#koneoppiminen

[ajatuksiasarib]

Tekoäly, mitä se on?

(Tekoäly, automatisointi, robotiikka – Mitä tekoäly on?)

Tekoäly - Asia joka on esillä jatkuvasti ja kaikkialla, mutta silti ehkä vielä vieras. Milloin se on uhka milloin mahdollisuus. Milloin se vie kaikki työpaikat ja tekee ihmisistä hyödyttömiä. Milloin se on robotti ja milloin ihmisen hallitsema vahva mahdollisuus. Eli totuus löytyy varmaan näiden kaikkien summasta.

Kuuntelin Antti Merilehdon haastattelun aiheesta tekoäly ja kahlasin sivustoja aiheen ympärillä läpi ja törmäsin aina samoihin termeihin kuten koneoppiva, vahva ja heikko tekoäly, algoritmit, superinteligense.

Minulle tuli jo vähän ahdistus ja tuskanhiki, tämä on liian vaikea aihe, mutta rauhoituin ja pilkoin sana ja lähestyin sen loppuosaa älyä.

Linda Gottfredsonin määritelmän mukaan: ”Älykkyys on hyvin yleinen mielen kyky joka mm. käsittää kyvyn järkeillä, suunnitella, ratkaista ongelmia, ajatella käsitteellisesti, ymmärtää monimutkaisia ajatuksia, oppia nopeasti ja oppia kokemuksesta.”

Niimpä, tuntui heti paljon yksinkertaisemmalta.

Joten siinä missä ihmisen älykkyys pystyy havainnoimaan, ratkaisemaan ja oppimaan uusia asioita – tekoäly tekee sitä samaa mutta koneellisesti ja automaattisestikkin.

Tietotekniikka tuo älykkyytteen kapasittettia ja nopeutta käsitellä, yhdistellä, ratkoa, laskea ja ketjuttaa asioita sekä tietoja ihmistä tehokkaammin. Se on myös tasalaatuisempi, sillä koneälyllä ei ole huonoja päiviä esim. huonosti nukutun yön jälkeen ja aamulla kaatuneen maitopurkin takia. Antti Merilehti totesikin haastattelussaan, että yksinkertaisella tekoälyllä pystytään kuvantamisen keinoin jo varmemmin toteamaan tiettyjä sairauksia kuin ihmislääkärin diagnostoimana.

Liiketoiminnassa tekoälyn avulla voidaan ennakoida ja suunnitella myynnin menekkiä, asiakaspoistumaa tai ennustaa vaikka liikenneruuhkia. Avain tämän kaiken takana on data – isot datavarannot, joita analysoimalla ja hyödyntämällä voidaan tehdä liiketoimintaa tukevia ennustavia ja ennakoivia malleja. Nämä taas puolestaan mahdollistavat toimintojen sopeuttamisen kulloiseenkin tulossa olevaan tilanteeseen.

Joten näin ajateltuna ei niin pahan kuuloista, eihän?

Lähteet:

https://fi.wikipedia.org/wiki/%C3%84lykkyys

https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse

https://xn--tekoly-eua.info/mita_tekoaly_on/

https://fi.wikipedia.org/wiki/Teko%C3%A4ly

https://www.cgi.fi/fi/mita-on-tekoaly

[digisprint]

Mitä koneoppiminen on?

Kurssi: Digitaalinen liiketoiminta RDI1LH101-3029 Haaga-Helia ammattikorkeakoulu

Tehtäväpaketti 6 Tekoäly, automatisointi ja robotiikka

Julkaisupäivä: 10.12.2019

Valitsin tekoälyä ja automatisointia koskevasta tehtäväpaketista mielestäni kaikista perustavanlaatuisimman aiheen, sillä vaikka robotiikasta ja koneoppimisesta puhutaan paljon, aihe tuntuu monimutkaiselta. Kuuntelin Helsingin yliopiston Elements of AI -kurssin opettajan Teemu Roosin podcastin aiheesta.

Koneoppiminen tarkoittaa sitä, että ohjelmisto oppii sitä mukaa kun tulee lisää dataa: se parantaa toimintaansa datasta löytyvän säännönmukaisuuden perusteella. Koneoppiminen on ikään kuin tilastomatematiikkalaskuri, joka kehittyy ilman, että sitä tarvitsee datan lisääntyessä aina ohjelmoida uudelleen. A.I. Materin blogin mukaan koneoppiminen mahdollistaa tekoälyn, joka taas tarkoittaa koneen pyrkimystä toimia kuten ihminen yleensä melko kapea-alaisissa tehtävissä.

Roos kertoo, että koneoppiminen sopii tilanteisiin, joissa tarvitaan systemaattista päättelyä ja dataa päätöksentekoa varten. Epämääräistä tai intuitiivista työskentelyä kuten johtoryhmätyöskentelyä tekoäly ei auta: datan tulee olla kvantitatiivista ja määrämittaista eli aina samassa muodossa. Roosin mukaan oppivan koneen ei kuitenkaan kannata antaa tehdä päätöksiä puolestamme, vaan voimme ottaa siltä vinkkejä ja pikkuhiljaa opetella luottamaan siihen.

Koneoppiminen on nyt pinnalla kolmesta syystä

·       Dataa on valtavasti ja tarve sen lajitteluun on kasvanut

·       Laitteistoa on opittu käyttämään tehokkaasti: sekä havainnointimenetelmät että datan käsittely on helpottunut

·       Hiljaista käytännön tietotaitoa päästään käyttämään: kokeneita koneälyn ammattilaisia alkaa olla sekä yliopistoissa että yrityksissä

Mitä menetelmiä käytetään missäkin sovelluksessa?

Esimerkiksi markkinoinnissa voidaan koneoppimisen avulla tutkia asiakkaan ostokäyttäytymistä ja suositella tuotteita muiden saman tyyppisten asiakkaiden ostohistorian perusteella. Lääketieteessä koneälysovellus voi kuvien perusteella oppia tunnistamaan esim. syöpäsoluja sisältävät näytteet. Myös esimerkiksi Google käyttää hakukoneensa tulosten järjestelyssä koneoppimista: se järjestää ja karsii tulokset tietyn algoritmin mukaiseen järjestykseen.

Menetelmiä ovat:

·       Yleisesti datan lajittelu ja järjestäminen, algoritmit

·       Tekstintunnistus

·       Kuvantunnistus

·       Puheentunnistus

Yllättävää kyllä, Euroopassa tehdään Roosin mukaan eniten koneälyyn liittyvää tutkimusta, jos lasketaan kaikki Euroopan maat yhteen. Tutkimuksen vahvuuksia Euroopassa ovat datan hallinta ja regulaatio ja eettisten käytäntöjen kehittäminen. Koneälyn kehittymiseen liittyy yhteiskunnallisia kysymyksiä ja huolenaiheita: esimerkiksi algoritmin kehittäjällä on valtaa siihen, mitä ihmiset näkevät tai eivät näe, joten heillä on valtaa siihen, millainen maailmankuva ihmisille muodostuu.

Roosin mukaan kuka tahansa voi alkaa käyttämään koneoppimista hyödykseen. Koneoppimiseen ei tarvita kvanttitietokonetta ja sitä voi koodata millä tahansa kielellä. Ei tarvita isoja tehtaita, vaan kokeileminen on nopeaa. Tärkeintä on hoksata sovellusalue, josta koneoppimisesta voisi olla hyötyä.

Kuva: Algoritmin rakentamista suosittelujärjestelmää varten. Lähde: Pavel Kordnik: Machine Learning for Recommender systems - Part 1 (algorithms, evaluation and cold start) 

Esimerkkejä arkisista koneoppimisen sovellusalueista

·       Roskapostisuodattimet

·       Kasvojen tunnistus kuvista

·       Suositukset: Spotifyn, Netflixin, Amazonin suosittelualgoritmit

·       Samanlaisten kuvien etsiminen esim. Pinterestistä

·       Sosiaalisen median feedin kuratointi: Facebook, Twitter

·       Liikenne-ennusteet: Uberin reitin etsiminen, Google Maps

·       Rahanpesun tunnistaminen

·       Uusiutuvan energiantuotannon ennustaminen

Heikkoa tekoälyä sovelletaan myös jo arkisesti

·       Chatbot-asiakaspalvelijat oppivat koko ajan paremmin tunnistamaan puhetta ja vastaamaan puhekielellä

·       ”Henkilökohtainen assistentti”, joka tunnistaa puheen ja ohjaa esim. valoja, äänentoistoa, herätyskelloa tai kalenteria

·       Automaattiautot

Kuva: Eugene Goostman, ensimmäinen chatbot, joka läpäisi Turingin testin eli 33% testin tuomareista luuli keskustelevansa ihmisen eikä koneen kanssa. 

