Onko tieteellä vain kaksi jalkaa?

Moshe Y. Vardi kyseenalaistaa ajatuksen kolmesta (tai neljästä) tutkimusmetodista Communications of the ACM -lehden pääkirjoituksessa (Vol. 53, No. 9, September 2010). Vardin mukaan tutkimusmetodeja on vain kaksi - kokeellinen ja teoreettinen - ja niin sanottu laskennallinen tiede on osa näitä kumpaakin.

Vardin mukaan myöskään neljänneksi paradigmaksi (fourth paradigm) kutsuttu informaatioperustainen lähestymistapa ei ole uusi tutkimusmenetelmä vaan kuvastaa kokeellisen ja teoreettisen sisällä tapahtunutta muutosta, jossa tietotekniikasta on tullut välttämättömyys.

Aluksi pidin Vardin väitettä perusteettomana. Olen jo parikymmentä vuotta puhut tieteellisestä laskennasta (ja laskennallisesta tieteestä), jatkaen samalla linjalla näihin päiviin saakka. Teoksessa Numeeriset menetelmät käytännössä (Haataja et al. CSC, 2002. 2. painos) - joka on saatavilla PDF-muodossa - esitin kolmen tukijalan mallin, jossa kolmion nurkkiin on merkitty kokeellinen, teoreettinen ja laskennallinen tutkimusmenetelmä.

Nyttemmin adoptoin mukana myös neljännen paradigman, ja niinpä kirjoitin asiasta seuraavasti Tietoyhteys-lehden pääkirjoituksessa (2/2010):

Toisen maailmansodan jälkeen, suuremmassa määrin 1960-luvulta alkaen, kehittyi laskennallinen menetelmä, joka hyödynsi tietokonesimulaatioita mitä moninaisimpien ilmiöiden tutkimisessa. Islannin tuhkapilvien leviämismallit ovat mainio esimerkki laskennallisen menetelmän mahdollisuuksista.

Mutta kehitys ei pysähtynyt tähän. Tutkijat ovat saaneet käsiinsä välineitä, joilla massiivisista tietomääristä ja niiden yhdistelystä syntyy uudenlaista tietoa. Tästä käytetään usein termiä "data-driven discovery", informaatioperustainen tutkimusmenetelmä.

Mutta... Tarkemmin ajateltuani asiaa kyllä Vardi taitaa olla oikeilla jäljillä. Lienee hyödyllisempää nähdä laskennallinen ja informaatioperustainen lähestymistapa tieteen sisäisenä muutoksena käyttävissä olevien välineistöjen osalta kuin kokonaan uusina menetelminä.

Törmäsin samaan asiaan vuosi sitten, kun Aalto-yliopistosta tuli vierailulle opiskelijoita, joille esittelin laskennallisen tieteen merkitystä. Tähän tuli välitön kommentti: "Onko muuta tiedettä kuin laskennallista?" Yritin tähän selittää, että näinhän se taitaa nykyisin olla, mutta ihan kokonaan en asiaa silloin sisäistänyt. Nyt Vardin pääkirjoitus toi asian uudelleen esille. Näin se on.

Saman kaltaisia ajatuksia tuli mieleen pari viikkoa sitten Aalto-yliopiston järjestämässä tutkimuksen infrastruktuuria käsittelevässä paneelikeskustelussa. Onko enää olemassa tiedettä ja tieteenalaa joka ei käyttäisi tietotekniikkaa mallintamiseen, laskentaan ja tiedon hallintaan? Uuden ymmärryksen tuottaminen - mikä on yhteiskunnan keskeinen ja kriittinen toiminto - ei nykyisessä muodossa olisi olemassa ilman tietotekniikkaa.

Tiede saakoon seistä edelleenkin kahdella tukijalalla - jotka tänä päivänä ovat tietotekniikan läpäisemiä kaikilta osin. Ilman nykyistä tietotekniikkaa ei olisi tieteen kahta tutkimusmenetelmää nykyisen kaltaisina yhteiskunnan keskeisinä kehittämisen tukijalkoina.

Vielä pari sanaa pilvilaskennasta

Pohdiskelin jo aiemmin pilvilaskennan näkymiä laskennallisen tieteen kehittymisessä. Tässä jatkoa, pari ajatusta siitä mitä Suomessa on asiaan liittyen tapahtumassa.

