JavaScript is currently disabled.Please enable it for a better experience of Jumi.

Älykäs karttapalvelu, joka ohjaa kiertämään ruuhkat ja tietyöt, on meille jo itsestäänselvyys. Viime vuoden lopulla tekoälyn avulla toteutettu Google Translate -käännöspalvelun uudistus oli puolestaan huima loikka, jonka myötä suomenkielistenkin tekstien kääntäminen alkaa jo tuottaa hämmentävän laadukkaita lopputuloksia. Jopa reaaliaikainen kääntäminen suoraan korvakuulokkeisiin on nyt mahdollista.

Myös kuvantunnistuksessa tekoälystä on kuluttajille iloa jo nyt esimerkiksi henkilöiden löytämisessä puhelimen kuvapankista. Seuraavaksi on vuorossa liiketoiminta.

Salesforce lanseerasi oman Einstein Vision -kuvantunnistusteknologian viime keväänä. Keskusteluissani kotimaisten yritysten kanssa on tullut selväksi, että tekoälyn tekemälle kuvantunnistukselle on huimasti käyttökohteita. Erityistä on juuri uuden teknologian sovellettavuus hyvin erilaisten toimialojen tarpeisiin.

Otetaan esimerkiksi aurinkopaneeleja myyvä yritys. Heille keskeistä on tietää, millainen katto henkilöllä tai organisaatiolla tarkalleen ottaen on. Mikäli rakennuksessa on etelään antava harjakatto, kyseessä on potentiaalinen asiakas. Tekoälyä hyödyntävän kuvantunnistuksen myötä tämä tieto on löydettävissä Google Street View -katukuvasta.

Toinen esimerkki tulee huollosta ja laitteiden kunnossapidosta. Pesukonetta huoltamaan saapunut korjaaja saattaa kohdata hänelle tuntemattoman mallin ja joutuu vaihtamaan osan, jota hän ei tunnista. Puhelimella otetusta kuvasta tekoäly pystyy suoraan kertomaan, mistä varaosasta on kyse ja kuinka kauan toimitus kestää. Näin uuden osan tilaaminen hoituu käden käänteessä ja menee varmasti oikein.

Sosiaalisessa mediassa visuaalista aineistoa on uskomaton määrä. Pelkästään Instagramissa jaetaan arviolta 95 miljoonaa valokuvaa ja videota joka päivä: yrityksille ja brändeille onkin hyvin arvokasta tietää, miten heidän tuotteensa ja palvelunsa näkyvät kuluttajien kuvavirrassa. Usein tuotteiden tai palveluiden nimiä ei julkaisussa mainita, joten brändien etsiminen kuvista on ollut sattumanvaraista käsityötä. Mutta nyt tekoäly voi rouskuttaa kuvat läpi ja tunnistaa tuotemerkit kovalla tarkkuudella.

Tekoäly vaatii opetusta

Tekoälyn käyttö kuvantunnistuksessa pohjautuu syväoppimisessa ja neuroverkon arkkitehtuurissa otettuihin edistysaskeliin. Esimerkiksi Einstein-tekoäly toimii jotakuinkin seuraavasti:

Järjestelmään syötetään kuva. Tekoäly alkaa käsitellä kuvaa etsimällä sieltä tunnistettavia ominaisuuksia: muotoja, värejä ja erilaisia osia. Tekoäly käy läpi löytämänsä ominaisuudet ja muodostaa sen pohjalta kokonaiskuvan. Kun analyysi on valmis, tekoäly luokittelee kuvan esimerkiksi kissaksi tai ei-kissaksi.

Tekoälyä myös opetetaan entistä tarkempaan kuvantunnistukseen tämän saman prosessin kautta. Erona on se, että järjestelmään syötetään jo luokiteltua aineistoa. Mikäli tekoälyn tekemä analyysi täsmää, kaikki on hyvin. Jos ei, tekoälyn kouluttamista jatketaan lisämateriaalilla niin kauan, että osumatarkkuus saadaan riittävälle tasolle.

KUVA: Einstein Vision -tekoälyn toimintaperiaate. Hidden-kerrostumassa kuva puretaan osiin ja sen pohjalta tehdään lopullinen luokittelu.

Tekoälyn kehitys on siinä pisteessä, että siihen kannattaa suhtautua vakavasti. Mielestäni jokaisen suomalaisen yrityksen tulisi miettiä, miten ne voivat soveltaa älykkäitä sovelluksia omassa bisneksessään.

Kyse ei ole siitä, että jokaisen yrityksen tulisi itse ohjata merkittäviä panostuksia oman tekoälyn kehittämiseen. Voittajia ovat ne, jotka osaavat hyödyntää olemassa olevia teknologioita ja soveltaa niitä oman liiketoiminnan kehittämiseen ja tehostamiseen.

Petteri Poutiainen
Maajohtaja, Salesforce

 
 

Näin lataat sähköauton turvallisesti kotipistorasiasta

Sähköautoiluun liittyy paljon ennakkoluuloja ja virheellisiä käsityksiä. Yksi näistä liittyy sähköauton lataamiseen: voiko sähköauton ladata tavallisesta kotitalouspistorasiasta, vai pitääkö sähköauton ostajan ehdottomasti ostaa ja asennuttaa erillinen latauslaite? Molempia mielipiteitä esiintyy, ja totuus on tältä väliltä: tavallisesta pistorasiasta voi hyvin ladata, kunhan muistaa muutaman turvallisuusseikan.

Lue lisää...

Räätälöity piiri on usein käytännöllisin

Räätälöidyn tai kustomoidun piirin suunnitteluun liittyy useita sitkeitä myyttejä ja pelkoja, jotka lähes kaikki ovat perusteettomia. Lisäksi tämän suunnittelumenetelmän monia etuja ei ymmärretä kovin hyvin. Tässä artikkelissa perustellaan, miksi sinun pitäisi pohtia räätälöidyn piirin rakentamista myös pienen volyymin projekteissa.

Lue lisää...
 
ETN_fi What is Mindsphere IoT by Siemens?. Ilmari Veijola explains at ECF2018. https://t.co/PczsxwpCO4 @SiemensSuomi @ETN_fi
11hreplyretweetfavorite
ETN_fi You dont need code to create an Android app. It can be done on Simulink and MATLAB models. See Antti Löytynoja at E… https://t.co/VJzXEfJoOM
ETN_fi See the @MinimaProcessor presentation at ECF18: https://t.co/m1znHqgj2E
ETN_fi Cut the power in IoT processors. @MinimaProcessor at Embedded Conference Finland 2018.
ETN_fi LTE-broadcast sopii autojen V2X-yhteyksiin. https://t.co/F8IgZpVhis
 
 

ny template