Itselleni tuli mieleen niinkin laaja ja monimutkainen aihe kuin sotatraumojen ymmärtäminen: voisiko sotatraumoja saaneiden tarinat, valokuvat, tiedossa oleva data kartoista, päivämääristä ja tapahtumista sekä sodassa olleiden sukulaisuussuhteet ja terveystiedot yhdistää niin, että uudet sukupolvet voisivat paremmin ymmärtää mitä heidän isovanhemmilleen on tapahtunut ja mihin kaikkeen trauma voi vielä vaikuttaa? Voisiko koneoppimisesta olla apua kollektiivisen trauman purkamisessa? Tähän tarvittaisiin kyllä rutkasti erilaisen datan yhdistämistä ja varsinkin sitä eettistä pohdintaa ja rajoituksia, että tällainen tieto pysyy parantamisen eikä satuttamisen apuvälineenä. 

Lähteet

A.I. Mater 2018. Mitä eroa on koneoppimisella ja tekoälyllä. Blogi 1.6.2018. Luettavissa: https://aimater.com/mita-eroa-on-koneoppimisella-ja-tekoalylla/ Luettu 10.12.2019

Daffodil 2017. 9 Machine Learning Examples from Day-to-Day Life. Luettavissa https://insights.daffodilsw.com/blog/9-machine-learning-examples-from-day-to-day-life Luettu 10.12.2019

Roos, Teemu 2019. Mitä pitää tietää koneoppimisesta. Podcast: Uuden työn ääniä. DNA Business. Kuunneltavissa: https://soundcloud.com/dna-business/mita-pitaa-tietaa-koneoppimisesta Kuunneltu 10.12.2019

[miikkasaarinen-blog]

Mitä tekoäly on?

Tekoäly on sellaista toimintaa koneen toimesta, joka ihmisen tekemänä olisi älykästä.

Yksinkertaisesti esimerkiksi maalilinjastolla tietokone laittaa kansia maalipurkkiin eli automaatio toistaa tiettyä toimintaa, kyseessä on tekoäly. Jos kone havainnoi virheitä ja toimii sen mukaan, kyseessä on älykästoiminto.

”Älykästä toimintaa koneen toimesta”

Koneoppiminen on tekoälyn osa-alue, eli kaikki koneoppiminen on tekoälyä, mutta kaikki tekoäly ei ole koneoppimista. Kone tulee tietyssä suorituksessa tietyillä mittareilla paremmaksi yli ajan, silloin kyse on koneoppimisesta. Tekoäly voidaan erotella heikkoon ja laajaan tekoälyyn. Nykyinen tekoäly on heikkoa, sillä se tekee yhden asian hyvin. Laaja tekoäly pystyy tekemään montaa asiaa yhtä aikaan. Näiden lisäksi voidaan ajatella olevan hypoteettinen superintelligence (yli-inhimillinen) tekoäly, joka on kaikkia elollisia oliomuotoja älykkäämpi singulariteetti.

Tekoälyn hyödyntäminen

Tekoälystä puhutaan nii hyvää, kuin pahaa ja sitä pidetään sekä uhkana että mahdollisuutena. Riittämätön ymmärrys ja osaaminen koetaan myös suureksi pulmaksi tekoälyn suhteen. Asiaa käsittelevässä Almamedian Jargonmankeli podcastissa jakson vieras Antti Merilehto tiivistää aihetta hyvin ja vastaa väittämiin sekä neuvoo, miten tekoälyä voi valjastaa käytäntöön ja kuinka sitä voi oppia ymmärtämään jo parissa kuukaudessa. Kaikki lähtee perusasioiden ymmärtämisestä ja siitä, mitä koneoppiminen pystyy ratkaisemaan tietyssä yrityksessä. Data on avainasemassa, sillä kaikkea kerättyä dataa pystytään hyödyntämään ja analysoimaan. Jo maltillinen koneoppiminen pystyy ennustamaa ja tätä voidaan automatisoida. Kone ehdottaa lukuja ja pystyy ennustamaan muun muassa liikenneruuhkaa.

Keinoäly tulee tekemään tiettyjä töitä, viemään työpaikkoja?

Tekoäly tulee hyödyntämään vajavaisia resursseja muun muassa poliisin työssä, kuten podcastissa ilmeni. ”Se helpottaa työntekoa, on apuna ja työkaluina eri työtehtävissä. Uudelleen koulutus on kuitenkin kaiken kehityksen avain. Tekoäly siis voidaan nähdä apuälynä tulevaisuudessa, kuten kuluttaja- ja yritysmyynnissä. Tekoälyratkaisu voi toimia muun muassa yrityksen verkkosivuilla viestiboksina, joka tarjoaa vaihtoehtoja ja toimii chat-operaattorin apuna, ikään kuin muistuttaa tätä kysymään tärkeitä asioita. Tekoäly siis auttaa prosessissa eteenpäin. Kone tekee tietyt asiat paremmin, kuin ihminen.” Tiettyihin resurssipuliin nähden tekoäly tulee täyttämään ja vastaamaan tarpeeseen ennemmin, kuin viemää ihmisten työpanokset kokonaan. Työnkuva tulee näin ollen muuttumaan ja tehostumaan.

Tekoälyä epäilevän kannattaa siis perehtyä aiheen tuomiin hyötyihin ja ymmärtää tulevaisuuden yhteiskunnan hyvinvoinnin ylläpitämisen haasteet ja luottaa tekoälyyn; luottaa prosessiin.

Tekoäly on tulevaisuus, ratkaisu ja asioilla on aina vaihtoehtoiskustannus.

https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse

[jennikarantanen]

Mitä tekoäly on?

18.12.2019

Ohjelmistoyritys Skycode Oy määrittelee Tekoäly.info – sivustollaan (https://xn--tekoly-eua.info/mita_tekoaly_on/) ytimekkäästi ja ymmärrettävällä tavalla mitä tekoäly tarkoittaa. Tekoäly tarkoittaa tietojenkäsittelytieteen osa-aluetta, jossa painotus on älykkäiden koneiden / ohjelmien luomisessa.

Tekoälyn tarkoituksena on yrittää matkia ihmisen tajuntaa ja suorittaa tehtäviä ihmisen kaltaisesti. Käytännössä se siis tarkoittaa koneen / ohjelman kykyä ajatella ja oppia ja toimia tämän pohjalta. Tekoälystä on tullut oleellinen osa teknologian teollisuutta ja sitä hyödynnetään jo nyt laajalti erilaisissa palveluissa ja tuotteissa.

Maailmalla tekoälyyn liittyvä tuote- ja palvelukehitys on edistyksellisintä Kiinassa ja Piilaaksossa, mutta myös Suomessa sitä on hyödynnetty ansiokkaasti esimerkiksi terveydenhuollon saralla ja startupeissa.

Tekoälystä puhuttaessa keskusteluun nousee usein pinnalle tasapaino asioiden välillä, kuten millä lailla ihmiset voivat hyödyntää tekoälyä ilman, että se vaikuttaa työpaikkojemme tulevaisuuteen.

Kapea ja laaja tekoäly sekä ”super intelligence”

Alma Talentin podcast avaa tarkemmin tekoälyä käsitteenä (https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse) ja kertoo muun muassa mitä eroa on kapealla tekoälyllä ja laajalla tekoälyllä. Tällä hetkellä kaikki olemassa olevat tekoälyn ratkaisut ovat ns. ”heikkoa” eli kapeaa tekoälyä, mikä tarkoittaa, että kone tekee yhden asian todella hyvin eli on erikoistunut yhteen asiaan.

Laaja tekoäly taas tarkoittaa, että kone tekee montaa asiaa samanaikaisesti yhtä hyvin. Lisäksi on olemassa kolmas määritelmä ”super intelligence”, mikä olisi niin edistyksellistä tekoälyä, että se olisi kaikkea olemassa olevaa elollista älykkäämpi.

Koneoppiminen

Koneoppiminen on yksi tekoälyn osa-alue. Kaikki koneoppiminen on tekoälyä mutta kaikki tekoäly ei ole suinkaan koneoppimista. Hyvin yksinkertaistettuna koneoppiminen on siis sitä, kun tietyssä suoritteessa ja tietyillä mittareilla mitattuna kone tulee paremmaksi, kuin nykyhetken paras lopputulema. Koneoppimista on mahdollista hyödyntää jo nyt hyvinkin yksinkertaisilla tavoilla, eikä se, ehkä päinvastoin ennakko-oletuksia, vaadi mitään insinöörin tutkintoa.

Miten itse määrittelen tekoälyn käsitteenä?

Määrittelen itse tekoälyn käsitteenä melko käytännönläheisesti. Tekoäly näyttäytyy minulle tuotteena tai palveluna, jossa koneoppimista on hyödynnetty niin, että se tuo jotain uutta tai lisäarvoa kuluttajalle. Yksinkertaisimmillaan tekoälyyn pohjautuvat ratkaisu voi olla sovellus, chatbot – palvelu pankin verkkosivuilla tai vaikka ostokäyttäytymisestä oppiva ostoskori vaatebrändin verkkokaupassa.

