Bonfire.fi

Voittavat yritykset oppivat kuten lapset

Lapsen ilo on oppimisen iloa, uuden oivaltamista.

Lapsi ei mieti voiko joitain tehdä, vaan kokeilee, yrittää, erehtyy ja oppii. Lapsi katsoo mallia ympäristöstään, muista lapsista ja aikuisista, matkii ja oppii. Lasta eivät rajoita perinteiset ajattelumallit tai aiemmat käytännöt. Oppiminen nopeutuu entisestään, kun lapselle tarjotaan virikkeitä, ja uuden kohtaamiseen kannustetaan jatkuvasti.

Voittavat yritykset toimivat kuten lapset. Niitä eivät rajoita vakiintuneet kaavat, vaan ne oppivat jatkuvasti ja rikkovat olemassa olevien toimialojen rajoja. Näin toimivat esimerkiksi Amazon, Facebook, Google, Apple, Tesla – lista on pitkä ja kasvaa. Nämä yritykset myös käyttävät tekoälyä oppiakseen nopeammin kuin kilpailijansa.

Lapsen lailla toimiminen ei kuitenkaan rajaudu moderneihin teknologiayrityksiin, vaan myös perinteiset yritykset voivat olla uteliaita, kokeilla rohkeasti uutta ja oppia yhä nopeammin.

Tekoäly ja lapsi oppivat samalla tavalla

Tekoälyn oppiminen on saman tyyppistä kuin lapsen.

Lapsi oppii esimerkeistä, kuten ”tuo tuossa on koira”. Lapsi oppii ja osaa myös tunnistaa erilaisia koiria, koska ne ovat samankaltaisia. Samalla tavalla tekoäly tarvitsee esimerkkejä, joista se oppii. Tätä kutsutaan ohjatuksi oppiseksi. Syvät neuroverkot ja valtava laskentateho tekevät tästä tavasta oppia äärettömän tehokasta. Koneiden suorituskyky ylittää monessa tehtävässä jo ihmisen kyvyt.

Hyvä esimerkki on syöpäsolujen tunnistaminen potilaan magneettikuvista. Philipsin kanssa tehdyn älykkään ratkaisun ansiosta voidaan varmistaa, että sädehoito kohdistuu nimenomaan sairaisiin soluihin, ja terve kudos säilyy ehjänä. Tekoälyä on siis opetettu, minkä näköisiä soluja etsitään. Ratkaisun avulla sädehoitoa antava hoitohenkilökunta voi hyödyntää konenäön tarkkuutta hoidon laadun parantamiseksi.

Lapsi myös kokeilee ja oppii positiivisen ja kielteisen palautteen kautta, Tätä kutsutaan tekoälykielellä vahvistusoppimiseksi. Tekoäly Alpha Go oppi pelaamaan Go-peliä loistavasti yhdessä viikossa vahvistusoppimisen avulla. Se siis kokeilee erilaisia siirtoja, saa palautteen niiden vaikutuksesta ja tekee seuraavat siirrot kaikkeen aiemmin koettuun perustuen.

Tällä hetkellä tekoäly oppii parhaiten hyvin määriteltyjen ongelmien ratkaisussa. Tämän vuoksi yritykset ja niiden työntekijät tarvitsevat lapsenomaista oivalluskykyä yhdistää asioita uusilla tavoilla.

Kun yhdistämme tekoälyn lapsenomaiseen uteliaisuuteen saamme voittavan reseptin. Jos yritys saa käyttöönsä riittävästi dataa, se pystyy oppimaan uuden toimialan logiikan, tuomaan näitä oppeja kokeilevaan kulttuuriinsa ja tuottamaan palveluita paremmin kuin kilpailijansa. Lisäksi uudet käyttäjät ja asiakkaat tuottavat uutta dataa, jonka avulla tekoäly pystyy kehittämään yhä parempia palveluita. Positiivinen kierre on valmis.

Jämäkimmät tukkipuut löytyvät tekoälyn avulla

Hyvänä esimerkkinä oppimisen positiivisesta kierteestä toimii suomalainen yritys nimeltä Collective Crunch, joka arvioi metsävaratietoa. Sen tekoälypalvelu kertoo, mistä puuta pitäisi korjata, jotta saisi parasta mahdollista sellua tai mistä löytyvät jämäkimmät tukkipuut.

Collective Crunch on erikoistunut metsään, mutta algoritmeja voisi käyttää moneen muuhunkin tarkoitukseen. Collective Crunch päätti lähteä oppimaan yhdessä asiakkaiden kanssa nopeammin kuin kilpailijansa. Jokainen asiakas tuo uutta dataa, jota tekoäly jalostaa koko metsäyhteisön hyödyksi.

