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 lyhimmän mahdollisen reitin, joka käy kaikissa jakelupaikoissa, koska silloin säätämme 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 rajoiteoptimointi algoritmeilla. Tällä tavalla samoja rajoiteoptimointi algoritmeja voidaan käyttää monien eri optimointiongelmien ratkaisemiseen. Työssäni kehitän erilaisia rajoiteoptimointi algoritmeja 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 ymmärrettävyys on tärkeää.

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

Kuva: Juuso Koivisto, Bonafide Creatives.