Itse aiheeseen tutustuneena ja siitä suuresti kiinnostuneena tiedostan, että skenaario missä tekoäly tulee lähitulevaisuudessa korvaamaan osan ihmisten suorittamasta manuaalisesta työstä, on realistinen. Tämä ei silti tarkoita, että kaikkea työtä tullaan korvaamaan tai sitä edes voi korvata. Toistaiseksi koneilta puuttuu sama tunneäly mitä ihmiselle on suotu ja tämä on suurin eroavaisuus siinä, mitä ihminen voi tehdä ja mitä kone voi tehdä.

On kuitenkin hyvä tiedostaa, että tekoälyyn liittyvää keskustelua kannattaa seurata ja miettiä, voisiko sitä jotenkin hyödyntää tulevaisuudessa oman osaamisen kannalta.

Lähteet: - https://xn--tekoly-eua.info/mita_tekoaly_on/ - https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse - https://www.helsinki.fi/fi/unitube/video/53a4b635-44ae-467f-ba40-26cd60f1d931

[e-rommcgary-blog]

Anteeksi, mutta olisiko sinulla hetki aikaa puhua datasta?

Viikonlopun runtelemia aivosynapseja sytyttelee tällä kertaa avoin data ja Big Data (konsulttipiireissä nykyisin vain data). Tuttuun tapaan heti alkuun avaan teille äidin pikku simasuille kirjoituksessa käsiteltävät termit eli esittelen muiden mielipiteitä kylmän rauhallisesti ominani. Loppusilauksen kirjoitukselleni antaa avointa dataa taitavasti alustassaan hyödyntävä suomalainen kasvuyritys nimeltään Vainu. Turvavyöt kiinni!

Big datalla viitataan suuriin järjestelemättömiin, jatkuvasti lisääntyviin tietomassoihin, joita kerätään, säilytetään, jaetaan, analysoidaan ja etsitään. Big Datan konkreettinen määritteleminen on melko hankalaa, kuten edeltävästä lausehirviöstä voitte päätellä, eikä sillä ole vakiintunutta yksiselitteistä määritelmää. Big Dataa kuitenkin yhdistää kolme tunnusomaista piirrettä, jotka ovat:

Määrä (volume), suuren datamäärän johdosta se ei ole käytettävissä yleisesti käytössä olevilla laiteilla järkevässä ajassa

Nopeus (velocity), dataa kertyy eri muodossa monista eri lähteistä ja se kasaantuu sekä muuttuu nopeasti

Monimuotoisuus (variety), datalla ei ole välttämättä mitään selkeää rakennetta, minkä vuoksi sen analysointi sellaisena on erittäin vaikeaa

Avoimella datalla viitataan julkiseen vapaasti ja maksuttomasti hyödynnettävään tietoon, jota tuottavat muun muassa julkishallinto, organisaatiot ja yritykset. On kuitenkin hyvä erottaa julkinen tieto ja avoin julkinen tieto, eli avoin data. Avoin data eroaa julkisesta tiedosta siten, että avointa dataa voivat yritykset ja kansalaiset käyttää omiin tarkoituksiinsa tasavertaisesti julkishallinnon kanssa. Puolestaan kaikkea julkista tietoa ei saa käyttää vapaasti ja maksuttomasti omiin tarkoitusperiin. Esimerkiksi verkkojulkaisun maksullisia uutisia ei saa käyttää vapaasti, vaikka ne ovat julkista tietoa. Toisin sanoen kaikki avoin data on julkista tietoa, mutta kaikki julkinen tieto ei ole avointa dataa.

Avoimeen dataan liittyy 4 pääperiaatetta, jotka ovat:

Julkisuus; dataa käyttäessä kenenkään yksityisyydensuoja tai turvallisuus ei saa vaarantua. Datan on siis oltava julkista tietoa

Koneluottavuus; data on esitetty sellaisessa muodossa, että sitä on helppo käsitellä erilaisilla tietokoneohjelmistoilla

Uudelleenkäytön sallivat lisenssiehdot; käyttöehdoissa lukee selkeästi, että datan luoja sallii aineiston uudelleenkäytön

Maksuttomuus; dataa voidaan käyttää maksuttomasti, mikä vähentää datan käyttöön liittyviä kuluja ja mahdollistaa erilaiset datan hyödyntämiseen liittyvät kokeilut

Pitkän ja puuduttavan terminologian jälkeen pääsemmekin konkreettiseen esimerkkiin siitä (yleisön pyynnöstä, siis hieman lisää dataohjautuvaa myyntiterminologiaa), kuinka avointa dataa hyödyntämällä voit viedä yrityksesi Nordic Startup Awardseissa kahdessa eri kategoriassa ykköspalkintopallille. Näin on toiminut kasvuraketti nimeltään Vainu, jonka luoman cloud-pohjaisen alustan avulla yrityksien perinteinen myyntiliidien prospektointi on jäänyt historiaan. Vainun platformin idea on muuttaa epäjärjestelmällistä avointa dataa asiakasyrityksille myyntiliideiksi. Vainu hyödyntää yli 108 miljoonan yrityksen yritystietokantaa ja avoimen datan lähteistä kerättyä yritysdataa, joka koneoppimisalgoritmien avulla muodostetaan yrityksille ajantasaisiksi myyntiliideiksi. Vainu luo lisäarvoa yritykselle tästä syystä muun muassa ajansäästön, paremman hit raten ja lisämyynnin merkeissä, koska alusta tekee prospektoinnin asiakasyrityksen puolesta ja itse yritys voi keskittyä pelkästään myyntiin.

DISCLAIMER: Allekirjoittanut pelaa jalkapalloa samassa joukkueessa Vainun CEO:n, Client Managerin ja Head of Real-Time Salesin kanssa.

Lähteet:

https://www.sovelto.fi/ratkaisut/ict-ja-uudet-teknologiat/big-data/

https://hri.fi/fi/ohjeet/mita-on-avoin-data/

https://product.vainu.io/fi/

[thisisjasmiina-blog]

Tulevaisuus - Terminaattori?

Viime vuosien aikana koneoppiminen ja tekoälyteknologia ovat kehittyneet merkittävästi sekä luoneet uusia mahdollisuuksia markkinoille, voimme sanoa, että tämä teknologia on merkittävästi mullistavaa. Koneista on tullut viisaampia ja ne ovat oppineet uusia kykyjä. Yritykset ovat omaksuneet teknologian käytön nopeasti, koska ovat huomanneet sen antamat positiiviset vaikutukset. Valitettavasti tekoälyteknologia ei tule valloittamaan maailmaa, sillä sen valjastaminen on täysin ihmisestä kiinni.

Miten tämä tekoälyteknologian käyttö näkyy yrityksissä? Monet yritykset ovat ottaneet käyttöönsä Big Datan ja ennustavan analyysin, jota käytetään koneoppimiseen, jossa algoritmi antaa mahdollisuuden laitteille käyttää dataa oppimiseen ja sen kautta kehittymiseen. Esimerkkinä voidaan katsoa Netflixiä tai Spotifyta, joissa hyödynnetään teknologia, jotta ohjelmistot voivat suositella ohjelmia tai musiikkia, josta pidät. Tekoälyä hyödynnetään myös chatbottien ja virtuaalisten assistenttien käytössä, diagnostiikassa ja puheentunnistustekniikassa sekä tukee lääketieteen kehittymistä ja eri alojen tutkimuksia.

Koneoppimista ja tekoälyteknologiaa käytetään paljon varsinkin logistiikka- ja teollisuusyrityksissä, sillä ohjelmistojen kautta voidaan luoda koneille automaattinen rutiini vähäpätöisempiin tehtäviin, mikä vapauttaa työntekijät kannattavimpiin tehtäviin. Automatisoitu ohjelmaa myös vähentää ihmisten virheitä prosesseissa sekä vahinkoja työpaikalla. Teknologia voi nostattaa minkä vain yrityksen toimintaa, myynnissä puheluiden ja myyntikanavien analysointi, palveluissa asiakkaiden vastaanottaminen 24/7 ja asiakkaiden jalanjäljen seuraaminen parempien palveluiden tarjoamisen.

Tekoäly ohjelmistot pystyvät keräämään ja analysoimaan suurta määrää dataa, jonka kautta pystytään luomaan strategioita myyntiin, palveluun, markkinointiin tai apua käytännön työtehtäviin. Tämän kaiken tiedon hyödyntäminen ei olisi mahdollista ilman tekoälyteknologiaa ja harppauksia mitä alalla on tapahtunut.

