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?
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?
Kuvantunnistus (englanniksi image recognition) on ehkä tunnetuin esimerkki koneoppimisen mahdollisuuksista. Sovellus tunnistaa tietyn kohteen digitaalisesta kuvasta – värillisestä tai mustavalkoisesta – pikselien värin voimakkuuden perusteella.
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? 🔮
Koneoppiminen voi muuntaa puheen tekstiksi. Sovelluksesta riippuen se onnistuu sekä reaaliaikaisesta puheesta että äänitallenteista. Käytännössä tekoäly tunnistaa ja erottelee äänen tajuuksia.
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.
Koneoppiminen mahdollistaa datan luokittelun ryhmiin analyytikoiden tekemien sääntöjen pohjalta. Toisin sanottuna vaikkapa teollisuusyritys voi seurata prosessejaan jatkuvasti ja saada arvokasta tietoa lähestyvien poikkeustilanteiden todennäköisyydestä.
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
Koneoppiminen voi avustaa eri sairauksien diagnosoinnissa. Lääkäri voi muun muassa käyttää chatbotia, joka seuloo tietomassoja potilaan oireiden perusteella.
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
Koneoppiminen on myös pörssihaiden (ei-niin-)salainen ase. Automaatio ja tekoäly pystyvät käsittelemään suuria arvopaperimääriä kerrallaan. Jatkuvasti oppivat kaupankäyntialgoritmit käyttävät polttoaineenaan finanssimarkkinoiden muuttujia.
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”
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.
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”
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.
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