Tekoäly-yhtiöiden kehittämät koodaustyökalut – kuten esimerkiksi Anthropicin Claude Code ja OpenAI:n Codex – ovat mullistaneet koodareiden työn.
Hakukoneyhtiö Googlen toimitusjohtaja Sundar Pichai kertoi viime kuussa, että jopa 75 prosenttia yhtiössä kirjoitetusta uudesta koodista on tekoälyllä tuotettua. Anthropicin Claude Coden johtaja Boris Cherny on sanonut, että yhtiön kehittämä koodaustyökalu kirjoittaa käytännössä kaiken yhtiön uudesta koodista.
Vastaavia esimerkkejä on lukematon määrä.
Ohjelmistokehityksessä ihminen on siirtymässä rutiinitehtävistä laajempien kokonaisuuksien hallinnoimiseen ja kehittämiseen, kun kone hoitaa rutiinitehtävät.
Fyysisten tuotteiden kehityksessä samanlaista hyppäystä ei ole tapahtunut.
– Laitteiston suunnittelu näyttää yllättävän paljon samalta, miltä se näytti 2019, sanoo kvanttialgoritmeja kehittävän Quanscientin toimitusjohtaja Juha Riippi.
Riippi kuvailee nykyistä prosessia hitaaksi ja pistemäiseksi: insinööri luo CAD-suunnittelutyökalulla digitaalisen mallin, jonka toimivuutta testataan muutamalla raskaalla simulaatiolla. Esimerkiksi sähkömoottorin suunnittelussa insinööri voi ajaa muutaman simulaation lämpötilan ja sähkömagnetiikan vaikutuksista. Tämä voi kestää päiviä. Jos tulos ei tyydytä, suunnittelu aloitetaan alusta.
– Suunnittelin tämän, miten se toimii? Riippi kuvailee prosessia.
Tämä tapa jättää suuren määrän mahdollisesti parempia suunnitteluvaihtoehtoja kokonaan testaamatta. Lisäksi simulaatioista kertynyt suunnittelutieto jää usein insinöörin omalle koneelle, jolloin yhtiölle ei kerry fysiikkadataa, jota hyödyntää tekoälyllä.
Quanscient pyrkii päivittämään teollisen muotoilun tekoälyn aikakaudelle.
Yhtiö on juuri kerännyt tätä varten 10 miljoonan euron rahoituksen. Pääsijoittajina on tanskalainen kvanttisijoituksiin keskittyvä pääomasijoitusyhtiö 55 North ja itävaltalainen teollinen sijoittaja B&C Group.
Riippi uskoo, että yhtiöllä on mahdollisuus kehittää Claude Coden kaltainen työkalu laitteiden ja esineiden suunnitteluun.
Kvanttialgoritmit voisivat korvata osan tuulitunnelitesteistä
Quanscient on tunnettu kvanttialgoritmien kehittämisestä. Ne ovat malleja, joiden avulla kvanttilaskentaa voidaan tulevaisuudessa hyödyntää esimerkiksi lentokoneiden suunnittelussa. Tarkoituksena on luoda simulaatiomalleja, joilla voidaan korvata esimerkiksi kalliit ja aikaavievät tuulitunnelitestit. Niissä mitataan keinotekoisen ilmavirran vaikutusta fyysiseen esineeseen – tässä tapauksessa lentokoneen pienoismalliin.
Quanscient tekee yhteistyötä muun muassa brasilialaisen lentokonevalmistaja Embraerin kanssa.
Riippi huomauttaa, että nykypäivänä uuden lentokonemallin suunnittelu voi kestää jopa 12 vuotta.
– Sinä aikana lentokonevalmistajat käyttävät keskimäärin 30–150 miljoonaa euroa tuulitunnelitestaukseen, Riippi kertoo.
Vaihtoehtoja ei ole.
Lentokoneen aerodynamiikan täydellinen mallintaminen ei onnistu nykykoneilta. Esimerkiksi lentokoneen ominaisuuksien selvittämisessä mallinnettavien pisteiden määrä on noin 10¹⁸ eli triljoona eli miljardi miljardia.
Mallinnettava piste voi olla esimerkiksi yksittäinen hiukkanen, joka virtaa lentokoneen siiven yli.
– Ja jos se lentokone liikkuu matkanopeudella, niin pisteiden määrä on noin 10²⁴. Nämä ovat sellaisia lukemia, että ne ovat täysin klassisen laskennan ulottumattomissa, Riippi kertoo.