Teknologian arkipäiväistyminen ei vie meitä lähemmän terminaattorin luomaa kuvaa teknologioiden ylivallasta ja käyttöön ottaminen luo potentiaalia yritykselle sekä työhyvinvointia ja -mukavuutta työntekijöille, kuin myös helppokäyttöisyyttä asiakkaille. Teknologia ei ole hyvä, paha -keskustelu ja se pystyy matkimaan ihmisten tietoisuutta niin paljon, kuin me ohjelmoimme. Joten Spotify ei tule orjuuttamaan ihmiskuntaa ainakaan fyysisesti. Teknologia helpottaa jokapäiväistä elämäämme nyt ja ikuisesti.

[johanneell-blog]

Tekoäly

Hehkutus tekoälyn parissa hohkaa tänä päivänä punaisena ja siinä on nähtävissä jo vilauksia tulevaisuuden mullistuksista. Työ tekoälyn parissa ei todellakaan ole uutta. Tutkimukset sen parissa on itse asiassa aloitettu 1950-luvulla ja varhaisimmat kertomukset löytyvät jo Antiikin Kreikan kirjallisuudesta. Aihe on ollut pinnalla vuosikymmenten ajan aika ajoin. Tämän hetkinen kehitys on saavutettu monen taantumakauden jälkeen. Nyt ei todellakaan olla siellä aallonpohjalla. 

Tekoäly (Artificial Intelligence, AI) on digimaailman tämän hetken kuumin puheenaihe. Tämän päivän tekoälystä puhuttaessa on kyse koneoppimiseen perustuvasta tekoälystä. Tarkemmin sanottuna se perustuu syviin neuroverkkoihin. Tekoälyn avulla saadaan analysoitua massadataa (eng. big data) ja tähän sen oppiminen perustuukin. Nykyinen tekoäly on kapeaa tekoälyä, joka on rakennettu omaa tehtäväänsä varten. Tekoälyä käytetään nykyään esimerkiksi peleissä, markkinoinnissa, puheentunnistamisessa, ongelmanratkomisessa ja lääketieteessä. Muun muassa Facebook käyttää tekoälyä sosiaalisessa mediassa jaettavan datan selaamisessa sekä parantamaan suorituskykyä. IBM:llä on supertietokone Watson, joka etsii ymmärrystä ja oivalluksia suuresta datamäärästä. Myös kodinkoneiden älykkyys kasvaa vauhdilla. Oral B toi juuri markkinoille tekoälyä hyödyntävän hammasharjan.

Vahva tekoäly

Vahva tekoäly on tekoälyä laajemmalla ymmärryksellä ja sillä on jo selviä maalaisjärjen ominaisuuksia. Sillä ei välttämättä ole vielä omaa tahtoa, mutta ymmärrys ympäröivästä maailmasta kylläkin. Vahvaa tekoälyä ei ole saatu vielä kehitettyä, mutta sitä pidetään kehityksen seuraavana vaiheena.

Aiheesta kertoivat muun muassa Heikki Ailisto sekä tekoäly.info.

[mikorajala-blog]

Koneoppiminen ja sen sovelluksia.

Koneoppiminen itsessään on jo 60 vuotta vanha idea. Käsitteen keksi mies nimeltä Arthur Samuel vuonna 1959. Se on kuitenkin noussut pinnalle vasta viime vuosina. Tämä on seurausta sille, että tietokoneiden laskentateho on viimevuosina kehittynyt riittävälle tasolle.

 Mikä ihmeen koneoppiminen?

Koneoppimisessa on tarkoitus menneisyydestä kerätyn datan avulla luoda ennusteita tulevasta. Esimerkki tästä on niin kutsuttu ”lähimmän naapurin luokitin” josta Teemu Roos mainitsi DNA Business podcastissä. Tässä koneoppimisen sovelluksessa algoritmi seuloo ison asiakasmassan ostokäyttäytymistä ja tämän datan pohjalta ennustaa kohtalaisen tarkasti mitä asiakas todennäköisesti ostaa seuraavaksi. Siitä lisää myöhemmin blogitekstissä.

 Koneoppimisen muodot

 Koneoppiminen voidaan jakaa kolmeen kategoriaan käytettyjen algoritmien perusteella. Käytettävän menetelmän valintaan vaikuttaa mm. käytettävissä oleva data, sekä liiketoimintatarve tai -ongelma, johon koneoppimista olisi tarkoitus soveltaa. Näitä kategorioita ovat:

-Ohjaamaton oppiminen

-Ohjattu oppiminen

-Vahvistusoppiminen

 Ohjaamattomassa oppimisessa hyödynnetään luokittelematonta dataa. Tässä kategoriassa tekoäly pyrkii jakamaan dataa luokkiin siinä ilmenevien samanlaisuuksien pohjalta, tai ennalta määriteltyjen mallien mukaan. Tätä koneoppimisen muotoa käytetään mm. tunnistamaan poikkeamia datassa. Ohjaamaton oppiminen toimii tilanteissa, joissa ei ole suoranaisesti mahdollisuutta tai tarvetta ennustamiselle. Esimerkkitilanteena tuotantolinjan toimintahäiriöiden ennakoiminen.

Ohjatussa oppimisessa puolestaan konetta opetetaan valmiiksi luokitellulla datalla. Opetusaineistona käytetään niin kutsuttuja ”syötteitä”. Näiden syötteiden pohjalta koneoppimisratkaisun on tarkoitus oppia kategorioimaan uusia tuntemattomia ja luokittelemattomia syötteitä. Ideaalitilanne ohjatun koneoppimisen käytölle on sellainen, jossa käsiteltävä aineisto koostuu syötteistä ja tuloksista joiden välillä on järkevää muodostaa syy-seuraus suhde. Käytän jälleen esimerkkiä tuotantotilanteesa. Tuote etenee automatisoidulla tuotantolinjalla ja kamera havaitsee puuttuvan ruuvin. Vastaavaa on tapahtunut aiemminkin, sillä ruuvit ovat loppuneet. Ohjelma voi päätellä ruuvien loppuneen ja ryhtyä tarvittaviin toimenpiteisiin tilanteen korjaamiseksi.

Vahvistusoppimisessa suoritetaan toimintoja määritellyssä ympäristössä,            ja saatujen palautteiden kautta kone oppii tekemään parempia valintoja suoriutuakseen annetusta tehtävästä paremmin. Vahvistusoppimista on siis mahdollista käyttää sellaisissa tilanteissa, joissa on mahdollista suorittaa kokeiluja. Esimerkiksi teollisuusrobotin on mahdollista kehittää omia toimintamalleja kun tuotantotyöntekijä antaa palautetta tehdyn työn laadusta tai nopeudesta.

 Miten koneoppimisen sovellukset näkyvät arjessani?

Teknologia kehittyy ja koneoppimisen sovelluksia ilmenee minunkin elämässäni yhä enemmän ja enemmän. WhatsApp viestiä kirjoittaessa puhelimeni ennakoi tekstinsyöttöä ja verkkokaupat suosittelevat tuotteita jotka heidän algoritmien perusteella kiinnostavat minua.

Jälkimmäisessä taustalla on Teemu Roosin mainitsema ”lähimmän naapurin luokitin” algoritmi. Joskus menneisyydessä olen ostanut pussin heraproteiinia ja purkin aminohappoja. Näin teki myös lukuisat muut punttisalimarkot ja -marjatat. Verkkokauppa on kerännyt mittavat määrät asiakasdataa ja algoritmi on huomannut, että moni näitä tuotteita ostanut ostaa seuraavaksi hiilihydraattivalmisteen palautusjuomaa varten. Näin ollen kauppias voi olettaa että minäkin teen niin ja suosittelee tuotetta myös minulle.

Entä mitä mieltä tästä ”big datan” keräämisestä ja analysoimisesta ylipäätään pitäisi olla? Omasta mielestäni tämä on jopa jokseenkin ahdistava ajatus. Verkkosivut ja erilaiset palveluntarjoajat kuten facebook keräävät näin mittavia määriä dataa asiakkaista, heidän käyttäytymisestään ja mielenkiinnon kohteista. Tämän kerätyn datan perusteella pystyvät sitten kohtalaisen tarkastikin määrittelemään millainen henkilö on kyseessä ja tarjota heidän mielestään sopivaa tuotetta tai palvelua. Mitä mieltä sinä olet?

 https://soundcloud.com/dna-business/mita-pitaa-tietaa-koneoppimisesta

https://aiwo.ai/tekoaly/koneoppiminen/

[harryblogi]

6. Tekoäly, automatisointi ja robotiikka, aiheena kohta 1. Mitä tekoäly on?

Tänään on loistava hetki paneutua tarkastelemaan sitä, mitä tekoäly todellisuudessa on ja miten itse sen koen. Tervetuloa siis mukaan, Bienvenida! Olen huomannut, että hyvin usein, kun puhumme tekoälystä, ajaudumme lopulta keskusteluun siitä, miten koneet ottavat lopulta vallan ja syrjäyttävät kaikki ihmisten työt. Mielestäni tärkeämpää on pohtia, mitä me tänä päivänä saamme aikaan tekoälyllä ja miten se tulee muuttamaan toimintaamme tulevaisuudessa. Kaikki aika menee pohdiskellessa, mitä se tekoäly on ja kukahan sen on keksinyt? Mitä jos sen sijaan pohtisimme, mitä hyötyä siitä on meille ja onko se meille enemmän uhka kuin mahdollisuus. Onko tekoäly sitten uhka vai mahdollisuus? Antti Merilehdon mukaan suurin uhka tekoälylle on se, että Suomalaiset yritykset eivät tämän vuoden aikana aloita kokeiluja koneoppimisen tekoälyn parissa. Suurin osa tekoälyn kehityksestä tapahtuu piilaaksossa Kaliforniassa sekä Kiinassa. Merilehdon kiteyttää tekoälyn niin, että se on sellaista toimintaa koneiden toimesta, joka ihmisen tekemänä olisi mahdollisimman älykästä (Merilehto 2019).