* * *

Suomessa julkistettiin vuonna 2009 kansallinen tutkimusinfrastruktuurien tiekartta, jossa laskennallisen tieteen tarvitsemalla infrastruktuurilla on keskeinen rooli. Tutkimus-, kehitys- ja innovaatiotoiminnan nopeuttaminen on elinehto Suomella. Meillä on tähän mahdollisuus laskennallisen tieteen ja data-intensiivisen tutkimuksen kautta.

Ajantasainen tutkimuksen auttaa myös Suomea parantamaan kansainvälistä vaikuttavuutta. Nykyaikainen tietotekniikka tuo kansainvälisyyden jokaisen tutkijan konkreettiseksi mahdollisuudeksi.

Tietotekniikan keskeisen roolin vahvistuminen entisestään tuo suuria haasteita infrastruktuurin toteuttajille. Miten vastaamme datan räjähdysmäisen kasvun mukanaan tuomaan haasteeseen? Miten teemme mahdolliseksi yhdistellä eri tutkimusalueilta peräisin olevia aineistoja uuden ymmärryksen luomiseksi?

Tietotekniikan mahdollistama uudenlainen aineistojen yhteiskäyttö edellyttää aineistojen keräämisen ja digitoinnin koordinointia sekä hyviä tietoliikenneyhteyksiä ja yhteisiä palveluja.

* * *

Pilvilaskenta tarjoaa hyödyllisen ajatusmallin, joka vie tietoteknistä kehittämistä oikeaan suuntaan. Mutta helppoa muutos ei ole.

Miten ratkaistaan käyttäjien tunnistaminen? Miten datan hallinnointi hoidetaan luotettavasti? Miten tehdään mahdolliseksi tutkijoille yhdistellä eri tutkimusalueiden malleja, simulaatio-ohjelmistoja ja data-aineistoja sekä tekemään laskennallisen tieteen vaatimaa kansainvälistä yhteistyötä verkossa?

* * *

Suomessa CSC:lle on annettu valtuudet lähteä kehittämään seuraavan sukupolven superlaskenta- ja datankäsittely-ympäristöä vuosina 2012-2014. Tavoitteena on maailman tehokkain tietotekniikkaympäristö tutkimuksen ja julkishallinnon tarpeisiin.

Tulevasta datakeskuksesta tehdään maailman ekotehokkain ja sen ympärille luodaan korkealaatuinen palveluvalikoima. Tähän kehitystyöhön liittyen Suomeen tuodaan uusimpia menetelmä- ja teknologiatrendejä, joilla pystytään nopeuttamaan tutkimustulosten tuottamista, innovaatiosykliä ja päätöksentekoa.

Uusi datakeskus tuo mukanaan paljon uusia haasteita mutta myös mahdollisuuksia. Kustannustehokkuus tulee olennaisesti paranemaan samalla kun voidaan entisestään vahvistaa asiakkaille tarjottavaa räätälöityä asiantuntemusta.

Näillä näkymin Suomessa tulee olemaan vuonna 2015 suorituskyvyltään ja luotettavuudeltaan maailman kärkeen kuuluva laiteinfrastruktuuri, jossa samalla pyritään nollahiilijalanjälkeen.

Samassa ympäristössä on tarjolla massiivista superkone- ja klusterikapasiteettia, luotettavaa ja tehokasta datan tallennuskapasiteettia sekä sovelluksia jotka mahdollistavat uuden tiedon tehokkaan tuottamisen. Yhteiskäyttöisyyden ansiosta suomalaisilla tutkijoilla ja opiskelijoilla on käytössä maailmanluokan ympäristö joka tekee laajamittaisen yhteistyön ja tutkimustiedon jakamisen mahdolliseksi.

Haasteet ovat myös mittavia, kuten järjestelmien elinkaareen ja tietoturvaan liittyvien kysymysten ratkaiseminen. Mutta mitäpä tietotekniikka olisi ilman haasteiden ratkaisemista?

Kuka tarvitsee pilvilaskentaa ja kenelle se riittää?

Maailma muuttuu ympärillämme yhä verkostuneemmaksi ja dynaamisemmaksi. Pilvilaskennan - englanniksi "cloud computing" - vaikutukset näkyvät työympäristössämme koko ajan enemmän. Pilvilaskennasta on puhuttu jo vuosia - ja sitä ennen metakonesta ja gridistä - ja siirtyminen pilveen alkaa olla arkipäivää. Tästä huolimatta pilvipalvelujen tehokas hyödyntäminen on haastavaa, eikä ole selvää millä alueilla pilvilaskennasta tulee loppujen lopuksi olemaan eniten etua.

