Ihannetulos geneettisellä algoritmilla. Evoluution tulokset ovat toistaiseksi ylivoimaisia verrattuna ihmisen aikaansaannoksiin. Siksi sitä jäljitellään perattaessa teknisiä vaihtoehtoja ja etsittäessä tuoreita ratkaisuja.
Miten pitkälle evoluution rahkeet riittävät tekniikassa? Voiko se tuottaa älykkäitä - jopa tietoisia - koneita?’


Miten pitkälle evoluution rahkeet riittävät tekniikassa? Voiko se tuottaa älykkäitä - jopa tietoisia - koneita?’

Julkaistu Tiede-lehdessä 1/2009


Galápagossaarten peippojen eli darwininpeippojen, nokat ovat luonnonvalinnan tuloksena kehittyneet tarkoituksenmukaisiksi työkaluiksi. Siemeniä syövien peippojen nokka on iso ja paksu, hyönteissyöjien pieni ja terävä.

Tekniikassakin nokkia käytetään paljon, mutta ei nokkimiseen vaan pyörivän liikkeen muuttamiseen edestakaiseksi. Mäntämoottorissa on tavallisesti nokka-akseli, jonka nokat ohjaavat venttiilejä.

Nokan parhaan muodon laskeminen oli viime vuosisadan loppuvuosiin saakka ratkaisematon tehtävä. Sitten insinöörit pääsivät samaan kuin peippo.

Vaasan yliopiston tietotekniikan ja tuotantotalouden laitos sekä Wärtsilä Diesel NSD hakivat suurten dieselmoottorien venttiili- ja pumppunokille optimaalista muotoa käyttämällä geneettisiä algoritmeja. Eräs yliopiston tutkijoista, Jouni Lampinen, teki väitöskirjansa nokkien optimoinnista.

Tietokoneohjelma jäljitteli luonnonvalintaa: se risteytti hyviä ratkaisuja eli hyviä nokkaprofiileja keskenään. Näin saatiin vielä parempia ratkaisuja.


Digitaaliotukset kamppailevat

Professori Jarmo T. Alander tutkii Vaasan yliopiston tietotekniikan ja tuotantotalouden laitoksessa geneettisiä algoritmeja, jotka ovat evoluutioalgoritmien tärkeä alalaji. Hän on myös monen vuosikymmenen ajan harrastanut perhostutkimusta, mikä sopii hyvin yhteen tekniikan kanssa.

Darwinin jälkeen biologiasta on tullut yhä täsmällisempää. Kehitystä pystytään usein kuvaamaan matemaattisen tarkasti. Vastaavasti 1900-luvun jälkipuoliskolta lähtien on opittu rakentamaan matemaattisia malleja, jotka soveltavat evoluutiota tekniikan kehittämiseen. Tietokoneen keinotekoisessa ekosysteemissä digitaaliset otukset eli vaihtoehtoiset ratkaisut kamppailevat paremmuudesta.

Aluksi ohjelma luo satunnaisesti joukon yritteitä eli aloituspopulaation. Huonot yritteet karsitaan. Jäljelle jääneitä ratkaisuja yhdistetään eli risteytetään satunnaisesti. Tarvittaessa satunnaisuutta lisätään eli tuotetaan mutaatioita. Jälleen huonot ratkaisut karsitaan.

Risteyttämistä, mutaatioiden tekemistä ja valintaa jatketaan, kunnes riittävän hyvä ratkaisu löytyy.


Optimi löytyy kohtuuajassa

Geneettiset algoritmi tarjoavat ratkaisuja niin sanottuun kombinaatioräjähdyksen ongelmaan. Jos on esimerkiksi suunniteltava töiden järjestys, etsittävä koneenosan optimaalinen muoto tai vaikka järjestettävä kirjahyllyn kirjat, niin mahdollisten vaihtoehtojen määrä kasvaa äkkiä tähtitieteelliseksi. Parasta tai edes kohtuullisen hyvää ratkaisua on mahdotonta löytää käymällä kaikki vaihtoehdot läpi, vaikka käytössä olisivat nopeimmat supertietokoneet.