Joidenkin lähteiden mukaan tekoäly on tietojenkäsittelytieteen osa-alue ja siinä on tarkoitus tarkastella älykkäiden koneiden luontia. Tekoälyn tarkoitus on usein matkia ihmisen toimintaa ja suorittaa tehtävät niin kuin ihminen ne tekisivät. Käytännön tasolla se tarkoittaa ohjelman tai koneen kykyä oppia sekä ajatella (Tekoäly 2019).

Ensin meidän tulisi myös erotella automaatio ja tekoäly. Jos kone laittaa maalipurkkien kansia kiinni, kyseessä on automaatio, eikä tekoäly. Jos esimerkiksi maalipurkkiin pääsee jotain muuta maalia kuin mitä sinne olisi pitänyt päästä ja kone huomaa sen esimerkiksi kameran silmän kautta, kyseessä on tekoäly. Tällöin kone itse havainnoi ja huomaa että tuotteessa on jokin virhe (Merilehto 2019).

Laaja ja kapea tekoäly, Mitä se on? Merilehdon mukaan meidän uhka on se, että me emme pysty pitämään hyvinvointiyhteiskuntaa yllä, ellei me panosteta tekoälyyn. Meidän tulisi myös erotella heikko ja kapea sekä laaja tekoäly toisistaan. Kapea tekoäly on sitä, että tekoäly pystyy tekemään vain yhden asian kerralla. Käytännössä se voi tarkoittaa vaikka sitä, että se maalipurkkien kansia kiinni laittanut kone huomaa virheen kameran linssin kautta. Se ei pysty pelaamaan esimerkiksi shakkia samalla vaan se on ohjelmoitu tekemään vain yhtä asiaa kerralla. Tätä on melkein kaikki tekoäly tällä hetkellä. Laajassa tekoälyssä on kyse siitä, että kone pystyy tekemään montaa asiaa samanaikaisesti (Merilehto 2019). Mitä on sitten koneoppiminen? Eikö se ole sama kuin tekoäly? Itse olen aina ymmärtänyt, että koneoppiminen on yksi tekoälyn muoto tai osa-alue. Jos minulta kysyttäisiin, määrittelisin sen niin, että siinä on tarkoituksena saada ohjelmisto toimimaan paremmin niin, että se matkisi käyttäjän toimintaa. Luin kuitenkin joskus Tieteen kuvalehdestä, että kaikkiin koneisiin ei ole määritelty algoritmia, vaan kone oppii itse ja pääsee sitä kautta esimerkiksi ihmisen haluttuun lopputulokseen. Merilehto kiteyttää koneoppimisen niin, että kun kone, tietyssä suoritteessa, tulee paremmaksi yli ajan, on kyse koneoppimisesta. Koneoppimisella yritykset pystyvät saamaan asiakkaille euroissa mitattavaa hyötyä (Merilehto 2019). Mitä tekoäly on sitten minun mielestä? Itse kiteyttäisin lukeman ja kuuntelemisen perusteella tekoälyn niin, että sen avulla erilaiset koneet ja laitteet sekä ohjelmat toimivat eri tilanteiden mukaan sopivalla tavalla. Koneiden ja laitteiden tulee osata havainnoida ja analysoida sekä toimia tavalla tai toisella vuorovaikutuksessa ihmisen kanssa ymmärrettävästi. Koneiden pitää osata myös ratkaista ongelmia itsenäisesti. Meidän täytyy myös tulevaisuudessa enemmän pohtia, miten saamme koneet, laiteet ja ohjelmat toimimaan eettisesti. Miten tekoäly ottaa huomioon etiikan, moraalin ja lainsäädännön. Tekoälystä on tehty myös paljon erilaista akateemista tutkimusta. Sen (tekoälyn) käyttö mahdollistaa tulevaisuudessa enenevässä määrin paremman palvelun tarjoamisen, parempien tuotteiden luonnin sekä paremmat tuotot. ELI jos nyt käytät kaiken aikasi netfliksaamiseen sen sijaan, että pari tuntia viikossa käyttäisit aikasi tekoälyn opiskeluun, niin sanotaan nyt, että sen minkä taaksesi jätät, sen edestäsi löydät.

Lähteet: Alma talent podcast 2019. Mistä oikeasti tekoälyssä ja koneoppimisessa on kyse?. Kuunneltavissa: https://soundcloud.com/jargonmankeli/mista-oikeasti-tekoalyssa-ja-koneoppimisessa-on-kyse. Kuunneltu: 12.12.2019. Tekoäly.info 2019. Vahva ja heikko tekoäly. Luettavissa: https://tekoäly.info/mita_tekoaly_on/. Luettu: 12.12.2019.

[captainmirko-blog1]

6. Tekoäly: uhka vai mahdollisuus

Ensimmäiset aatteet tekoälystä luo itselleni mielikuvan hölmöstä tietokone vastustajasta joka valittiin, koska monipeli mahdollisuutta ei ollut. Pitkälle ollaan tultu, sillä tuo entinen “hönö” antaakin nykyään selkään ja silleen että tuntuu. Mitä tämä tuo mieleen? Tekoäly on kehittynyt ja hurjasti onkin.

Tekoälyn alkukantainen ajatus juontaa juurensa Kreikan mytologiaan. Jo Kreikan myyteissä on ollut ajattelevia koneita ja keinotekoisia olentoja, kuten pronssinen jättiläinen Talos, joka suojeli Kreetan rannikkoa. Ihmisellä on siis ollut pitkään aikaa fantasioita tällaisesta, ja miksikä ei. Varmasti ei tehtaan omistajaa haittaisi ajatus super “ihmisestä” joka vääntäisi hommia kellon ymäpäri tuntematta tylsyyttä ja väsymystä. tai kreikkalaisten mielestä tämä pronssinen jätti.

Miten tekoäly määritellään? Onko se jokin super-robotti joka heittää ihmisen valtaistuimeltaan vai onko se harmiton kone joka pakkaa maalipurkkien kansia? Teko älylle on erilaisia määritelmia,joita ovat

Vahva ja heikko tekoäly

Heikko tekoäly perustuu siihen, että saadaan laitteet/ohjelmat käyttäytymään älykkäästi. Heikosta tekoälystä hyvä esimerkki on shakkiohjelma. Shakkiohjelman jokainen siirto perustuu pelkästään ennalta syötettyihin käskyihin, jonka mukaan ohjelma tekee siirtonsa. 

Heikko tekoäly ei siis tiedä itse shakista sinänsä mitään. Se ei osaa arvioida itsenäisesti mikä on hyvä ja mikä huono siirto. Käytännössä se vain analysoi tilanteen sen logiikan mukaan, mitä sille on ohjelmoitu ja tekee siirrot sen perusteella.

Vahvan ja heikon tekoälyn erona on se, että kun heikko tekoäly kykenee suorittamaan vain ennalta määrättyjä tehtäviä siihen ohjelmoidun logiikan perusteella. Vahva tekoäly on kykenevä itsenäiseen ajatteluun, samoin kuin ihminen. Heikko tekoäly ei siis saavuta tietoisuutta, mihin vahva tekoäly pystyy. Vahvaa tekoälyä ei olla vielä pystytty luomaan.

Koneoppiminen Tämä tarkoittaa että kone yrittää itsenäisesti päätyä haluttuun/johonkin ratkaisuun ilman ennalta määrättyä algoritmia.

Tekoälyn käyttäminen eri ohjelmissa

Google Maps pystyy ehdottamaan työmatkailijalle liikenteen nopeudesta ja muista tekijöistä riippuen nopeimman reitin työpaikan ja kodin välillä. 

Uberin ja Lyftin kaltaiset taksipalvelut pystyvät optimoimaan taksien saatavuuden monimutkaisessa taksien ja asiakkaiden verkostossa.

