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
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.
