Miten kuvantunnistus toimii Einstein Visionilla, ja mitä yhteistä sillä on kristallipallon kanssa? 🔮

Editorin huomio: Tämä blogi on päivitetty 28.1.2022.

Joka päivä pelkästään Instagramissa jaetaan yli 95 miljoonaa kuvaa ja videota. Kun tähän lisätään kaikki verkossa julkaistu kuvasisältö, puhutaan jo biljoonista (10 potenssiin 12) kuvista joka vuosi. Ei-rakenteellisen datan (joihin kuvatkin luokitellaan) määrä kasvaa huimaa 60–80 prosentin vuosivauhtia. 😯

Ei siis ihme, että myös liiketoiminnassa aletaan heräilemään kuvantunnistuksen tarjoamiin mahdollisuuksiin. Kuvat voivat kertoa paljon asiakkaista tai tuotteista sekä kaikkea mahdollista aina tuotteiden kunnosta, varastotilanteesta ja tuotteiden määristä. Myös kuluttajatrendeistä ja mieltymyksistä.

Voi olla jopa harhaanjohtavaa puhua pelkistä kuvista. Ne kun ovat vain välineitä, joita analysoimalla liiketoiminta voi saada uudenlaista merkittävää informaatiota asiakkaista, kilpailijoista, kumppaneista - omista työntekijöistä puhumattakaan.

Onko Einstein Vision kuten kristallipallo?

Kuvantunnistuksen tärkein työkaveri on tekoäly. Myös Salesforcen kuvantunnistus Einstein Vision on tehostettu tekoälyllä, ja se tunnistaa ja luokittelee kuvia syväoppimisen keinoin.

On hyvä ymmärtää, miten tekoälyllä moottoroitu kuvantunnistus toimii. Mutta onko Einstein Vision kuten kristallipallo, joka maagisesti tietää, miten asiat ovat? 🔮

Juu ja ei. Omalla tavallaan Einstein Vision on kuin onkin maaginen kristallipallo. Einstein Vision tietää asioita ja antaa vastauksia, mutta tunnistamisen se tekee sille koulutettujen mallien perusteella. Se ei siis kuitenkaan tiedä oletuksena mitään sellaista, mitä SINÄ et ole sille opettanut. Einstein Visionia onkin siksi helpompi verrata pieneen lapseen kuin kristallipalloon.

Otetaan esimerkki. Jos sinun tulisi opettaa lapselle, miltä tikkari näyttää, kuinka tekisit sen? 🍭

Vaihtoehto 1: Yrittäisitkö kuvailla ja kertoa, miltä tikkari näyttää. Lähtisit abstraktien esimerkkien tai kaavojen kautta opettamaan lapselle tikkarin erityispiirteitä, muotoja tai värejä. Tämä voisi olla lapsen kanssa hankalaa - eikö? Useimpien kolmevuotiaiden kohdalla tämä taktiikka tietäisi hankaluuksia. 🤓

Vaihtoehto 2: Yrittäisit ajan myötä vastaantulevien esimerkkien kautta kertoa, mikä on tikkari ja mikä ei. Tai miten tikkari eroaa jäätelöstä tai hattarasta? Näin ollen lapsi alkaa pikkuhiljaa esimerkkien kautta oppimaan ja ymmärtämään, mikä on tikkari. 🍭

LUE MYÖS ► Koneoppiminen: 6 esimerkkiä, jotka muuttavat työelämää

Mutta kuinka Einstein Vision oikein toimii?

Einstein Visionin avulla kuka tahansa meistä voi tuoda kuvantunnistuksen osaksi liiketoimintaa. Sinun ei tarvitse olla rutinoitunut data-analyytikko tai tekoälyn asiantuntija alkaaksesi rakentaa kuvantunnistusta Einstein Visionin avulla. 🧑‍🔬

Tässä kaaviossa on kaikki, mitä tarvitset päästäksesi alkuun Einstein Visionin kanssa:

Einstein Visionin käyttöönotto vaatii seuraavat asiat:

1. Kyvyn kerätä dataa, eli tässä tapauksessa kuvia (create dataset).

2. Mahdollisuuden luoda ja harjoittaa omaa tekoälymallia (model ja classify data).

3. Aikaa ja kärsivällisyyttä testata mallia ja sen toimivuutta sekä kehittää mallia palautteen perusteella (model, classify data ja prediction).

4. Ja tietenkin vielä suunnitelman siitä, miten saat tuotua Einstein Visionin osaksi liiketoimintaa (CRM:n prosesseja tai integroitua muihin käytössä oleviin sovelluksiisi).