Evoluutiota jäljittelemällä laskentatarve vähenee, niin että monet aikaisemmin ylivoimaiset tehtävät pystytään nyt ratkaisemaan kohtuullisessa ajassa.

Samalla tavoin kuin dieselmoottorien venttiilinokkia on optimoitu lentokoneen siipiprofiilia, mikä perinteisillä menetelmillä veisi vuosikausia eikä ehkä sittenkään onnistuisi yhtä hyvin.

Monessa suhteessa evoluution aikaansaannokset ovat vielä ylivoimaisia ihmisen tuloksiin verrattuna. Mutta, kuten professori Alander on todennut, harvalla tietotekniikan menetelmällä on miljardien vuosien kenttätestit takanaan niin kuin geneettisellä algoritmilla.


Apua myös perhoselle

- Kirjopapurikon suojelu on myös hyvä esimerkki, professori Alander laajentaa  evoluutioalgoritmien sovelluskohteita. Kirjopapurikko (Lopinga achine) on eräs täpläperhoslaji, uhanalainen kaiken lisäksi. Geneettisillä algoritmeillä voidaan etsiä sen elinpaikat.

Satelliittikuvat antavat kasvien levinneisyydestä ja maaperästä tietoja, joista tutkijat pystyvät päättelemään, mitä eläimiä missäkin voi olla. Geneettisillä algoritmeilla tätä tietoa on mahdollista louhia satelliittikuvista, esimerkiksi infrapunakuvista. Vaasalaiset ovat käsitelleet näin infrapunasäteilyn spektrejä.

- Avuksi voidaan ottaa säätietoja, museoiden kokoelmatietoja ja mitä kaikkea levinneisyystietoa nyt onkaan, Alander sanoo.

Muualla on jo saatu kokemusta geneettisten algoritmien käytöstä ympäristökartoituksissa. Suomalaiset metsätutkijat ovat analysoineet sademetsien luonnon monimuotoisuutta. Espanjalaistutkijoita ovat kiinnostaneet harvinaiset perhoset.

Tärkeimmässä vaiheessa, suojelutoimien suunnittelussa, voidaan taas hyödyntää  evoluutiolaskentaa, esimerkiksi minimoida häiriöitä, joita luonnolle syntyy rakennettaessa teitä, lentokenttiä ja muuta infrastruktuuria.


Markkinat kuin luonnonvalinta

Tekniikan kehittäminen matemaattisten evoluutiomallien avulla on kasvava, mutta silti kapeahko ala, josta vain suhteellisen harvoilla tutkijoilla on kokemusta. Sen sijaan kaikki insinöörit ja monet muutkin tuntevat biologisen ja teknisen kehityksen sanalliset vertailut.

Mikroelektroniikan tutkija, tohtori Sami Franssila kirjoitti Tiede 2000 -lehdessä 1996: "Evoluution käyttöainesta ovat mutaatiot, joita luonnossa syntyy jatkuvasti suunnattomia määriä. Luonnonvalinta karsii sitten yksilöt, jotka pääsevät jatkamaan sukua. Tekniikan evoluutio toimii samalla periaatteella: tutkijat, keksijät ja tuotekehittelijät tuottavat jatkuvasti uutuuksia, joista markkinamekanismi karsii pois elinkelvottomat."

Tekniikan samoin kuin luonnon evoluutiossa ihmistä kiinnostaa eniten hänen oma asemansa. Lajien synnyn ilmestyttyä alettiin heti väitellä ihmisen alkuperästä. Nyt kiistellään taas, mutta aihe on toinen: ohittaako kone kehityksessään ihmisen?


2030 alkaa koneiden aika?

Kun osataan jo rakentaa koneita, jotka näkevät, kuulevat ja puhuvat kohtalaisen hyvin ja liikkuvat itsenäisesti, niin mitä tuleekaan seuraavaksi?

Joidenkin tutkijoiden mukaan tulee singulariteetti. Se tarkoittaa teknisen kehityksen tasoa, jolla kone voittaa ihmisen älykkyydessä.

