Tekoäly on kustannustehokasta ja kaikkien saatavilla

Teknologiat, Ajankohtaiset, Kiinnostavat Artikkelin lukuaika 3 min

”On erittäin tärkeää, että tekoälyratkaisusta saatava hyöty mitataan ja todistetaan mahdollisimman aikaisessa vaiheessa projektia, mieluiten minimi-investoinnilla. Tällä tavalla varmistetaan, etteivät odotukset ole ylioptimistisia, data ei ole liian huonoa ja että ratkaisun vaatima tuleva investointi tulee katettua saavutettavilla hyödyillä.”

Toimitusjohtaja, myynti

Developer, designer, project manager, consultant and salesman in a wide variety of business applications and software related services.

Tein vuonna 2001 ensimmäisen tekoälyprojektini. Hahmojen tunnistamiseksi koodasin algoritmikirja polvella talven ajan Java-ohjelmointikielellä “K-lähimmän naapurin luokittelijaa”, ja siitä sumealla logiikalla vahvistettua versiota. Ei ollut käyttökelpoisia valmiita tekoälykirjastoja tai -välineitä. Keväällä olin yllättynyt ja helpottunut, kun kehittämäni systeemi toimi työn vaikeuteen nähden suhteellisen hyvin ja tunnisti 88 % käsinkirjoitetuista kirjaimista oikein. Nykymittapuulla tulokset olivat hyvin vaatimattomia ja työ hidasta.

Tänä päivänä tilanne on toinen. Kaikki isot pilvialustojen tarjoajat ovat sisällyttäneet palveluihinsa tekoälyn ja koneoppimisen työkaluja. Jos ei halua hyödyntää pilviresursseja, valmiita ohjelmointikirjastoja ja välineitä on tarjolla kaikille pääohjelmointikielille. Lisäksi nämä keinoälyn työkalut toimivat hyvin. Käyttöönotossa ei tarvitse enää kehittää itse tekoälyä, vaan kyse on siitä, miten tehokkaimmin hyödynnetään valmiita ratkaisuja.

Kun 20 vuotta sitten yksinkertaisen tekoälyn logiikan toteuttamiseen meni koko talvi, nyt voidaan siirtyä suoraan todentamaan ja näyttämään, millaista hyötyä tekoälyratkaisusta saadaan ja kuinka tarkkoihin tuloksiin päästään. Talven mittainen tuskailu algoritmien monimutkaisuudesta on vaihtunut suoraviivaisempaan tekoälyn hyödyntämiseen.

Datan tulee olla laadukasta

Erityisesti koneoppimisen tehokkaaseen hyödyntämiseen tarvitaan olemassa olevaa laadukasta dataa, eli sellaista tietoa, joka on sähköisessä formaatissa ja jonka perusteella ihminen tai kone voi tehdä päätelmiä. Tätä dataa voidaan silloin käyttää koneen opettamiseen. Datan ei tarvitse kuitenkaan olla täydellistä, ja sitä se tuskin juuri koskaan onkaan. Tämän vuoksi datan käsittelemiseen tehdään erilaisia toimenpiteitä, joita kutsutaan otsikolla data science. Datalle tehtäviä toimenpiteitä ovat esimerkiksi:

  • Datan muodon muuttaminen

  • Turhan datan poistaminen

  • Tietueiden lyhentäminen tai pidentäminen

  • Datan köyhdyttäminen tai rikastus

  • Tiedon anonymisointi

  • Erilaisten klustereiden eli samankaltaisuuksien löytäminen

  • Datan kuvaaminen erilaisilla piirteillä

  • Muut toimenpiteet ja temput, jotta data olisi käyttökelpoista koneoppimiselle

Koneoppimisen mittaus ja todentaminen

Menemättä tarkemmin erilaisten tekoälyn ja koneoppimisen teknologioiden pellin alle, on erittäin tärkeää, että tekoälyratkaisusta saatava hyöty mitataan ja todistetaan mahdollisimman aikaisessa vaiheessa projektia, mieluiten minimi-investoinnilla. Tällä tavalla varmistetaan, etteivät odotukset ole ylioptimistisia, data ei ole liian huonoa ja että ratkaisun vaatima tuleva investointi tulee katettua saavutettavilla hyödyillä, eikä rahaa ja aikaa mene hukkaan. Kun tekoälyratkaisu on valmis, se yleensä integroidaan olemassa oleviin organisaation järjestelmiin tai ratkaisulle tehdään erillinen käyttöliittymä. Tässä vaiheessa ohjelmistotalojen muu integraatio- ja ohjelmistokehitysosaaminen nousee tärkeäksi vahvuudeksi, jotta tekoälyratkaisu saadaan käyttöön ja lopullinen hyöty saadaan irti.

Lataa ATR Softin maksuton tekoälyopas

Koostimme ATR Softin 20-vuotisvuoden kunniaksi tekoälyoppaan. Oppaan avulla pääsee kiinni tekoälyn perusteisiin ja samalla ymmärtää, ettei koneoppiminen ole niin monimutkaista kuin mitä nimi antaa ehkä ymmärtää. On hienoa nähdä, että ohjelmistoala kehittyy edelleen koko ajan kiihtyvällä vauhdilla, ja me kehittäjät sekä meidän asiakkaamme hyödymme siitä.

Kun tekoälyä ja koneoppimista tehdään hyötynäkökulma edellä ja hyviä välineitä käyttäen, on mahtavaa, kun asiantuntijamme saavat asiakkailta tällaista palautetta:

”Fascinating, well done. Great results.”
”Good that we didn’t tell you that this is impossible.”