Tekoälystä ja koneoppimisesta on puhuttu jo vuosia ja sitä hyödynnetään jo yhä useammilla aloilla. Amazonin AWS-pilvidivisioona järjestää Deepracer-autokisan, jossa kehittäjät pääsevät testaamaan koneoppimismallejaan käytännössä. Kisa näyttää suuntaa tulevaisuuden AI-kehitykselle.
Suomesta Tukholman Deepracer-osakilpailuun osallistui CyberComin Jouni Luoma, joka toissaviikolla lunasti paikan joulukuussa Las Vegasin re:Invent-tapahtumassa järjestettävään loppukilpailuun. Eilen Luoma demosi voittajakilpuriaan yhdessä Cybercomin Rolf Kosken kanssa.
Deepracer-kisassa ”kuskit” opettavat autolle vahvistusoppimismalleja AWS:n SageMaker-työkaluilla. Robomaker-simulaatiotyökalulla luodaan data koneoppimismallin koulutusta varten ja testataan mallia. Valmis malli siirretään kilpuriin verkon yli. Sen jälkeen auto käynnistetään ja auto alkaa ajaa opetetun mallin mukaisesti radalla.
Periaatteessa simppelissä harjoituksessa on kyse todellisesta koneoppimisesta. Autolla ei ole etukäteen muuta tietoa radasta kuin harjoiteltu malli. Se suunnistaa kiihtyvyysanturin, gyroskoopin ja kameran perusteella ja oppii radan pikku hiljaa. Oppiminen on hidasta ja johtaa parempaan tulokseen yrityksen ja erehdyksen kautta, kuten demo osoitti.
Rolf Kosken mukaan Deepracerissa on ennen kaikkea kyse koneoppimisen ohjelmoinnin demokratisoimisesta. AWS:n kautta kaikkien kehittäjien käyttöön tuodaan työkalut, joilla kehittää oppivia järjestelmiä. Aiemmin tämä on ollut harvojen, suuriin investointeihin pystyvien yritysten yksinoikeus.
Itse Deepracer-auto ei ole kovin ihmeellinen laite: periaatteessa tavallinen RC-auto, johon on pultattu kiinni Intelin Atom-prosessoriin pohjaava teollisuustietokone. Työmuistia kortilla on neljä gigatavua ja tallennustilaa 32 gigaa. Kuskin läppäristä sille annetaan aloitus- ja lopetuskomennot wifi-yhteyden yli.
Keskeinen anturi on neljän megapikselin kamera, joka ottaa kuvia 15 ruutua sekunnissa. Käytännössä tämä asettaa rajat auton nopeudella, sillä auto on kulkenut kymmenien senttien matkan aina, kun kukin kuva on prosessoitu ja auto on sen perusteella ”päätellyt”, mihin suuntaan sen pitää mennä.
SageMakerin tuottamat mallit ovat pakattuina tiedostoina parinkymmenen megatavun kokoisia. Deepracer-auton saisi osaavammaksi lisäämällä laskentatehoa, muistia ja kameran erottelukykyä, mutta se ei toisi kovin paljon lisää vahvistusoppimisen työprosessiin tutustumiseen.
Autoteollisuus on siirtymässä yhä monimutkaisempiin ohjelmistopohjaisiin järjestelmiin, joissa virheetön ohjelmisto on elintärkeää turvallisuuden ja suorituskyvyn varmistamiseksi. Ohjelmiston laatu ja luotettavuus eivät ole enää vain valinnaisia ominaisuuksia, vaan kriittisiä vaatimuksia erityisesti autonomisessa ajamisessa, kehittyneissä kuljettajaa avustavissa järjestelmissä (ADAS) ja yhdistetyissä ajoneuvojärjestelmissä.
Kestävä digitaalinen infrastruktuuri on kriittinen, jotta tietoliikenneverkot voidaan tehokkaasti valjastaa tekoälyinnovaatioiden ja pilvipohjaisten palveluiden tarpeisiin. Tekoälyyn liittyvien datarikkaiden sovellusten lisääntyvä kysyntä edellyttää tietoliikenneverkkoa, joka kykenee käsittelemään suuria tietomääriä alhaisella viiveellä, kirjoittaa Orange Businessin kumppaniratkaisuista vastaava Carl Hansson.
Euroopan unioni ottaa merkittävän askeleen avaruusteknologian kehittämisessä allekirjoittamalla sopimuksen uuden IRIS²-satelliittijärjestelmän toteuttamisesta. Tämä 290 satelliitin verkko on suunniteltu vahvistamaan Euroopan itsenäisyyttä ja turvallista yhteydenpitoa.
Jotta voidaan vastata uuden teknologian vaatimuksiin ja pitää järjestelmät toimimassa ”kellon tavoin”, on aika harkita ajoitusratkaisuja uudelleen. Tässä kaksiosaisessa "Precision Timing" -artikkelissa opit, miksi mikroelektromekaanisiin järjestelmiin eli MEMS-komponentteihin perustuvat piiajoituslaitteet päihittävät kvartsin elektroniikkasuunnittelun uudella aikakaudella. 
Matalatehoisten langattomien ratkaisujen asiantuntija Nordic Semiconductor ja eSIM-ratkaisuja kehittävä Kigen ovat julkistaneet yhteistyön, joka sujuvoittaa massiivisten IoT-verkkojen käyttöönottoa. Yhdessä he esittelevät CES 2025 -messuilla ratkaisun, joka yhdistää Nordic Semiconductorin nRF9151-moduulin ja Kigenin SGP.32 IoT eSIM-teknologian sekä laitteiden hallinta-alustan.