Singulariteetin käsitteen loi 1993 yhdysvaltalainen matemaatikko, tietotekniikan tutkija ja tieteiskirjailija Vernor Vinge. Hän ennusti, että singulariteetti saavutetaan vuonna 2030. Viime kesänä hän toisti ennusteensa sähkö- ja elektroniikkainsinöörien järjestön IEEE:n (Institute of Electrical and Electronics Engineers) lehdessä Spectrumissa.

Tietotekniikan kehittäjänä aikanaan mainetta niittänyt Ray Kurzweil taas saarnaa, että älykäs tekniikka tekee ihmisestä kuolemattoman suunnilleen samana vuonna 2030.

Tekniikkaoptimistit nojaavat Mooren lakiin eli tietokoneiden laskentakapasiteetin jatkuvaan nopeaan kasvuus. He uskovat, että se kiihdyttää kaikkea kehitystä ja vie pian yli-inhimilliseen älyyn. Eikä vain älyyn, vaan myös tietoisuuteen.


Hype kannattaa karsia

Vingen mukaan 2030:n jälkeen toteutuu "digitaalinen Gaia-skenaario", jolloin "todellisuus itse herää". Useimmat "fysikaaliset kappaleet" tulevat tietoisiksi itsestään.

Juuri niin hämärää, miltä kuulostaakin. Alkavatko autot, liedet tai pesukoneet yhtäkkiä jonakin aamuna esittää omia ajatuksia vain siksi, että ne kytketään verkkoon?

Suomalaiset tutkijat, kuten enemmistö tutkijoista muuallakin, suhtautuvat epäilevästi ajatukseen, että tietoista tekniikkaa syntyisi lähiaikoina itsestään.

- Kyllä tässä on valtava määrä hypeä. Suurin osa siitä, mitä asiasta on esitetty, on huuhaata, mutta sehän se menee kaupaksi ja Kurzweil myy kirjoja, sanoo tekoälytutkija, tohtori Pentti Haikonen Nokian tutkimuskeskuksesta.

- Mutta ihan varmaa on, että Mooren laki yksinään ei johda konetietoisuuteen, tarvitaan myös laadullinen muutos.


Kone oppii kokeilemalla

Haikosen mukaan tietoinen kone on kyllä mahdollinen rakentaa jo parin vuoden sisään. Rakennusohjeetkin hänellä on valmiina uudessa kirjassa Robot Brains (Wiley 2007). Lyhyt johdatus löytyy artikkelista Tietoinen kone tarvitsee lapsuuden (Tiede 2/2006, s. 16-19).

Tietoinen kone olisi utelias vekotin, joka lapsen tavoin kokeilemalla ja leikkimällä hankkisi tietoja ja älyä. - Toki tällainen ensimmäinen tietoinen kone vastaisi kognitiiviselta tasoltaan vain parivuotiasta lasta, Haikonen toppuuttelee.

Kone, joka näkee, kuulee, liikkuu ja on yhtä tiedostava kuin kaksivuotias ihminen, on jo melkoinen hyppäys tekniikan kehityksessä.

- Tietoisuuden syntyminen koneissa ei varmastikaan tule olemaan evoluution tulos vaan seuraus insinöörien ponnisteluista, Haikonen sanoo.


Evoluutio ei näe kokonaisuutta

Haikonen pitää evoluutiota heikohkona menetelmänä, koska se ei pysty tavoitteelliseen suunnitteluun. Väärään suuntaan lähtenyt kehitys ei helposti korjaannu. Esimerkiksi ihmisen silmässä on siksi verkkokalvo väärin päin, eli valosensorit katsovat kohti aivoja.

Haikonen muistuttaa myös geneettisten algoritmien ongelmasta: prosessi voi jumittua johonkin ratkaisuun, niin sanottuun paikalliseen optimiin, vaikka paljon parempi ratkaisu olisi toisaalla.

