tiistai, 28.11.2017, Avainsanat: dreamforce, Einstein, tekoäly
Kuinka Einstein-tekoäly tunnistaa Angry Birds -pehmoleluja?
Toteutimme Helsingissä järjestettyyn Dreamforce to You -tapahtumaan Einstein-tekoälyyn perustuvan demon. Otimme iPadilla kuvia Angry Birds -pehmoleluista, jonka jälkeen kuva analysoitiin ja luokiteltiin johonkin ennalta määritellyistä kategorioista, eli tässä yhteydessä Einsteinille opetetuista pehmoleluista.
Kaiken taustalla on Salesforcen kehittämä tekoäly Einstein ja sen kuvantunnistustoiminto Vision.
Ensiksi tekoäly on koulutettava
Jotta kuvantunnistus saadaan toimimaan luotettavasti, tekoäly tarvitsee alkuun opetusdataa. Kuvattavista kohteista, tässä tapauksessa pehmoleluista, tarvitaan erilaisia valokuvia. Mitä enemmän kuvia on käytettävissä, sitä luotettavampi kuvan tunnistus tulee olemaan.
Demossamme käytimme jokaiselle kolmesta eri luokasta 20 kuvaa. Tällä määrällä demo saatiin toimimaan luotettavasti, mutta varsinaiseen liiketoimintaan liittyvään käyttötarkoitukseen kuvia tarvittaisiin huomattavasti enemmän. Opetuskuvia tarvitaan myös sitä enemmän, mitä samankaltaisempia tutkittavat kohteet ovat keskenään. Näin kuvien erot saadaan esille.
Opetusdatan kuville määritellään luokkaleimat, jonka perusteella tekoäly jaottelee käyttäjän ottamia kuvia. Kun opetusdata on luotu, se annetaan tekoälyn analysoitavaksi ja Einstein Vision “opettelee” datan. Käytännössä tekoäly purkaa kuvista piirteitä ja muodostaa niistä yhteneväisyyksiä samaan luokkaan kuuluvien kuvien välille. Näin valokuva saadaan purettua koneen ymmärtämään muotoon.
Demossa tunnistettava pehmolelu saattoi olla pöydällä tai vaikka toisen ihmisen sylissä.
Kuva tunnistetaan palvelimella
Kun opetusvaihe on valmis, käyttäjä voi ottaa kuvan halutusta kohteesta ja antaa sen tekoälyn analysoitavaksi. Kuvan prosessointi tapahtuu pilvipalvelimella, ei käyttäjän koneella. Tämä onkin järkevää, koska piirteiden purkaminen voi vaatia tietokoneelta todella paljon laskentatehoa.
Palvelimelta tuleva vastaus ja opetusdata antavat käyttäjälle vastauksen siitä, mihin luokkaan kyseinen kohde kuuluu. Lisäksi tästä voidaan luoda jatkotoimenpiteitä. Demossamme käyttäjä ohjattiin kuvan ottamisen jälkeen sen Angry Bird hahmon sivulle, josta hän oli kuvan ottanut. Eli päätös tehtiin järjestelmässä taustalla, jonka mukaan käyttäjä ohjattiin uudelle sivulle.
Demossamme saimme tunnistuksen toimimaan luotettavasti. Annoimme vieraiden ottaa tabletilla kuvia hahmoista, jonka jälkeen järjestelmä kertoi, mikä hahmo oli kyseessä. Tämä tarjosi mukavia wau-efektejä tapahtumapäivän aikana.
Tekoäly valmiissa paketissa
Salesforce on paketoinut Einstein Visionin hyväksi ja helppokäyttöiseksi tuotteeksi. Kuvantunnistus ja tekoäly saadaan helposti osaksi yrityksen toimintoja, ja se alkaa välittömästi tuottamaan lisäarvoa.
Kuvantunnistus ja tekoäly saadaan helposti osaksi yrityksen toimintoja, ja se alkaa välittömästi tuottamaan lisäarvoa.
Hyvänä käytännön esimerkkinä voidaan mainita kenttähuollon tarpeet. Teknikko ottaa kuvan jostain laitteesta tai varaosasta ja järjestelmä kertoo kuvan perusteella mikä laite on kyseessä, sekä tarjoaa mahdollisia lisätietoja ja huolto-ohjeita.
Jos haluat lukea lisää Salesforcen laajemmasta hyödyntämisestä tekoälyn ja monien muiden asioiden kanssa, ja sen tuottamasta lisäarvosta, kannattaa käydä lukemassa tuore oppaamme Kilpailukykyä Salesforce-kehityksellä – Salesforce alustana asiakaskohtaisten sovellusten kehityksessä.
Kirjoittaja
Pasi on varsinainen joka alan asiantuntija ja monitoimiosaaja. Pasi toimii tällä hetkellä Biitillä konsulttina ja ohjelmistosuunnittelijana. Aiempaa taustaa mieheltä löytyy yliopistopuolelta sekä ravintola-alalta.
Avainsanat