Pilvilaskenta edellyttää, että sovelluksista kehitetään siirrettävämpiä kuin ne nykyisin ovat. Tämä on monesti suuri haaste, sillä perinteiset sovellukset ovat riippuvaisia teknologioista jotka eivät välttämättä istu hyvin pilven ajattelumalliin. Esimerkiksi käyttäjien ja datan hallinnointi voidaan joutua miettimään kokonaan uudelta pohjalta.

Pilvilaskennalla on saavutettavissa merkittäviä etuja sekä palvelujen joustavuudessa että tehokkuudessa. Joissakin sovelluksissa puhdasoppinen pilvilaskennan hyödyntäminen ei välttämättä edes kannata, esimerkiksi silloin kun kyseessä on vaatimuksiltaan hyvin raskas erityissovellus jolla on pieni käyttäjäkunta.

* * *

Pilvilaskenta-termin loppuosa "laskenta" ei välttämättä istu hyvin esimerkiksi talous- tai opintohallinnon kaltaisiin sovelluksiin. Termi "cloud computing" tarkoittaa tietojenkäsittelyä yleensä, ei pelkästään niin sanottua laskentaa. Mutta tässä käsittelen sellaista aluetta, jossa laskennalla on suuri merkitys, nimittäin laskennallisen tieteen sovelluksia.

Laskennallisessa tieteessä käytetään matemaattisia malleja vaativien ja monitieteisten ongelmien ratkaisemiseen tietokoneella. Laskennallinen tiede on viime vuosikymmeninä tehnyt mahdolliseksi simuloida maailmaa äärimmäisen yksityiskohtaisella tasolla, pyrkien ymmärtämään luonnonilmiöitä, suunnittelemaan uudenlaisia laitteita ja järjestelmiä sekä ennustamaan tulevaisuutta.

Olkoon tuotannonala mikä tahansa, teollisuus hyödyntää laskennallista tiedettä suunnittelussa ja päätöksenteossa. Laskennallisen tieteen avulla voimme kehitellä uusia energialähteitä, rakentaa turvallisempia kulkuneuvoja ja ennustaa säätä aiempaa tarkemmin.

Laskennallinen tiede ei ole enää myöskään pelkästään tutkijoiden asia. Julkisuudessa on taitettu peistä ilmastomallien oikeellisuudesta, mikä on yksi esimerkki alueen popularisoitumisesta.

* * *

Tieteellisessä tutkimuksessa laskennallinen tiede on lyönyt läpi kaikilla aloilla, ilman sitä ei tutkimusta juuri voi enää tehdä.

Biolääketieteessä hyödynnetään laskennallista tutkimusta monella tavalla. Tiedon louhinnan avulla pyritään löytämään uusia keinoja esimerkiksi syövän hoitamiseen. Muutaman vuoden - tai ehkä vuosikymmenen - päässä häämöttää ennustava lääketiede. Jokaiselle meistä voidaan ennakoivasti suunnitella toimenpiteitä, joilla terveyttä ja hyvinvointia edistetään.

Laskennallista tutkimusmenetelmää hyödynnetään yhä enemmän humanistisissa ja yhteiskuntatieteissä, esimerkiksi analysoimalla tietokoneilla tekstin sisältöä, esimerkiksi sanavalintoja. Arkeologiassa voidaan paikkatietoon perustuen tehdä laskennallisia simulaatioita ihmisten pitkän aikavälin käyttäytymisestä käyttämällä lähtötietoina monista eri lähteistä peräisin olevia aineistoja.

Laskennallisen tieteen sovelluksissa tarvitaan suurta - joskus maailman suurinta - laskentakapasiteettia sekä valtavien tietomäärien hallinnointia tietotekniikan avulla. Sovelluksia kehitetään eteenpäin usein hyvin nopeassa syklissä, mutta toisaalta tutkimusaiheen parissa voidaan viettää vuosia, jopa vuosikymmeniä, mikä aiheuttaa suuria vaatimuksia tietoteknisen ympäristön elinkaaren hallintaan.

* * *

Laskennallisen tieteen tutkimuskohteita on valtavasti, ja ne poikkeavat suuresti toisistaan, joten tietotekniselta ympäristöltä vaaditaan joustavuutta. Toisaalta ratkaisujen täytyy olla tehokkaita, koska sovelluksissa käytettävissä oleva laskentateho, tiedonsiirtonopeus ja tallennuskapasiteetti ovat merkittäviä kilpailutekijöitä kansainvälisessä tutkimuksessa.