Kvanttilaskennalle tämänkaltaiset luvut eivät ole ongelma.
Ongelma sen sijaan on siinä, että kvanttilaskennassa käytettyjen kubittien määrää ei ole vielä onnistuttu nostamaan tasolle, jolla perinteisen laskennan ohittava kvanttihyöty saavutettaisiin. Kubitti eli kvanttibitti on kvanttitietokoneiden laskennassa käytetty perusyksikkö.
Kvanttitilassa olevat kubitit ovat erittäin herkkiä häiriöille, jotka aiheuttavat laskentaa häiritsevää kohinaa. Tätä kohinaa pyritään hillitsemään monilla eri keinoilla.
Alalla uskotaan, että kubittien kuriin laittaminen on vain ajan kysymys.
Fysiikkamallit auttavat parhaiden vaihtoehtojen löytämisessä
Quanscient ei ole jäänyt odottamaan kvanttihyödyn saavuttamista. Lentokoneen aerodynamiikkaa mallintavien monimutkaisten simulaatioiden sijaan yhtiö on lähtenyt ratkomaan ongelmia, joihin nykyinen klassinen laskentateho riittää.
Tässä se hyödyntää pilvilaskentaa ja tekoälyä.
Toisin kuin aiemmin esitetyssä esimerkissä, jossa insinööri suunnittelee tyhjästä tuotteen, Quanscient aloittaa prosessin luomalla tuhansia simulaatioita suunnitteluympäristöstä. Näistä simulaatioista kerätyn datan avulla yhtiö kouluttaa tekoälymalleja, jotka ymmärtävät suunniteltavan tuotteen fysiikan.
Simulaatiot eivät ole enää yksittäisillä työkoneilla, vaan keskitetysti koko yhtiön käytettävissä.
Lopputuloksena syntyy malleja, joiden avulla pystytään ennustamaan simulointituloksia sekunneissa. Tämä antaa esimerkkimme insinöörille mahdollisuuden testata tuhansia eri vaihtoehtoja reaaliajassa ja löytää optimaalisia ratkaisuja sellaisten vaatimusten välillä, jotka ovat keskenään ristiriidassa. Tällainen ristiriita on esimerkiksi sähkömoottorin tehon ja koon välinen suhde.
Riippi kääntää katseen Kiinaan, jossa maan autoteollisuus tuo jatkuvalla syötöllä uusia malleja markkinoille. Länsimaissa kiinalaisten autovalmistajien tahtia on seurattu ihmeissään.
– En nyt tietysti tiedä heidän salaisuuksiaan, mutta luulen, että siellä on taustalla aika paljon edistyneemmät suunnitteluprosessit, Riippi pohtii.
Kvanttilaskenta ja tekoäly täydentävät toisiaan
Embraerin lisäksi Quanscientin asiakkaisiin kuuluu muun muassa yhdysvaltalainen bioteknologiayhtiö Boston Scientific ja Euroopan suurin puolijohdevalmistaja Infineon. Näiden lisäksi joukossa on muutama Fortune 100 -yhtiö, mutta niistä Riippi ei kerro sen enempää.
Vaikka Quanscient tarjoaa asiakkailleen tällä hetkellä pilvilaskentaan ja tekoälyyn pohjautuvia ratkaisuja, yhtiö ei ole hylännyt kvanttipuolta, Riippi korostaa.
Kvanttialgoritmien parissa Quanscientillä työskentelee tällä hetkellä seitsemän ihmistä, kun puhtaasti tekoälyn parissa heitä on kolme. Fysiikkaratkaisuja ja pilvilaskentasimulointia kehittää kolme ihmistä, ja koko järjestelmää palvelevaa arkkitehtuuria rakentaa kahdeksan ihmisen joukko.
Uusin kerätty rahoitus menee tekoälyosaamisen vahvistamiseen ja kansainväliseen myyntiin.
Riippi pitää tekoälyä ja kvanttilaskentaa monella tapaa luonnollisena yhdistelmänä. Tekoäly auttaa kvanttisovellusten kehittämisessä ja kvanttitietokone voi puolestaan mahdollistaa ennennäkemättömän tekoälylaskennan – energiatehokkaasti.
– Ne eivät missään nimessä ole kilpailevia teknologioita, vaan toisiaan täydentäviä, Riippi sanoo.
Kuuntele Tiedeykkösen jakso kvanttitietokoneista ja niiden vaikutuksesta nykyisiin salausjärjestelmiin:
