Editorin huomio: Tämä blogi on päivitetty 5.5.2022.

Koneoppiminen ratkoo pulmia ja hoitaa rutiinitehtäviä. Se auttaa työntekijöitä verkkokaupassa, teollisuudessa, B2B-myynnissä ja terveydenhuollossa… lista on loputon! Kuuman termin ympärillä kohisee, mutta mitä koneoppiminen käytännössä oikein tarkoittaa? On aika käydä läpi kuusi konkreettista esimerkkiä.

Kuvittele digitaalinen apuri, joka pystyy skannaamaan saapuvat sähköpostit ja luokittelemaan ne sisällön perusteella. Ei mitenkään mahdoton ajatus. 

Seuraavaksi apuri ottaa kertyneen datan hyötykäyttöön ja siirtyy tekemään ennusteita asiakkaiden käyttäytymisestä. Juuri tästä on kyse koneoppimisessa: se ei ole pelkkää reagointia, vaan myös ennakointia.

LUE MYÖS ► Mitä tekoäly on?  
 

Tekoäly ja koneoppiminen: mitä eroa niillä on?


Koneoppiminen on tekoälyn osa-alue. Tekoäly tai koneäly (englanniksi artificial intelligence) (AI), tarkoittaa koneen tai ohjelman kykyä suorittaa älykkäitä toimintoja. Ohjelmoija voi rakentaa esimerkiksi väsymättömän shakkirobotin tai asiakastietojen lajittelujärjestelmän.

Koneoppiminen (englanniksi machine learning, ML) jatkaa askeleen pidemmälle. Se nojaa tilastotietoihin ja laskentamalleihin siinä missä muukin tekoäly, mutta sopeutuu myös uusiin olosuhteisiin ja muutoksiin. Sen toimintaa ei ole ohjelmoitu kokonaan valmiiksi. Jatkuvasti oppivat algoritmit sopeutuvat uuteen dataan ja kehittävät käyttäytymistä.

Koneoppiminen on yhä tärkeämpi väline eri toimialoilla. Seuraavaksi kerron kuusi esimerkkiä koneoppimisen sovelluksista.

LUE MYÖS ►  Mitä tarkoittavat Internet of Things ja Internet of Everything?
 

1. Koneoppiminen ja kuvantunnistus 


Kuvantunnistus (englanniksi image recognition) on ehkä tunnetuin esimerkki koneoppimisen mahdollisuuksista. Sovellus tunnistaa tietyn kohteen digitaalisesta kuvasta – värillisestä tai mustavalkoisesta – pikselien värin voimakkuuden perusteella.

Muutama esimerkki kuvantunnistuksesta:

  • Tuotteiden inventointi älypuhelimella otettujen kuvien avulla ja automaattinen tikettien muodostaminen

  • Sosiaalisesta mediasta tuttu “tägäys” eli nimen liittäminen valokuvaan

  • Käsin kirjoitetun tekstin tunnistaminen (silloin yksittäinen kirjain jaetaan ensin pienemmiksi kuviksi)
     

Tuttu kohtaus rikossarjoissa: etsivä on napannut kohdehenkilöstä valokuvan, ja nyt kasvokuvat juoksevat ruudulla, kun tietokone etsii kuvatietokannasta osumaa. Samankaltaista koneoppimisen teknologiaa hyödynnetään myös tosielämän viranomaistyössä eri puolilla maailmaa.

 

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

2. Koneoppiminen ja puheentunnistus


Koneoppiminen voi muuntaa puheen tekstiksi. Sovelluksesta riippuen se onnistuu sekä reaaliaikaisesta puheesta että äänitallenteista. Käytännössä tekoäly tunnistaa ja erottelee äänen tajuuksia.

Puheentunnistus on esimerkiksi näiden taustalla:

  • Sanelu vai muistiinpanot – kumman teet mieluummin asiakaskäynnin jälkeen? Tekoäly muuntaa puhetta tekstiksi ja voi tallentaa sen suoraan esimerkiksi CRM:ään

  • Äänihaku

  • Laitteiden ääniohjaus (esimerkiksi Applen Siri tai Google Home ovat monelle tuttuja)


Suomen kieli oli pitkään puheentunnistusohjelmille vaikea pala, mutta koneäly ja jatkuva oppiminen muuttavat tilannetta vauhdilla.
 

3. Ennakoiva analytiikka


Koneoppiminen mahdollistaa datan luokittelun ryhmiin analyytikoiden tekemien sääntöjen pohjalta. Toisin sanottuna vaikkapa teollisuusyritys voi seurata prosessejaan jatkuvasti ja saada arvokasta tietoa lähestyvien poikkeustilanteiden todennäköisyydestä.

Käytännön esimerkkejä:

  • Investointien tai yksittäisten kauppojen hyötyjen ja haittojen punnitseminen

  • Työkoneiden vikatilanteiden ennakointi ja huolto-ohjelman suunnittelu
     

Ennakoiva analytiikka – joka tunnetaan myös nimellä ennustava analytiikka – on yksi lupaavimmista koneoppimisen sovellustavoista. Sillä on annettavaa joka alalle tuotekehityksestä kiinteistöjen hinnoitteluun.
 

LUE MYÖS ► Näin analytiikka kertoo ihmisvirtojen liikkeistä: Tableau visualisoi Telian dataa
 

4. Koneoppiminen terveydenhuollossa


Koneoppiminen voi avustaa eri sairauksien diagnosoinnissa. Lääkäri voi muun muassa käyttää chatbotia, joka seuloo tietomassoja potilaan oireiden perusteella. 

Myös näissä koneoppiminen on avuksi:

  • Diagnoosin tekeminen ja hoitovaihtoehtojen suosittelu

  • Syöpäkudoksen erottaminen terveestä

  • Röntgenkuvien analyysi
     

Kasvojentunnistusohjelma puolestaan voi skannata potilaskuvan ja etsiä siitä piirteitä, jotka ovat tyypillisiä harvinaisille, geneettisille sairauksille. 
 

KATSO MYÖS ► [Älytuubi] Terveysalalla parannetaan potilaiden lisäksi asiakaskokemusta
 

5. Automatisoitu arvopaperien kauppa


Koneoppiminen on myös pörssihaiden (ei-niin-)salainen ase. Automaatio ja tekoäly pystyvät käsittelemään suuria arvopaperimääriä kerrallaan. Jatkuvasti oppivat kaupankäyntialgoritmit käyttävät polttoaineenaan finanssimarkkinoiden muuttujia.

Tässä muutama esimerkki koneoppimisen hyödyntämisestä:

  • Algoritmeihin perustuva kaupankäynti, joka analysoi markkinoiden mikrorakennetta

  • Suurten datamassojen analyysi

  • Milloin ostaa, milloin myydä: Hintaerojen tunnistaminen
     

KUUNTELE MYÖS ► [Älyradio] Podcast #50: Futuristi Risto Linturi: ”Huominen näyttää kiehtovan sekavalta”
 

6. Tiedon suodattaminen ja tiivistäminen


Käytössäsi on todennäköisesti jo nyt huima määrä asiakkailta saatua tietoa, ja vauhti vain kiihtyy. Koneoppiminen kauhoo esiin jäsenneltyjä näkymiä datakokonaisuuksista, jotka ihmisen silmiin näyttäisivät hahmottomalta massalta. 

Kyse on esimerkiksi näistä:

  • Trendien ja asiakkaiden tarpeiden tunnistaminen

  • Laajojen, kansainvälisten tietokantojen nopea hyödyntäminen tiedon etsimisessä
     

Manuaalinen tietojen perkaaminen on ihmiselle usein työtehtävistä tylsimpiä. Koneoppiminen tekee työn puolestasi, mutta pystyy myös haukkaamaan kerralla reilusti isomman palasen.
 

LUE MYÖS ► [Vieraskynä] Jaakko Mikkonen, If: “Käyttämätön data on yritykselle vain kuluerä”
 

Koneoppiminen tulevaisuudessa


Muistat ehkä ajan, jolloin joka tarkoitukseen oli tapana suunnitella oma älypuhelinsovellus? Tekoälyn evoluutio on vienyt meidät seuraavaan vaiheeseen: jos ratkaisu oli ennen “app for that”, nyt se on jo tukevasti “bot for that”. 

Monet tekoälysovellukset ovat vielä vankasti ihmisen ohjaamia. Yksinkertaisimmillaan koneelle annetaan tavoite, ja tämän jälkeen kone toimii ohjeen mukaan. Koneoppiminen mahdollistaa päivä päivältä vaativamman koneälyn käytön. Oppiva sovellus osaa luovia yhä monimutkaisempien datasokkeloiden läpi – ja kertoa meille, mitä matkan varrelta löytyi.

 

Oletko valmiina tehostamaan myyntiä analytiikan ja tekoälyn avulla? Lataa avuksesi e-kirja: Analytiikka + tekoäly = Myyntijohtajan avaimet menestykseen

 

LUE MYÖS:

Chatbot FAQ – kaikki mitä sinun tulee tietää chatboteista

Näin analytiikka kertoo ihmisvirtojen liikkeistä: Tableau visualisoi Telian dataa

Industries Summit inspiroi toimialat digitaaliseen muutokseen – katso tallenne!

Data, analytiikka ja IT vauhdittivat kasvua Salesforce Livessä