Tekoälyn mahdollisuuksien hyödyntäminen: miten kehität edistyksellisen tekoälyalustan?

Tekoälyn mahdollisuuksien hyödyntäminen: miten kehität edistyksellisen tekoälyalustan?

 

Kirjoittaja: Antti Pohjolainen, Codento

Tekoäly (AI) ei ole enää pelkästään tieteiskirjallisuutta. AI ja siihen liittyvät teknologiat mullistavat tapaa, jolla yritykset toimivat, vuorovaikuttavat asiakkaiden kanssa ja lopulta muokkaavat tulevaisuuttaan. Tekoälyn on oltava tekemisen ytimessä, mikäli organisaatiot haluavat olla todella tulevaisuudenkestäviä ja omaksua kestävän kasvun.

Kuitenkin tekoälyvetoisten projektien infrastruktuurin rakentaminen voi olla merkittävä haaste niille organisaatioille, jotka eivät ole ns. Diginatiiveita’.

Tässä käsittelemme joitakin strategisia polkuja kohti integroitua tekoälytulevaisuutta, joka skaalautuu liiketoimintasi menestykseen.

 

Todelliset hyödyt edistyksellisestä tekoälyalustasta

Tekoälyn epäilijöitä on runsaasti, ehkä varuillaan mahdollisista katteettomista lupauksista ja Piilaakson liioittelusta. Tässä joitakin syitä rakentaa tulevaisuus seuraavan sukupolven edistyksellisen tekoälyperustan päälle:

  • Tehokkuus uudelleen kuviteltuna: Automatisointi pysyy tekoälyjärjestelmien tärkeänä etuna. Ajattelepa toistuvia manuaalisia tehtäviä – ne voidaan usein hoitaa nopeammin ja tarkemmin älykkäiden algoritmien avulla. Tämä vapauttaa arvokkaat inhimilliset resurssit keskittymään strategisiin aloitteisiin ja monimutkaiseen ongelmanratkaisuun, jotka todella vievät liiketoimintaa eteenpäin.
  • Tietoon perustuvat päätökset: Meillä kaikilla on valtavasti dataa – usein organisaatiot eivät kirjaimellisesti tiedä mitä tehdä kaikella. Tekoäly on avain muuttaa data toimintasuunnitelmiksi. Tee nopeampia, paremmin perusteltuja valintoja tuotekehityksestä resurssien kohdentamiseen.
  • Ennakoivat kyvykkyydet: Ennusta asiakkaiden tarpeita, optimoi varastot, ennusta myyntitrendejä – tekoäly antaa yrityksille arvokkaan ikkunan tulevaisuuteen ja mahdollisuuden toimia tarkasti. Se lieventää riskejä ja maksimoi mahdollisuudet.

Otetaan esimerkiksi asiakkaamme BHG. Heidän oli toteutettava vankka Business Intelligence-alusta palvelemaan koko yritystä nyt ja tulevaisuudessa. Codenton data-asiantuntijoiden avulla BHG:llä on nyt erittäin automatisoitu, vankka talousalusta tuotannossa. Lue lisää täältä.

 

Tekoälyalustan rakentaminen: keskeiset näkökohdat

Oletko valmis liittymään tekoälyä hyödyntäviin joukkoihin? On ratkaisevan tärkeää aloittaa selkeillä periaatteilla:

  • Pilvi on kuningas: Pilvipohjaiset alustat tarjoavat joustavuutta, skaalautuvuutta ja laskentatehoa, joita kunnianhimoiset tekoälyprojektit vaativat. Etsi alustoja, joissa on erikoistuneita tekoälypalveluita kehityksen virtaviivaistamiseksi ja kustannusten vähentämiseksi.
  • Data on polttoainetta: Tekoälyjärjestelmäsi ovat yhtä hyviä kuin niihin koulutettu data. Varmista, että sinulla on vahvat tietojenkeruu-, puhdistus- ja hallintatoimenpiteet paikallaan. Muista, että laadukas data tuottaa suuremman algoritmisen tarkkuuden.
  • Inhimillinen kosketus: Älä anna tekoälypelkojen tarttua. Tämä ei ole ihmisten korvaamisesta, vaan parempaa hyödyntämistä. Uudelleenkouluta, uudista ja uudelleen sijoita tiimisi työskentelemään tekoälytyökalujen kanssa. Tekoälyn hyödyntäminen perustuu yhteistyöhön, ja eettinen tekoälyn kehittäminen tulisi olla mantra.
  • Aloita pienestä, tähtää suureen: Aloita keskittyneillä proof-of-concept -projekteilla osoittaaksesi arvon ennen tekoälysitoumuksen laajentamista. Hyvin orkestroitu, vaiheittainen lähestymistapa voi auttaa hallitsemaan monimutkaisuutta ja saamaan hyväksynnän organisaatiosi läpi.

 

Tulevaisuuden tie: tekoälymuutoksen voima

On kiistatonta, että seuraavan sukupolven alustan rakentaminen tekoälyä varten vaatii vaivaa ja huolellista suunnittelua. Kaikenkokoisten organisaatioiden mahdollisuudet ovat henkeäsalpaavia. Kuvittele virtaviivaistettuja toimintoja, parannettuja asiakaskokemuksia ja oivalluksia, jotka johtavat ennennäkemättömiin menestyksiin.

Tekoäly ei ole vain tulevaisuus – se on perusta yrityksille, jotka menestyvät tulevaisuudessa. On aika liittyä tekoälyvallankumoukseen nyt. Palkinnot ovat yksinkertaisesti liian suuret jätettäviksi pöydälle.

Kirjoittajasta: Antti  ”Apo” Pohjolainen, myyntijohtaja, aloitti Codenton palveluksessa vuonna 2020. Antti on johtanut Innofactorin (pohjoismainen Microsoft IT-toimittaja) myyntiorganisaatiota Suomessa ja ennen sitä työskennellyt johtotehtävissä Microsoftissa julkiselle sektorille Suomessa ja Keski- ja Itä-Euroopassa. Apo on työskennellyt erilaisissa myyntitehtävissä kauemmin kuin hän muistaa. Hän saa ”myyjän huipun” tapaaessaan asiakkaita ja etsiessään ratkaisuja, jotka tarjoavat arvoa kaikille osapuolille. Apo suoritti MBA-tutkinnon Northamptonin yliopistosta. Hänen viimeinen liiketoimintatutkimuksensa käsitteli monipilviratkaisuita. Apo on usein luennoinut AI in Businessissa Haaga-Helian ammattikorkeakoulussa.

