Uutiset

Jukka Suomela tutkii tietokoneiden rajoja sekä tehokkuutta

Professori Jukka Suomela on teoreettisen tietojenkäsittelytieteen tutkija, joka työskentelee vaikeiden matemaattisten ongelmien kanssa. Suomelan tavoitteena on löytää tietokoneiden absoluuttiset rajat sekä mahdollisuudet.
Associate Professor Jukka Suomela smiling at camera, dressed in a red shirt against a red-brick wall at the Department of Computer Science
Professori Jukka Suomela johtaa hajautettujen algoritmien tutkimusryhmää Aalto-yliopiston tietotekniikan laitoksella. Kuva: Matti Ahlgren/Aalto-yliopisto

Tietokoneet ovat vieneet ihmiskunnan pidemmälle kuin niiden varhaiset kehittäjät olisivat voineet ikinä kuvitella. Tulevaisuudessa ne voivat kenties tuottaa vastauksia, joihin nykypäivän sukupolvet eivät osaa vielä edes keksiä kysymyksiä. Mitkä näiden ihmeellisten koneiden rajat ovat? Onko niitä? Entä miten saamme niistä maksimaalisen tehon irti?

Professori Jukka Suomela tutkii ryhmänsä kanssa näitä kysymyksiä Aalto-yliopiston tietotekniikan laitoksella. Eräässä tutkimusprojektissa ryhmän tavoite on automatisoida heidän oma työnsä. 

Juttelimme Suomelan kanssa tietokoneista, algoritmeista, vaikeista kysymyksistä ja suunnitelmasta automatisoida tieteen tekeminen.

Tietokoneet ovat vallanneet maailman. Miten olemme päätyneet tähän pisteeseen?

Älypuhelimet voivat nykyään tehdä asioita, joihin edes supertietokoneet eivät kyenneet vain muutama vuosikymmen sitten. Tämä johtuu edistyksestä kahdella rintamalla – laitteistossa sekä ohjelmistoissa. Laitteisto muuttuu nopeammaksi koko ajan – nykyään tietokoneet voivat tehdä tuhansia miljardeja laskutoimituksia sekunnissa. Tietotekniikan tutkijat kehittävät myös yhä nerokkaampia algoritmeja monenlaisten ongelmien ratkaisemiseksi. Uusien algoritmien ansiosta vanhemmatkin tietokoneet voivat nyt tehdä enemmän kuin koskaan ennen.

Tämä kehityksen yhdistelmä on tuonut DNA-sekvensoinnin, internetin hakukoneet, reaaliaikaisen 3D-grafiikan ja puheentunnistuksen tieteisfiktiosta osaksi meidän arkeamme.

Mitä tutkit?

Tutkin, mitä asioita voi laskea tehokkaasti. Tutkimukseni liittyy algoritmeihin, logiikkaan ja laskennan vaativuuteen. Yhteiskuntamme ovat vahvasti riippuvaisia nopeista tietokoneista ja tietoliikenneverkoista. Kaiken tämän perustana on selkeä ymmärrys siitä, mitä tietokoneilla voi tehdä tehokkaasti ja mitä ei. Ohjelmistoissa ja laitteistoissa on tiettyjä fundamentaalisia rajoitteita, joita ei arjessa välttämättä huomaa, mutta jotka vaikuttavat meihin nyt ja erityisesti tulevaisuudessa.

Laitteistoja rajoittavat fysiikan lait, kuten valonnopeus internetissä. Jos lähetät viestin Suomesta Uuteen-Seelantiin ja haluat vastauksen sille, tulee viestissä kestämään aina vähintään sata millisekuntia. Ohjelmistolla on myös omat rajoitteensa, mutta ne eivät seuraa fysiikasta, vaan laskennan matemaattisista laeista. 

Tutkimusryhmäni työskentelee näiden lakien kanssa, koska me haluamme ymmärtää kaikenlaisten tietokoneiden mahdollisuuksia sekä rajoituksia. Keskitymme pääasiassa tietojenkäsittelytieteen teoreettiseen puoleen sekä hajautettuun ja rinnakkaislaskentaan.

Rinnakkaislaskennalla viitataan siis tilanteeseen, jossa meillä on monta prosessoria työstämässä annettua ongelmaa. Tutkimme kysymyksiä, kuten mitä laskennallisia ongelmia voidaan ratkaista tehokkaasti rinnakkaisjärjestelmillä. Esimerkiksi jos yhdellä prosessorilla menee tuhat vuotta ratkaista ongelma, niin voimmeko ratkaista tuhannella prosessorilla ongelman vuodessa? 

