Amazon järjesti eilen Re:invent-kehittäjätapahtuman, jossa se kertoi laajentavansa tekoälyn hyödyntämisen kodin digitaalisesta apurista toimistoon. Syväoppimista hyödyntävien palvelujen avulla Amazon haluaa mullistaa nyt toimistotyöskentelyn ja tuoda koneoppimisen hyödyntämisen kaikkien ulottuville.
Amazonin mukaan koneoppimisen toteuttaminen on tällä hetkellä monimutkaista ja vaatii erityiskykyjä. Kehittäjien ja datatieteilijöiden täytyy ensin visualisoida, muuntaa ja esikäsitellä dataa niin, että se saatetaan algoritmin käytettävissä olevaan formaattiin. GPU-palvelinkoneiden tai jopa -farmien operointi vaatii erikoisosaamista.
Koneoppimismallien kouluttaminen on käsityötä ja arvaamista. Se tarkoittaa mallin miljoonien parametrien virittämistä, jonka myötä päästään toivottavasti lähelle omaa tavoitemallia. Tämän jälkeen tarvitaan lisää erityisosaamista, jolla malli otetaan käyttöön sovelluksen sisällä. Lyhyesti sanottuna koneoppiminen – tai tekoäly – on ollut useimpien kehittäjien ulottumattomissa.
Tämän Amazon haluaa muuttaa tuotepaletilla, johon kuuluu viisi uutta palvelua ja videokamera, joka on täyin ohjelmoitava ja jossa voidaan ajaa kehitettyjä tekoälysovelluksia. Kehittäjät voivat kouluttaa malleja AWS:n pilvessä ja siirtää ne DeepLens-kameraan muutaman klikkauksen avulla.
Uusista sovelluksista SageMaker mahdollistaa koneoppimismallien kehittämisen läppärillä yrityksen Amazonin S3-pilveen tallennetun datan perustella. Mikäli kehittäjä ei tule koneoppimisalgoritmeja, voi uusia sovelluksia kehittää myös neljällä uudella, valmiilla palvelulla.
Amazon Transcribe muuntaa puheen tekstiksi, joten S3-pilveen tallennetut audiotiedostot voidaan kääntää tekstitiedostoiksi. Translate kääntää tekstejä englannin ja kuuden muun kielen välillä (suomenkieli ei ole aivan ehti tulossa tuettavien joukkoon). Comprehend ymmärtää eri lähteistä tulevaa luonnollista kieltä ja tunnistaa niistä esimerkiksi henkilöitä, paikkoja, äivämääriä ja organisaatioita. Rekognition Video jäljittää ihmisiä, toimintoja ja tunnistaa esimerkiksi sopimatonta käyttäytymistä S3-tallennetuista videoista. Lisäksi sillä voidaan tehdä reaaliaikaista kasvontunnistusta.
Autoteollisuus on siirtymässä yhä monimutkaisempiin ohjelmistopohjaisiin järjestelmiin, joissa virheetön ohjelmisto on elintärkeää turvallisuuden ja suorituskyvyn varmistamiseksi. Ohjelmiston laatu ja luotettavuus eivät ole enää vain valinnaisia ominaisuuksia, vaan kriittisiä vaatimuksia erityisesti autonomisessa ajamisessa, kehittyneissä kuljettajaa avustavissa järjestelmissä (ADAS) ja yhdistetyissä ajoneuvojärjestelmissä.
Kestävä digitaalinen infrastruktuuri on kriittinen, jotta tietoliikenneverkot voidaan tehokkaasti valjastaa tekoälyinnovaatioiden ja pilvipohjaisten palveluiden tarpeisiin. Tekoälyyn liittyvien datarikkaiden sovellusten lisääntyvä kysyntä edellyttää tietoliikenneverkkoa, joka kykenee käsittelemään suuria tietomääriä alhaisella viiveellä, kirjoittaa Orange Businessin kumppaniratkaisuista vastaava Carl Hansson.
Euroopan unioni ottaa merkittävän askeleen avaruusteknologian kehittämisessä allekirjoittamalla sopimuksen uuden IRIS²-satelliittijärjestelmän toteuttamisesta. Tämä 290 satelliitin verkko on suunniteltu vahvistamaan Euroopan itsenäisyyttä ja turvallista yhteydenpitoa.
Jotta voidaan vastata uuden teknologian vaatimuksiin ja pitää järjestelmät toimimassa ”kellon tavoin”, on aika harkita ajoitusratkaisuja uudelleen. Tässä kaksiosaisessa "Precision Timing" -artikkelissa opit, miksi mikroelektromekaanisiin järjestelmiin eli MEMS-komponentteihin perustuvat piiajoituslaitteet päihittävät kvartsin elektroniikkasuunnittelun uudella aikakaudella. 
Matalatehoisten langattomien ratkaisujen asiantuntija Nordic Semiconductor ja eSIM-ratkaisuja kehittävä Kigen ovat julkistaneet yhteistyön, joka sujuvoittaa massiivisten IoT-verkkojen käyttöönottoa. Yhdessä he esittelevät CES 2025 -messuilla ratkaisun, joka yhdistää Nordic Semiconductorin nRF9151-moduulin ja Kigenin SGP.32 IoT eSIM-teknologian sekä laitteiden hallinta-alustan.