 

Seuraa meitä ja tilaa AI.cast, jotta pysyt ajan tasalla viimeaikaisista tekoälykehityksistä:

Älykkäät toiminnot: Tehokkuuden ja kasvun mahdollistaminen tekoälyllä

Älykkäät toiminnot: Tehokkuuden ja kasvun mahdollistaminen tekoälyllä

 

Kirjoittaja: Antti Pohjolainen, Codento

Kuten edellisessä blogikirjoituksessani mainittiin, tekoäly ei ole pelkästään teknologinen harppaus; se on strateginen voimavara, mullistaen yritysten toimintaa, päätöksentekoa ja asiakaspalvelua. Tämä pätee myös organisaatioden perustoimintojen alueella, missä tekoäly on valmis mullistamaan perinteiset prosessit, parantamaan tehokkuutta, lisäämään tuottavuutta ja luomaan edellytyksiä kestävälle kasvulle.

 

Tekoälyn mahdollisuuksien perustoiminnoissa

Tekoälyn vaikutus toimintoihin ulottuu eri liiketoiminnan osa-alueille, mukaan lukien:

  • Ennakoiva huolto: Tekoälyalgoritmit voivat analysoida valtavia määriä dataa, mukaan lukien anturien lukemat ja historialliset suorituskykytiedot, ennustaakseen laitteiden vikatilanteet ennen niiden tapahtumista. Tämä proaktiivinen lähestymistapa minimoi käyttökatkot, vähentää huoltokustannuksia ja parantaa kokonaisvarojen käyttöä.
  • Älykäs aikataulutus: Tekoälyllä voimautetut aikataulutusratkaisut voivat optimoida resurssien allokaatiota ja tehtävien määritystä varmistaen, että työntekijät keskittyvät oikeisiin tehtäviin oikeaan aikaan. Tämä johtaa parantuneeseen tuottavuuteen, vähentyneisiin ylitöihin ja parantuneeseen työntekijöiden tyytyväisyyteen.
  • Toimitusketjun optimointi: Tekoäly voi analysoida kysyntää, tunnistaa häiriöitä ja optimoida varastotasot, mikä johtaa tehokkaampaan ja ketterämpään toimitusketjuun. Tämä johtaa kustannusten vähenemiseen, parantuneisiin toimitusaikoihin ja lisääntyneeseen asiakastyytyväisyyteen.
  • Riskien minimointi: Tekoäly voi seurata toimintadataa ja tunnistaa poikkeamia tai ilmiöitä, jotka saattavat viitata mahdollisiin riskeihin. Tämä mahdollistaa yrityksille ennakoivan toiminnan, estää kalliit virheet ja suojaa omaisuutta ja mainetta.

Codento on työskennellyt yhdessä monessa edelläkävijäyrityksissä teollisuudessa toteuttaakseen tekoälyn heidän toiminnoissaan. Fastemsilla Codento toteutti älykkään aikataulutuksen ja ennakoivan huollon kyvykkyydet. Lisätietoja löydät referenssitapauksistamme täältä ja täältä.

 

Matka tehokkaisiin toimintoihin

Tekoälyn toteuttaminen tuotannossa edellyttää strategista lähestymistapaa, joka ottaa huomioon jokaisen organisaation erityistarpeet ja haasteet. Keskeiset vaiheet sisältävät:

Ongelmakohteiden  tunnistaminen: ensimmäinen vaihe on tunnistaa alueet, joilla tekoäly voi tuoda merkittävimmät hyödyt, kuten kustannusten vähentäminen, tehokkuuden parantaminen tai päätöksenteon tehostaminen.

Datan valmistelu: Korkealaatuinen data on olennaista tekoälyn tehokkaalle toiminnalle. Tämä sisältää datan puhdistamisen, järjestämisen ja standardoinnin sen tarkkuuden ja luotettavuuden varmistamiseksi.

Mallin kehittäminen ja käyttöönotto: tekoälymallit kehitetään koneoppimisalgoritmeilla, jotka kouluttavat valmisteltua dataa. Nämä mallit otetaan sitten käyttöön tuotantoympäristöihin tehtävien automatisoimiseksi ja oivallusten tarjoamiseksi.

Jatkuva seuranta ja parantaminen: Tekoälymallit eivät ole staattisia; niitä on jatkuvasti seurattava ja päivitettävä, kun data ja liiketoimintaolosuhteet kehittyvät. Tämä varmistaa, että ne pysyvät tarkkoina, ajankohtaisina ja tehokkaina.

 

Kirjoittajasta: Antti  ”Apo” Pohjolainen, myyntijohtaja, aloitti Codenton palveluksessa vuonna 2020. Antti on johtanut Innofactorin (pohjoismainen Microsoft IT-toimittaja) myyntiorganisaatiota Suomessa ja ennen sitä työskennellyt johtotehtävissä Microsoftissa julkiselle sektorille Suomessa ja Keski- ja Itä-Euroopassa. Apo on työskennellyt erilaisissa myyntitehtävissä kauemmin kuin hän muistaa. Hän saa ”myyjän huipun” tapaaessaan asiakkaita ja etsiessään ratkaisuja, jotka tarjoavat arvoa kaikille osapuolille. Apo suoritti MBA-tutkinnon Northamptonin yliopistosta. Hänen viimeinen liiketoimintatutkimuksensa käsitteli monipilviratkaisuita. Apo on usein luennoinut AI in Businessissa Haaga-Helian ammattikorkeakoulussa.

 

Seuraa meitä ja tilaa AI.cast, jotta pysyt ajan tasalla viimeaikaisista tekoälykehityksistä:

Mitä toimitusjohtaja tekee?

What Does the CEO of an AI-driven Software Consulting Firm Actually Do During a Workday?

 

Author: Anthony Gyursanszky, CEO, Codento

This is a question that comes up from time to time. When you have a competent team around you, the answer is simple: I consult myself, meet existing clients, or sell our consulting services to new clients. Looking back at the past year, my own statistics indicate that my personal consulting has been somewhat limited this time, and more time has been spent with new clients.

 

And How about My Calendar?

My calendar shows, among other things, 130 one-on-one discussions with clients, especially focusing on the utilization of artificial intelligence across various industries and with leaders and experts from diverse backgrounds. Out of these, 40 discussions led to scheduling in-depth AI workshops on our calendars. I’ve already conducted 25 of these workshops with our consultants, and almost every client has requested concrete proposals from us for implementing the most useful use cases. Several highly intriguing actual implementation projects have already been initiated.

The numbers from my colleagues seem quite similar, and collectively, through these workshops, we have identified nearly 300 high-value AI use cases with our clients. This indicates that there will likely be a lot of hustle in the upcoming year as well.

 

What Are My Observations?

