AI löytää ja ehdottaa piirien rakenteeseen nopeasti ratkaisuja, joita ihmissuunnittelija ei välttämättä oivalla lainkaan. Ihmisen päätöksentekosyklit ovat usein liian hitaita, mutta aivojen on pysyttävä kärryillä, missä mennään.

Esimerkiksi miehittämättömät ilma- tai sukellusalukset eli droonit eivät tekniikaltaan enää ole jatkuvan kauko-ohjauksen määrittämiä. Olemme siirtymässä vanhoista pilviavusteisista drooneista älykkääseen tiedusteluun. Suomessa puolustus- ja kaksikäyttöteknologia saattaa vielä olla tabuluontoinen puheenaihe, mutta tekoälyn tuoma suuri muutos lentolaitekannan dynamiikassa, on nyt syytä sisäistää.

Droonien sulautettujen piirien tekoäly mahdollistaa paikallisen havainnoinnin, priorisoinnin ja oman päätöksenteon tuen - vielä kun ohjausyhteys heikkenee tai estyy kokonaan.

Uusi arkkitehtuuri

Monia vuosia vallinnut droonien ja liikkuvien robottien arkkitehtuuri perustui varsin rajoitettuun laitteiden sisäiseen laskentaan. Mallissa anturit tallensivat kuvia ja telemetriaa, jotka lähetetään tukiasemille, joissa analyysi tapahtui. Havainnoinnista, hahmontunnistuksesta ja päätöksenteosta vastasivat usein keskitetyt maajärjestelmät tai myöhemmin pilvipohjaiset alustat. Reunalaskennan ja tekoälykiihdyttimien viimeaikainen kehitys on muuttamassa tätä toimintayhtälöä perusteellisesti.

Kompaktit, sulautetut energiatehokkaat prosessorit voivat nyt suorittaa monimutkaisia neuroverkkoja suoraan liikkuvassa, sukeltavassa, lentävässä tai maata pitkin kiitävässä laitteessa. Reittisuunnittelua voidaan suorittaa paikallisesti reaaliajassa. Heikentyneistä paikannusyhteyksistä kärsivä ilmailuteollisuus vähentää riskejä kehittämällä korkeatasoista autonomiaa kriittisissä määritellyissä ja tehtäväsuoritteissa.

Suomessa puolustus- ja kaksikäyttöala puheena saattaa olla vielä sen verran arka, että tiedeyhteisö viihtyy siviilikäyttöisten innovaatioiden parissa. On selvää, että GPS on epäluotettava (etenkin Suomessa Venäjän takia). Sen varaan ei voida enää laskea juuri mitään kriittisen tärkeää.

Vanhan tekniikan rajat

Rajoitukset ja häirintä paljastavat sellaisten arkkitehtuurien rajat, jotka ovat riippuvaisia pysyvistä yhteyksistä operaattoreihin ja pilvipohjaiseen datan prosessointiin.

"Tämän seurauksena tekoälyä käytetään yhä enemmän suoraan drooneissa", sanoo professori Leo Kärkkäinen Itä-Suomen yliopistosta. Hän esittelee lentämään tarkoitetun laitteen piiriä.

”Samanlaisia on sukeltavissakin laitteissa.”

”Vaikka drooneilla voi olla useita käyttötarkoitusta, yliopistojen tutkimus keskittyy nyt vain rauhanajan tarpeisiin, kuten vedenalaisiin sähkökaapeleiden korjaustehtäviin kykenevään tekniikkaan”, Kärkkäinen sanoo.

Kärkkäisen sulautetun tekoälyn ryhmä kehittää sovelluksia useille elämänalueille – esimerkiksi terveydenhuoltoon, erilaisten syöpien tunnistamiseen verestä.

Valtava datamäärä omassa piirissä

Yksi tärkeä sektori on liikenne, sen automatisointi tekoälyn avulla sekä ennen näkemätön datan varastointi laitteiden omiin piiriyksiköihin.

