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