Kiinnostus tekoälyn soveltamista kohtaan ja ehtymätön tiedonnälkä aiheesta olivat syy sille, että porukkamme löysi toisensa ja päätti perustaa yhteisen yrityksen. 20 vuotta sitten hankittu syväosaaminen data-analytiikasta on nyt todellakin arvossaan! Jospa kuljemme itse ajavilla autoilla, joiden ohjelmistoa olemme olleet kehittämässä! Suhtautumisemme tekoälyyn on paitsi innostunut myös nöyrä: ala kehittyy nopeasti ja meidän on opiskeltava ahkerasti.
Julkishallinnon, institutionaalisten yritysten ja startupien mahdollisuudet ja tarve hyödyntää tekoälyä ovat hyvin erilaiset. Meidän tehtävämme on ymmärtää asiakkaan toimintaympäristöä ja lähtökohtia sekä löytää ratkaisut, jotka ovat oikeassa suhteessa saavutettavissa olevaan hyötyyn. Nykyisten toimintojen parantelun lisäksi kannustamme ja sparraamme ajattelemaan tavoilla, joista voi syntyä jotain aivan uutta.
Tehtäväni on ymmärtää, mihin tekoälyä voi käyttää ja miten koneoppimisalgoritmi toimii. Jos en tiedä, otan selvää. Työtä tehdään tiimeissä, ja tiimissä tarvitaan paljon osaamista myös siitä, miten tekoälyratkaisu sovitetaan ympäröiviin järjestelmiin.”
Mikko Laurikkala
AI Lead, Tekniikan tohtori
Olemme luoneet Fonzitille tekoälyprojekteja varten prosessin, joka alkaa kohteen eli ratkaistavan ongelman ymmärtämisestä ja etenee datan käsittelyn ja mallin opettamisen kautta käyttöönottoon. Projektilla on selkeä alku- ja päätepiste, joiden välissä on iteraatioita.
Nykyinen tekoälybuumi sai alkunsa 2010-luvulla syväoppimisen läpimurrosta. Laskentatehon ja tallennuskapasiteetin parantuminen ovat lisänneet tekoälyn soveltamisen mahdollisuuksia, ja tekoälyä käytetään jo varsin monella alalla kuten teollisuudessa, terveydenhuollossa, rahoitusalalla, maataloudessa ja vähittäiskaupassa.
Personoitu mainonta, suosittelualgoritmit, asiakkaiden profilointi rahoitus- ja vakuutusalalla, personoitu terveydenhoito.
Profilointi tarkoittaa tässä yhteydessä asiakkaan käyttäytymisen arviointia datan perusteella. Se on hienojakoisempaa kuin asiakkaiden segmentointi ennalta määrättyihin luokkiin esim. iän tai harrastusten perusteella.
Tutuin esimerkki profiloinnista lienee suosittelujärjestelmä.
Kuvan, videon, liikkeiden, äänen, kasvojen, tekstin, käsialan tunnistus
Tunnistaminen on yksi tekoälyn yleisimmistä ja kehittyneimmistä sovelluksista. Kone on jo pitkään kyennyt tunnistamaan kuvasta kasvoja tai tekstiä. Kun kuva on liikkuvaa videota, voidaan tunnistaa vaikkapa ihmisen kädenliikkeitä tai jalankulkijoita liikenteessä. Tunnistamisen kohde voi olla myös ääni, puhe tai koneen toimintatapa.
Luonnollisen kielen käsittely (NLP), tekstin ja kuvien generointi, chatbotit, kielen kääntäminen
Ihminen ja kone vuorovaikuttavat lukemattomilla tavoilla. Kun kone halutaan saada kommunikoimaan samoin kuin ihminen ihmiselle, tarvitaan tekoälyä. Viime aikoina huomiota herättäneet generatiiviset kielimallit (esim. GPT-4) ovat vain yksi esimerkki. Vuorovaikutusta on myös se, että tekoäly yrittää ymmärtää ihmisen tuottamaa tekstiä tai kääntää kieltä.
Ennusteet, simuloinnit, trendit, dynaaminen hinnoittelu, vikojen ennakointi, pelialgoritmit
Huomattava osa tekoälystä on ennustamista. Sään, myynnin tai viruksen leviämisen ennustamisen tavoite on selvä. Ennustamista tarvitaan kuitenkin myös esim. kunnossapidossa ja liikenteessä. Pelkästä ennusteesta ei ole mitään hyötyä, vaan sitä pitäisi aina käyttää päätöksentekoon – olipa päätös sitten jättää sateenvarjo kotiin tai tehdä mittava investointi.
Itseajavat autot, työkoneet, robotit, usean ajoneuvon hallinta
Autonomiseksi kutsutaan konetta, joka pystyy liikkumaan ilman ulkopuolista ohjausta. Robotteja on ollut teollisuudessa pitkään, ja autotkin pystyvät jo ajamaan itsestään valvotuissa olosuhteissa. Tekoälyllä on vielä tekemistä siinä, että autonominen kone pystyy ottamaan huomioon muun liikenteen tai muut robotit esim. varastossa tai satamassa.
Huijausten paljastus, riskianalyysi, monitorointi, automaattinen virheenkorjaus
Luottokortin tai puhelimen varkaus on usein mahdollista tunnistaa käyttötiedoista. Teollisuusprosessin vikaantuminen taas havaitaan poikkeavista mittauksista, ja aina parempi jos se voidaan ennustaa ajoissa. Pankkia kiinnostaa arvioida lainanhakijan riskiä datan avulla. Nämä kaikki ovat tekoälysovelluksia poikkeamien havaitsemiseksi, ja ne menevät osittain päällekkäin niin ennustamisen kuin tunnistamisenkin kanssa.