Facebookin tekoäly antaa käyttäjille suosituksia näiden tallentamissa kuvissa olevien kasvojen pohjalta. Facebook myös personoi käyttäjän uutisvirran ja näyttää hänelle häntä kiinnostavia viestejä ja mainoksia.

Itse odottelen sellaista tekoalyä joka vaikka hoitaisi noi tiskit tosta pois ja keittäis aamukaffet.

  Lähteet

https://xn--tekoly-eua.info/mita_tekoaly_on/ luettu 10.12.2019

https://www.salesforce.com/fi/blog/2017/mita-tekoaly-on.html luettu 10.12.2019

https://fi.wikipedia.org/wiki/Teko%C3%A4ly luettu 10.12.2019

[weidaxe-blog]

3 Mobiilisovellukset ja some

Somemarkkinointiyritys Kurion laatima raportti Somemarkkinoinnit trendit 2019 oli hyvin mielenkiintoinen ja hyvin nykyajan somen sanoiksi pukeva. Raportissa listattiin viisi tärkeintä trendiä, joista valitsen 3 ja avaan niitä hieman.

Kantaaottavuuden ja vastuullisuuden vaateet korostuvat somessa

Väite on täysin totta. Sosiaalinen media kuuluu jo suurimman osan päivittäiseen elämään suomessa. Ihmiset jakavat päivittäisiä asioitaan ja kuulumisiaan ystävilleen ja seuraajilleen. Tämän lisäksi Some on nostanut päätään, kun puhutaan kannanotoista taikka poliittisesta keskustelusta. Brändeistä on tullut poliittisia vaikuttajia. Somen avoimuus mahdollistaa ihmisen kurkistuksen yrityksen toimintaan ja toiminta tapoihin paremmin kuin koskaan. Yritysten on oltava tarkkana mitä jakaa ja milloin jakaa. Yksi ongelmista on myös se, että yrityksen on liian helppoa tehdä päivityksiä. Jos ennen käytiin pitkiä palavereja jokaisesta liikkeestä, nykyään yritys voi jakaa mitä tahansa yhden työntekijän painamalla ”jaa”

Data ohjaa entistä personoidumpaa kokemusta

Koneoppiminen on yksi 2010-luvun kuumista sanoista. Meidän käytöstä verkossa tarkkaillaan ja otetaan tarkkaa dataa kokoajan. Tällä tavoin meille saadaan kohdennettua markkinointia ja ohjattua meitä muutenkin kiinnostavaa tietoa. Aiheesta puhuttaessa on helposti huomattavissa kaksi kuppikuntaa. On kritisoijia ja puolestapuhujia, joihin itse kuulun. Koneoppimisessa piilee valtava potentiaali yhteiskunnalle. Esimerkiksi IBM:n kehittämä tekoäly Watson on suunniteltu otettavaksi käyttöön hoitamaan yleisimpiä lääkärinlausuntoja. Toinen mainio esimerkki koneoppimisen mahdollisuuksista ovat chatbotit. Chatbotit mahdollistavat yritysten toiminnan 24/7. Asiakkaat ovat internetin ansiosta aina ostomahdollisuuksien äärellä. Tämä keventää huomattavasti myös yksityis- ja pienyrittäjien taakkaa arjessa.

Mikrovaikuttajat tulevat megatähtien rinnalle

Vaikuttajamarkkinointi ja sponsorointi ovat nykyaikaisen markkinoinnin suuria tekijöitä. Erityisesti pienemmät yritykset hyötyvät tästä suuresti. Vaikuttajien kautta päästään tavoittamaan valtava määrä potentiaalista asiakaskuntaa. Ihmiset seuraavat somessa itsensä kaltaisia ihmisiä, joiden kanssa jakaa samoja kiinnostuksenkohteita. Jos esimerkiksi seurattu pelaaja tekee yhteistyötä hiirivalmistajan kanssa näkee tämän miljoonat pelaamisesta kiinnostuneet ihmiset. Markkinointi on tällä tavoin myös hyvinkin edullista. Mikrovaikuttajien suusta tuleva markkinointi on usein uskottavampaa ja puolueettomampaa kuin esimerkiksi megatähden taikka itse yrityksen suorittama markkinointi.

[bgf061-blog]

Tekoäly ja Robotiikka

Tehtävänanto 1. Mitä tekoäly on?

Mitä on tekoäly? Robotiikkaa ja koneita jäljittelemässä ihmisen tapaa käsitellä asioita. Näin määrittelisin itse lyhyesti käsitteenä tekoälyn. Tekoäly on kuitenkin paljon enemmänkin kuin pelkkää ihmisten ajatusten jäljittelyä. Tekoälyä on sekä vahvaa että heikkoa. Heikko tekoäly toimii sen mukaan, mitä se on ohjelmoitu tekemään. Vahva tekoäly on sen sijaan kykenevä tekemään ihmisen lailla itsenäisiä päätöksiä. Vahvaa tekoälyä ei olla kuitenkaan pystytty vielä luomaan. Tällä hetkellä tekoäly perustuukin siis lähinnä ennalta määrättyihin algoritmeihin. Tulevaisuudessa tekoälyn mahdollisuudet ovat kuitenkin rajattomat.

Kuva 1. Artificial intelligence

Jargonmankeli podcastissa käsiteltiin laajasti tekoälyn tuomia mahdollisuuksia. Suurimpana uhkana tekoälyssä oli se, että sen suhteen ei uskalleta lähteä tekemään kokoiluja vaan jäädään jatkossakin jälkeen muusta maailmasta. Kun puhutaan tekoälystä, puheeksi tulee yleensä se, kuinka paljon työpaikkoja tekoäly vie ihmisiltä. Podcastissa tekoäly kuitenkin luokiteltiin apuälyksi, joka nimenomaan auttaa parantamaan tuottavuutta ja suuntaamaan resursseja muualle automatisoimalla tiettyjä työtehtäviä. Esimerkiksi poliisien resursseja voidaan vapauttaa muihin tehtäviin, kun rekisterikilpien kirjaaminen ja sen perusteella tietojen etsiminen on tekoälyn avulla automatisoitu. Yrityksien tulisikin siis lähteä rohkeasti tekemään kokeiluja ja siirtymään tekoälyn piiriin.

Jokainen pystyy käyttämään ja hyödyntämään tekoälyä niin omassa elämässään kuin yrityksissä. Jotta esimerkiksi yrityksissä voidaan lähteä hyödyntämään tekoälyn tuomia mahdollisuuksia ei Jargonmankelin mukaan tarvitse ymmärtää kuin perusasiat. Kun osaat vastata kysymykseen ” Mitä ongelmia koneoppiminen pystyy ratkaisemaan?” teidät tarpeeksi, jotta voit lähteä suorittamaan kokoiluja. Kokeilut eivät vaadi kuin datan keräämistä ja ongelmien tietämistä, joihin halutaan löytää ratkaisu. Tekoäly hoitaa loput. Kokeilut eivät myöskään useimmiten vaadi uusien menetelmien kehittämistä. Ideat ovat harvoin niin ainutlaatuisia, ettei olemassa olevaa menetelmää jo löytyisi. Esimerkiksi vakuutusyhtiöt ja operaattorit hyödyntävät dataa ja tekoälyä siihen, että voidaan tunnistaa hiipuvat asiakkaat ja näin ollen puuttua mahdollisiin ongelmakohtiin ajoissa.

Kuva 2. Tekoäly

Sen sijaan, että keskitymme murehtimaan sitä, viekö tekoäly työpaikkani tulevaisuudessa, tulisikin keskittyä siihen, kuinka voin itse hyödyntää tekoälyä ja sen avulla tehdä sekä omasta että yrityksen toiminnasta tehokkaampaa. Tekoäly tuo toki myös ongelmia korvatessaan monia työtehtäviä. Esimerkiksi finanssialalla tekoälyn avulla on automatisoitu monia tehtäviä ja näin ollen vähennetty työpaikkoja. Kyseisissä työtehtävissä olleiden henkilöiden keski-ikä on usein myös korkea. Ongelmana onkin se, kuinka voimme kannustaa ja motivoida vanhempaa ikäluokkaa uudelleen kouluttautumaan.

Tekoälyn käyttöönotossa kysymykseksi nousee usein myös sen hinta. Tekoälyn oletetaan usein olevan erittäin kallista ja pienempiin yrityksiin ei ole kannattavaa palkata kokoaikaiseksi asiantuntijoita. Tekoälyn kustannuksista puhuessa tärkeässä roolissa onkin vaihtoehtoiskustannus. Loppupeleissä tekoälyn tuomat mahdollisuudet ja tuotot ovat monesti korkeasta hinnasta huolimatta kannattavia.

Lähteet: AlmaTalentin podcast tekoälystä  Mitä tekoäly on?

