Uutiset

Tekoälyn suomalainen pioneeri teki tiedettä unissaankin

Teuvo Kohonen loi 1980-luvulla tekoälytutkimuksen tärkeän merkkipaalun: itseorganisoituvan kartan. Intohimoinen tutkija vaati työlle omistautumista ja julkaisi oppikirjan vielä 80-vuotiaana.
Mustavalkoisessa arkistokuvassa Teuvo Kohonen istuu vanhanaikaisen tietokoneen äärellä.
Arkistokuva Teuvo Kohosesta työskentelemässä Teknillisessä korkeakoulussa. Kuva: Aalto-yliopiston arkisto.

Tekoälysovellukset ovat muuttuneet osaksi jokapäiväistä elämäämme myös Suomessa. Tekoälyratkaisuja käytetään niin asiakaspalvelussa, markkinoinnissa, lääketieteellisessä tutkimuksessa kuin teollisuuden prosesseissa.

Jokainen tekoälyn edistysaskel vaatii taakseen laajan tutkimuskentän.

Suomella on etunaan parempien tekoälyjen rakentamisessa vahvan nykytutkimuksen lisäksi myös poikkeuksellinen historia.

Yksi maailman tärkeistä tekoälyn pioneereista oli nimittäin Teknillisessä korkeakoulussa työskennellyt professori Teuvo Kohonen (1934–2021).

Kaksiulotteiseksi kartaksi

Tieteellinen Biological Cybernetics -lehti mullisti suomalaisen tiedehistorian tammikuussa 1982. Itseohjautuvien järjestelmien tutkimukseen keskittyneen lehden sivuille oli painettu suomalaisprofessori Kohosen teksti Self-Organized Formation of Topologically Correct Feature Maps.

Kohonen kuvaili kirjoituksessaan uudenlaista menetelmää, jolla voidaan järjestää monimutkaista aineistoa kaksiulotteiseksi kartaksi siten, että samanlaisia piirteitä sisältävät aineistot järjestäytyvät toistensa lähelle. Aineiston sisältämät yhtäläisyydet ja erot näkyvät etäisyyksinä kartan pisteiden välillä.

Kohonen kutsui algoritmiaan itseorganisoituvaksi kartaksi (self-organising map, SOM). Kohosen 11-sivuisesta tekstistä kasvoi yksi aikakautensa merkittävimmistä ja lainatuimmista suomalaistutkimuksista.

Kohosen oppilas ja hänen tutkimusryhmässään työskennellyt tietojenkäsittelytekniikan emeritusprofessori Erkki Oja määrittelee Kohosen kartan suureksi keksinnöksi, joka avasi yhden keskeisen alueen neurolaskennan monista tutkimussuunnista.

”Se on nykyisin tyypillinen esimerkki ohjaamattoman oppimisen tutkimuksesta”, Oja sanoo.

Kuvaesimerkki muodostuu vierekkäisistä kuusikulmioista, joihin on merkitty kolmikirjaimiset valtioiden nimien tunnukset ja ne on värikoodattu valtioiden taloudellisen tilanteen mukaisesti. Vauraimmat valtiot on merkitty keltaisella, köyhimmät sinisen ja violetin sävyillä.
Itseorganisoituva kartta on ryhmitellyt valtiot Maailmanpankin 1992 tietojen pohjalta. Samanlaisia hyvinvointiin ja köyhyyteen vaikuttavia indikaattoreita jakavat valtiot sijoittuvat lähelle toisiaan. Lähde: Samuel Kaski ja Teuvo Kohonen, 1996.
Maailmankartan valtiot on värikoodattu niiden taloudellisen tilanteen mukaan. Esimerkiksi Pohjois-Amerikka ja Pohjois-Eurooppa näkyvät keltaisina, mutta Afrikan valtiot violetin sävyisinä.
Vuoden 1992 tietojen pohjalta laadittu maailman "köyhyyskartta". Lähde: Samuel Kaski ja Teuvo Kohonen 1996.

Inspiraatiota ihmisaivoista

Kun Kohonen kirjoitti Biological Cybernetics -lehden tekstinsä, tutkijoiden näkemykset ajatteluprosessien mallintamisesta tietokoneella olivat jakautuneet kahteen keskenään kiistelevään leiriin.

Niin sanotun klassisen, symbolisen tekoälyn edustajat uskoivat, että mielen toimintaa voitaisiin mallintaa parhaiten käyttämällä järjestelmälle luotuja loogisia sääntöjä ja suhteita.