Hajautettua laskentaa voi ajatella tietoverkkona, joka haluaa ratkaista jonkin ongelman yhdessä. Olemme tutkineet muun muassa ongelmaa, jossa haluamme värittää verkon siten, että kaikki naapurisolut ovat eri värisiä. Tämä on verrattavissa lennonjohtajana työskentelyyn ja sen varmistamiseen, että kaikilla ilma-aluksilla on tarpeeksi tilaa ja aikaa tietyssä ilmatilassa, eivätkä ne törmää toisiinsa. 

Mitä laskennan matemaattiset rajat ovat?

Tiedämme, että monet tehtävät ovat vanhoillekin tietokoneille helppoja, koska olemme kehittäneet tehokkaita algoritmeja ratkaisemaan niitä. Joidenkin tehtävien laskennallinen vaikeus on taas avoin kysymys – emme tiedä, onko niiden ratkaisemiseksi olemassa parempi algoritmi. 

Tiedämme myös, että monet tehtävät ovat laskennallisesti erittäin vaikeita. On matemaattinen fakta, että emme pysty ratkaisemaan näitä tehtäviä nopeasti tietokoneella, siitä riippumatta, minkälaisia ohjelmistoja käytämme.

Samalla, kun kehitämme tehokkaampia algoritmeja ongelmien ratkaisemiseksi, ymmärrämme tietokoneiden rajoja yhä paremmin. Aina on jotain, mitä tietokoneet eivät pysty tekemään. Eivät edes parhaimmat supertietokoneemme.

Mitä nämä erittäin vaikeat ongelmat ovat?

Monet niistä liittyvät omaan alaani eli tietojenkäsittelytieteeseen ja laskentaan. Algoritmien suunnittelu, tietokoneohjelmien kirjoittaminen ja näiden ohjelmien vianmääritys ovat kaikki haastavia tehtäviä ihmiselle. On huomattu, että ne ovat myös vaikeita tehtäviä tietokoneille. Esimerkiksi minun tutkimusryhmäni tutkii mahdollisuutta käyttää tietokoneita itse tietojenkäsittelytieteen tutkimuksessa. Yritämme siis käytännössä tehdä itsestämme työttömiä. 

On erittäin vaikeaa varmistaa, toimiiko annettu algoritmi oikein – matemaattisesti ottaen emme pysty kirjoittamaan tietokoneohjelmaa, joka ratkaisee tämän tehtävän aina. Parhaimmillaankin voimme toivoa sen onnistuvan vain joissakin tapauksissa. Tutkimusryhmämme tähtää kuitenkin pidemmälle – emme halua pelkästään varmistaa olemassa olevaa algoritmia, vaan pyrimme saada tietokoneet tuottamaan uusia algoritmeja automatisoidusti!

Tietokoneita on yritetty saada luomaan tietokoneohjelmia jo vuosikymmeniä, tällöin puhutaan algoritmisynteesistä. Vasta hiljattain tällaista synteesiä on onnistuttu tekemään ongelmissa, jotka ovat tieteellisesti mielekkäitä. Olemme yksiä harvoja tutkimusryhmiä, jotka ovat onnistuneet luomaan mielekkäitä algoritmisynteesejä hajautetun laskennan ja rinnakkaislaskennan aloilla.

ChatGPT:n kaltaisia generatiivisen tekoälyn työkaluja voi käyttää soveltamaan ja yhdistämään opetusdatassa esiintyviä, ennestään tunnettuja algoritmi-ideoita, mutta meidän työssämme on kyse jostain täysin muusta. Me pyydämme tietokoneita löytämään aivan uusia algoritmeja, ilman minkäänlaista opetusdataa.

Olemme esimerkiksi työstäneet algoritmeja, jotka synkronisoivat tietokoneiden kellot siten, että kaikki tietokoneet voivat sopia keskenään, että minkä askeleen ne ottavat. Tämä on helppoa, jos kaikki toimii täydellisesti – antaa vain yhden tietokoneen johtaa muita. Mutta entä jos haluamme saada tietokoneiden verkon sietämään virheitä? Jos johtava tietokone menee rikki, niin algoritmimme ei toimi ja se saattaa pahimmassa tapauksessa antaa väärää tietoa. Jos ihminen alkaa miettiä kaikkia mahdollisia vikatilanteita, menee tehtävä hyvin vaikeaksi hyvin nopeasti, puhumattakaan inhimillisen virheiden mahdollisuudesta. Toisaalta tällainen looginen päättely on tietokoneiden ominta alaa.

