria etenkin raskaiden tekoälymallien tutkimiseen.
– Esimerkiksi silloin, kun käytämme sensitiivistä dataa, yliopiston keskitetty palvelu on hyvä täydentävä komponentti julkisen pilvipalvelun tai CSC:n rinnalle, hän sanoo.
Lisäksi ryhmällä on myös omia palvelimia, reunalaskentalaitteita, IoT-laitteita ja tietoliikenneverkkoja, joiden avulla erilaisia järjestelmiä ja alustaratkaisuja voidaan tutkia paikallisesti.
– Dataa syntyy paikallisesti, ja yhä enemmän myös tuloksia hyödynnetään paikallisesti. Tutkimme, miten voisimme valjastaa dataa ja tekoälyä enemmän paikallisesti suoritettavaksi, Hästbacka kertoo.
Tekoälyn aikakaudella datan luotettavuus korostuu
Tekoälyn nopea kehitys paitsi edistää tutkimusta, myös haastaa sitä monin tavoin. Hästbacka kertoo, että hänen tutkimuksessaan eettisten kysymysten keskiössä on datan ja mallien luotettavuus.
– Perustuuko tekoälymme sellaiseen dataan, joka on luotettavaa? Entä vastaako se kontekstia, jossa aiomme sitä hyödyntää? Hästbacka kertoo esimerkkejä.
Myös tietotekniset käytännöt, kuten datan käyttöoikeudet, ovat alan tutkijoille tärkeitä aiheita.
Hästbacka kertoo, että laajemmin tekoälymalleissa puhututtaa myös läpinäkyvyys.
– Pitäisi saada näkyvyyttä siihen, minkälaiseen dataan ja aineistoihin mallit perustuvat, Hästbacka sanoo.
Viime aikoina esille on noussut myös keskustelu tekoälyn uhkakuvista. Hästbacka sanoo, että uhkakuviin on suhtauduttava vakavasti.
– Tekoälyn ja datan käyttämiseen tarvitaan sääntelyä, mutta siten, että se ei ole jarruna Euroopan innovaatioille ja kilpailukyvylle, hän kertoo.
AI muutti ohjelmistotekniikan alan painopistettä
Tekoäly on muuttanut ohjelmistotekniikan alaa vauhdilla.
– Jos ennen hallittiin vain ohjelmistoa, nyt hallitaan myös dataa ja tekoälymalleja, joita ohjelmistot pitävät sisällään, Hästbacka sanoo.
Hästbacka kertoo, että ohjelmistotekniikan ala on ollut tekoälymurroksen eturintamassa koko ajan. Hän sanoo, että moni alan osa-alue on muuttunut paljon.
– Koodaaminen on vähentynyt ja korvautunut generatiivisilla tekoälytyökaluilla. Sen seurauksena ohjelmistokehityksen painopiste on siirtynyt ohjelmistosuunnittelun ylemmille abstraktiotasoille. Muutos on lisännyt muun muassa määrittelyn, arkkitehtuurin ja laadunvarmistuksen merkitystä, Hästbacka sanoo.
Tutustu David Hästbackan tutkimukseen videolta.
Lue lisää Tampereen yliopiston ohjelmistotuotannon tutkimuskeskuksesta.
