Tekoäly muuttaa arvoketjuja Näin kartoitat tekoälyn mahdollisuuksia projektissasi Harri Puolitaival
Harri Puolitaival Diplomi-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 Suorituskyky Deep Learning Machine Learning Datan määrä
Data vai algoritmi? - Enemmän parempilaatuista dataa on tärkeämpää kuin paremman algoritmin työstäminen Katso kuva: Source https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/acl2001.pdf
Lääketieteellisten kuvien luokittelu Mikä on tekoälyn suorituskyvyn yläraja? Kadunmies: 10% virhe Keskiverto lääkäri: 2.5% virhe Kokenut lääkäri: 1,5% virhe Kokeneiden lääkäreiden tiimi: 1,0% virhe
Tekoälyn suorituskyvyn yläraja? Tarkkuus Teoreettinen yläraja on kohina Tekoäly Ihmisen tarkkuus keskimäärin Aika
Kohina rajoittaa!
Tekoäly muuttaa arvoketjuja
Uusi paradigma ESITYKSEN TÄRKEIN KALVO Sääntöjä Perinteinen ohjelmointi Vastauksia Dataa Vastauksia Dataa #1. Tekoälyn koulutusvaihe Sääntöjä Uutta dataa #2. Sääntöjen hyödyntäminen uudelle datalle Vastaus/ ennuste
Radikaali arvoketjun muuttaja Ilmainen 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
Case: Itse-ajava yhteisomistettu auto Radikaali innovaatio: Vaikutus kiinteistöjen hinnankehitykseen epäjatkuvuuksia sekä teknologiassa että markkinoissa Itse-ajava ja yhteisomistettu auto Vaikutukset ympäröivään infrastruktuuriin Todella uusi innovaatio: epäjatkuvuuksia joko teknologiassa tai markkinoissa, mutta ei molemmissa Auton kulujen hallinta Inkrementaalinen innovaatio: parannuksia olemassaoleviin tuotteisiin ja palveluihin, suunnattu olemassaoleville markkinoille
End-to-end AI-projekti X Old-fashion Y sanelu paloittele audio etsi äänteet muodosta sanat Kirjallinen lausunto sanelu Kirjallinen lausunto Tekoäly aikakausi
Ennen mentiin lääkäriin, nyt mennään Googleen End-to end lähestyminen terveydenhuoltoon - Keskittyy muutamien erityisten sairauksien kuten diabeteksen, Parkinsonin taudin ja sydänsairauksien tutkimiseen - Rakentaa terveysdatainfrastruktuuria tarjotakseen uusia datalähteitä terveysalan jäteille - Etsii jatkuvasti uusia liiketoimintamalleja kuten vakuutuspalveluihin laajentumista
Neuroverkkojen kehityksen ajurit Sigmoid Source: http:// ReLU 1) Laskentatehon saatavuus 2) Datan määrän kasvu 3) Science vs. Engineering Teoriasta käytäntööninnovaatiot
AI algoritmit ovat yksinkertaisia Periaatteelliset matemaattiset konseptit - vektorit, matriisit ja tensorit - derivaatta Seuraavat algoritmit ovat laajasti käytettyjä tekoäly-sovelluksissa: - Gradient Descent - Forward & Back-propagation - Computational Graph Input layer Forward Output layer Backward Error estimation Tehokkaita koodausympäristöjä saatavilla ilmaiseksi, joissa algoritmit ja funktiot helposti käyttöönotettavissa Mikä on iso johtopäätös tästä?
Paras kilpailuetu tekoälystä saadaan liiketoimintamallia muuttamalla Usein puhutaan vain olemassa olevien prosessien optimoinnista. Liiketoimintamallin muutoksessa on kyse siitä, miten luot uusia prosesseja, jotka luovat arvoa.
AI Business Model Canvas
AI Business Canvas Datan lähteet Mitä raaka-data lähteitä on käytössä (sisäiset ja ulkoiset lähteet) Datan kerääminen Mistä saadaan uutta dataa, josta voidaan oppia? Arvolupaus Minkä tarkkaan rajatun ongelman AI ratkaisee? Käytettävä AI/ML/DL - algoritmi SaaS-palveluna vai tehdäänkö itse? Mitä algoritmia käytetään? Ennusteiden tekeminen Missä tilanteissa? Mihin dataan perustuen ja millä kriteereillä? OPPIMINEN TAVOITE ENNUSTAMINEN Ominaisuudet Raakadatasta muodostetut featuret Mallin rakentaminen Kuka luo mallin ja milloin? (mitä, miksi, kuka) ARVIOINTI Live-tilanteen arviointi ja kriteerit onnistumiselle Arviointi ja metriikka Metodit ja metriikka, jolla arvioidaan systeemiä ennen käyttöönottoa Päätökset & tiedolla johtaminen Pitääkö ihmisen hyväksyä AI:n ennuste? Kenen ja miten pitää reagoida, kun analytiikka/ai:n antamaan suositukseen?
Tärkeimmät muistettavat ideat Data on arvokasta Tekoälystä tulee oppimisprosessin myötä tarkempi ja nopeampi - EI älykkäämpi 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