Mitä kaikkea aivojen surinasta voi löytää?

Tehokkainkin tietokone on vain "duunissa täällä". Jonkun pitää komentaa se käyttämään laskentatehoaan järjellisesti. Aapo Hyvärinen komensi tietokoneet järjestelemään aivokuvantajien dataa.

Kioton lähistöllä on ATR-tutkimuslaitoksen rakentama talo, jonka asukkaiden aivotoimintaa mittaroidaan aina, kun he ovat kotona. Koneoppimisen spesialisti Aapo Hyväriselle nämä perheet ovat ihmisen aivotoiminnasta kertovan datan runsaudensarvi.

Toiminnallista neurokuvantamista on perinteisesti tehty laboratorioissa, joissa koehenkilöt suorittavat yksinkertaista tehtävää muutaman minuutin ajan anturit päässä. Tämä asetelma ei kuitenkaan tyydytä tutkijoita.
– Aivokuvantamisessa pyritään maailmanlaajuisesti ulos laboratorioista, luonnollisiin olosuhteisiin, tietojenkäsittelytieteen professorina Helsingin yliopistolla työskentelevä Hyvärinen sanoo.

Säännönmukaisuuksia paljoudessa

Laboratoriosta elävään elämään siirtyminen tarkoittaa datamäärän valtaisaa kasvua eli edellyttää tietokoneilta paljon. Onneksi niissä nykyään riittää laskentatehoa. Pelkkä teho ei kuitenkaan auta. Koneet täytyy myös osata komentaa käyttämään tätä tehoa järjellisellä tavalla.

Juuri tässä — tai tarkemmin sanoen koneoppimisen teoriaan kuuluvassa "riippumattomien komponenttien analyysissa" (ICA) — Hyvärinen on pioneeri. Edelläkävijyytensä takia hän sai vuoden kutsun Kiotoonkin, aivotalossa syntyvän datan äärelle.

ICA:ssa havaintoaineistosta paikannetaan kiinnostavia, omalakisia komponentteja vähän samaan tapaan kuin ihminen cocktail-kutsujen puheensorinassa osaa keskittyä kuuntelemaan tiettyä puhujaa.
– Aivokuvantamisdata on yksi ICA:n tajuttavimpia sovelluksia. Voimme löytää datan paljoudesta säännönmukaisuuksia eli viestejä pienistä aivoalueista, jotka toimivat jossain määrin toisistaan riippumatta.

Ensimmäisenä jatko-opintovuonna huipulle

Peruspulma nykytieteessä on se, että paraskaan mittalaite ei yleensä vastaa suoraan tutkimuskysymykseen. Se vain tuottaa jonkinlaista dataa. Säännönmukaisuuksien etsiminen datasta on vaikeaa, Hyvärinen sanoo.
– Vaikka säännönmukaisuuden intuitiivisesti tajuaisi, asian muotoilu täsmälliseksi matemaattiseksi teoriaksi ja sitten vielä säännöllisyyttä hakevaksi tietokonealgoritmiksi vaatii usein tuhansia henkilötyövuosia.

Hyvärinen kutsuu oman uransa alkua eli vuonna 1995 aloitettua väitöstutkimusta "matemaattis-teoreettiseksi puuhasteluksi". Aiheena oli riippumattomien komponenttien analyysi.
– Silloin toki jo ymmärrettiin, että eri aloilla syntyi yhä enemmän mittausdataa ja että tietokoneiden laskentakapasiteetti oli kasvanut. Dataa tulkitsevien teorioiden ja algoritmien kehittely oli kuitenkin lapsenkengissä.

Hyvärinen keksi väitöskirjassaan algoritmin, joka tekee tarvittavat laskut aiempaa nopeammin mutta silti tarkasti. Keskeinen oivallus oli ottaa niin sanottu kiintopistealgoritmi osaksi riippumattomien komponenttien analyysia.
– Teoreettisen ajatuksen vääntäminen algoritmiksi kävi lopulta nopeasti, vain muutamassa kuukaudessa. Lopputuloskin oli melko yksinkertainen: kymmenisen riviä komentoja tieteellisen laskennan ympäristössä.

Väitöskirjan valmistuessa vuonna 1997 soveltava tutkimus oli lähtenyt käyntiin, ja Hyvärisen algoritmi osoittautui kilpailijoita toimivammaksi.

Algoritmi levisi laajalti, ja 2000-luvun kuluessa sitä on sovellettu erilaisiin datajoukkoihin eri tieteenaloilla. Se on löytänyt mielenkiintoisia komponentteja, esimerkiksi avaruuskuvista ja geenidatasta. Juuri tuo algoritmi tuottaa Hyväriselle jatkuvalla syötöllä viittauksia, joka puolelta maailmaa.
– On hieman ärsyttävää, että tein viitatuimman löydökseni jo ensimmäisenä jatko-opiskeluvuotenani. Olen sittemmin tehnyt siihen laajennuksia, mutta ne eivät ole läheskään yhtä merkittäviä kuin alkuperäinen algoritmi. 

Vihreän teen voimalla

Väitöskirjan jälkeen Hyvärisen koko ura on pyörinyt aivojen ympärillä. Ensin hän sovelsi algoritmiaan rakentamalla tietokonesimulaatiota ihmisen näköjärjestelmästä ja vuodesta 2007 hän on kehittänyt algoritmeja aivokuvantamisdatan tulkintaan.

Nyt, kiitos koetalojen japanilaisten, käsiin tipahtaa ennen näkemätön määrä aivokuvantamisdataa. 
— Sitä analysoidessa kuluu paitsi laskentakapasiteettia, myös suuret määrät vihreää teetä!

Teksti: Antti Kivimäki