Siitä, miten tekoäly muuttaa maailmaa ja ihmisten arkea, esitetään villejä visioita ja pelottavia uhkakuvia. Me pidämme jalat maassa, sillä totuus on, että tulevaisuudesta ei kukaan tiedä. Nykyinen tekoäly on ns. kapeaa tekoälyä, joka toimii vain siinä tehtävässä, johon se on suunniteltu. Puhuttaessa yleisestä tekoälystä tarkoitetaan konetta, joka pystyy oppimaan uusia toimintoja ja joka ihmisen tavoin kykenee itsenäiseen ajatteluun. Tällaista tekoälyä ei ole olemassa nyt eikä lähitulevaisuudessa. Kukaan ei tiedä, kehitetäänkö sellainen seuraavan sadan vuoden kuluessa. Koodarille tekoäly on työkalu jo nyt.
“Tekoälyökalut kehittyvät koko ajan fiksummiksi ja tekevät manuaalisen työn koodarin puolesta. Koodin kirjoitustyön jäädessä tekoälyn vastuulle koodarille jää enemmän aikaa määrittelyiden tekemiseen ja muulle ylemmän tason työlle.”
Olli Varis
Nykyiset tavat hyödyntää tekoälyä ovat vasta ensi askeleita. Tähän saakka nähdyissä tekoälyn sovelluksissa on keskitytty miettimään sitä, miten nykyisiä töitä voisi tehdä paremmin ja tehokkaammin. Meitä kiinnostaa, mitä kokonaan uutta tekoälyn avulla voisi luoda. Voisiko kehittää uusia palveluita tai liiketoimintaa?
“Meillä on tavoitteena toteuttaa tekoälyhankkeita, jotka toisivat asiakkaillemme kokonaan uutta kilpailuetua.”
Tommi Kylä-Kaila
Innostus generatiivisten kielimallien kanssa leikkimiseen valtasi maailman reilu vuosi sitten, kun ChatGPT julkaistiin. Sanon leikkimiseen, koska suuri osa käytöstä on ollut huumorilla höystettyä kokeilua.
Autonomiset koneet on Fonzitin käyttämässä jaottelussa yksi tekoälyn sovelluskohde. Autonomisia koneita ovat esim. autonomiset autot, teollisuusrobotit ja ihmisen kaltaiset robotit eli humanoidirobotit.
Ohjaamaton koneoppiminen poikkeamien havaitsemisessa Fonzit Oy on laajentanut liiketoimintaansa loma-asuntobisnekseen ja rakennuttanut kokonaisen vuokramökkikylän Etelä-Suomeen. Koska data ja tekoäly liiketoiminnassa on Fonzitin ydinosaamista,
Lyhyen tähtäimen riskit liittyvät oikeiden tavoitteiden määrittelyyn, osaavien tekijöiden löytämiseen ja datan laatuun. Hallitset niitä parhaiten noudattamalla yllä olevia neuvoja.
Tulevaisuutta ei kannata ainakaan pelätä. Tekoäly muuttaa maailmaa mutta ei yhdessä yössä. Keskitytään konkreettiseen tekemiseen pieni pala kerrallaan.
Suosittelemme käyttämään jonkin verran aikaa ja vaivaa perusasioiden ymmärtämiseen. Olennaista on tietää, mihin tekoäly sopii ja mihin ei. Algoritmien nimet tai hyperparametrit eivät ole tärkeitä. Fonzit järjestää tarvittaessa räätälöidyn koulutuksen tekoälyn aakkosista.
Kiinnitä huomiota siihen, kuinka kumppanisi osaa kertoa tekoälystä. Jos et ymmärrä mitään, käänny seuraavan ehdokkaan puoleen. Kaikki tietävät, että kohta autot ajavat itsestään ja robotit hoitavat kaikkien työt, mutta yhteinen kieli käytännön toteutuksesta on tärkeämpää.
Näihin kysymyksiin löydät vastauksia, kun tiedät, mikä on tekoälysovelluksen liiketoiminnallinen tavoite. Joskus tarvittava data on valmiina, useimmiten sitä pitää muokata oikeaan muotoon, joskus taas dataa vasta aletaan kerätä, kun tiedetään mitä tarvitaan.
Tekoälyn käyttö muuttuu koko ajan helpommaksi, kun valmisohjelmat kehittyvät ja kansalaisdatatiede (citizen data science) etenee. Tässä piilee kuitenkin riskejä. Jonkun täytyy tietää, mitä ohjelman sisällä on ja miksi algoritmi toimii niin kuin se toimii. Mitä lähempänä se joku on, sitä parempi.
Hyvä että dataa on, mutta ensin on mietittävä, mitä kautta se hyödyttäisi bisnestänne. Vasta sen jälkeen data muuttuu arvokkaaksi.
Tutustu tekoälyn perusasioihin. Oman liiketoimintasi tunnet jo hyvin. Yhdistämällä nämä kaksi voit löytää mahdollisuuksia, joissa datasta ja tekoälystä voisi olla hyötyä. Fonzit auttaa heti alkuun pääsemisessä sekä tietenkin toteuttamisessa.
Useimmiten asiakkaan liiketoiminnan kannalta ei ole järkevää panostaa oman henkilökunnan tekoälyosaamiseen. Jonkinlainen yleissivistys tekoälystä on kuitenkin tarpeen jokaiselle. Fonzit voi auttaa sekä perusteiden koulutuksessa että vaativassa teknisessä osaamisessa.