[miikotukiainen-blog]

Koneoppiminen pähkinänkuoressa

Tänä vuonna tulee kuluneeksi tasan 60 vuotta siitä, kun termi ”koneoppiminen” luotiin. Koneoppiminen onkin teorian tasolla kehittynyt hyvin pitkälle jo 80-luvulla, mutta sille on tullut tarve, tekniikka ja tarvittava data vasta myöhemmin, mikä on todella mahdollistanut sen käytön hyödyllisellä tavalla. Koneoppiminen on paljolti hyödyksi apuna päätösten teossa, suuren datan käsittelyssä ja analysoinnissa sekä tilastotieteessä. Siitä on hyötyä yrityksille esimerkiksi markkinoinnin kohdentamisessa ja rutiinitöiden hoitamisessa. Vielä ei ole näköpiirissä sellaista, että koneoppiminen voisi itsenäisesti tehdä päätöksiä ilman ihmisen hyväksyntää. Toisaalta koneoppimisessa Suomi ja koko Eurooppa on selkeästi jäljessä sen suurvaltoja USA:ta ja Kiinaa. (Teemu Roos)

Koneoppimisessa kone oppii toistuvista tapahtumista ilman, että sitä opetetaan erikseen. Tämä on selkeämpi ja kapeampi aihealueena kuin tekoäly, ja se mielletään usein osaksi edellä mainittua. Koneoppimisella pyritään automatisoimaan tiedon tulkintaa ja laajentamaan sen havainnointikykyä monimutkaisten algoritmien avulla. Koneoppimista on kahdenlaista: valvottu ja valvomaton oppiminen. Valvotussa oppimisessa koneelle opetetaan erilaisia tilanteita, ja mitä missäkin pitää tehdä ja huomioida. Valvomattomassa koneoppimisessa taas kone itse löytää tilanteita ja ehdottaa omatoimisesti, lisääkö se nämä tarkkailuun. (Tivi. Hewlett Packard Enterprise)

Analytiikkajärjestelmä InfoSight hyödyntää sekä valvottua että valvomatonta koneoppimista. Valvottua se käyttää suorituskyvyn seurannassa, jotta voidaan havaita vaikeasti havaittavia tilanteita. Valvomatonta koneoppimista InfoSight taas hyödyntää luovuutta vaativissa tehtävissä: Kun on suunniteltava esimerkiksi täysin uusia kokoonpanoja. (Tivi. Hewlett Packard Enterprise)

Wikipediassa koneoppimisalgoritmit jaetaan niille annettavan opetusdatan perusteella: ohjattu oppiminen, vahvistusoppiminen ja ohjaamaton oppiminen. Ohjatussa oppimisessa opetusdatasta tiedetään ennalta haluttu ulostulo, kun taas ohjaamattomassa opetusdatasta ei tiedetä ennalta mitään. Vahvistusoppimisessa oppiminen tapahtuu mallin ja ympäristön jatkuvan vuorovaikutuksen seurauksena. (Wikipedia)

Nykypäivänä hyvin tunnettuja paikkoja, jossa käytetään koneoppimista, ovat roskapostisuodattimet (vahvistusoppiminen) ja hakukoneet (vahvistusoppiminen). Molemmissa dataa kertyy lisää jatkuvasti, ja ne osaavat tällä tavoin sopeutua ympäristön toimintaan paremmin saadun tiedon perusteella esimerkiksi korjaamalla kirjoitusvirheitä, löytämällä synonyymejä tai tarjoamalla mahdollisimman osuvia ja oikeita hakutuloksia, vaikka juuri kyseistä tapausta ei olisi tullut ennen vastaan. (Wikipedia) Myöskin tällä hetkellä nopeasti kehittyvä puhetoiminto on osoitus tekoälyn mahdollisuuksista. Varsinkin suomen kielen osalta on koettu kuluneen vuoden aikana suuri harppaus. Toki koko järjestelmässä on vielä runsaasti kehiteltävää, jotta se saataisiin vastaamaan mahdollisimman todentuntuisesti kommunikointia ihmisen kanssa. (Teemu Roos)

Kuva: https://www.reddit.com/r/ProgrammerHumor/comments/bctl2b/thats_too_many_words_in_a_sentence/

Lähteet:

Teemu Roos. https://soundcloud.com/dna-business/mita-pitaa-tietaa-koneoppimisesta.

Tivi. Hewlett Packard Enterprise. https://www.tivi.fi/kumppaniblogit/hewlett_packard_enterprise/mika-ihmeen-tekoaly-koneoppiminen-ja-ennakoiva-analytiikka/2a0453e1-43d6-3532-b206-274741d258ea

Wikipedia. https://fi.wikipedia.org/wiki/Koneoppiminen

[wewamba]

Koneoppiminen

Tässä blogitekstissä käsittelen koneoppimista ja siihen liittyviä menetelmiä. Koneoppiminen tarkoittaa sitä, että järjestelmä kehittää uuden datan avulla parempia toiminnallisia ratkaisuja. Esimerkiksi se voisi oppia kohdistamaan paremmin mainontaa ja suosituksia asiakkaille.

Koneoppimisesta on tullut viime vuosina erittäin tärkeä osa yritysten toimintaa. Teoria ja algoritmit ovat olleet hallussa jo vuosikymmeniä, mutta käytännön osaaminen on kehittynyt vasta viime vuosina. Lisäksi koneet ovat kehittyneet riittävälle tasolle vasta viime vuosina. Nykyään myös dataa on niin paljon saatavilla, että koneoppimisesta on tullut erittäin relevanttia viime vuosina.

Keskeistä koneoppimisen toteuttamisessa on se, että datamassasta löydetään säännönmukaista käyttäytymistä, mitä voidaan hyödyntää esimerkiksi kohdentamalla tiettyjä palveluita tai tuotteita tietyille asiakkaille. Eri koneoppimisen tyyppejä ovat esimerkiksi kuvaan ja tekstiin tai puheeseen liittyvää koneoppimista. Kerätystä datasta on tunnistettava relevatti data, jotta kone pystyy muodostamaan todenmukaisia malleja eri asiakkaista ja heidän käyttäytymisestään.

Koneoppimista voidaan tavallisesti toteuttaa normaaleilla koodausmenetelmillä ja tavallisilla koneilla. Poikkeustapauksena voi olla esimerkiksi kuvaan perustuva koneoppiminen, jossa kerättävän datan määrä on niin suurta, että tavalliset koneet ja koodausmenetelmät eivät ole resursseiltaan riittäviä koneoppimisen toteuttamiseen.

Keskeistä koneoppimisessa on mielestäni se, että kone kerää dataa ja koneoppimista hyödyntäen käsittelee sitä oikealla tavalla eri algoritmeja hyödyntäen. Tämän jälkeen se voi toteuttaa yksinkertaisia toimintoja kuten tuotesuositusten tai markkinoinnin kohdistamista. Mielestäni koneelle ei voi kuitenkaan antaa vastuuta isoimmissa liiketoiminnallisissa päätöksissä, sillä tällaisiin päätöksiin liittyy valtavasti eri muuttujia, jotka on otettava huomioon, ja tällöin päätöksentekoon vaaditaan ammatti-ihminen, joka ei perusta päätöksiään pelkkään raakaan dataan.

Mielestäni tällä hetkellä koneoppimisen keskeisin muoto kuluttajan kannalta on puheoppiminen. Puheentunnistukseen perustuvat robotit ovat kehittyneet valtavasti viime vuosien aikana, ja niistä onkin tullut osa yhä useamman kuluttajan arkielämää. Applen Siri osaa muun muassa kirjoittaa viestejä ja kalenterimerkintöjä ääniohjatusti, hakea tietoa Internetistä ja avata sovelluksia. Googlen puhehaulla voi esimerkiksi tehdä hakuja, hakea reittiohjeita ja luoda muistutuksia puhumalla. Näistä tekoälyroboteista on kehitetty myös kotioloihin sopivia laitteita, joiden kanssa voi käydä parhaimmillaan rakentavaakin keskustelua.

Edellä mainittuihin koneoppimista hyödyntäviin puherobotteihin panostetaan vuosittain miljardeja euroja teknologiajättien Googlen ja Applen toimesta. Tämä ja alalla oleva jatkuva kilpailu mahdollistavat koneoppimisen ja sen mahdollistamien puherobottien nopean kehittymisen kohti yhä useamman kuluttajan arkielämää.

Lähteet:

https://www.vincit.fi/fi/koneoppimisen-rajat-ja-mahdollisuudet/

https://soundcloud.com/dna-business/mita-pitaa-tietaa-koneoppimisesta

[jennikarantanen]

Mitä on digitaalinen liiketoiminta?

14.10.2019

Yksikään yritys ei voi nykypäivänä sulkea pois digitalisaation vaikutusta liiketoimintaan. Sen vuoksi onkin tärkeää hahmottaa, mitä kaikkea digitaalisuus voi yritykselle tarjota ja mahdollistaa ja millaisia ratkaisuja on tarkoituksenmukaista toteuttaa.

