Kokemuksia tekoälystä

Hei,

 

Meillä oli pari viikkoa sitten hollantilainen Tarry Singh niminen tekoälyasiantutija vetämässä yrityskohtaisen Deep Learning koulutuksen eräälle isolle asiakkaallemme. Koulutuksessa käytettiin TensorFlowta sekä Pythonia, jotka ovat käytetyimpiä ja kehittyneimpiä välineitä tekoälykehityksessä.

Oli hauska jutella hänen kanssaan kuulla missä nyt mennään tällä rintamalla. Tarry on todella kova osaaja mukana monissa alan keskeisissä foorumeissa.

Kerroimme meidän ns. holistisesta lähestymistavasta data-asioihin ja hän innostui: tämän kaltaista juttua ei ole maailmalla ja se auttaisi hänen kaltaisiaan data scientistejä huimasti! Nyt meillä onkin yhteistyö vireillä ja siinä on yksi ainoa päämäärä: auttaa isoja korporaatioita tekoälyn hyödyntämisessä oikeasti.

Miksi näin ei ole tehty jo aikaisemmin, jos kerta teknologiat ovat olemassa? Kerron siitä kohta lisää, mutta  lähdetään perusasioista liikkeelle.

 

Mitä tekoäly oikeasti on

Tekoäly on hyvä tunnistamaan kaavoja datasta. Esimerkiksi sille voi syöttää ison määrän kissojen kuvia ja se oppii ne piirteet, jotka kissoille tyypillisiä. Sitten kun sille näyttää uuden kuvan eläimestä jolla samoja piirteitä, niin se osaa tunnistaa eläimen kissaksi.
Tekoäly terminä saattaa kuulostaa mahtipontiselta, mutta se on periaatteessa ihan hyvä termi. Ihminen ja lapsi nimittäin oppii samaan tapaan,  ensin ei tunne kissaa mutta niitä tarpeeksi nähtyään oppii tunnistamaan pörröisen ja viiksekkään eläimen kissaksi. Tarvitsemme vain ison määrän eri versioita kissassasta, jotta opetus onnistuu.

Samoin voidaan tehdä esim kirjoitukselle, numeroille,  äänelle tai ja mille tahansa muunlaiselle datalle. Ihminelle tai tekoälyllä voidaan opettaa kaikki eri versiot vaikkapa puheesta. Tämä ei ehkä kuulosta mullistavalta, mutta se on sitä. Tähän mennessä konetta on joka kissan kohdalla pitänyt ohjeistaa, että tuossa on kissa.

Tekoäly pystyy nyt tähän, koska tietokoneen laskentatehot ovat kasvaneet ja big data -teknologiat ovat mahdollistaneet ison datamäärän hyödyntämisen.

Usein mietitään, että onpa hienoa että tekoäly osaa tunnistaa kissoja tai puhetta, mutta miten se voisi hyödyntää liiketoimintaani?
Tuo kissaesimerkki on suhteellisen helposti ymmärrettävissä, mutta jos mietitään paperikoneen valmistusta, vähittäiskauppaa tai vaikkapa rakennusteollisuutta, niin miten tekoälyä voisi näillä toimialoilla oikeasti hyödyntää?

Tämä on miljoonan dollarin kysymys. Ei vain Suomessa vaan myös maailmalla.

Johdon päänsärky

Kyseessä on siis kysymys ja ongelma, jota ympäri maailmaa yritetään ratkaista. Miten valjastamme jo olemassa olevan tekoälyteknologian liiketoimintaamme hyödyntävällä tavalla?

Nyt tätä on yritetty ratkaista kolmella tavalla, eli pyytämällä:

 

  • Tekoälykehittäjät kertomaan, miten heidän koodarit voisivat Pythonia ja Tensorflowta hyödyntäen rakentaa tekoälyä. Nämä keskustelut loppuvat yleensä siihen, että kehittäjät puhuvat liian teknisin termein. Vaikka sattuisivat puhumaan ymmärrettävin termein, he eivät ymmärrä liiketoimintaasi. Eivät he ymmärrä esim terveydenhuollon diagnostiikkaa

  • McKinsey tyyppisiä yrityksiä konsultoimaan johtoa aiheesta. He usein kertovat että kuinka työn tuottavuus parantuu x % vuoteen 2020 mennessä tai sitten esimerkkejä kuinka Coca-Cola tai Google ovat hyödyntäneet tekoälyä. Tästä on kuitenkin hyvin vaikea edetä konkretiaan.

  • IBM Watsonin tai Microsoftin tapaista yritystä kertomaan, mitä heidän ratkaisunsa tähän on. Ja heidän näkökulmasta esim IBM Watson ratkaisee yrityksen ongelmat, että ulkoistakaa tekoälyn hyödyntäminen heille. Haluatko kuitenkaan ulkoistaa tärkeintä varantoasi?

 

Näissä näkökulmissa on hyviä puolia ja niitä tarvitaan myös. Pitää nähdä ylätasolla trendejä mitä tulee tapahtumaan globaalisti. Pitää myös hyödyntää teknistä osaamista sekä johtavia teknologiatoimittajia – kun aika on oikea.