Kärkkäinen korostaa, että tarvitsemme selkeitä esimerkkejä siitä, kuinka paljon laskentaa voidaan nyt hyödyntää paikallisesti.

Monet tekoälykiihdyttimet on suunniteltu ajamaan erittäin suuria malleja kokonaan offline-tilassa, ilman internet- tai pilviriippuvuutta. Pienikokoiset laitteet voivat toimia datakeskuksina ilman pilveä, tavalla, joka asettaa hehtaarimittakaavan datakeskukset uuden eteen. Professori Leon Chua on tuonut esiin Cellular Nonlinear Network -ajatusmallin (CNN).

Epälineaariset solukkoverkot haastavat perinteiset supertietokoneet rinnakkaislaskennassa. Tämä perustuu piiriteorian ja neuroverkkojen yhdistämiseen.

Sulautettujen piirien kehitysaika lyhenee

Mobiililaitteissa sulautetun älykkyyden mahdollistaa pienten, tehokkaiden tekoälykiihdyttimien ja konsolijärjestelmien synty.

Konsolijärjestelmät yhdistävät suorittimet, näytönohjaimet ja erilliset neuroprosessointiyksiköt tiiviisti integroituihin moduuleihin, jotka on optimoitu reunalla tapahtuvaan päättelyyn.

Nämä moduulit tukevat reaaliaikaista konenäköä, anturidatafuusiota ja edistynyttä analytiikkaa samalla, kun ne toimivat tiukkojen teho- ja painorajoitusten puitteissa.

Ohjelmistoekosysteemi, laaja dokumentaatio ja tuleva laaja laitteistoyhteensopivuus lyhentävät merkittävästi sulautettujen piirien kehitysaikaa.

AI-ekosysteemit tukevat robotiikan raaka suorituskykyä. Voimanlähde-esimerkkinä mainitaan Snapdragon 8 Elite Gen 5 –mobiilialusta sekä myös kolmatta sukupolvea edustava maailman nopein mobiilisuoritin Qualcomm Oryon. Käyttömuisti lasketaan jo teratavuina.

”Etuna on sekin, että mobiilisuorittimien laajat markkinat tekevät ne halvemmiksi kuin pienen volyymin erikoispiirit”, Kärkkäinen lisää.

Tärkeitä tutkimusalueita

Mobiilipiirisarjoista johdetut tekoälykiihdyttimet, aasialaisten toimittajien NPU:t ja kokeelliset kompaktit järjestelmät osoittavat, että sulautettu älykkyys ei enää rajoitu yhteen toimittajaan. Suunnittelijoille tällä monipuolistumisella on huimaavia näkymiä.

Laskennallisen teknillisen fysiikan apulaisprofessori Timo Lähivaara Itä-Suomen yliopistosta katsoo, että monenlaisia fysikaalisia malleja voidaan ratkaista tehokkailla laskennallisilla menetelmillä ja yhdistää tekoälyyn monimutkaisten järjestelmien analysoimiseksi. Mittauksissa hyödynnetään liikuteltavia seismisiä laitteita kuten geofoneja, joita voidaan sijoittaa tutkittaville pohjavesialueille.

Mallinnuksen avulla voidaan arvioida esimerkiksi arvokkaiden pohjavesien määrää sekä vesivarastojen fysikaalisia ominaisuuksia.

Pohjaveden arvioinnin lisäksi menetelmiä sovelletaan myös teollisiin mittaus- ja seurantajärjestelmiin kansainvälisten yhteistyökumppaneiden ja teollisuuden kanssa.

Kehitysohjelmat toimivat usein tiivistetyissä aikatauluissa. Itä-Suomen yliopiston resurssit ovat vielä varsin rajalliset kiireellisten operatiivisten tarpeiden mutta vielä myös rajoitettujen teknisten resurssien alaisena.

Tiedetään, että tilanne ei ole paljon parempi toisessa suomalaisessa huippuyksikössä Tampereen yliopistossa.

Yleisen ymmärryksen lisäämisen siitä, missä mennään, pitäisi auttaa asiaa.