Optimi muistuttaa mäen korkeinta kohtaa. Tietokoneohjelma pystyy selvittämään, nouseeko vai laskeeko rinne, ja löytämään näin huipun, periaatteessa samalla tavalla kuin koulumatematiikassa haetaan käyrän huippukohta tangentin kulmakertoimen avulla. Ongelma on siinä, että huippuja on monta. Sokea algoritmi löytää kenties Haltiatunturin, mutta ei tiedä, että on olemassa Mount Everest. Siksi tarvitaan tietoista suunnittelua.

Ihminen on tietoinen ja ymmärtää erilaisten olojen vaatimukset. Kun hän ei voi juuri muokata omaa kehoaan, hän kiertää puutteen luomalla teknisiä tuotteita, kuten koneita tai vaikka avaruuspukuja.

- Toivoisin, että tulevat itseään kopioivat konesukupolvet voisivat analysoida tilansa ja tarpeensa ja näistä lähtökohdista suunnitella tarvittavat muutokset, Haikonen sanoo. - Ehkä tässä onkin se tarve konetietoisuudelle?


Kalevi Rantanen on diplomi-insinööri, tietokirjoittaja ja Tiede-lehden vakituinen avustaja.


Tieteen päivät
7.-11.1.2009
Helsingin yliopisto, päärakennus

Professori Jarmo Alander puhuu Tieteen päivillä aiheesta Evoluutiolla älykästä tekniikkaa. Seminaari Älyn tulevaisuus, lauantaina 10.1.2009 klo 12.15-14.15.


Mitä se on

- Evoluutiolaskenta - evoluutiota jäljittelevien matemaattisten mallien, kuten evoluutioalgoritmien, evoluutio-ohjelmoinnin ja keinoelämän, yleisnimitys

- Geneettinen algoritmi - luonnonvalintaa jäljittelevä matemaattinen malli

- Singulariteetti - oletettu teknisen kehityksen taso, jolla tietokoneista tulee älykkäämpiä kuin ihminen


Geneettinen algoritmi matkii luonnonvalintaa


1. Aloitus: luo (satunnainen) joukko yritteitä (aloituspopulaatio).

2. Valinta: karsi huonoimmat yritteet.
Jos riittävän hyvä ratkaisu on löytynyt tai aika on loppunut, niin lopeta.

3. Yhdistely: yhdistele ratkaisuja satunnaisesti (risteytys) ja lisää tarvittaessa satunnaisuutta (mutaatio).

4. Toisto: palaa askeleeseen 2 (uusi sukupolvi).


Vaasan yliopistossa on optimoitu ledivalon valokuviota. Algoritmi tuottaa erilaisia kuvioita, joista ihminen tai mittalaite valitsee parhaat. Hyviä ratkaisuja "risteytetään" vielä paremman valaistuksen aikaansaamiseksi. Tarvittaessa valokuvioita muunnellaan satunnaisesti eli tuotetaan mutaatioita.

Samalla tavalla voidaan optimoida vaikka kasvihuoneen valaistusta niin, että kasvit saavat valoa juuri tarvitsemillaan aallonpituuksilla.

Jos toimistotalossa on vierekkäin monta hissiä, on ratkaistava, mikä hissi vastaa käyttäjän kutsuun. Kun geneettisellä algoritmilla on valittu ajoreittejä, odotusaikaa on pystytty lyhentämään kymmenellä prosentilla.

Lähde: Jarmo Alander


Sovelluksia bussista hissiin


- Energian tuotannon optimointi: millä voimalaitosten yhdistelmällä tuottaa tarvittava sähköenergia

- Rakenteiden suunnittelu: miten esimerkiksi rakentaa silta turvallisesti ja pienimmin kustannuksin

- VLSI-piirien (eli hyvin suurten integroitujen piirien) suunnittelu

- Bussinkuljettajien työvuorojen järjestäminen

- Töiden ajoitus yleisesti

- Molekyylien suunnittelu

- Kemiallisen reaktorin optimointi

- Hissien odotusajan minimointi

- Älykkään ledivalon toiminnan optimointi

- Muodon (esimerkiksi koneenosien) optimointi

- Tietoliikenneverkon optimointi

- Tietokoneohjelmien testaus

- Lypsylehmän ruokavalion optimointi

- Kuvien käsittely esimerkiksi kaukokartoituksessa ja lääketieteessä

Kätevä sana on valunut moneen käyttöön.