In leveraging artificial intelligence, there’s a clear shift in the Nordics from hesitation and cautious contemplation to actual business-oriented plans and actions. Previously, AI solutions developed almost exclusively for product development have now been accompanied by customer-specific implementations sought by business functions, aiming for significant competitive advantages in specific business areas.

 

My Favorite Questions

What about the next year? My favorite questions:

  1. Have you analyzed the right areas to invest in for leveraging AI in terms of your competitiveness?
  2. If your AI strategy = ChatGPT, what kind of analysis is it based on?
  3. Assuming that the development of AI technologies will accelerate further and the options will increase, is now the right time to make a strict technology/supplier choice?
  4. If your business data isn’t yet ready for leveraging AI, how long should you still allow your competitors to have an edge?

What would be your own answers?

 

About the author:

Anthony Gyursanszky, CEO, joined Codento in late 2019 with more than 30 years of experience in the IT and software industry. Anthony has previously held management positions at F-Secure, SSH, Knowit / Endero, Microsoft Finland, Tellabs, Innofactor and Elisa. Hehas also served on the boards of software companies, including Arc Technology and Creanord. Anthony also works as a senior consultant for Value Mapping Services. His experience covers business management, product management, product development, software business, SaaS business, process management, and software development outsourcing. Anthony is also a certified Cloud Digital Leader.

 

Want to Learn More!

Register to the free AI.cast to:

  • Obtain automatically access to all earlier episodes
  • Access to the new episode once it is published
  • Automatically receive access to all upcoming episodes

Codento Levels Up Serverless Expertise at Google Cloud Nordics Serverless Summit 2023

Codento Levels Up Serverless Expertise at Google Cloud Nordics Serverless Summit 2023

 

Authors: Olli-Pekka Lamminen, Google Bard

In November, Codento was thrilled to be invited to attend the Google Cloud Nordics Serverless Summit 2023 in Sunnyvale, California. This two-day event, held at the Google Cloud campus, was packed with exciting updates, in-depth discussions, and valuable networking opportunities.

 

Cloud-Powered Efficiency: Cost, Performance, and Creativity

The ability to drive down operational costs featured heavily at the Serverless Summit. With a pay-as-you-go pricing model and reduced price for idle instances Cloud Run is one of the most cost effective ways for businesses to run their workloads in a serverless environment. Flexible scaling from zero aligns perfectly with the dynamic nature of serverless applications, ensuring that organisations only pay for the resources they consume. This together with low management overhead and ease of development makes serverless technology accessible and affordable for businesses of all sizes.

Synthetic monitoring with Cloud Ops provides proactive insights into application performance and health, enabling businesses to identify and address potential issues before they impact real users. By simulating user interactions, this monitoring tool proactively identifies and alerts about potential problems, allowing businesses to maintain scalable and responsiveoperations. Together with capabilities like Log Analytics and AIOps, the Cloud Operations suite empowers businesses to prevent and address performance issues proactively, ensuring a consistently positive user experience.

Cloud based development environments, enhanced with Duet AI, bring the power of artificial intelligence to the creative workspace. Duet AI acts as an intelligent assistant, providing real-time feedback and suggestions, enabling creative professionals to enhance their productivity and achieve their visions. Google’s commitment to protecting its customers using generative AI products, like Duet AI and Vertex AI, in the event of copyright infringement lawsuits further reinforces the company’s dedication to innovation and responsible AI development.

 

Google’s Focus on Developer Experience with Cloud Run

It was evident that Google is placing a strong emphasis enhancing developer experience, focusing on making Cloud Run even more developer-friendly and efficient. The company discussed several new features and enhancements designed to streamline the process of building and deploying serverless applications, all of which are already available at least in preview today. These include:

  • Accelerated Build and Deployment: Google is streamlining the build and deployment process for Cloud Run applications with optimised buildpacks, making it easier and faster for developers to get their applications up and running quickly, efficiently and securely.
  • Improved Performance and Scalability: Google is continuously improving the performance and scalability of Cloud Run, ensuring that applications can handle even the most demanding workloads. Cloud Run has demonstrated the ability to scale from zero to thousands within mere seconds.
  • Ease of Integration with Other Google Cloud Offerings: With Cloud Run integrations, developers can easily take other Google Cloud services, such as Cloud Load Balancing, Firebase Hosting and Cloud Memorystore, in use with their serverless applications. Products like Eventarc allow developers to establish seamless communication between serverless applications and other cloud services, facilitating event-driven workflows and real-time data processing.
  • Simplified Networking and Security: While Cloud Run integrations make using load balancers a breeze, Direct VPC egress enables serverless applications to directly access resources within a VPC, eliminating the need for a proxy. This direct communication enhances performance and minimises latency. IAP provides a secure gateway for external users to access serverless applications, leveraging Google’s authentication infrastructure to verify user identities before granting access.
  • Effortless Workload Migration: Cloud Run and GKE Autopilot can run the same container images without any modifications, and their resource descriptions are nearly identical. This makes it incredibly easy to move your workloads between the two platforms, depending on your specific needs or as those needs evolve.

 

Project Starline and the Future of Internet in Space

Beyond the technical discussions, we also had the opportunity to explore Project Starline, Google’s experimental 3D video communication technology. Project Starline uses a combination of hardware and software to create a more natural and immersive video conferencing experience.

We also had the pleasure of discussing the future of the internet in space with Vint Cerf, a pioneer in the field of computer networking and often referred to as the ”father of the Internet.” Cerf shared his insights on the challenges and opportunities of building a reliable and accessible internet infrastructure in space.

 

 

An Invaluable Experience that Spurs Innovation

Overall, the Google Cloud Nordics Serverless Summit 2023 proved to be an invaluable experience for us. We gained insights into the latest advancements in serverless technology, learned from Google experts, and connected with other industry leaders. We are excited to apply our newfound knowledge to help our customers build and deploy even more innovative serverless applications.

About the Authors

Olli-Pekka Lamminen is an experienced software and cloud architect at Codento, with over 20 years of experience in the IT industry. Olli-Pekka is utilising his extensive background and knowledge to design and implement robust, scalable software solutions for our customers. His deep understanding of cloud technologies and telecommunications empowers him to deliver exceptional solutions that meet the evolving needs of businesses.

Google Bard is a powerful language model that can generate text, translate languages, write different kinds of creative content, and answer your questions in an informative way. It is still under development, but we are excited about its potential to help people in a variety of ways.

 

Learn more about Codento’s software intelligence services:

Top 4 Picks by Codento Team –  fooConf, Helsinki

Top 4 Picks by Codento Team –  fooConf, Helsinki

 

Authors: Codento consultants Samuel Mäkelä, Iiro Niemi, Olli Alm & Timo Koola

On Tuesday November 7th the second installment of fooConf was held at Hakaniemi, Helsinki. We (eight of us!) spent the day in the conference and asked our team what their one pick of the day was.