Digitaalinen liiketoiminta voi tarkoittaa eri yrityksille eri asioita toimialasta ja liikeideasta riippuen. Joillekin se voi olla teknisempää lähestymiskulmaa tekoälyä, robotisaatiota ja virtuaalitodellisuutta hyödyntäen, joillekin taas asiakaspalveluprosessin automatisointia ja tätä myöten ajan säästöä.

Digitaalinen liiketoiminta käsitteenä ei ole kenenkään ulkopuolisen määriteltävissä tai rajattavissa, sillä vain yritys itse voi määrittää miten sitä toteutetaan.

Mitä digitaaliseen liiketoimintaan sisältyy?

Digitaaliseen liiketoimintaan sisältyy kaikki sellaiset digitaalisuutta hyödyntävät ratkaisut, jotka tuottavat yritykselle liikevaihtoa ja/tai lisäarvoa. Näitä ovat esimerkiksi:

- Yrityksen digitaaliset kanavat - Verkkopalvelut, kuten yrityksen verkkosivut, blogi - Verkkokauppa ja muut digitaaliset ansaintamallit, bitcoinit ja kryptovaluutta - Digimarkkinointi ja sisältömarkkinointi, inbound - Datan hyödyntäminen, esimerkiksi analytiikka päätöksenteon taustalla - Sosiaalinen media ja mobiilipalvelut, esimerkiksi yrityksen mobiilisovellus - Tekoäly ja koneoppiminen, esimerkiksi älykkäät ja hybridi chatbotit ja muut uudet innovaatiot

Nykyinen yksittäisten digitaalisten alustojen hyödyntäminen tulee laajenemaan ja käsittämään tulevaisuudessa kokonaisia digitaalisia ekosysteemejä. Tällöin korostuu entisestään kyky analysoida dataa ja yhdistää ymmärrys datasta osaksi parempaa asiakaskokemusta.

Kuka sitä tekee ja kenelle?

Digitaalinen liiketoiminta voi näyttäytyä yrityksen toiminnassa sekä B2B-, että B2C – sektorilla. Erityisen vahvasti erilaiset digitaaliset ratkaisut näkyvät asiakasrajapinnassa. Yrityksillä voi olla myös paljon haasteita digitaalisten ratkaisuiden toteuttamisessa koska se vaatii erikoisosaamista ja digitaalisuuden syvempää ymmärrystä. Tässä korostuukin yrityksen työntekijöiden digiosaaminen ja kyky erottaa liiketoiminnalle tärkeät digiratkaisut.

Kuinka digitaalinen liiketoiminta vaikuttaa yrityksen menestykseen?

Selvää on, että jotkin yritykset ovat digitaalisen liiketoiminnan trendsettereitä ja toiset vasta omaksuvat käsitettä. Varmaksi voitaneen sanoa, että ilman minkäänlaista digitaalista kehitystä yrityksen liiketoiminta tuskin tulee menestymään. Oleellista on kuitenkin kehittää liiketoimintaa asiakkaan tarve edellä. Jos kehitteillä oleva digitaalinen ratkaisu ei palvele yrityksen asiakkaita, mikä sen funktio on?

Digitaalista liiketoimintaa voi käsitellä myös asiakasrajapinnan ulkopuolella. Esimerkiksi laskutuksen digitalisointi mahdollistaa paremman keskittymisen ydinliiketoimintaan. Usein digitaalisuus tarkoittaakin yrityksissä jo olemassa olevan liiketoiminnan rinnalle tuotavia uusia ratkaisuja, palveluita tai kehitystyötä.

Digitalisaatio ja globalisaatio

Digitalisaatiolla ja globalisaatiolla on vahva yhteys ja tämä näkyy mm. kilpailutilanteessa. Suuret globaalit toimijat kuten Alibaba tai Amazon näyttävät mihin digitalisaatiolla on mahdollisuus pyrkiä. Toisaalta tämä voi aiheuttaa epärealistisia odotuksia kuluttajille kotimaan markkinoilla ja painetta siellä toimiville yrityksille.

Samalla haastetaan perinteisiä toimintamalleja, kuten kivijalkamyymälöitä. Digitalisaation aikakaudella palveluiden saanti tulee olla helppoa, nopeaa, räätälöityä ja saatavilla 24/7/365. Digitalisaatio tuottaa parhaimmillaan ylivoimaista lisäarvoa asiakkaille ja globalisaatio näyttää suuntaa sekä tarjoaa uusia mahdollisuuksia.

Digitaalinen liiketoiminta omassa arjessani

Digitaalinen liiketoiminta näyttäytyy omassa arjessani päivittäin. Pankkiasiat, kirjojen ja lehtien lukeminen, ostosten teko, ravintolavaraukset ja jopa päiväkodin viestintä tapahtuu digitaalisten alustojen kautta. Työssäni markkinointipäällikkönä seuraan hyvin läheltä digitalisaation vaikutuksia ja olen vahvasti kiinnostunut uusista digiratkaisuista ja tuulista. Tällä hetkellä olen erityisen kiinnostunut tekoälystä ja digimarkkinoinnin mahdollisuuksista.

[kaiheli-blog]

Tekoäly ja koneoppiminen

Tekoäly

Tekoälyksi (artificial intelligence, AI) sanotaan tietokonetta tai tietokoneohjelmaa, joka suorittaa ihmismäistä ajattelua. Sillä on kykyä tulkita ulkoisia tietoja oikein, oppia näistä tiedoista ja käyttää opittuja asioita tiettyjen tavoitteiden ja tehtävien saavuttamisessa. Tekoälyn avulla koneet, laitteet, ohjelmat, järjestelmät ja palvelut voivat toimia tehtävän ja tilanteen mukaisesti järkevällä tavalla.

Tekoäly ei ole enää pelkästään isojen toimijoiden etuoikeus. Teknologian kehittyminen tuo sen pikkuhiljaa osaksi arkipäiväämme ja pian se on kiinteä osa kaikkea tekemistämme.

Puhutaan kapeasta, vahvasta ja supertekoälystä. Tämänhetkiset sovellukset ovat kaikki vielä kapeaa tekoälyä. Kapea tekoäly toimii rajoitetuissa tehtävissä ja sillä ei ole tietoisuutta, tahtoa eikä ymmärrystä oman alansa ulkopuolelta.

Vahvalla tekoälyllä tarkoitetaan laajan ymmärryksen ja ihmisen kaltaisen tietoisuuden omaavaa tekoälyä.

Jos tai kun tekoäly ohittaa ihmisen kyvykkyyden, voidaan puhua super-tekoälystä Supertekoälyyn liittyy uhkakuvia, joissa tekoäly ottaa vallan ihmiskunnasta. Näihin uskovien mielestä laskentatehon kasvu johtaa väistämättä tekoälyn valtaan. 

Tekoälyn käyttöä tarkkailee vuonna 2009 perustettu The International Committee for Robot Arms Control (ICRAC). Se edistää robottien rauhanomaista kehittämistä ja pyrkii luomaan säännöt aseistettujen robottien käytölle. Myös tappavien autonomisten asejärjestelmien kansainvälisen oikeuden lainsäädäntö on kehitteillä.

Tekoäly sulautuu jo automaattisesti osaksi päivittäistä toimintaamme, mm. Spotify käyttää tekoälyyn perustuvaa tekniikkaa musiikkikappaleiden analysointiin, suosittelemiseen ja hakemiseen. Samoin kasvojentunnistusohjelma puhelimen lukituksen avaamiseen on myös tekoälyä.

Koneoppiminen

Koneoppiminen on tekoälyn osa-alue tai alaryhmä, jossa toimintaa ei ole ohjelmoitu valmiiksi. Koneoppimisessa kone oppii itsenäisesti päätymään haluttuun lopputulokseen. Jokapäiväisessä elämässä tutuimpia tällaisia ovat hakukoneohjelmistot sekä sähkopostien roskapostisuodattimet.

Koneoppimisen ero perinteiseen tekoälyyn on se, että se ei yritä matkia ihmisen älykästä käytöstä, vaan enneminkin ratkoo tiukasti määriteltyjä tehtäviä, jotka ovat ihmisen älykkyyden vahvuusalueiden ulkopuolella.

Koneoppimisen muotoja ovat; ohjattu oppiminen jossa koneelle annetaan syöte sekä oikea ratkaisu opetusdatasta. Ohjaamattomassa oppimisessa kone päättelee oikeat vastaukset datassa olevien säännönmukaisuuksien perusteella. Vahvistusoppiminen tarkoittaa sitä, että kone ei saa valmiita vastauksia mutta sille annetaan palautetta siitä, kuinka onnistuneesti se toimii. 

Esimerkiksi robottiautot ovat hyvä esimerkki tähän kategoriaan kuuluvasta koneoppimisesta.

Lähteet: Wikipedia tekoäly ja koneoppiminen Editori  Yle.fi  Itewiki