Edellä mainitut lähestymistavat eivät kuitenkaan ratkaise tuota ”miten kissakuvan tunnistusta voi hyödyntää minun liiketoiminnassani” -ongelmaa.

 

Ratkaisumme

Olemme menestyksellä auttaneet yrityksiä Big Data,- sekä muissa teknologiahankkeissa  jo pitkään. Siinä käyttämämme erittäin toimiva metodi on Hovi Data Framework. Se nopeuttaa hankkeita ja parantaa niiden onnistumistodennäköisyyttä. Sama menetelmä sopii erinomaisesti myös tekoälyn hyödyntämiseen.

Aloitamme toimeksiantomme datakartoituksella. Teemme ikään kuin pohjapiirustuksen olemassa olevista datoista sekä siitä, missä ne sijaitsevat. Tämän avulla liiketoiminta pystyy määrittelemään liiketoimintaongelmia, jotka ovat lähtökohtaisesti ratkaistavissa tekoälyn avulla.

Tekoäly ilman dataa on kuin moottori ilman polttoainetta. Tekoälyhankkeen starttaaminen ilman datakartoitusta on kuin Le Mansin 24 tunnin ajoon starttaaminen tankkaamatta.

Pyrimme siis tuomaan ratkaisun tuohon miljoonan dollarin kysymykseen, eli mitä meidän toimialalla ja meidän liiketoiminnassa voidaan ratkaista tekoälyn avulla.
Tuomme yhteiset määritykset tekniselle porukalle ja johdolle – hommiin päästää todella nopeasti ja tuloksia tulee – tästä olemme varmoja.

Miten se tehdään? Se tehdään niin että määritetään liiketoimintamuuttujat ja niiden väliset suhteet. Selvitetään että missä datat ovat, kaivetaan ne järjestelmistä ja putsataan. Rauhoitetaan data scientistien arvokas aika siihen, minkä he osaavat parhaiten ja mitä he tekevät mieluiten – datan analysoimiseen.

Kuulostaa helpolta, mutta eihän se sitä tietysti ole. Nyt kuitenkin päästään tilanteeseen, jossa vain edelläkävijät ovat: tekoälyn käytön todelliseen hyödyntämiseen ja valtavan kilpailuedun saamiseen.

Meidän Hannu Järvi on perehtynyt tekoälyyn liiketoiminnan näkökulmasta ja Tarryn tiimi tuo viimeisimmän työkalut käyttöömme. Mikäli haluat kuulla lisää, niin ei muuta kun soittoa Hannulle.

 

T. Ari Hovi & tiimi

 

PS. Nyt olisi jälleen hyvä valmennussessio tulossa! Kanadalainen Agile-huippu Scott Ambler tulee Suomeen ja kertoo, miten Business Intelligence ja DW-projekteja voidaan nopeuttaa reippaasti ketteriä menetelmiä soveltamalla. Tämä osaaminen on kultaakin arvokkaampaa nopeasti muuttuvassa ympäristössä ja silloin, kun tuloksia halutaan nopeasti.

Disciplined Agile Data Warehousing (DW) and Business Intelligence (BI) Workshop, 07.05.2018 – 08.05.2018.

Lue tästä lisää valmennuksen sisällöstä tai soittele Johannes Hoville (050 3670809), jos tulee kysyttävää.

Jaa:

Kommentoi:

Kirjoittaja:

Ari Hovi

FM Ari Hovi toimii päätoimisesti konsulttina erikoisalueenaan Data Warehouse / Business Intelligence, käsitemallinnukset, tietoarkkitehtuurimallinnukset ja -määritykset sekä Business Intelligence / tietovarastoratkaisujen auditointi. Ari on Suomen kokeneimpia käsite- ja tiedonmallintajia (Data Modeling).

Ari on vetänyt uransa aikana yli sata käsitemallinnusworkshoppia ja ollut osallisena yli kuudessakymmenessä tietovarastohankkeessa. Tyypillisiä konsultointihankkeita ovat tietovarastojen arkkitehtuuri- ja strategiaselvitykset ja tietovarastojen tietosisällön mallinnus sekä yritystason tietoarkkitehtuurien ja Master Data -mallien laadinta.

Ari kuuluu The Data Warehouse Institute Finlandin (TDWI) hallitukeen sekä Kokonaisarkkitehtuuri -osaamisyhteisön KAOS isännistöön. Hän on DAMA Finlandin ehdokas kansainvälisen Data Management Excellence 2015 –tunnustuksen saajaksi.

Ari on myös tietokirjailija, teoksia aiheista Tietovarastointi, Tietokannan suunnittelu ja SQL. Hänen artikkeleitaan on julkaistu mm. TIVI-lehdessä, Kauppalehdessä ja Tietoasiantuntijat -lehdessä.

 

Haluatko uusimmat uutiset ja kurssitiedot Arihovista?

Tyrehdytä tiedonjanosi!

Uutiskirjeen tilaajana saat ajankohtaista tietoa datan hyödyntämisestä, tekoälystä sekä muista ajankohtaisista aiheista tiedohallinnan maailmasta. Olemme data-alan johtava kouluttaja ja konsultti, joten saat tietoa suoraan kentältä. Saat samalla myös parhaat tarjoukset kansainvälisten huppuasiantuntijoiden valmennustilaisuuksiin.