Vahvistusoppimisella (RL) on saavutettu merkittäviä tuloksia käytännön sovelluksissa. Haasteena on suunnitella ohjelmistojärjestelmiä, jotka kykenevät kouluttamaan RL-malleja erittäin suuressa mittakaavassa. Esimerkiksi suositun chatbotin, ChatGPT, perustana olevan suuren kielimallin (GPT-4) kouluttaminen edellyttää mallin ja tietojen jakamista kymmenien tuhansien erikoislaitteistojen ja grafiikkasuorittimien (GPU) välillä. Tämän seurauksena tavallisten käyttäjien sekä pienten ja keskisuurten yritysten on vaikeaa tai jopa mahdotonta soveltaa nykyaikaisia RL-malleja liiketoiminnassaan. Tässä Aalto-yliopistossa toteutetussa hankkeessa suunnittelemme ja toteutamme teollisessa mittakaavassa skaalautuvan ja joustavan RL-malli, AthenaRL. AthenaRL tulee olemaan avoimen lähdekoodin ohjelmisto, jossa on helppokäyttöiset rajapinnat ja päästä päähän -julkaisuputki. Käyttäjät voivat näin ollen suoraan käyttää tai mukauttaa AthenaRL:ää omien alojensa ongelmien ratkaisemiseen.

2024

2028