Reunalaskennalla voidaan täydentää ja tehostaa esimerkiksi teollisuuden pilvipalveluratkaisuja ja anturiverkkoratkaisuja. Kun mukaan tuodaan tekoäly- ja koneoppimismenetelmät samalla vaateet laadukkaista yhteyksistä korostuvat. Lisää aiheesta voit lukea Oulun yliopistossa perjantaina 12.11.2021 tarkastettavasta väitöskirjatyöstä.

Oulun yliopiston tutkija, filosofian maisteri Lauri Lovén väitöstyön aihe on uusi tieteenala, jossa tutkitaan, kuinka reunalaskenta sekä tekoäly- ja koneoppimismenetelmät voidaan yhdistää.  Hyötyjä ja sovellusalueita löytyy virtuaalitodellisuudesta (VR) ja täydennetystä todellisuudesta (AR) sekä muista paljon laskentaa ja lyhyttä viivettä vaativista toteutuksista esimerkiksi lääketieteellisistä etäleikkauksista ainaisojen liikennevirtojen ennustamiseen.

Siinä missä pilvilaskenta perustuu kaukaisiin datakeskuksiin, ottaa reunalaskenta huomioon myös laskentaresurssit matkalla paikallisista laitteista pilveen. Reunalaskennan resurssit ovat ominaisuuksiltaan kirjavia: niiden kapasiteetit saattavat olla hyvin erilaisia, niiden yhteydet saattavat katkeilla ja ne saattavat olla saatavilla satunnaisesti. Kun reunalla ollaan niin eri laitteiden tarjoamat laskentaresurssit vaihtelevat voimakkaasti.

Nykyaikaisia tekoäly- ja koneoppimismenetelmiä käytetään tavallisesti pilvipalveluissa ja niiden oletus on, että laskentakapasiteetti on tasalaatuisesti koko ajan saatavilla. Resurssien keskittämisessä pilvipalveluihin on kuitenkin ongelmansa. Latenssit eli tiedonsiirtoviiveet kaukaisiin tietokonekeskuksiin voivat olla pitkiä, tietoliikenneverkot saattavat tukkeutua edestakaisen liikenteen tuomasta kuormasta.

’’Haasteita ratkomaan on kehitetty reunalaskenta, jossa laskenta hajautetaan eli ei käytetä ainoastaan pilvipalveluita vaan myös paikallisia laitteita sekä reitittimien ja tukiasemien yhteydessä tarjolla olevia laskentaresursseja matkalla laitteista pilveen. Tällöin vasteajat lyhenevät, laskentaresurssien käyttö tehostuu, ja yksityisyyden suoja paranee’’, kertoo alueesta väittelevä filosofian maisteri Lauri Lovén.

Hänen mukaansa tekoälymenetelmiä täytyy siis muokata ja kehittää edelleen, että ne toimisivat myös reunalaskennan yhteydessä hajautettuna moneen pieneen tekoälykomponenttiin, jotka pyrkivät yhteistyöhön yhden suuren, monoliittisen älyn sijaan.

Tätä tutkimusalaa kutsutaan Lovénin mukaan nimellä reunalaskennan tekoäly, edge AI tai edge intelligence. Hänen väitöstutkimuksen sovellukset liittyvät reunalaskennan infrastruktuurin rakentamiseen ja massiivisiin, liikkuviin anturiverkkoihin, joilla voidaan esimerkiksi mitata ja ennustaa säätä tai liikennevirtoja.

Lisää: Spatial Dependency in Edge-native Artificial Intelligence – väitöskirja (LINKKI, pdf, 1Mt). Väitöstilaisuus myös verkon kautta perjantaina 12.11.2021 klo 12.00 (LINKKI).

Kuvituskuva: Shutterstock