Tekoäly muuttaa arvoketjuja -...
Transcript of Tekoäly muuttaa arvoketjuja -...
Tekoäly muuttaa arvoketjujaNäin kartoitat tekoälyn mahdollisuuksia projektissasi
Harri Puolitaival
Harri PuolitaivalDiplomi-insinööri ja yrittäjä
• Terveysteknologia-alan start-up: Likelle - lämpötilaherkkien lääkkeiden suojaaminen
• Hoiva-alan yritys: Onnenrinne - vanhusten tehostettua palveluasumista
• Koulutus ja konsultointi: Ai Optio - tekoälyn tekniset perusteet, sekä tekoälyn hyödyntäminen liiketoiminnassa
https://www.linkedin.com/in/harri-puolitaival/
Tekoälyn suorituskyky
Mille tekoäly näyttää?
Datan merkitys
Datan määrä
Suorituskyky
Machine Learning
Deep Learning
Data vai algoritmi?
- Enemmän parempilaatuista dataa on tärkeämpää kuin paremman algoritmin työstäminen
Source https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/acl2001.pdf
Katso kuva:
Lääketieteellisten kuvien luokittelu
•Kadunmies: 10% virhe
•Keskiverto lääkäri: 2.5% virhe
•Kokenut lääkäri: 1,5% virhe
•Kokeneiden lääkäreiden tiimi: 1,0% virhe
Mikä on tekoälyn suorituskyvyn yläraja?
Tekoälyn suorituskyvyn yläraja?
Tarkkuus
Teoreettinen yläraja on kohina
Ihmisen tarkkuus keskimäärin
Aika
Tekoäly
Kohina rajoittaa!
Tekoäly muuttaa arvoketjuja
Uusi paradigma
Perinteinen ohjelmointiDataa
VastauksiaSääntöjä
#1. Tekoälyn koulutusvaiheDataa
Vastauksia
#2. Sääntöjen hyödyntäminen uudelle datalleUutta dataa
Vastaus/ennuste
Sääntöjä
ESITYKSEN TÄRKEIN KALVO
Radikaali arvoketjun muuttajaIlmainen tekoälyn mahdollistamana Nykyinen hintataso
Tarkempi tekoälyn mahdollistamana Nykyinen tarkkuus
Nopeampi tekoälyn mahdollistamana
Nykyinen nopeus
Uusi tuote/palvelu tekoälyn mahdollistamana Nykyinen tarjooma
Autojen käytön allokointi
Vaikutus tie-infraan
https://youtu.be/r7_lwq3BfkY
Vaikutus kiinteistöjen arvoon
Itse-ajava ja yhteisomistettu auto
Auton kulujen hallinta
Vaikutukset ympäröivään infrastruktuuriin
Vaikutus kiinteistöjen hinnankehitykseen
Radikaali innovaatio: epäjatkuvuuksia sekä teknologiassa
että markkinoissa
Todella uusi innovaatio: epäjatkuvuuksia joko teknologiassa
tai markkinoissa, mutta ei molemmissa
Inkrementaalinen innovaatio: parannuksia olemassaoleviin
tuotteisiin ja palveluihin, suunnattu olemassaoleville markkinoille
Case: Itse-ajava yhteisomistettu auto
End-to-end AI-projekti
sanelu
X Y
paloittele audio etsi äänteet muodosta sanat Kirjallinen lausunto
sanelu
Old-fashion
Tekoäly aikakausi
Kirjallinen lausunto
Ennen mentiin lääkäriin, nyt mennään Googleen
- Keskittyy muutamien erityisten
sairauksien kuten diabeteksen, Parkinsonin taudin ja sydänsairauksien tutkimiseen
End-to end lähestyminen terveydenhuoltoon
- Rakentaa terveysdatainfrastruktuuria tarjotakseen uusia datalähteitä terveysalan jäteille
- Etsii jatkuvasti uusia liiketoimintamalleja kuten vakuutuspalveluihin laajentumista
Neuroverkkojen kehityksen ajurit
Source: http://
1) Laskentatehon saatavuus 2) Datan määrän kasvu 3) Science vs. Engineering Teoriasta käytäntöön-
innovaatiot
Sigmoid
ReLU
AI algoritmit ovat yksinkertaisia
Input layer
Output layer
Forward
Backward
Error estimation
Periaatteelliset matemaattiset konseptit - vektorit, matriisit ja tensorit - derivaatta
Seuraavat algoritmit ovat laajasti käytettyjä tekoäly-sovelluksissa: - Gradient Descent - Forward & Back-propagation - Computational Graph
Tehokkaita koodausympäristöjä saatavilla ilmaiseksi, joissa algoritmit ja funktiot helposti käyttöönotettavissa Mikä on iso johtopäätös tästä?
“Usein puhutaan vain olemassa olevien prosessien optimoinnista.
Liiketoimintamallin muutoksessa on kyse siitä, miten luot uusia prosesseja, jotka luovat arvoa.”
Paras kilpailuetu tekoälystä saadaan liiketoimintamallia muuttamalla
AI Business Model Canvas
AI Business Canvas
Päätökset & tiedolla
johtaminen
Käytettävä AI/ML/DL - algoritmi
Ennusteiden tekeminen
Arviointi ja metriikka
Metodit ja metriikka, jolla arvioidaan
systeemiä ennen käyttöönottoa
TAVOITE
(mitä, miksi, kuka)
Arvolupaus
ARVIOINTI
OPPIMINEN ENNUSTAMINEN
Datan lähteetMitä raaka-data
lähteitä on käytössä (sisäiset ja ulkoiset
lähteet)
Datan kerääminenMistä saadaan uutta dataa, josta voidaan
oppia?
Ominaisuudet
Raakadatasta muodostetut
“featuret”
Mallin rakentaminen
Kuka luo mallin ja milloin?
Missä tilanteissa? Mihin dataan
perustuen ja millä kriteereillä?
Live-tilanteen arviointi ja kriteerit onnistumiselle
SaaS-palveluna vai tehdäänkö itse? Mitä algoritmia
käytetään?
Pitääkö ihmisen hyväksyä AI:n
ennuste? Kenen ja miten pitää
reagoida, kun analytiikka/AI:n
antamaan suositukseen?
Minkä tarkkaan rajatun ongelman AI
ratkaisee?
Tärkeimmät muistettavat ideat
Tekoälystä tulee oppimisprosessin myötä tarkempi
ja nopeampi - EI älykkäämpi
Data on arvokasta
Työkalut ovat tehokkaita ja open-sourcea.
Tekoäly on nyt samassa pisteessä kuin Internet oli vuonna 1995. Hyppää rohkeasti
mukaan kehittämään sitä!
Kiitos!
Ai Optio Oy Seuraa meitä ja pysy mukana tekoälyn kehityksessä!
Facebook LinkedIn Twitter