Makea vesi kuuluu elämän perusedellytyksiin. Siksi tuntuu itsestään selvältä, että vesi-sana kuuluu suomen kielen vanhimpiin sanastokerroksiin.

Se ei kuitenkaan ole alun perin oma sana, vaan hyvin vanha laina indoeurooppalaisista kielistä, samaa juurta kuin saksan Wasser ja englannin water.

Suomensukuisissa kielissä on toinenkin vettä merkitsevä sana, jota edustaa esimerkiksi saamen čáhci, mutta sen vastine ei syystä tai toisesta ole säilynyt suomessa. Ehkäpä indoeurooppalainen tuontivesi on tuntunut muodikkaammalta ja käyttökelpoisemmalta.

Tarkemmin ajatellen vesi-sana on monimerkityksinen. Luonnon tavallisimman nesteen lisäksi se voi tarkoittaa muunkinlaisia nesteitä, kuten yhdyssanoissa hajuvesi, hiusvesi tai menovesi.

Vesiä voi erotella käsittelyn tai käyttötarkoituksen mukaan, vaikka Suomen oloissa juomavesi, kasteluvesi ja sammutusvesi ovatkin usein samaa tavaraa. Sade- ja sulamisvesistä tulee varsinkin asutuskeskuksissa viemäröitävää hulevettä. Murteissa hulevesi tarkoittaa tulvaa tai muuta väljää vettä, esimerkiksi sellaista, jota nousee sopivilla säillä jään päälle.

Luonnon osana vesi voi viitata erilaisiin vedenkokoumiin, etenkin järviin. Suomen peruskartasta löytyy satoja vesi-loppuisia paikannimiä, joista useimmat ovat vesistönnimiä, kuten Haukivesi, Hiidenvesi tai Puulavesi.

Useat vesien rannalla olevat asutuskeskukset ovat saaneet nimensä vesistön mukaan. Vesi-sana ei enää suoranaisesti viittaa veteen, kun puhutaan vaikkapa Petäjäveden kirkosta tai Ruoveden pappilasta.

Vesi-sanasta on aikojen kuluessa muodostettu valtava määrä johdoksia ja yhdyssanoja. Näistä suuri osa on vanhoja kansanomaisia murresanoja, kuten vetelä, vetinen, vetistää ja vettyä.

Vesikosta on muistona enää nimi, sillä tämä vesien äärellä ja vedessä viihtyvä näätäeläin on hävinnyt Suomesta 1900-luvun kuluessa. Myyttisiä veden asukkaita ovat olleet vetehinen ja vesu eli vesikyy, jotka mainitaan myös Kalevalassa.

Antiikista 1700-luvun loppupuolelle asti uskottiin veden olevan yksi maailman alkuaineista. Sitten selvisi, että se onkin vedyn ja hapen yhdiste. Oppitekoinen uudissana vety tuli suomen kielessä tarpeelliseksi kuitenkin vasta 1800-luvun puolimaissa, kun luonnontieteistä alettiin puhua ja kirjoittaa suomeksi.

Kaisa Häkkinen on suomen kielen emeritaprofessori Turun yliopistossa.

Julkaistu Tiede-lehden numerossa 11/2018

Alzheimerin tautiin tarkoitettu lääke auttoi unien hallintaa.

Jos haluat hallita uniasi, se voi onnistua muistisairauden hoitoon tarkoitetulla lääkkeellä. Lääke virittää ihmisen näkemään niin sanottuja selkounia, kertoo Helsingin Sanomat jutussaan.

Selkounessa ihminen tiedostaa näkevänsä unta ja pystyy jopa vaikuttamaan siihen.