Here are our top 4 of the fooConf Helsinki 2023!

 

#1 Adam Tornhill: The business impact of code quality (top pick by Samuel)

To me, Adam Tornhill’s conference talk was quite mind-blowing. His ”10 years of trauma & research in technical debt” not only translated complex research data into clear visualizations about technical debt and code complexity, but also underscored the significant business impact of tackling these challenges. Through his presentation, Tornhill illuminated how addressing technical debt can lead to improved code quality, reduced maintenance costs and ultimately contribute to the overall success of a software project. It was a fascinating blend of in-depth research and practical insights, leaving a lasting impression on how we perceive and approach software development from both technical and business perspectives.

 

#2 Mete Atamel: WebAssembly beyond the browser (by Iiro)

Mete Atamel from Google discussed the evolving use of WebAssembly technology outside the browser environment. He emphasized that WebAssembly on the server, particularly with the WebAssembly System Interface (WASI), offers a compelling alternative to traditional methods of running applications, such as through virtual machines or containers. This perspective aligns with findings from the CNCF 2022 Annual Survey, which indicates a growing consensus that “Containers are the new normal and Wasm as the future”. Leveraging Wasm with WASI offers several notable benefits over containers, such as faster execution, reduced footprint, enhanced security and portability. However, despite this enthusiasm, it’s important to recognize that we are still some distance from having fully-featured and stable WebAssembly projects for server-side applications. This gap highlights the ongoing development and the need for further innovation in the field.

 

#3 Guillaume LaForge: Generative AI in practice: Concrete LLM use cases in Java, with the PaL

M API (by Olli)

Guillaume presented hands-on examples on how to utilize large language models via Google PaLM API. PaLM (Pathways Language Model) is a single, generalized language model that can be adjusted to specific domains or sizes (PaLM2). In his presentation, Guillaume utilized Google PaLM APIs and Langchain for building a bedtime story generator in Groovy.

Links below:

 

#4 Marit van Dijk: Reading Code (by Timo)

Presentation by Marit van Dijk (link to slides) starts with a simple observation: “We spend a lot of time learning to write code, while spending little to no time learning to read code. Meanwhile, we often spend more time reading code than actually writing it. Shouldn’t we be spending at least the same amount of time and effort improving this skill?“.

These questions take us into fascinating topics ranging from how to help our brain understand other programmers and our shared code (see book Programmer’s Brain by Felienne Hermans) to structured practices that build up our code reading capabilities. The practice called “Code Reading Club” is one way to practice code reading systematically in small groups. This presentation made me want to try this with team Codento. Stay tuned, we will tell you how it went!

 

 

Contact us for more information about Software Intelligence services:

 

Johdatus tekoälyyn liiketoiminnassa -blogisarja: Matka tulevaisuuteen

Johdatus tekoälyyn liiketoiminnassa -blogisarja: Matka tulevaisuuteen

Kirjoittaja: Antti Pohjolainen, Codento

 

Esipuhe

Nykypäivän dynaamisessa liiketoimintaympäristössä tekoälyn (AI) integroinnista on tullut muutosvoima, joka on muokannut teollisuuden toimintatapoja ja tasoittanut tietä innovaatioille. Kaikenkokoiset yritykset ottavat käyttöön tekoälypohjaisia ratkaisuja.

Tekoäly ei ole vain teknologinen harppaus; se on strateginen voimavara, joka mullistaa yritysten toiminnan, päätöksenteon ja asiakkaiden palvelemisen.

Asiakkaidemme kanssa käydyissä keskusteluissa ja työpajoissa olemme tunnistaneet lähes 250 erilaista käyttötapaa useille eri toimialoille.

 

AI in Business -blogisarjamme

Sen lisäksi, että julkaisemme AI.cast on-demand -videotuotantomme, teemme yhteenvedon tärkeimmistä oppimistamme ja oivalluksistamme ”AI in Business” -blogisarjassa.

Tämä blogisarja perehtyy tekoälyn monitahoiseen rooliin liiketoiminnan, asiakassuhteiden ja yleisen ohjelmistoälyn muokkaamisessa. Seuraavissa blogikirjoituksissa jokaisella viestillä on erityinen näkökulma, joka keskittyy liiketoiminnan tarpeeseen. Jokainen näkökulma sisältää esimerkkejä ja asiakasviittauksia innovatiivisista tavoista toteuttaa tekoäly.

Seuraavassa osassa – Asiakasennakkoionti – keskustelemme siitä, kuinka tekoäly tarjoaa yrityksille paremman asiakasymmärryksen heidän ostokäyttäytymisensä perusteella, erilaisten asiakastietojen parempaan käyttöön ja asiakaspalautteen analysointiin.

Kolmannessa osassa – Tehokkaat toiminnot – tarkastellaan esimerkkejä eduista, joita asiakkaat ovat saaneet ottamalla tekoäly käyttöön omissa toimissaan, mukaan lukien älykäs ajoitus ja toimitusketjun optimointi.

Neljännessä osassa – Ohjelmistoälykkyys – keskitymme tekoälyn käyttöön ohjelmistokehityksessä.

Tekoälyn käyttöönotto yrityksesi tarpeiden ratkaisemiseksi voi tarjota parempia päätöksentekovalmiuksia, lisätä toiminnan tehokkuutta, parantaa asiakaskokemuksia ja auttaa vähentämään riskejä.

Tekoälyn potentiaali liiketoiminnassa on valtava, ja näiden blogitekstien tarkoituksena on valaista tietä tekoälyn hyödyntämiseen liiketoiminnan kasvun, tehokkuuden ja asiakastyytyväisyyden parantamiseksi. Liity kanssamme vapauttamaan tekoälyn todelliset mahdollisuudet liike-elämässä.

Pysy kuulolla seuraavaa osuuttamme varten: ”Asiakkaan ennakointi” – paljastaa ennakoivan analytiikan voiman asiakkaiden käyttäytymisen ymmärtämisessä.!

 

 

Kirjoittajasta: Antti  ”Apo” Pohjolainen, myyntijohtaja, aloitti Codenton palveluksessa vuonna 2020. Antti on johtanut Innofactorin (pohjoismainen Microsoft IT-toimittaja) myyntiorganisaatiota Suomessa ja ennen sitä työskennellyt johtotehtävissä Microsoftissa julkiselle sektorille Suomessa ja Keski- ja Itä-Euroopassa. Apo on työskennellyt erilaisissa myyntitehtävissä kauemmin kuin hän muistaa. Hän saa ”myyjän huipun” tapaaessaan asiakkaita ja etsiessään ratkaisuja, jotka tarjoavat arvoa kaikille osapuolille. Apo suoritti MBA-tutkinnon Northamptonin yliopistosta. Hänen viimeinen liiketoimintatutkimuksensa käsitteli monipilviratkaisuita. Apo on usein luennoinut AI in Businessissa Haaga-Helian ammattikorkeakoulussa.