Vastuullisuusdata näkyviin tekoälyn avulla

Uteliaat yritykset eivät tyydy samaan tietoon kuin kilpailijat. Ne miettivät jatkuvasti, miten saisivat parempaa informaatiota. Näin toimii myös saksalaisen Allianz vakuutusyhtiön tytäryhtiö, analyysi- ja raportointipalvelu IDS. Se raportoi asiakkailleen ympäristövastuuseen, sosiaaliseen vastuuseen ja hallintotapaan liittyvistä asioista. IDS huomasi että yhtiöt raportoivat näistä tavoitteista erilaisissa raporteissa ja vuosikertomuksissa, jotka ovat usein hankalasti analysoitavassa PDF-muodossa.

IDS:n kehitti yhdessä Silo AI:n kanssa luonnollisen kielen ymmärtämiseen perustuvan tekoälyratkaisun, jonka avulla PDF-dokumenteista voidaan hakea vastuullisuuteen liittyviä asioita. Näin IDS saa paremman tiedon siitä, miten, milloin ja kuinka paljon yritykset oikeasti panostavat ilmastonmuutoksen torjuntaan sekä mitä tuloksia ne saavat aikaan. Älykäs ratkaisu tarjoaa näin merkittävää tietoa kelle tahansa sijoittajalle. Mikä merkittävintä, mitä enemmän raportteja tekoäly analysoi, sitä paremmaksi sen kyky analysoida dataa kehittyy. Jatkuva oppiminen lisää yritysten etumatkaa.

Tekoäly ennakoi viemäritukoksia

Helsingin seudun ympäristöpalvelut ja Silo AI kehittivät tekoälyratkaisun, jolla analysoidaan viemäriverkoston tukoksia. HSY:n viemäriverkoston pituus on 3000 kilometriä koostuen 100 000 putkesta. Viemäriputkistojen tukokset johtavat usein merkittäviin kiinteistö- ja ympäristövahinkoihin. Tekoälyratkaisun avulla HSY pystyy kohdentamaan korjaustoimenpiteet paremmin ja oikein ajoittettuna, ja siten ehkäistä jopa kolmasosan tukoksista.

Tekoälyratkaisu pystyy myös tunnistamaan putkistosta ominaisuuksia, jotka vaikuttavat tukosten syntymiseen. Näin voidaan valita sopivimpia putkikokoja ja -materiaaleja, jotka vähentävät tukosten syntyä.

Ratkaisua voitaisiin laajentaa myös muille aloille, kuten vesijohtojen analysointiin. Eli jälleen kyse ei ole staattisesta muuttumattomasta ratkaisusta, vaan oppivasta organisaatiosta.

Voittajat oppivat jatkuvasti ja kokeilevat uteliaasti uutta

Mikään näistä esimerkeistä ei sinällään tunnu maata mullistavalta. Mutta kun yritys alkaa opettaa tekoälyä ja oppii koko ajan lisää yhdessä asiakkaiden kanssa johtaa se positiiviseen kierteeseen. Datan jalostetaan jatkuvasti paremmaksi asiakasarvoksi, asiakkaan hyväksi.

Usein myöhemmin oivalletaan, että kehitettyä ratkaisua voidaan käyttää myös paljon laajemmin. Näin jatkuva oppiminen kumuloituu osaamiseksi, jota on vaikea voittaa.

Tämäkin artikkeli syntyi uutta oppiessa syyspurjehduksella Jurmoon.

Tero Ojanperä

Silo.AI

Co-founder & Chairman

Tero on Silo.AI:n puheenjohtaja ja perustaja. Silo.AI on Pohjoismaiden suurin yksityinen AI-laboratorio. Hän on Visionplus-riskipääomarahaston ja Tailorframe valokuva-automaatio yrityksen perustaja ja puheenjohtaja. Aiemmin Tero toimi Nokian johtokunnassa CTO:na ja strategiajohtajana. Tällä hetkellä hän toimii OP Finanssiryhmän ja DNA Oy:n hallituksen jäsenenä. Tero nimitettiin Young Global Leader:ksi World Economic Forumissa 2006 ja Fast Company listasi hänet vuonna 2009 seitsemänneksi luovimmaksi businesspersoonaksi. Ojanperä kirjoittaa aktiivisesti liiketoiminnan murroksesta Intelligent Platforms blogissa.

Lisää vaikuttajalta Tero Ojanperä


Lisää kategoriasta Teknologia