Jos yllä olevasta häkkyrästä tai neljän kohdan ohjeistuksesta jäi jotain auki, niin herra Einstein summaa sinulle edellä mainitut stepit loistavasti tällä parin minuutin videolla:
 

Mihin kuvantunnistusta käytetään liiketoiminnassa jo nyt?

Kuvantunnistuksen avulla voidaan saada paljon hyödyllistä informaatiota. Kun puhutaan siitä, missä kaikkialla sitä hyödynnetään, olemme vasta raapaisseet pintaa.

Potentiaali kuvantunnistuksen osalta on valtava. Yritykset voivat automatisoida palvelujaan, rikastuttaa liidikantaansa tai vaikkapa optimoida markkinointikampanjoitaan. Alla muutamia esimerkkejä jo tänään käytössä olevista käyttötapauksista.
 

📷  Brändin seuranta sosiaalisessa mediassa

Kuvantunnistus auttaa seuraamaan oman brändin näkyvyyttä eri kanavissa. Sinulla on mahdollisuus seurata esim. kaikkia niitä päivittäin Instagramissa jaettua 95 miljoonaa kuvaa ja videota josta aiemmin kerroimme ja tunnistaa kuvien joukosta, miten brändisi (logot, tuotteet, jne.) ovat näkyvillä.

Kuvantunnistus antaakin sinulle mahdollisuuksia:

• Ymmärtää paremmin asiakkaiden tapoja käyttää tuotteitasi ja saada näin tietoa eri asiakkaiden (tai segmenttien) mieltymyksistä ja elämäntyyleistä.

• Tunnistaa vaikuttajat, joilla on paljon seuraajia ja näkyvyyttä yhteisössä (kuten esimerkiksi urheilijat tai näyttelijät).

• Kerätä arvokasta tietoa tuotekehitykselle ja asiakaspalvelulle kuvien tai tuotearvostelujen kautta.

• Saada tietoa markkinoinnin kattavuudesta, jolloin pystytään myös suojelemaan brändiä paremmin.

Katso parin minuutin videolta, miten Einstein ja Marketing Cloud ne yhteen soppii 🎶 ❤️.
 

📷  Tuotteiden tunnistaminen

Kuvantunnistus parantaa mahdollisuuksia toimia nopeasti ja entistä tehokkaammin.

Kuvantunnistus kenttähuollossa auttaa poimimaan mahdolliset vauriot tai virheet tuotteessa, ja näin ollen tunnistamaan huoltotarpeet tai vioittuneet osat. Tällöin ongelmatilanteet voidaan tunnistaa ja korjata ennen kuin siitä on ehtinyt muodostumaan suunnittelemattomia tuotantokatkoksia. Tuotantokatkokset (varsinkin suunnittelemattomat sellaiset) voivat käydä asiakkaille erittäin kalliiksi. (Esimerkiksi paperiteollisuudessa yhden tuotantolinjan odottamaton alasajo voi aiheuttaa loppuasiakkaalle kymmenien tuhansien eurojen kustannukset - per tunti.)

Kuvantunnistus varastonhallinnan työkaluna ilmoittaa puuttuvat tai väärässä paikassa olevat tuotteet, ja minimoi näin manuaalisesti tehtävät tarkistukset. Näin voidaan pitää kirjaa myös kaupan hyllytilasta ja optimoida eri tuotteiden yhdistelmiä. Tai löytää myös kilpailijoiden suosituimmat tuotteet ja niiden asettelu kauppojen hyllyissä.

Kuvantunnistus vakuutusalalla mahdollistaa esimerkiksi ajoneuvojen vaurioiden vakavuuden tunnistamisen kuvien perusteella. Näin hakemusten käsittelyä voidaan nopeuttaa ja kaiken kaikkiaan automatisoida käsittelyprosessia huomattavasti.
 

LUE MYÖS ► Tekoäly kiihdytti myyntiä – Miten Schneider Electric sinkosi luvut uudelle tasolle?

Kuinka pääset alkuun Einstein Visionin kanssa?

Jos olet kiinnostunut oppimaan lisää Einstein Visionista, suosittelen sinulle aiheesta löytyvää Trailhead-moduulia. Kun perusteet ovat hanskassa ja olet valmis laittamaan kädet saveen, löydät täältä virallisen Einstein Vision -saitin. Saat sieltä kaiken tarvittavan lisätiedon päästäksesi alkuun ja beyond.

LUE MYÖS:

► TEKOÄLY FAQ - Usein kysyttyä tekoälystä

► Pilviteknologioiden taloudelliset hyödyt ovat kiistattomat

► Lohkoketjuissa on voimaa – rahoitusalalla teknologia ratkaisee monet haasteet