 

 

 

Seuraa meitä ja tilaa AI.cast, jotta pysyt ajan tasalla viimeaikaisista tekoälykehityksistä:

Sata asiakaskeskustelua muokkasi uutta tekoälyn ja sovelluskehityksen palvelutarjontaamme

Sata asiakaskeskustelua muokkasi uutta tekoälyn ja sovelluskehityksen palvelutarjontaamme

 

Kirjoittaja: Anthony Gyursanszky, toimitusjohtaja, Codento

 

Johdanto

Muutama kuukausi sitten Codenton ja Googlen yhteisen esityksen jälkeen teollisuuden tapahtumassa otimme yhteyttä tapahtumaan osallistuneisiin ihmisiin. Tarkoituksenamme oli sopia jatkokeskusteluista liittyen tekoälyn (AI) ja modernien ohjelmistosovellusten hyödyntämiseen liiketoiminnassa.

Tämän yhteydenottokierroksen tulokset olivat vaikuttavia. Puolet niistä osallistujista, joiden kanssa keskustelimme, halusi jatkaa keskustelua kanssamme tapahtuman jälkeen. Kiinnostus ei ollut 10 % tai 15 %, vaan 50 %.

Olimme jo tietoisia siitä, että tekoäly muuttaa kaiken, mutta tämä vahvisti uskoamme entisestään. Emme olleet ainoita, jotka uskoivat näin, vaan monet muutkin jakavat saman näkemyksen.

Tekoäly muuttaa tapaa, jolla palvelemme asiakkaita, tuotamme tavaroita, diagnosoimme ja hoidamme sairauksia, matkustamme  ja työskentelemme sekä opimme. Tekoäly on läsnä kaikkialla, ja se on yleisin aihe, joka innostaa johtajia ja herättää kiinnostusta.

Kuitenkin, tekoäly ei ole vastaus ilman sovellusinnovaatioita. Sovellukset yhdistävät algoritmit olemassa olevaan käyttöympäristöön, tarjoavat käyttöliittymät ja käsittelevät monimutkaisempia toimintalogiikoita.

Vastaamme tarpeisiisi toimiala- ja roolikohtaisesti tekoäly- ja sovellusinnovaatioilla.

Me Codentossa olemme työskennelleet tekoälyn ja sovellusten parissa useiden vuosien ajan. Muutama vuosi sitten tarkensimme strategiaamme tullaksemme Suomen suosituimmaksi kumppaniksi Google Cloud Platform -pohjaisissa tekoäly- ja sovellusinnovaatioissa.

Viimeisten kuuden kuukauden aikana olemme järjestäneet arvokeskusteluja useiden organisaatioiden kanssa, kuunnellen heidän tarpeitaan ja toiveitaan tekoälyn ja sovellusten suhteen. Tämä matka on johtanut yli sataan keskusteluun kymmenien ihmisten kanssa eri aloilta, valmistusteollisuudesta vähittäiskauppaan ja terveydenhuollon julkisiin palveluihin.

Näiden keskustelujen pohjalta päätimme, että on aika siirtyä yleisistä teknologiakeskusteluista kohdennetumpiin viesteihin asiakkaidemme ymmärtämällä kielellä.

Tästä syystä olemme innostuneita esitellessämme uuden palveluportfoliomme, joka on kiteytetty laajoista keskusteluista eri organisaatioiden liiketoiminnan, tuotannon, toiminnan kehittämisen ja teknologia-asiantuntijoiden kanssa.

Räätälöimme sen juuri sinun toimiala- ja roolikohtaisiin tarpeisiisi. Lupaamme nyt sinulle läpinäkyvämpää asiakasennakointia, tehokkaampia toimintoja ja parempaa ohjelmistoälykkyyttä – kaikki rakennettuna tulevaisuuden kestävälle, seuraavan sukupolven Google Cloud -alustalle.

Nämä neljä ratkaisualuetta muodostavat Codenton nykyisen ja tulevan liiketoiminnan kulmakivet. Ja tässä, miten ne näyttävät.

 

Tekoäly ja sovellukset asiakasennakointiin

Keskustellessamme myynti-, markkinointi- ja asiakaspalveluammattilaisten kanssa saimme selville, että suurimmalla osalla heistä on rajalliset kyvyt asiakasennakointiin ja siihen liittyvään päätöksentekoon. Tekoäly ja älykkäät sovellukset voivat muuttaa tämän.

Kun lähes kolme neljästä verkkokaupan asiakkaasta odottaa, että brändit ymmärtävät heidän ainutlaatuiset tarpeensa, on aika muuttaa markkinoinnin, myynnin ja asiakaspalvelun lähestymistapaa.

Codenton asiakasennakoinnin tarjonta on avain menestykseen tulevaisuuden markkinoilla.

  • Hyödynnä dataa ja Googlen innovatiivista teknologiaa, joka on koulutettu maailman suurimpiin julkisiin tietokokonaisuuksiin. Näin voit löytää oikeat mahdollisuudet, tunnistaa asiakkaiden tarpeet, löytää uusia markkinoita ja lisätä myyntiä älykkäämmällä markkinoinnilla.
  • Ylitä asiakkaidesi odotukset tarjoamalla upeita kokemuksia, jotka perustuvat uuteen teknologiaan. Ennakoi asiakkaiden tarpeet ja tarjoa heille sitä, mitä he haluavat, milloin ja miten he haluavat – jopa ennen kuin he itse ymmärtävät sen tarpeen.
  • Optimoi tuloksesi tarkoilla tietoihin perustuvilla päätöksillä, jotka perustuvat asiakkaidesi arvon ymmärtämiseen Googlen valmiilla asiakkaan elinkaariarvon laskentamalleilla. Näiden avulla voit keskittyä parhaisiin asiakkaisiin, valmistaa myyntiin sopivia tuotteita ja asettaa oikeat hinnat.

 

Tekoäly ja sovellukset tehokkaisiin toimintoihin

BCG:n mukaan 89 % teollisuusyrityksistä aikoo ottaa tekoälyn käyttöön tuotantoverkostoissaan. Keskusteltuamme tuotannon, logistiikan ja toimitusketjun johtajien kanssa olemme ymmärtäneet, että tavoite on realistinen – ja ambition tasoa riittää.

