Jeremias Berg

Monissa teollisuudessa ja tutkimuksessa kohdattavista ongelmissa ei riitä, että löydämme minkä tahansa ratkaisun. Sen sijaan haluamme löytää parhaimman mahdollisen ratkaisun.  Esimerkiksi suunnitellessamme jakeluauton reittiä haluamme lyhyimmän mahdollisen reitin, joka käy kaikissa jakelupaikoissa, koska silloin säästämme polttoainetta, rahaa ja aikaa. Vastaavasti, jos rakennamme uutta tietoliikenne-, sähkö-, tai lämpöverkkoa jollekin alueelle, haluamme kattaa koko alueen tavalla, joka vaatii niin vähän rakennustyötä kuin mahdollista.

Tällaisia ongelmia kutsutaan optimointiongelmiksi. Optimointiongelmia esiintyy monilla eri aloilla, mukaan lukien tekoäly, koneoppiminen ja data-analyysi. Tehokkailla optimointiongelmien ratkaisualgoritmeilla voidaan siis säästää aikaa, rahaa ja muita resursseja monissa eri sovelluksissa.

Omassa tutkimuksessani kehitän yleisiä ratkaisumenetelmiä laskennallisesti haastaville optimointiongelmille. Keskityn erityisesti niin sanottuihin deklaratiivisiin menetelmiin. Deklaratiivisessa ratkaisutavassa optimointiongelma mallinnetaan ensin joukkona matemaattisia rajoitteita, jotka sitten ratkaistaan rajoiteoptimointialgoritmeilla. Tällä tavalla samoja rajoiteoptimointialgoritmeja voidaan käyttää monien eri optimointiongelmien ratkaisemiseen. Työssäni kehitän erilaisia rajoiteoptimointialgoritmeja ja sovellan niitä erilaisiin optimointiongelmiin. Viime aikoina minua on kiinnostanut erityisesti erilaisten koneoppimismallien selittäminen rajoitteiden avulla. Jos pystyisimme selittämään millä lailla erilaiset koneoppimismallit, kuten neuroverkot, tekevät päätöksiään, voisimme paremmin soveltaa niitä alueilla, joissa niiden ymmärrettävyys on tärkeää.

Tällä hetkellä työskentelen tutkijatohtorina Helsingin yliopiston tietojenkäsittelytieteen osastolla.
Kotisivu: www.jeremiasberg.com

Kuva: Juuso Koivisto, Bonafide Creatives.