blog

Parempi käsitys asioista paremman datan avulla – tehoa koneoppimisella ja tekoälyllä

Parempi käsitys asioista paremman datan avulla
Liisa Åström, Vaisalan teollisuusmittalaitteiden tuotteista ja järjestelmistä vastaava johtaja
Liisa Åström
Teollisuusmittalaitteiden tuotteista ja järjestelmistä vastaava johtaja
Published: 14. Huhti 2020
Rakennukset ja sisäilman laatu
Teollisuuden mittaukset
Innovaatio ja inspiraatio

Termin "koneoppiminen" keksi Arthur Samuel jo vuonna 1959, ja aiheeseen liittyvä tutkimus, jolla on tiivis yhteys tekoälyn tutkimukseen, on jatkunut siitä asti. Samuel oli selvästi edellä aikaansa, sillä tietokoneiden laskentateho ei vielä riittänyt toteuttamaan ounasteltuja mahdollisuuksia. Vasta nyt voimme alkaa nauttia tämän varhaisen työn hedelmistä, sillä käytössämme on paljon enemmän laskentatehoa, valtavia määriä digitoituja tietoja sekä mahdollisuus jakaa tietoja helposti Internetin kautta.

Pilvipohjainen vallankumous

Seuraava teollinen vallankumous on jo alkanut. Viimeisten viiden vuoden aikana pilvialustoissa on tapahtunut suuria muutoksia, ja monet toimialat saavat huomattavaa hyötyä markkinoilla olevista standardoiduista tuotteista. Uudet ratkaisut ovat mahdollistaneet suurien datamäärien käsittelyn ja analysoinnin ja helpottaneet datan käyttöä. Esineiden Internetiin kytketyt laitteet ja erilaiset pilvipalvelut muodostavat pohjan tuleville mahdollisuuksille – joihin epäilemättä liittyy tekoälyä ja koneoppimista.

Muutaman viime vuoden aikana monilla aloilla on kerätty runsaasti dataa miettimättä, miten sitä oikeastaan voisi käyttää. Koneoppiminen ja tekoäly ovat palapelin puuttuva pala – ratkaisu, joka on odottanut vuosikymmeniä juuri tällaista ongelmaa. Vuonna 2020 meillä on viimeinkin käytössämme laskentateho, jonka avulla voimme hyödyntää koneoppimista, ja ekosysteemi ja ympäristö ovat valmiina. Voimme kerätä dataa kaikista näistä yhdistetyistä laitteista pilvipalveluun ja löytää uusia käyttömahdollisuuksia tekoälyn avulla. Kukaan ei tiedä, mitä tulevaisuus tuo tullessaan, mutta olen varma, että tulemme saamaan vielä paljon lisäarvoa ja arvokasta tietoa hyödynnettäväksemme.

Tietoturvasta huolehtiminen

Kun puhutaan tekoälyyn ja pilvipalveluihin liittyvistä riskeistä, ihmiset ajattelevat heti kyberturvallisuutta. Se on tietysti erittäin tärkeä ongelma nyky-yhteiskunnassa, mutta joskus riskin tasoa yliarvioidaan. Pilvialusta ei ole lähtökohtaisesti turvaton – se voi itse asiassa olla paljon turvallisempi paikka datan säilyttämiseen kuin henkilökohtainen tietokone tai yrityksen kellarissa sijaitseva palvelin. Kaupallisilla pilvipalvelujen tarjoajilla on satoja, jopa tuhansia tietoturvasta huolehtivia työntekijöitä, ja vain harva yritys pystyisi panostamaan yhtä paljon fyysisen ympäristön turvallisuuteen. Alalla on nyt edessä käännekohta, jossa me kaikki tiedostamme tietoturvan merkityksen mutta samalla ymmärrämme, että pilvialusta voi itse asiassa olla turvallisin paikka tiedoillemme.

