Projekti

Tieto tuottamaan - Digitalisaation hyödyntäminen modernien tekoälyratkaisujen ja kyberturvallisuuden avulla

Rahoitusohjelma

kasvojen ääriviivat ja kaavioita
Lyhenne
Tieto tuottamaan
Projektityyppi
Kehittämisprojekti
Vahvuusala
Sovellettu kyberturvallisuus
Toteutusaika
1.4.2021 - 31.3.2023
Yksikkö
Teknologia
Rahoitusohjelma
Euroopan aluekehitysrahasto (EAKR)
Projektin kuvaus

Viimeisen vuoden aikana COVID-19 pandemian vuoksi niin Suomessa kuten kaikkialla maailmassa on jouduttu äärimmäisillä toimenpiteillä rajoittamaan ihmisten liikkumista ja määräämään yrityksiä keskeyttämään tilapäisesti liiketoimintansa. Tämä on johtanut liiketoiminnan tappioihin, yritysten konkursseihin ja merkittäviin yhteiskunnallisiin seurauksiin. Yritysten asiakkaiden fyysisen liikkumisen vähentymisen myötä on heidän ostokäyttäytymisensä muuttunut merkittävästi, minkä vuoksi suuri määrä palveluja on täytynyt luoda tai siirtää verkkoon. Monilla aloilla onkin verkossa tapahtuva liiketoiminta kasvanut huomattavasti ns. kivijalkamyymälöiden kustannuksella. Varjopuolena
tietoverkkojen käytön lisääntymisessä on se, että monien tutkimusten mukaan myös yrityksiin kohdennetut tietoturvauhat ja kyberhyökkäykset ovat lisääntyneet. COVID-19 pandemia on siten pakottanut monet yritykset miettimään sekä digitalisaatio- että kyberturvallisuusstrategioitaan täysin uudessa valossa.

Kyberturvallisuuden on katsottu olevan yksi tärkeimmistä digitalisaation mahdollistajista tai peräti esteistä - riippuen siitä miten hyvin mahdollisiin kyberuhkiin on varauduttu. Kyse ei ole pelkästään tietojärjestelmien turvallisuudesta, vaan kyberturvallisuuden tulisi olla sisäänrakennettuna myös kaikkiin organisaation toimintoihin ja prosesseihin. Kyberturvallisuuden hyvän tason saavuttaminen yrityksessä edellyttää myös sitä, että yrityksen koko henkilöstö on perehdytetty toimimaan niin, että toiminnan jatkuvuus voidaan taata myös kyberpoikkeamatilanteissa.

Toinen tärkeä digitalisaation mahdollistaja on tekoäly ja sen eri sovellukset. Suomen Valtiovarainministeriö sanoo tekoälyn ja robotiikan osalta seuraavasti (https://vm.fi/tekoaly-ja-robotisaatio): 'Tiedon ja nopeasti kehittyvien
teknologioiden hyödyntäminen tarjoaa uusia mahdollisuuksia tehostaa toimintaa, tuottaa kustannussäästöjä sekä parantaa palveluiden saatavuutta, laatua ja asiakaskokemusta. Tekoälyn ja robotiikan kaltaisista teknologioista on
muodostunut osa modernia, digitalisaatiota hyödyntävää yhteiskuntaa. Yleisesti tekoäly tarkoittaa kokoelmaa erilaisia teknologioita ja sovelluksia data-analyysista koneoppimiseen ja luonnollisen kielen käsittelyyn. Tekoälyn avulla koneet, laitteet, ohjelmat, järjestelmät ja palvelut voivat toimia tehtävän ja tilanteen mukaisesti järkevällä tavalla. Tekoälypohjaiset järjestelmät auttavat vähentämään kustannuksia, vapauttamaan työaikaa kriittisille tehtäville ja
tarjoamaan nopeampia ja parempia palveluita asiakkaiden todellisiin tarpeisiin. Samalla luodaan edellytyksiä uudenlaiselle digitaaliselle liiketoiminnalle'.