Uudistettu tehokkaiden toimintojemme tarjonta on avain läpinäkyvyyteen, automatisointiin, laatuun ja kestävyyteen. Sinun ei pidä jättää tätä potentiaalia käyttämättä organisaatiossasi.

  • Älykkään toiminnan suunnittelun avulla autamme virtaviivaistamaan tehtaasi, logistiikkaasi, projektejasi ja toimitusketjun toimintaa. Googlen laajat valmistus- ja logistiikkatoimintojen tekoälytyökalut auttavat toimittamaan tuotteet ajoissa, budjetin puitteissa ja korkealla tehokkuudella.
  • Minimoi häiriöihin liittyvät riskit, suojaa maineesi ja säästä resursseja, mikä lisää työntekijöiden ja asiakkaiden tyytyväisyyttä ja vähentää kustannuksia.
  • Pysy aina askeleen edellä tekoälyä, läpinäkyvää tietoa ja analytiikkaa hyödyntäen. Tehokkaat toimintomme pitävät sinut ajan tasalla, joten voit ennustaa häiriöt ja puuttua niihin ennen niiden tapahtumista.

 

Tekoäly ohjelmistoälykkyyden mahdollistajana

Ohjelmistoyritysten tuotekehitysjohtajille Codento tarjoaa työkalut ja asiantuntemuksen tekoälyn hyödyntämiseen. Nyt on aika aloittaa tämä matka.

Gartner ennustaa, että 15 % uusista sovelluksista syntyy automaattisesti tekoälyn tuottamana vuoteen 2027 mennessä – eli ilman vuorovaikutusta ihmisten kanssa. Koska jopa 70 % maailman generatiivisista tekoälyyrityksistä luottaa jo Googlen tekoälyominaisuuksiin, haluamme auttaa kehitysorganisaatioitasi tekemään samoin.

  • Codenton tuki tekoälypohjaisen ohjelmistostrategian rakentamiseen auttaa sinua karttaamaan tulevaisuutesi luottavaisesti. Voit luottaa Googlen vahvaan tuotevisioon ja asiantuntemukseemme hyödyntäessäsi alustan tekoälypotentiaalia.
  • Tehosta ohjelmistokehitystäsi ja nopeuta huippuluokan tekoälytyökaluilla markkinoille pääsyäsi. Codenton asiantuntijoiden avulla tiimisi voi omaksua huippuluokan DevOps-ominaisuudet ja Googlen pilvipohjaisen sovellusarkkitehtuurin.
  • Kun tarvitset lisää voimavaroja, voit skaalata tehokkaasti yhteistyössä tekoäly- ja sovellusasiantuntijoidemme kanssa. Olipa kyseessä vanhentuneet ohjelmistot, nopea kasvu tai jatkuva toiminta, me olemme tukenasi.

 

Edistyksellinen alusta tekoälyn ja älykkäiden sovellusten käyttöönotolle

Vaikka liiketoiminta etenee tekoälyprojektien kanssa, IT-toiminnot ovat usein sidoksissa vanhoihin IT- ja tietoarkkitehtuureihin sekä sovellusportfolioihin. Tämä asettaa paineita IT-osastoille, jotka pyrkivät pysymään muutoksen mukana.

Tarvitaan vankka alusta innovaatioille, joita tekoäly- ja sovellusteknologiat voivat mahdollistaa. Siirtyminen modernille pilvialustalle mahdollistaa tekoälyn ja nykyaikaisten sovellusten potentiaalin hyödyntämisen samalla kustannuksia alentaen. BCG:n tutkimuksen mukaan yritykset, jotka ovat edelläkävijöitä digitaalisessa maailmassa, voivat säästää jopa 30 % siirtämällä sovelluksia ja infrastruktuuria pilveen.

  • Tulevaisuuden varmistava arkkitehtuuri ja käytännöt Googlen turvallisella, yhteensopivalla ja kustannustehokkaalla pilvialustalla, joka skaalautuu. Olipa valintasi yhden pilven strategia tai useamman pilven ympäristöt, Codento auttaa sinua.
  • Voit vapauttaa potentiaalisi ja lisätä tietojesi arvoa reaaliaikaisen saatavuuden, hallinnan ja tekoälyvalmiuden avulla. Machine Learning Opsin (MLOps) avulla virtaviivaistamme organisaatiosi tekoälyn käytön skaalausta.
  • Voimme myös auttaa modernisoimaan vanhentuneita sovelluksiasi pilvipohjaisilla ratkaisuilla, jotka on suunniteltu skaalautumaan ja joustamaan.

 

Kohdennetut viestit tukevat Codenton laajentumista pohjoismaisille markkinoille

Nämä neljä palvelualueen muodostavat perustan sille, että löydämme ratkaisut yrityksesi haasteisiin nopeasti ja tehokkaasti. Poistamme liiketoiminnan ja teknologian väliset esteet tarjoamalla ratkaisuja, jotka puhuvat asiakkaidemme kieltä. Olemme sitoutuneet toimittamaan johdonmukaisesti ratkaisuja, jotka vastaavat tarpeitasi ja kehittyvät ajan myötä.

Samalla suunnittelemme Codenton palveluiden ja ratkaisujen lanseeraamista pohjoismaisille markkinoille. Tavoitteenamme on varmistaa, että asiakkaamme Pohjoismaissa voivat hyödyntää Googlen huippuluokan tekoäly- ja sovellusteknologioiden mahdollisuuksia mahdollisimman hyvin.

Kirjoittajasta:

Anthony Gyursanszky, toimitusjohtaja, liittyi Codentoon loppuvuodesta 2019 yli 30 vuoden kokemuksella IT- ja ohjelmistoalalta. Anthony on aiemmin toiminut johtotehtävissä yrityksissä, kuten F-Secure, SSH, Knowit / Endero, Microsoft Finland, Tellabs, Innofactor ja Elisa. Hän on myös ollut mukana ohjelmistoyritysten hallituksissa, kuten Arc Technology ja Creanord. Anthony toimii myös arvokartoituspalveluiden konsulttina. Hänen kokemuksensa kattavat liikkeenjohdon, tuotehallinnan, tuotekehityksen, ohjelmistoliiketoiminnan, SaaS-liiketoiminnan, prosessihallinnan ja ohjelmistokehityksen ulkoistamisen. Anthony on myös sertifioitu Cloud Digital Leader.