Huonossa datassa piiilevä suuri riski

Kyberhyökkäyksen lisäksi on olemassa toinen, vähemmän itsestään selvä riski. Tekoälyllä pystytään käsittelemään paljon dataa ja oppimaan monenlaisia asioita, mutta oppimisen – ja siihen perustuvien päätösten – laatu on riippuvainen käytettävän datan laadusta. Yksinkertaisesti sanottuna huono data tarkoittaa huonoja päätöksiä. On tärkeää saada faktat ja perustiedot oikein, sillä suurinkaan käsittelyteho ja parhaimmatkaan datapisteet eivät voi pelastaa kelvottomalta datalta. Mittaussovelluksissa on tärkeää, että syötedatan sisältämät alkuperäiset anturitiedot ovat tarkkoja. Muissa sovelluksissa täytyy ottaa huomioon myös eettisiä näkökohtia: tietojen täytyy olla paitsi tarkkoja myös reiluja ja puolueettomia. Jos esimerkiksi tekoälyyn perustuva rekrytointijärjestelmä oppii aikaisempien työntekijöiden tietojen perusteella, millainen hyvän hakijan pitäisi olla, yksikään nainen ei koskaan saisi työpaikkaa miesvaltaiselta alalta.

Robotit eivät vie työpaikkojamme

On vaikea ennustaa kaikkia vaikutuksia, jotka koneoppimisella voi olla erilaisiin töihin. Voidaan kuitenkin jo sanoa, että on epätodennäköistä, että koneet korvaisivat suuria osia työvoimasta. Esimerkiksi teollisuusprosessien mittauksissa on tärkeää, että mittaustiedot ovat oikein, joten jatkossakin tarvitaan päteviä ihmisiä valitsemaan mitattavat suureet, käytettävät laitteet, mittaustarkkuuden kannalta paras asennuspaikka, edustavien näytteiden ottaminen ja niin edelleen. Ilman tätä tekoäly ja koneoppiminen epäonnistuvat, ja me menetämme niiden tuomat mahdollisuudet. Ihmisten ja koneiden täytyy toimia yhdessä myös tulevaisuudessa.

Työtä hyvän datan tuottamiseksi

Vaisala haluaa aina tuoda arvoa asiakkailleen tarjoamalla markkinoiden parhaat tuotteet teollisuuden mittauksiin. Onnistuaksemme tässä etsimme jatkuvasti uusia mahdollisuuksia ja innovaatioita. Hyvien mittausten – mittausten, jotka ovat stabiileja, luotettavia ja tarkkoja – arvo kasvaa jatkuvasti. Korkealaatuisia mittauksia tarvitaan aina, olipa kyse sitten teollisuusprosessien optimoinnista, laadukkaiden tulosten saavuttamisesta, kiertotalouden kehittämisestä tai energiankäytön optimoinnista. Etsimme myös tapoja lisätä arvoa tuotteisiimme esimerkiksi kehittämällä uusia tapoja, joilla asiakkaamme voivat käyttää aikaisempia ja nykyisiä mittaustietoja tai vastaanottaa hälytyksiä ja ilmoituksia. Teollisuuden siirtymä kohti pilvipohjaisia järjestelmiä on jotain, mitä jokaisen lisäarvoa tarjoavan yrityksen tulisi ottaa huomioon. Haluamme laajentaa liiketoiminnassa tarvittavien mittausten tuomia hyötyjä voidaksemme tuoda asiakkaillemme entistäkin enemmän helppoutta ja lisäarvoa. Tarkkojen ja luotettavien mittaustietojen merkitys tulee tulevaisuudessa vain kasvamaan.

Katso myös järjestelmäarkkitehti Mika Väisäsen kirjoittama blogiteksti Tulevaisuutta kestävien ratkaisujen kehittäminen ja tutustu pilvipohjaisten anturiratkaisujen konkreettisiin hyötyihin tuotepäällikkö Lars Stormbomin kirjoituksessa Tavoitteet pilvissä.

Kirjoita kommentti