Kohosen edustamassa neurolaskennassa puolestaan katsottiin, että ongelmaa kannattaisi lähestyä neuroneiksi kutsuttujen laskentayksiköiden yhteistoiminnalla.

Ihmisaivojen tiedonkäsittelystä inspiroitunut Kohonen pohti Ojan mukaan ensin ihmisen muistia muistuttavan assosiaatiomuistin teoriaa, jolla viitataan kykyyn tunnistaa haettu tietojoukko osiensa avulla. Pian Kohonen löysi kuitenkin toimivamman suunnan hahmontunnistukseksi kutsutusta luokittelusta.

”Kohonen huomasi, ettei muisti toimi samalla tavalla kuin tietokone. Se on mahdoton ajatus ihan jo tietokoneen tekniikan takia”, Oja sanoo.

Samuel Kaski

”Suomessa on nyt erittäin merkittävää tekoälytutkimusta myös maailman mittakaavassa.”

FCAI-tekoälykeskuksen johtaja Samuel Kaski

Aidoilla aineistoilla

Itseorganisoituvan kartan lähtökohtana on järjestelmälle numeerisessa muodossa syötetty datajoukko. Keinotekoiset neuronit oppivat algoritmin toistamisen myötä luokittelemaan syötteen sisältämiä ominaisuuksia itsenäisesti ilman, että oikeaa vastausta tunnettaisiin ennalta.

Oja muistaa Kohosen korostaneen sitä, että algoritmeja kannatti testata mahdollisimman realistisesti, aidoilla aineistoilla. Ensimmäiset itseorganisoituvan kartan käytännön sovellukset koskivat puheentunnistusta. Syötteinä käytettiin puheesta tallennettuja, noin kymmenen millisekunnin pituisia äänispektrejä.

Kohosen johtamassa TKK:n Neuroverkkojen tutkimusyksikössä kehitettiin myös itseorganisoituvaa kartan ajatusta hyödyntänyt, digitaalisen tekstitiedon järjestelyyn ja tiedonhakuun tarkoitettu WebSom-menetelmä. Se loi tekstiaineistosta visuaalisen esityksen, jossa sisällöllisesti toisiaan muistuttavat tekstit hakeutuivat toistensa lähelle.

”WebSom vaikutti paljon Kohosen tunnetuksi tulemiseen. Se oli yksi ensimmäisistä todella suurista neuroverkkosovelluksista.”

Vakavaa työtä

Itseorganisoituvaan karttaan kertyi ajan myötä tuhansia tutkimusviitteitä ja suuri valikoima myös käytännön käyttökohteita. Kohosen keksintöä sovellettiin laajojen datamassojen analysointiin kemiasta kommunikaatiotekniikkaan ja lääketieteestä aina prosessiteollisuuteen asti.

Kohonen oivalsi Ojan mukaan jo varhain, että datan määrä maailmassa tulisi kasvamaan räjähdysmäisen nopeasti. Vielä 1980-luvun alussa se oli tietojenkäsittelyssä uusi ajatus.

”Neuroverkot ovat suosittuja juuri siksi, että niiden avulla voidaan käsitellä valtavia datajoukkoja.”

Oja muistaa Kohosen paitsi loisteliaana tutkijana myös erittäin vaativana henkilönä, joka suhtautui tieteelliseen työhön äärimmäisen vakavasti. Lähtökohtana oli se, että tutkimusongelman on pysyttävä aina mielessä.

”Jos teet tieteellistä työtä, Kohonen korosti, niin tee sitä tosissasi. Mieti sitä aamusta iltaan ja nukkuessasikin”, Oja sanoo.

Kohonen toteutti periaatteitaan myös itse. Viimeisimmän oppikirjansa Kohonen julkaisi vuonna 2014, jolloin hän täytti 80 vuotta. Tieteellisen ja teknisen laskennan tehtäviin suunnitellulla matlab-kielellä kirjoitettuja esimerkkejä vilissyt kirja käsitteli itseorganisoituvan kartan käyttöä Matlab-laskentaohjelmassa.

Jälki tuntuu yhä

Syväoppivat neuroverkot ja muut tekoälymenetelmät ohittivat Kohosen kartan tutkimuskohteena vuosituhannen vaihteen jälkeen. Itseorganisoituvaa karttaa näkee silti satunnaisesti vieläkin eri alojen tutkimuksissa datan organisoinnin ja visualisoinnin työkaluna.