Miten kvanttilaskenta tulee vaikuttamaan klassiseen tietojenkäsittelyyn teoreetikon näkökulmasta?

Nykyään tutkijat käyttävät klassisia tietokoneita kvanttilaskennan perusteiden tutkimuksessa. Olisi erittäin kiinnostavaa nähdä se päivä, kun käytämme kvanttitietokoneita klassisen laskennan perusteiden tutkimiseen!

Jos ikinä onnistut tekemään itsesi työttömäksi tietojenkäsittelytieteen tutkijaksi automaation avulla, niin mitä aiot tehdä?

Käyn varmaan kävelyillä Laajalahdella ja nautin luonnosta. Tai no, totta puhuen tätä aion tehdä, vaikka en onnistuisikaan automatisoimaan koko tutkimusalaa.

Jos tietokoneet joskus korvaavat tietojenkäsittelytieteiden tutkijat, niin mihin tieteentekemisen inhimilliseen piirteeseen ne kyllästyvät ensimmäisenä?

Tämä on erittäin hyvä kysymys, koska nyt lähestytään asioita, jotka ovat täysin avoimia!

Voiko tietokone turhautua, ihan mistä tahansa syystä? Nykyään chatbotti voi varmasti esittää turhautunutta tai sanoa olevansa turhautunut. Mutta voimmeko todella rakentaa piisiruista jotain, joka pystyy aidosti tuntemaan samalla tavalla kuin ihminen? Kukaan ei tiedä. Toivon, että elän tarpeeksi pitkään ja ehdin nähdä edes jotain näitä asioita valottavaa tutkimusta vielä.

Mikäli haluat sukeltaa syvemmälle teoreettiseen tietojenkäsittelytieteeseen, tutustu Suomelan kaikille avoimiin nettikursseihin hajautetuista algoritmeista sekä rinnakkaislaskennasta. Tarkempaa tietoa Suomelan tutkimusryhmästä osoitteessa: https://research.cs.aalto.fi/da/

Mahine Learning researchers working at Department of Computer Science in Aalto University

Tietotekniikan laitos

Tietotekniikka yhdistää kaikkia aloja. Tietotekniikan laitoksella perustutkimus yhdistyy innovatiivisiin sovelluksiin.

Distributed Algortihms figure, image: Jukka Suomela / Aalto University

Distributed Algorithms

Research focuses on the foundations of distributed computing. The key research question is related to the concept of locality in the context large computer networks.

Department of Computer Science
Jukka Suomela Research Group

Aallon tutkijat palkittiin artikkelista, joka osoittaa, ettei pariutusongelmaa voi ratkaista nykyistä tehokkaammin

Mikä tahansa pariutusongelman ratkaiseva menetelmä on joko hidas tai johtaa väistämättä väärään ratkaisuun.

Uutiset

Jukka Suomela

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

The magnetic properties of a material can affect how it interacts with light.
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Tutkijoille läpimurto: Yksisuuntaisen lasin kehitys vihdoin mahdollista

Tutkijat kehittivät uuden metamateriaalin, joka voi toimia monenlaisten teknologisten innovaatioiden pohjana.
Mikko Alava ja kolme muuta tutkimusryhmän jäsentä kuvattuna teknisen laitteen äärellä.
Tutkimus ja taide Julkaistu:

Suomen Kulttuurirahastolta suuria apurahoja tieteelle

Apurahan tieteeseen tai taiteeseen sai 30 henkilöä tai ryhmää Aalto-yliopistosta.
Kuvitus puun istuttamisesta haudalle ja puun kasvusta
Palkinnot ja tunnustukset Julkaistu:

Lappset-stipendin sai maisema-arkkitehti Anu Hakola

Hakola käsittelee diplomityössään muistopuita ja niiden merkitystä osana vainajien muistelua.
Photo
Tutkimus ja taide Julkaistu:

Katsaus Aallon avoimiin julkaisuihin 2023

90 % Aallon vuoden 2023 tieteellisistä lehtiartikkeleista on avoimesti saatavilla.