Jarmo Ala-Rakkolan (2020) digitaaliset ratkaisut –koulutusohjelmaan (insinööri, YAMK), tehdyssä opinnäytetyössä tutkittiin koneoppimisella suoritetun kuvantunnistuksen soveltamista osana yrityksen tarjouslaskentaa. Työn tuloksena kehitettiin konenäköön ja koneoppimiseen perustuva automaattinen tapa käsitellä ja analysoida käsin piirrettyjen, digitaalisessa muodossa olevien, rakennusteknisten mittakuvien tietoja.
Koneoppiminen on yksi tekoälyn osa-alueista, joka mahdollistaa älykkäiden tietokoneohjelmien luomisen, joiden jokaista toimintamenetelmää ei ole erikseen määritelty. Koneoppimismalli vaatii toimiakseen paljon dataa, jolla sille opetetaan lopputulosten kautta tapa toimia. Koneoppimista sovelletaan nykyään lukuisissa käyttökohteissa, kuten verkkokaupoissa ja kuvantunnistuksessa. (Wikimedia Foundation 2020.)
Yritysten työntekijöiden keskuudessa on kuitenkin herännyt huoli, että tekoälyyn perustuvat sovellukset vievät tulevaisuudessa työpaikat ja jättävät heidät työttömiksi. ZipRecruiter Future of Work -raportin mukaan tekoäly on todella vaikuttanut negatiivisesti joidenkin alojen työpaikkojen määrään. Suuremmassa kokonaiskuvassa tarkasteltuna tekoäly on kuitenkin luonut monta kertaa enemmän työpaikkoja kuin vienyt niitä. Tekoäly on tehostanut työntekoa ja uusia työpaikkoja on muodostunut varsinkin tekoälysovellusten parissa työskenteleville aloille. (ZipRecruiter 2020a; ZipRecruiter 2020b, 6–9.)
Kuvantunnistus tehostaa työntekoa
Useissa yrityksissä koneoppiminen on käytössä tiedostamatta, sillä se on levinnyt useisiin sovelluskohteisiin. Tulevaisuudessa koneoppimiseen perustuvien sovelluksien käyttö tulee olemaan entistä tiedostetumpaa, tehostaen jokapäiväistä työntekoa. Koneoppimiseen perustuvalla kuvantunnistuksella voidaan siirtää aiemmin rutiineihin perustuneita toimintoja ihmiseltä tietokoneelle, ja näin jättää työntekijälle aikaa keskittyä muihin tehtäviin.
Yrityksen on mahdollista automatisoida käsin piirrettyjen rakennusteknisten mittakuvien analysointi koneoppimisen avulla. Käytettävissä on useita teknologioita, joiden käyttö vaatii kuitenkin kykyä yhdistellä ja soveltaa niitä halutun lopputuloksen aikaansaamiseksi. Käsin piirrettyjen mittakuvien automaattisella analysoinnilla voidaan saavuttaa muun muassa kustannussäästöjä ja lyhyempiä vastausaikoja tarjouskyselyiden mittakuvien käsittelyssä. (Ala-Rakkola 2020.)
Koneoppiminen vaatii toimiakseen laadukasta dataa, jota yritysten kannattaisi kerätä jo ennakoivasti. On kuitenkin tilanteita, joissa koneoppimisen vaatimaa laadukasta dataa ei ole riittävästi saatavilla. Koneoppimisen opetus- ja testausprosessiin tarvittavaa dataa voidaan kuitenkin luoda myös jälkikäteen, mutta tällöin joudutaan käyttämään siihen erikseen luotua menetelmää ja tietokoneohjelmaa. (Ala-Rakkola 2020.)
Kirjoittajat
Jarmo Ala-Rakkola valmistui LAB-ammattikorkeakoulusta tekniikan alan insinööriksi (ylempi AMK), digitaaliset ratkaisut -koulutuksesta.
Lehtori Minna Asplund, TkL, toimii koordinaattorina insinööri (ylempi AMK), digitaaliset ratkaisut -koulutuksessa ja ohjasi Jarmo Ala-Rakkolan opinnäytetyön.
Lähteet
Ala-Rakkola, J. 2020. Koneoppiminen osana tarjouslaskentaa. Opinnäytetyö ylempi AMK. LAB-ammattikorkeakoulu. [Viitattu 21.11.2020]. Saatavissa: http://www.urn.fi/URN:NBN:fi:amk-2020112123626
Wikimedia Foundation. 2020. Koneoppiminen. [Viitattu 21.11.2020]. Saatavissa: https://fi.wikipedia.org/wiki/Koneoppiminen
ZipRecruiter. 2020a. The Second Annual ZipRecruiter Future of Work Report. [Viitattu 21.11.2020]. Saatavissa: https://www.ziprecruiter.com/blog/future-of-work-report-2020/#:~:text=ZipRecruiter’s%20first%20annual%20future%20of,as%20it%20destroyed%20in%202018.&text=They%20accounted%20for%20four%20in,one%20in%201%2C000%20in%202016.
ZipRecruiter. 2020b. Future of Work: Report 2020. [Viitattu 21.11.2020]. Saatavissa: https://www.ziprecruiter.com/blog/zrs-0005/blog/wp-content/uploads/2020/03/Future_of_Work_17_E-book.pdf
Kuvat
KUVA 1. Gerd Altmann. 2020. Pixabay. Head Board Machine Learning. [Viitattu 21.11.2020]. Saatavissa: https://pixabay.com/illustrations/head-board-machine-learning-4519964/