Miten pilvilaskenta sopii laskennallisen tieteen sovelluksiin? Ja millaisia haasteita on näköpiirissä jotta pilvestä saadaan täysi hyöty?

Tuhkasta huolimatta takaisin Suomessa

Juutuin viime viikon lopulla vähäksi aikaa Leuveniin, joka on pieni kaupunki Belgiassa Brysselin lähellä. Lopulta paluumatka järjestyi työtovereiden avulla, suuret kiitokset siitä. Apua saatiin myös kokouksessa läsnä olleelta komission edustajalta, joka käytti paljon aikaa ja vaivaa paluuyhteyksien selvittelyyn.

Paluureissu sujui useassa etapissa: ensin junalla Antwerpeniin, sieltä vuokra-auton kyydissä vuorotellen ajaen Tukholmaan ja lopuksi laivalla Helsinkiin. Kokonaismatka-aika oli yli 40 tuntia, josta 17 tuntia meni lähes yhtäjatkoiseen autoiluun: 1700 kilometriä keskinopeudella 100 km/h. Erityistä harmia aiheuttivat Saksan moottoriteiden lukuisat tietyöt ja Belgian puolen huononpuoleiset tieopasteet.

Mutta mitä tästä voisi oppia? Vaikea sanoa, vieläkin ajatukset ovat vähän hajallaan ja olo tuntuu hiukan poissaolevalta. Univelkaa on jäljellä melko paljon, eikä ruumiskaan ole vielä palautunut pitkästä yhtäjaksoisesta istumisesta autossa.

Se ainakin lienee selvää, miten haavoittuva nyky-yhteiskunta on. Ja toisaalta miten paljon tarvitsemme tietotekniikkaa, esimerkiksi tuhkan leviämisennusteiden tekemiseen. Ehkä tämä kannustaa miettimään mille kaikelle olemme nykyaikana haavoittuvaisia, ja jo etukäteen varautumaan suurimpiin uhkiin.

Työtä Suomen hyväksi

Missä mennään, Suomi? Ymmärtävätkö päättäjät miten yhteiskuntaa varjostavat ongelmat ratkaistaan?

Modernilla yhteiskunnalla riittää haasteita: ilmastonmuutos, energian riittävyys, ikääntyvä väestö... Kuka osaa kertoa, miten tulee toimia jotta Suomi voi hyvin tulevaisuudessa?

Tuo oli retorinen kysymys, mutta onneksi siihen on vastaus: tutkimuksen pitää pystyä antamaan vastauksia yhteiskunnan kohtaamiin haasteisiin. Korkeakoulut ja tutkimuslaitokset ovat avainasemassa.

Koska tutkimus on yhä enemmässä määrin laskennallista, moni asia jäisi tutkimatta, jos tutkijoilla ei olisi käytettävissä pitkälle kehittynyttä sähköistä infrastruktuuria. Laskennallisen tieteen merkitys kasvaa jatkuvasti uusilla alueilla, esimerkkinä yhteiskuntatieteissä. Lisäksi tarvitaan joku taho ottamaan vastuu tutkimusaineistojen tallentamisesta ja hyödyntämisen edistämisestä.

* * *

Mitä ilmastonmuutos merkitsee Suomelle? Pelkkä maapallonlaajuinen ennuste ei riitä, vaan tarvitaan tarkempaa ymmärrystä. Miten sademäärä jakaantuu ajallisesti ja paikallisesti? Ja mitkä ovat lämpötilan vaihteluvälit vuodenajasta ja paikkakunnasta riippuen?

Entä energian riittävyyden haasteet? Löytyykö ratkaisu fuusiosta, bioenergiasta vai äärimmäisen säästeliäästä energian käytöstä? Kukapa sen voisi selvittää paitsi tutkijat?

Entä suomalaisten terveys vuonna 2030? Osaammeko hyödyntää biolääketieteen uusimpia mahdollisuuksia? Tarjoaako Suomi kansalaisille henkilökohtaista genomi- ja elintapatietoihin perustuvaa diagnoosia, jonka avulla vältetään turhat lääkitykset ja osataan valita parhaiten tepsivä hoito? Voisiko terveydenhuollossa olla Suomen merkittävin vientituote vuonna 2030?