Tekoälyn hyödyntämismahdollisuuksia on lähes rajattomasti ja erityisesti IoT-laitteiden määrän ja datan jatkuva kasvu lisää soveltamiskohteita. Esimerkkeinä itseajavat autot, koneiden ja laitteiden ennakoiva huolto, laadunvalvonta, tuotantolinjojen automatisointi, älyrakennukset ja –kaupungit, logistiikka, liikenne ja turvallisuuden valvonta videoanalytiikan avulla.

Moderneista tekoälyratkaisuista puhuttaessa esiin nousee usein termi Edge AI eli reunaäly, joka on yhdistelmä reunalaskentaa ja tekoälyä, jossa tekoäly prosessoi dataa mahdollisimman lähellä datan lähdettä, joko suoraan laitteessa tai lähellä laitetta sijaitsevassa palvelimessa. Gartnerin mukaan 91% nykypäivän tiedoista käsitellään keskitetysti pilvipalveluissa ja konesaleissa, mutta vuoteen 2022 mennessä noin 74% kaikista tiedoista tarvitsee reunalla toimivaa analytiikkaa ja päätöksentekoa. Edge AI pystyy analysoimaan dataa ja tekemään itsenäisiä päätöksiä jopa millisekunneissa, koska sen ei tarvitse olla yhteydessä pilveen tai laskentapalvelimeen. Tämän ansiosta Edge AI:n nopea päätöksenteko luo uusia mahdollisuuksia hyödyntää tekoälyä todella nopeita päätöksiä vaativissa sovelluskohteissa ja tuo säästöä datan siirron ja tallentamisen kustannuksissa. Vaikka analyysit ja tekoälyn tekemät päätökset tapahtuisivatkin reunalaskennan avulla, saadaan paras hyöty kytkemällä laitteiden tuottamat havainnot suoraan liiketoiminnan prosesseihin. Esimerkiksi vain muutamien sekuntien viive voi aiheuttaa massiivisia tappiota tuotantolinjoilla, mikäli ohjaukseen tarvittava päätöksenteko myöhästyy.

Hankkeen taustalla olevia tarpeita ja yritysten nykytilaa on tietyllä tasolla kartoitettu Keski-Suomen alueella tätä hanketta varten sekä myös aikaisemmissa hankkeissa. Keskusteluissa tullut esille, että yrityksillä on paljon dataa tuottavia laitteita sekä sellaisia suuria hyödyntämättömiä datamassoja, joihin liittyvän päätöksenteon pitäisi tapahtua nopeasti ja mahdollisimman lähellä datalähdettä. Puoltavia tekijöitä Edge AI:n käyttöönottoon ovat heikot
tiedonsiirtoyhteydet, suuret siirrettävät datamäärät tai päätöksenteon nopeat vaatimukset. Yrityksiltä puuttuu kuitenkin tarvittavaa ymmärrystä tekoälyn ja kyberturvallisuuden mahdollisuuksista ja toisaalta myös vaatimuksista. Niistä on
tarpeen tuottaa kokemusperäistä ja riittävän käytännönläheistä tietoa yritysten ja muiden toimijoiden saataville tietoisuuden lisäämiseksi.

Tällä hankkeella vastataan mm. alussa kuvattuihin COVID-19 pandemian aiheuttamiin liiketoiminnan selviytymishaasteisiin modernin tekoälyn soveltamisen ja kyberturvallisuuden avulla. Hankkeen tarkoituksena on tukea yrityksiä digitalisaation hyödyntämisessä modernien tekoälyratkaisujen ja kyberturvallisuuden avulla. Pitkän aikavälin tavoitteena projektin avulla vahvistetaan Keski-Suomen asemaa yhtenä digitaalisuuden edelläkävijämaakunnista.


Hankkeessa on neljä työpakettia, joiden toteuttamisella saavutetaan seuraavat
tulostavoitteet:

1. Datatalouden hyödyntämistä mahdollistavien tekoälyyn ja kyberturvallisuuteen pohjautuvien tekniikoiden ja laskenta-alustojen sovelluskohteet sekä -mahdollisuudet on kartoitettu ja määritetty.
2. Digitaalista kyvykkyyttä kehittäviä laskenta-alustoja, ratkaisuja ja toimintamalleja on määritelty ja
testattu konkreettisten pilotticase-tapausten avulla.
3. Yritysten ja muiden toimijoiden ymmärrys ja osaaminen kyberturvallisuuden aiheuttamista vaatimuksista ja sen hyödyntämisestä ovat kehittyneet.
4. Tietoisuus alustatalouden mahdollisuuksista ja digitalisaation hyödyntämisestä ovat lisääntyneet Keski-Suomen alueella toimivissa yrityksissä.

