Syväoppiminen tekee palvelustasi älykkään

/ Tero Tapanainen

Tekoälyn kiinnostavin suuntaus on syväoppiminen. Siinä kone oppii itsenäisesti selviytymään erittäin monimutkaisista tilanteista – kuten suorasta vuorovaikutuksesta ihmisten kanssa. Siksi syväoppiminen on tulevaisuudessa asiakaspalvelusi ja asiakasymmärryksesi ytimessä.

Tekoälyn nopeimmin edistyvä osa-alue on koneoppiminen. Kiinnostavin koneoppimisen osa-alue on puolestaan syväoppiminen. Sovellukset toimivat jo nyt ja paranevat koko ajan.

Kehitystyö on keskittynyt kolmelle osa-alueelle, joissa hyödynnetävät osin päällekkäin toistensa tuloksia:

  • Merkitykset: Tässä tekoäly tunnistaa merkityksiä ihmisten kuluttamista ja tuottamista digitaalisista palvelusisällöistä. Tunnetuimpia ovat Spotify, Amazon ja sadat muut suosittelumoottorit.
  • Vuorovaikutus ympäristössä: Tässä tekoäly oppii tunnistamaan ajoneuvoliikennettä, liikenneympäristöä ja liikenteen vuorovaikutusta – eli vuorovaikutusta ja selviämistä nopeaa reagointia ja tilannekuvaa vaativassa luonnollisessa ympäristössä. Suurin tutkimus- ja sovellusalue on liikenne, koska älyautojen kehitykseen panostetaan valtavasti resursseja.
  • Vuorovaikutus merkityksillä: Tunnistamaan puhetta, tekstiä, kuvasisältöjä, ilmeitä ja kasvonpiirteitä – eli kaikkea sitä, mitä tarvitaan vuorovaikutukseen ihmisten kanssa. Sovellusalueena on asiakaspalvelu, myynti- ja markkinointi sekä asiakasymmärryksen syventäminen.

 

Voit kokeilla esimerkiksi tekoälyn kykyä tunnistaa kuvia käyttämällä Clarifyin webbidemoa, johon voit viedä minkä tahansa haluamasi kuvan tunnistettavaksi. Osumatarkkuus on peruskuvissa hämmästyttävän hyvä. 

Pelkästää algoritmipohjainen tekoäly (jota joskus kutsutaan heikoksi tekoälyksi) toimii kolmessa vaiheessa. Se etenee näin: tunnista-tulkitse-toimi. Tässä tapauksessa toiminta on kaavamaista; tietyn ennalta ohjelmoidun raamin ulkopuolelle ei voida mennä, koska syvempi oppiminen puuttuu.

Syväoppimisen (toistuvat) vaiheet noudattavat perusjärjestystä: tunnista-tulkitse-ymmärrä-opi-toimi.

Olennaista on, että syväoppimisessa kone oppii kontekstin ja sidossuhteet – se alkaa hahmottaa tilannesidonaista ja monimerkityksellistä maailman kuten ihminen. Tietoisuutta koneella ei edelleenkään ole, mutta kone oppii täydentämään puuttuvia tietoja ja päättelemään, mistä on kysymys.

Mainio kokoelma deep learning -esimerkkejä löytyy matemaatikko Yaron Hadadin sivustolta

Kaikissa tapauksissa ratkaisevan tärkeää on oppimisen mahdollistava data. Aineistoa on oltava riittävästi saatavilla ja sen käsittelystä on saatava palaute; osuiko oikeaan vai väärään.

Siksi tekoäly palkitsee yrityksiä, jotka ovat pitäneet datastaan hyvää huolta. Fiksu yritys tuo tiedon käsiteltävään muotoon, huolehtii sen puhtaudesta ja kerää kaiken tieto yhteen. 

Jos olet rakentanut arkkitehtuurisi oikein, eli erottanut datan/tiedon omaksi, vapaasti liikuteltavaksi joukokseen ja käsittelykerroksen omakseen, olet itse asiassa varsin hyvissä asemissa tekoälyn ja syväoppimisen hyödyntämiseen.

Vaikein tilanne on niillä yrityksillä, joiden data on siiloutunutta, vaikeasti liikuteltavaa ja rikkinäistä. Sellaista tietoa tekoälyn on vaikea hyödyntää ja vielä vaikeampi tehdä siitä oikeita johtopäätöksiä. Minkä taakseen jättää, sen edestään löytää.

Nopeimmat omaksujat miettivät jo nyt, voisiko vuorovaikutuksesta asiakkaiden kanssa louhia syväoppimisen avulla uutta asiakasymmärrystä, fiksumpia lisämyyntisuosituksia tai nopeampia tuotekehitysideoita. Toiset kokeilevat, kuinka verkossa tapahtuvan asiakaspalvelun saa yhtä aikaa tehokkaammaksi ja inhimillisemmäksi. 

Esimerkiksi lentoyhtiön puhelinpalvelu saa hyvin pian selvää kymmenistä eri kielistä ja ymmärtää, mitä soittaja haluaa – rätisevistä linjoista ja huonosta ääntämisestä huolimatta. 

Kuinka syväoppiminen voi tuoda älyä sinun palveluusi?