* * *

Tietotekniikan olennaisen tärkeyden yhteiskunnallisten kysymysten ratkaisemisessa toteaa juuri ilmestynyt Liikenne- ja viestintäministeriön raportti "Sähköisesti nouseva Suomi" (Viestinnän elinkeinopoliittisen työryhmän loppuraportti, LVM 43/2009).

Alla muutama poiminta numeroiduista työryhmäehdotuksista:

1: ... Työryhmä esittää, että valtioneuvosto laatii uuden, eri hallinnonalojen politiikat yhdistävän, täysin digitaalisen Suomen rakentamiseen tähtäävän toimenpideohjelman.

2: ... tähdätään kansallisen hiilijalanjäljen pienentämiseen 15 prosentilla tieto- ja viestintätekniikan avulla vuoteen 2020 mennessä.

5: Työryhmä kannattaa EU:n komission julkisen tiedon uudelleenkäytön helpottamiseen tähtääviä linjauksia ja esittää, että valtioneuvosto tekisi vuoden 2010 aikana valtiovarainministeriön esittelystä asiasta poliittisen tason linjauksen.

8: Työryhmä kiinnittää huomiota osaamispuutteisiin julkisen sektorin tieto- ja viestintätekniikan hankinnoissa.

* * *

Siinäpä haasteita. Mutta sehän meille sopii. Hoidetaan hommat niin että Suomi pärjää tulevaisuudessakin.

Tarvittaisiinko Suomeen laskennallisen tieteen tutkimuslaitos?

Pari viikkoa sitten koin ahaa-elämyksen kertoessani opiskelijoille laskennallisesta tieteestä. Yleensä olen joutunut selittämään juurta jaksain, mitä laskennallinen tiede tarkoittaa, mutta nyt tuli ihan uudenlainen kysymys: "Miten niin laskennallinen tiede? Eikö kaikki tiede ole laskennallista?"

Hetkisen mietittyäni oli pakko myöntää, että näin nykyään tosiaan on. Sanoin, että laskennallinen tiede on termi, jolla on aikoinaan pyritty korostamaan tietotekniikan kasvavaa roolia tieteessä, kontrastina kokeelliseen ja teoreettiseen tutkimusmenetelmään. Mutta nykyään muutos on tapahtunut kautta linjan ja kaikki tiede on laskennallista. Ilman tietotekniikkaa ei tiedettä juuri voi tehdä.

Aina silloin tällöin joku on ehdottanut, että Suomeen perustettaisiin laskennallisen tieteen tutkimuslaitos. En ole tällaisista ehdotuksista innostunut, mutta nyt on alkanut tuntua että ideassa olisi järkeä.

Toki laskennallista tiedettä tehdään jo kaikkialla, onhan meillä monia tutkijakoulujakin - esimerkiksi COMP - jotka jo nimessään viittaavat laskennalliseen tieteeseen. Mutta näissä tehdään etupäässä soveltavaa tutkimusta, siis käytetään tietotekniikkaa jonkin tai joidenkin tieteenalojen ongelmien ratkomiseen.

Mutta varsinaista laskennallisen tieteen tutkimusta, sitä tehdään varsin vähän Suomessa (kuten muuallakin). En tarkoita tässä pelkästään sellaisia asioita kuten matemaattinen mallinnus ja numeeriset menetelmät, vaan laajempaa aiheen käsittelyä, erityisesti liittyen tutkimusdatan käsittelyn problematiikkaan sekä ohjelmoinnin pullonkauloihin. Näistä jälkimmäinen on mielestäni erityisen kriittinen ja puuttuva osaamisalue Suomessa.

On yllättävää, miten vähän ohjelmoinnin, ohjelmistojen ja laskennan osaamista kehitetään Suomessa. Se mitä tehdään tapahtuu jonkin muun tutkimuksen kyljessä. Tämä on johtamassa siihen, että eri sovellusalojen tutkimuksessa käytetään tehottomia, epäluotettavia ja ennen kaikkea huonosti ylläpidettäviä ratkaisuja. Toisin sanoen: pyörää keksitään jatkuvasti uudestaan.

Tällä tiellä ei voi pitkään jatkaa ilman että se näkyy tutkimuksen laadussa. Tai ehkä se on jo alkanut näkyäkin. Onneksi emme ole vielä pudonneet osaamisessa kehitysmaakastiin, mutta pelkään että niin voi tapahtua nopeasti jos emme tartu toimeen.