Reunalaskenta täydentää ja tehostaa pilvilaskentaa. 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. Nykyaikaisia tekoäly- ja koneoppimismenetelmiä käytetään tavallisesti pilvipalveluissa ja niiden oletus on, että laskentakapasiteetti on tasalaatuisesti koko ajan saatavilla. Haasteitahan siitä seuraa.

-Tietotekniikassa on kaksi keskeistä, näennäisesti ristiriitaista taustavoimaa, jotka vaikuttavat laskenta-arkkitehtuurien kehitykseen. Ensimmäinen on pyrkimys keskittämiseen: toiminnot halutaan keskittää, jotta ylläpito ja kehitys olisi helpompaa ja kustannukset siten matalammat. Toinen on pyrkimys hajauttamiseen: järjestelmien luotettavuus, tietoturva ja resurssien käyttö parantuvat, jos niitä ei ole koottu yhteen paikkaan, tutkija Lauri Lovén Oulun yliopiston Jokapaikan tietotekniikka-tutkimusyksiköstä kertoo.

Pilvipalvelut ovat esimerkki keskittämisestä. Laskenta kootaan suuriin tietokonekeskuksiin, jotka myyvät laskentapalveluita. Konsepti on ollut erittäin menestyksekäs. Resurssien keskittämisessä pilvipalveluihin on kuitenkin ongelmansa. Latenssit eli tiedonsiirtoviiveet kaukaisiin tietokonekeskuksiin voivat olla pitkiä, tietoliikenneverkot saattavat tukkeutuaedestakaisen liikenteen tuomasta kuormasta.

-Myös yksityisyyden suoja voi vaarantua, kun henkilökohtaista dataa kuljetetaan verkkojen yli keskitettyihin järjestelmiin. 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, Lovén havainnollistaa reunalaskennan merkitystä.

Ongelmatonta ei tietysti ole tämäkään. Kun reunalla ollaan niin eri laitteiden tarjoamat laskentaresurssit vaihtelevat voimakkaasti.

-Tekoälysovelluksissa on erityisen suuria haasteita, koska pääosa niistä olettaa, että niitä käytetään pilviympäristöissä, jolloin laskentaresurssit ja data ovat tasaisesti aina saatavilla. 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 nimellä reunalaskennan tekoäly, edge AI tai edge intelligence, ja väitöskirjani keskittyy nimenomaan siihen, Loven sanoo.

Lauri Lovén on väitöksessään kehittänyt uutta. Aihe on vaikea mutta sen sisältämät asiat kuitenkin koskettavat meitä kaikkia yhä kiivaammin digitalisoitumiseen pohjautuvassa maailmassa. Kuka tästä väitöstutkimuksesta hyötyy?

-Tuloksia hyödyntäviä ryhmiä on kolme. Reunalaskennan palveluntarjoajat voivat käyttää väitöskirjassa esiteltyä uutta reunalaskennan palvelimien sijoittelumenetelmää. IoT-anturiverkkojen rakentajat voivat käyttää uutta reunalaskennan tekoälyyn perustuvaa hajautettua analyysimenetelmää. Tutkijat, jotka kehittävät tekoälysovelluksia, voivat käyttää väitöstyössä kehittämäämme uutta klusterointimenetelmää.

Väitöstutkimuksessa sovellukset liittyvät reunalaskennan infrastruktuurin rakentamiseen ja massiivisiin, liikkuviin anturiverkkoihin, joilla voidaan esimerkiksi mitata ja ennustaa säätä tai liikennevirtoja. 

-Reunalaskentaa hyödyntäviä keskeisiä sovelluksia ovat esimerkiksi virtuaalitodellisuuden tai täydennetyn todellisuuden palvelut, teollinen esineiden internet IoT ja liikenteen uudet ratkaisut. Oikeastaan kaikki paljon laskentatehoa käyttävät ja lyhyitä tiedonsiirtoviiveitä vaativat tekoälyllä optimoidut palvelut ja toiminnot pohjautuvat reunalaskentaan ja tekoälyn hyödyntämisen merkitys vain kasvaa, Lauri Lovén kiteyttää.

Filosofian maisteri Lauri Lovén väittelee Oulun yliopistossa perjantaina 12.11. Tietotekniikan väitöskirjan suomennettu otsikko on Spatiaaliset riippuvuudet reunalaskennan tekoälyssä (Spatial Dependency in Edge-native Artificial Intelligence). Vastaväittäjinä toimii professori Schahram Dustdar Wienin teknillisestä yliopistosta ja kustoksena dosentti Susanna Pirttikangas Oulun yliopistosta. Väitöstilaisuus alkaa kello 12 ja sitä voi seurata myös etäyhteydellä.