Joka toinen ihminen on mielestään nähnyt selkounen ainakin kerran elämässään. Joka neljäs näkee niitä kuukausittain, arvioi parin vuoden takainen tutkimuskatsaus.

Alzheimerlääke auttoi tuoreessa yhdysvaltalaisessa tutkimuksessa koehenkilöitä selkouniin. Koehenkilöistä nuori nainen onnistui unessa rullaluistelemaan tavaratalossa, kun oli ensin suunnitellut sitä valveilla.

”Luistelimme ystäväni kanssa pitkin käytäviä. Oli niin hauskaa, että upposin täysillä uneen mukaan”, 25-vuotias nainen kuvailee.

Unet olivat koehenkilöiden mukaan lääkkeen vaikutuksesta todentuntuisempia kuin ilman lääkettä. Yhdysvaltalainen tutkimus julkaistiin Plos One -lehdessä.

Kokeessa tutkijat harjoittivat yli 120 eri ikäistä koehenkilöä näkemään selkounia. Ryhmään oli valkoitunut ihmisiä, jotka muistavat unensa hyvin ja ovat kiinnostuneita selkounista.

He opettelivat tekniikoita, joiden pitäisi helpottaa selkouneen pääsyä. Pitkin päivää ja ennen nukkumaan menoa voi esimerkiksi toistella itselleen, että kun näen unta, muistan näkeväni unta.

Unia voi visualisoida eli harjoitella mielessään etukäteen. Selkouneen päästyään voi tehdä todellisuustestejä, kuten onnistuuko seinän läpi käveleminen tai leijuminen.

Lääkekokeessa, jota johti selkounien uranuurtaja Stephen LaBerge, koehenkilöt saivat galantamiinia. Sitä käytetään lievän tai kohtalaisen vaikean Alzheimerin taudin hoitoon.

Lääke terästää asetyylikoliinin määrää aivoissa. Asetyylikoliini huolehtii viestien välityksestä aivosolujen välillä, virkistää muistia ja kiihdyttää rem-unta. Juuri remvaiheessa ihminen näkee yleisimmin unia.

Suurimman annoksen galantamiinia saaneista 42 prosenttia pystyi kuvauksensa mukaan selkouniin. Osuus oli huomattavasti suurempi osa kuin muissa koeryhmissä.

Koehenkilöiden unta ei mitattu unilaboratorioiden laitteilla, joilla tallennetaan silmien liikkeitä ja elintoimintoja. Tulokset perustuivat koehenkilöiden kertomaan.

LaBerge seurasi kuitenkin toisessa tuoreessa tutkimuksessaan silmien liikkeitä unennäön aikana. Silmien liikkeet kiihtyvät rem-unen aikana.

Kun koehenkilöt siirtyivät selkouneen, he liikuttivat silmiään ennalta sovitusti vasemmalta oikealle. Sitten heidän piti seurata unensa kohteita, joita he olivat ennalta visualisoineet.

Silmät liikkuivat sulavasti, samoin kuin ihmisen seuratessa katseella todellista kohdetta. Kuviteltua kohdetta seuratessa silmät liikkuvat nykäyksittäin.

Tutkimus julkaistiin Nature Communications -lehdessä.

Kysely

Oletko nähnyt selkounta?

mdmx
Seuraa 
Viestejä5215
Liittynyt23.11.2009

Viikon gallup: Oletko nähnyt selkounta?

Käyttäjä4499 kirjoitti: Mikä on mt häiriö? Kuten sanoin, minusta lääkkeen käyttö tuohon tarkoitukseen on arveluttavaa. Siinä mennään ehkä peruuttamattomasti alueelle, jonne ei pitäisi mielestäni olla mitään asiaa suoranaisesti. Ehkä en nyt vain ymmärrä tarvetta nähdä hallittua "unta" - miksi ei vain kuvitella? Jos "hourailet" saman, tunnet sen varmaan voimakkaammin. Mutta toisaalta et ole siitä niin tietoinen kuin hereillä ollessa, vai mitä? Niin siis, siinä nimenomaan on täysin tietoinen että...
Lue kommentti