Lisätietoja: Mika Rantonen, 040 716 7269, [email protected]

Projektin tulokset

Projektissa saatiin uutta osaamista moderneista tekoälyratkaisuista ja kyberturvallisuuden vaikutuksista eri toimialoille. Yhteistyö yrityksistä saatiin Pilotcaseja, joihin kehitettiin modernien tekoälymenetelmien Proof of Concept (PoC)-ratkaisuita. Lisäksi avoimien data lähteitä käytettiin laajasti  rikastaa yritysten toimittamaa dataa. Hankkeessa tehtiin kaikenkaikkiaan 15 pilotcasea:

1. Ennakoiva huolto
2. Asiakastyytyväisyys - koneiden profilointi ja käyttäjätyytyväisyys
3. Sosiaalisen median hyväksi käyttäminen kyberuhkien havaitsemisessa (Some sensoridatana-Tilannekuva)
4. Tekoäly verkkoturvallisuudessa
5. Extended detection and response (XDR) järjestelmien tekoälykomponenttien tutkiminen ja testaaminen.
6. Datanlaadun hyvät käytänteet -katsaus (Best Practises)
7. Myrskytuhon tunnistus satelliittikuvista
8. Metsäpalovaaran ennustaminen
9. Kaukolämpö - Kysyntäjouston potentiaali
10. Kaukolämpö- 3D-fingerprint
11. Kaukolämmön kulutuksen luokittelu
12. Kyberturvallisuusselvitys valmistavan teollisuuden yrityksissä
13. Tiedolla johtaminen LAM-pisteiden avulla
14. EdgeAI–JetsonNanon suorituskyky EdgeAI-laitteena
15. Muutoksen tunnistus satelliittikuvista

Hanke antoi aiheita myös seuraaville opinnäytetöille, jotka opiskelijat toteuttivat osana insinööriopintojaan:
Ajo Tarja: Sentinel-1 SAR-kuvien kohinan poisto koneoppimisen näkökulmasta: https://www.theseus.fi/handle/10024/750141
Teppo Antti: Kaukolämmön kysyntäjouston tehonkulutuksen hyötypotentiaalin mallinnus ja laskenta
Aleksi Pynnönen: LAM-visualisointi https://urn.fi/URN:NBN:fi:amk-202304256375

Kesän ja syksyn 2022 työskenteli hankkeessa yksi (1) harjoittelija.  

Muita hankkeen tuotoksia:
Modernit tekoälyteknologiat
SAR change detection datasetti julkaistiin CSC:n Fairdata palvelussa

Lisäksi hankkeessa tehtiin moderneihin tekoälyratkaisuihin tai kyberturvallisuuteen liittyviä alustaratkaisuita:
SAR change detection: https://github.com/janne-alatalo/sar-change-detection
QGIS plugin: https://gitlab.labranet.jamk.fi/tieto-tuottamaan/qgis-postgis-raster-exploration
LAM-data: ylinopeuksien visualisointi: https://aida2.labranet.jamk.fi/ylinopeudet/
LAM-data: teiden kunnossapidon visualisointi: https://aida2.labranet.jamk.fi/kunnossapito/
Perceiver neuroverkot: https://gitlab.labranet.jamk.fi/tieto-tuottamaan/perceiver/-/tree/main  
Jetson Nano reunalaskenta/äly (EdgeAI) laitteena: https://gitlab.labranet.jamk.fi/groups/tieto-tuottamaan/jetson-nano/-/wikis/home
LAM-data: Tiedolla johtaminen LAM-datan avulla: https://aida3.labranet.jamk.fi  

Blogikirjoitukset (https://blogit.jamk.fi/techtothefuture/ ) :
Syty datasta
Data projektin lähtökohtana
Datavetoisen hankkeen vaiheistus
Data-alan termit haltuun
Tieto tuottamaan – Digitalisaatiosta kaikki hyöty irti