 

Tutustu Codenton uudistettuun palvelutarjontaan:

 

Tekoäly teollisuudessa: Konenäkö laadun varmistamisessa

Tekoäly teollisuudessa: Konenäkö laadun varmistamisessa

 

Kirjoittaja: Janne Flinck

 

Johdanto

Smart Industry -tapahtuman innoittamana päätimme aloittaa sarjan blogitekstejä, joissa käsitellään tekoälyn hyödyntämistä teollisuuden sovelluksissa. Tässä ensimmäisessä osassa käsittelemme laadunvalvonnan automatisointia konenäön avulla.

Teollisuus- ja logistiikkayritykset asettavat laadunvalvontaprosessiensa tehokkuuden ja tuottavuuden etusijalle. Viime vuosina konenäköpohjainen automaatio on noussut erittäin tehokkaaksi ratkaisuksi laatukustannusten ja vikojen vähentämiseen.

American Society of Quality arvioi, että useimmat valmistajat käyttävät 15–20 prosenttia tuloistaan ”todellisiin laatuun liittyviin kustannuksiin”. Jotkut organisaatiot nostavat toiminnassaan jopa 40 %:n laatukustannukset. Valmistuksen laatuun vaikuttavia kustannustekijöitä on kolmella eri alueella:

  • Arviointikustannukset: materiaalien ja prosessien tarkastus, koko järjestelmän laatuauditoinnit, toimittajien arvioinnit
  • Sisäiset vikakustannukset: resurssien tuhlausta tai virheistä huonosta suunnittelusta tai organisoinnista, valmiiden tuotteiden virheiden korjaamisesta, sisäisten menettelytapojen analyysin epäonnistumisesta
  • Ulkoiset vikakustannukset: toimitettujen tuotteiden korjaukset ja huolto, takuuvaatimukset, reklamaatiot, palautukset

Tekoäly auttaa valmistajia kehittymään kaikilla näillä alueilla, minkä vuoksi johtavat yritykset ovat omaksuneet tämän. Google Cloudin (haastateltu yli 1 000 tuotantojohtajaa seitsemässä maassa vuonna 2021) tekemän tutkimuksen mukaan 39 % valmistajista käyttää tekoälyä laaduntarkastuksiin ja 35 % itse tuotantolinjan laaduntarkastuksiin.

Viisi yleisintä aluetta, joilla tekoälyä käytetään tällä hetkellä päivittäisessä toiminnassa:

  • Laaduntarkastus 39 %
  • Toimitusketjun hallinta 36 %
  • Riskienhallinta 36 %
  • Tuotteen ja/tai tuotantolinjan laaduntarkastukset 35 %
  • Varastonhallinta 34 %

Lähde: Google Cloud Manufacturing Report

Konenäön avulla tuotantolinjatyöntekijät voivat vähentää toistuviin tuotetarkastuksiin kuluvaa aikaa, jolloin he voivat siirtää huomionsa monimutkaisempiin tehtäviin, kuten juurisyyanalyysiin.

Nykyaikaiset konenäkömallit ja -kehykset tarjoavat monipuolisuutta ja kustannustehokkuutta, ja erikoistuneet pilvipohjaiset palvelut AI-mallien koulutukseen ja reunalaitteiston käyttöönottoon (edge deployment) vähentävät edelleen toteutuksen monimutkaisuutta.

 

Ratkaisun yleiskatsaus

Tässä blogikirjoituksessa keskitymme vikojen havaitsemiseen kokoonpano- ja lajittelulinjoilla. Google Cloudin Vertex AI- ja AutoML-palveluilla toteutettu reaaliaikainen visuaalisen laadunvalvontaratkaisumme voi seurata useita kokoonpanolinjalla olevia kohteita, analysoida jokaisen kohteen ja arvioida vikojen tai vaurioiden todennäköisyyttä.

Ensimmäinen vaihe sisältää videovirran valmistelun jakamalla virran yksittäisiksi kuviksi analysointia varten. Seuraavassa vaiheessa käytetään mallia objektien ympärillä olevien rajauskehyksen (bounding box) tunnistamiseen.

Kun kohde on tunnistettu, viantunnistusjärjestelmä käsittelee kuvan leikkaamalla objektin rajauskehyksen avulla, muuttamalla sen kokoa ja lähettämällä sen viantunnistusmalliin luokittelua varten. Tulos on kuva, jossa kohde tunnistetaan rajauskehyksillä ja luokitellaan joko viaksi tai ei-vikaksi. Nopea prosessointiaika mahdollistaa reaaliaikaisen seurannan mallin ulosannin (output) avulla, automatisoiden vianhakuprosessin ja lisäten kokonaistehokkuutta.

Tässä esimerkki tämän ratkaisun Google Cloud arkkitehtuurista:

Toteutustiedot

Tässä osiossa käsittelen joitakin järjestelmän osia, pääasiassa sitä, mitä tarvitaan aloittamiseen ja mitä asioita tulee ottaa huomioon. Aineisto on itse luotu kotoa löytämistäni objekteista, mutta tätä samaa lähestymistapaa ja algoritmia voidaan käyttää missä tahansa objektissa, kunhan videon laatu on hyvä.

Tässä on esimerkkikuva videosta, jossa voimme nähdä yhden viallisen kohteen ja kolme ei-viallista objektia:

Voimme myös nähdä, että yksi kohteista on poistumassa kuvan oikealta puolelta ja toinen on tulossa kuvaan vasemmalta.

Video löytyy täältä.

 

Aineistojen ja mallien yleiskatsaus

Kokeessamme käytimme videota, joka simuloi tuotantohihnaa. Videolla näkyi esineitä näytöllä liikkuen vasemmalta puolelta oikealle, joista osa oli viallisia tai vaurioituneita. Koulutusaineistomme (training data) koostui noin 20 eri kohteesta, joista neljä oli viallisia.

Visuaalista laadunvalvontaa varten meidän on hyödynnettävä objektintunnistusmallia ja kuvan luokittelumallia. Kohteen tunnistusmallin rakentamiseen on kolme vaihtoehtoa:

  1. Kouluta Google Vertex AI AutoML:n tuottama malli
  2. Käytä valmiiksi rakennettua Google Cloud Vision -API:a
  3. Kouluta mukautettu malli

Tälle prototyypille päätimme valita molemmat vaihtoehdot 1 ja 2. Vertex AI AutoML -mallin kouluttamiseksi tarvitsemme annotoidun aineiston, jossa on rajauskehyksen koordinaatit. Aineistomme suhteellisen pienen koon vuoksi päätimme käyttää Google Cloudin datamerkintätyökalua. Suuremmille aineistoille suosittelemme kuitenkin Vertex AI -datamerkintätyökalun käyttöä.

Tätä tehtävää varten piirsimme manuaalisesti rajauskehykset jokaiselle kuvassa olevalle objektille ja annotoimme objektit. Käytimme kaiken kaikkiaan 50 kuvaa objetintunnistusmallimme kouluttamiseen, mikä on hyvin vaatimaton määrä. 