Kohosen jättämä jälki tuntuu edelleen myös kotimaisessa tiedemaailmassa, sanoo itseorganisoituvaa karttaa väitöskirjassaan tutkinut professori ja Suomen tekoälykeskuksen FCAI:n johtajana työskentelevä Samuel Kaski.

Kaski luonnehtii Kohosta ennen kaikkea omaan näkemykseensä vankasti luottaneeksi tieteen uudistajaksi. Samalla Kohonen antoi esimerkin siitä, että Suomesta voi kasvaa uraauurtavaa tutkimusta myös tekoälyn saralla.

”Juuri tämä oli itselleni houkuttelevaa. Halusin sellaisen ihmisen oppilaaksi, joka tekee pioneerityötä”, Kaski sanoo.

Jälkeenpäin arvioituna Kohosen onnistuminen vaikutti osaltaan myös tekoälyn vankkaan rooliin suomalaisten korkeakoulujen tutkimuskohteena.

”Suomessa on nyt erittäin merkittävää tekoälytutkimusta myös maailman mittakaavassa.”

Teuvo Kohonen, kuva: Lasse Lecklin
Kuva: Lasse Lecklin / Aalto-yliopiston arkisto.

Akateemikko Teuvo Kohonen

Tieteen akateemikko, tekniikan tohtori Teuvo Kohonen (1934–2021) teki uraauurtavaa työtä tietotekniikan tutkimuksen ja koulutuksen parissa. Kohonen kuuluu kansainvälisesti tunnetuimpiin neuroverkkojen tutkijoihin. Akateemikon arvonimen hän sai vuonna 2000.

Teksti: Panu Räty

Artikkeli on julkaistu Aalto University Magazinen numerossa 30 (issuu.com), huhtikuussa 2022.

Lue muita Aalto University Magazinen juttuja

Kohonen

Teuvo Kohonen in memoriam

Akateemikko Teuvo Kohonen (1934–2021) on kuollut. Kohosen työ neuroverkkojen parissa nosti suomalaisen tekoälytutkimuksen kertaheitolla maailmankartalle.

Uutiset
Tienraivaaja Breaking Ground näyttelyn mainos

Tienraivaajat – 8 tutkimuspolkua parempaan maailmaan

Tienraivaajat-näyttely vie sinut pitkäjänteisen tutkimustyön kiehtoville ja mutkikkaille poluille, joita ilman moni ihmiselle, ympäristölle ja yhteiskunnalle tärkeä ratkaisu jäisi löytymättä.

Tapahtumat
  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

A boy jumping on a mixed reality trampoline in Superpark
Aalto Magazine Julkaistu:

Liikkeelle kuin leikkien - digitaaliset pelit motivoivat liikkumaan

Trampoliinit ja kiipeilyseinät voivat koukuttaa käyttäjänsä uudella tavalla, kun niihin yhdistetään digitaalisia kikkoja.
Suureen kaarevaan telineeseen on kiinnitetty kamera, jossa on pitkä objektiivi. Se on kohdistettu keskellä olevaan tasoon, jossa on keltainen keraaminen esine. Pöytätason vieressä on suuri valaisin ja valkokangas sen edessä. Pöydän takana punaiseen t-paitaan pukeutunut henkilö säätää laitteistoa.
Aalto Magazine Julkaistu:

Valokuvausrobotti nostaa arkistokappaleet uuteen ulottuvuuteen

Miten siirtää keraaminen esine kolmiulotteisesti tietokoneen näytölle? Kuvaamalla se yltympäriinsä 360 asteen kulmassa ja digitoimalla muodot talteen. Työ onnistuu valokuvausrobotilla, joka raksuttaa Aalto-yliopiston uudessa Space 21 -tilassa.
Jussi Impiön valokuvaan on liitetty piirrokuvitettu elementti: hänen käsiensä välissä on korkea pinkka papereita.
Aalto Magazine Julkaistu:

Oho: Olipas haluttu pesti!

Jussi Impiö aloitti kesällä 2021 Aalto-yliopiston kestävän kehityksen toimintojen johdossa. Mutta vuonna 2009 hän setvi työmarkkinoita Afrikassa.
Piirroskuvassa on mustalla pohjalla vihreäsävyisiä sormia, jotka koskettelevat lampaanvillasäikeitä.
Aalto Magazine Julkaistu:

Mitä hyötyä on lampaanvillan tunnustelemisesta tai käsien työntämisestä saveen?

Digitalisoituneessa maailmassa miltei kaiken voi tehdä koneen avulla. Materiaalia kannattaa kuitenkin koskettaa, se voi avata uusia ulottuvuuksia ajattelulle.