Koneoppimismallit vaativat yleensä suuremman määrän näytteitä koulutukseen. Tätä blogikirjoitusta varten näytteiden määrä oli kuitenkin riittävä arvioimaan pilvipalvelun soveltuvuutta vikojen havaitsemiseen. Yleensä mitä enemmän merkittyä aineistoa voit tuoda koulutusprosessiin, sitä parempi mallistasi tulee. Toinen ilmeinen kriittinen vaatimus aineistolle on edustavat esimerkit sekä vioista että tavallisista esiintymistä.

AutoML-objektien havaitsemisen ja AutoML-vian havaitsemisen ainestojen luomisen myöhemmät vaiheet sisälsivät aineiston jakamisen opetus-, validointi- ja testausalajoukoiksi. Oletusarvon mukaan Vertex AI jakaa automaattisesti 80 % kuvista harjoittelua varten, 10 % validointia varten ja 10 % testausta varten. Käytimme manuaalista jakamista datavuotojen (data leakage) välttämiseksi. Erityisesti vältämme peräkkäisten kuvien sarjoja.

AutoML-aineiston prosessi on seuraava:

Mitä tulee valmiin Google Cloud Vision -sovellusliittymän käyttämiseen objektien havaitsemiseen, aineisto-annotointia ei vaadita. Asiakaskirjastoja (client libraries) käytetään vain API:n kutsumiseen ja vastauksen käsittelemiseen, joka koostuu normalisoiduista rajauskehyksistä ja objektien nimistä. Näistä objektinimistä suodatamme sitten etsimämme kohteet. Vision API:n prosessi on seuraava:

Miksi mukautettua mallia koulutettaisiin, jos Google Cloud Vision API:n käyttö on näin yksinkertaista? Ensinnäkin Vision API havaitsee yleiset objektit, joten jos on jotain hyvin erityistä, se ei ehkä ole tunnisteluettelossa. Valitettavasti näyttää siltä, että Google Cloud Vision API:n havaitsemien tunnisteiden luettelo ei ole täysin julkisesti saatavilla. Kannattaa kokeilla Google Cloud Vision API:ta ja katsoa, pystyykö se havaitsemaan kiinnostuksen kohteena olevan objektin.

Vertex AI:n dokumentaation mukaan AutoML-mallit toimivat optimaalisesti, kun vähiten esimerkkejä sisältävässä kategoriassa on vähintään 10 % esimerkeistä kategoriasta, jossa on eniten esimerkkejä. Tuotantotapauksessa on tärkeää sisällyttää suunnilleen sama määrä koulutusesimerkkejä kustakin kategoriasta.

Vaikka sinulla olisi runsaasti ainestoa yhdestä kategoriasta, on parasta jakaa dataa tasaisesti jokaiselle kategorialle. Koska ensisijainen tavoitteemme oli rakentaa prototyyppi rajoitetun aineiston avulla mallin tarkkuuden parantamisen sijaan, emme puuttuneet epätasapainoisten luokkien ongelmaan.

 

Objektin seuranta

Kehitimme OpenCV-kirjastoon perustuvan objektien seuranta-algoritmin vastaamaan videoskenaariomme erityisiin haasteisiin. Testaamamme seurantalaitteet olivat CSRT, KCF ja MOSSE. Seuraavat nyrkkisäännöt pätevät myös skenaariossamme:

  • Käytä CSRT:tä, kun tarvitset suurempaa objektien seurantatarkkuutta ja voit sietää hitaampaa FPS-suorituskykyä
  • Käytä KCF:ää, kun tarvitset nopeampaa FPS-suorituskykyä, mutta pystyt käsittelemään hieman pienempää objektien seurantatarkkuutta
  • Käytä MOSSEa, kun tarvitset puhdasta nopeutta

Kohteen seurantaa varten meidän on otettava huomioon seuraavat videon ominaisuudet:

  • Jokainen kuva voi sisältää yhden tai useita objekteja tai ei ollenkaan
  • Uusia esineitä saattaa ilmestyä videon aikana ja vanhat esineet katoavat
  • Objektit voivat olla vain osittain näkyvissä, kun ne tulevat kehykseen tai poistuvat siitä
  • Samalla objektilla voi olla päällekkäisiä rajauskehyksiä
  • Sama objekti on videossa useiden peräkkäisten ruutujen ajan

Koko prosessin nopeuttamiseksi lähetämme jokaisen täysin näkyvän kohteen viantunnistusmalliin vain kahdesti. Sitten laskemme mallin todennäköisyystulosten keskiarvon ja määritämme tunnisteen kyseiselle objektille pysyvästi. Näin voimme säästää sekä laskenta-aikaa että rahaa, kun emme kutsu mallin päätepistettä tarpeettomasti samalle objektille useita kertoja videon aikana.

 

Johtopäätökset

Tässä on ulosanti-videovirta ja rajauskehys laadunvalvontaprosessista. Sininen tarkoittaa, että kuva on havaittu, mutta sitä ei ole vielä luokiteltu, koska kuva ei ole täysin näkyvissä kehyksessä. Vihreä tarkoittaa, että vikaa ei ole havaittu ja punainen on vika:

Video löytyy täältä.

Nämä havainnot osoittavat, että on mahdollista kehittää automatisoitu visuaalinen laadunvalvontaputki mahdollisimman pienellä määrällä näytteitä. Tosimaailmassa meillä olisi pääsy paljon pidempiin videovirtoihin ja mahdollisuus laajentaa aineistoa iteratiivisesti parantaaksemme mallia, kunnes se täyttää halutut laatustandardit.

Näistä rajoituksista huolimatta pystyimme Vertex AI:n ansiosta saavuttamaan kohtuullisen laadun jo ensimmäisellä koulutuskierroksella, joka kesti vain muutaman tunnin, jopa pienellä ainestolla. Tämä korostaa esikoulutettujen mallien ja AutoML-ratkaisujen hyödyntämisen tehokkuutta ja vaikuttavuutta, sillä pystyimme saavuttamaan lupaavia tuloksia erittäin lyhyessä ajassa.

 

Blogin kirjoittajasta: Janne Flinck  on Codenton AI & Data Lead. Janne liittyi Codentoon Accenturelta vuonna 2022. Jannella on laaja kokemus Google Cloud -teknologioista. Hänen kiinnostuksen kohteena on dataintensiivisten sovellusten ja työkalujen luominen ja arkkitehtuuri. Jannella on kolme Google Cloud -sertifikaattia.

 

 

Ota meihin yhteyttä niin keskustellaan teollisuuden tekoälyratkaisuista lisää!