Hybridiäly – sovelluksia media- ja markkinatiedon käsittelyssä

Artificial Intelligence Applications - M-Brain

Tekoälyn sovellukset ovat osa nykypäivää ja tulevaisuutta. M-Brainilla koneoppiminen mahdollistaa esimerkiksi teema- ja teollisuudenalakohtaiset luokittelut media- ja markkinatiedon hyödyntämisessä.

Pinnalla, vaan ei ohimenevä trendi

Suoritin kesällä melko noviisina suositun, Helsingin yliopiston ja Reaktorin yhteistyössä toteuttaman “Elements of AI” -kurssin, jolla keskityttiin tekoälyn perusteisiin. Aihe on ollut tänä vuonna siinä määrin pinnalla, että jotkut ovat arvostelleet koko keskustelua tekoälystä populistiseksi hypetykseksi. Myös osa aihepiiriin syvällisesti useiden vuosien saatossa perehtyneistä tietojenkäsittelyn ammattilaisista on ärsyyntynyt: tekoälyn taustalla vaikuttavat monet tutut matematiikan ja todennäköisyyslaskennan lainalaisuudet, eikö siis olisi itse asiassa tarkoituksenmukaisempaa puhua tekoälyn sijaan vaikkapa ennustemallien (predictive models) kehityksestä?

Viimeistään kurssin suorittaminen vahvisti sen, ettei kyse ole trendi-ilmiöstä, jota viestintäkonsultit pitävät pinnalla pari vuotta, ja joka sen jälkeen unohdetaan. Koko keskustelua tekoälystä on osaltaan hankaloittanut se, etteivät alan tutkijatkaan ole olleet yksimielisiä siitä mitä ilmiö pitää sisällään tai miten se tulisi määritellä. Helsingin yliopiston ja Reaktorin kurssilla painotettiin tekoälyä määriteltäessä kahta ominaisuutta, autonomisuutta ja mukautuvuutta. Edellisellä viitataan “järjestelmän kykyyn suorittaa tehtäviä komplekseissa ympäristöissä ilman jatkuvaa ohjausta käyttäjältä”, jälkimmäisellä “järjestelmän kykyyn parantaa tehtävien suorittamista aiemmasta oppimalla”.

 

Sovellukset osa nykypäivää ja tulevaisuutta

Riippumatta siitä miksi tekoälyä halutaan kutsua, sen sovellukset ovat osa nykypäivää, ja tulevaisuutta. Kurssilla nostettiin esimerkeiksi sovelluksista muun muassa itseohjautuvat autot, erilaiset musiikin, elokuvien ja muun sisällön suosittelupalvelut (Spotify, Netflix, Facebook jne.), lääketieteen sovellukset sekä kuvien ja videoiden käsittelytekniikat, esimerkiksi kasvojentunnistus. Olennaista on niiden algoritmien tunnistaminen, joiden perusteella esimerkiksi sisältöjä suositellaan, sillä näihin ovat läheisesti kytköksissä sellaiset ilmiöt kuten valeuutiset, sosiaalisen median samanmielisten ihmisten kuplat tai trollitehtaat.

Tulevaisuuteen varautuminen ja suuren ihmisjoukon innostaminen voi olla hyvä peruste sille, miksi tekoäly on kuitenkin vakiintunut yleisesti käytetyksi termiksi vaikkapa hiukan akateemisemman ennustemallien sijaan. Tekoälykurssi muistutti paitsi siitä kuinka mukavan loogisia oppiaineita matematiikka ja todennäköisyyslaskenta ovat, myös siitä millaisiin keskusteluihin ei kannata lähteä liikaa mukaan. Eli esimerkiksi: ei, tekoäly ei todellakaan tarkoita tappajarobottien tuloa, vaikka tällainen kuva on joillekin saattanut muodostua runsaan aiheeseen liittyvän science fiction -elokuva- ja kirjallisuusaineiston perusteella.

 

Soveltaminen media- ja markkina-analyysin saralla

M-Brainilla käyttämämme termi hybridiäly kuvaa mielestämme erinomaisesti ihmisen ja koneen yhteistyötä. Media- ja markkinatiedon seurantaan ja analysointiin tarkoitetussa M-Adaptive -ohjelmistossamme on jo pidemmän aikaa hyödynnetty koneoppimista, yhtä tekoälyn soveltamisaluetta. Koneoppiminen mahdollistaa automatisoidun julkisuuden sävyn määrittelyn sekä attribuuttien erittelyn. Attribuuttien avulla pystymme analysoimaan esimerkiksi sitä, kuinka usein yritykseen liitetään sellaisia ominaisuuksia kuten edullinen hinta, innovatiivisuus, laatu tai kilpailukyky. Tätä tietoa voidaan edelleen verrata yrityksen kilpailijoihin ja käyttää apuna yrityksen brändiä kehitettäessä.

Alkukesästä M-Adaptive -ohjelmistoon tuomamme uusi hybridiäly-elementti pohjaa siihen työhön, jota analyytikkomme ovat vuosien ajan tehneet luokitellessaan juttuja asiakkaidemme tarpeisiin. Ohjelmistoomme olemme lisänneet uusina ominaisuuksina temaattisen ja teollisuudenalakohtaisen luokittelun.

Havainnollistaakseni hybridiälyn soveltamista teema- ja teollisuudenalakohtaisessa tarkastelussa olen käyttänyt esimerkkinä enkelisijoittajaa, jota kiinnostaa pohjoismaiden eri pääkaupunkien start-up -skene. Koneoppimisen tuloksena M-Adaptive pystyy luokittelemaan juttuja teemoittain ja teollisuudenaloittain artikkelien sisällön ja kontekstin perusteella. Enkelisijoittajallemme kiinnostavaa tietoa voi olla esimerkiksi se, että Kööpenhaminasta ja kasvuyrityksistä keskusteltaessa on viime aikoina ollut pinnalla terveyssektori, kun taas Tukholman ja Helsingin yhteydessä pääpaino on ollut elektroniikassa ja tietoliikenteessä.

 

Aikasäästöjä laajoja datamassoja käsiteltäessä

Hybridiälyn mukanaan tuomat hyödyt tulevat parhaiten esille kun tarkastellaan laajoja datamassoja. Erityisesti tutkimus- ja analyysityössä on eduksi, että pystymme tutkimuksen ensi vaiheessa edellä kuvatulla tavalla tuomaan struktuuria luokittelemattomaan dataan. Tämän jälkeen voidaan tehdä jatkokysymyksiä, joita ohjelmiston erilaiset filtteröintiominaisuudet mahdollistavat. Esimerkiksi: minkälaiset terveystrendit tanskalaisessa keskustelussa kasvuyrityksistä nousivat esiin, mitkä yksittäiset uutiset aiheuttivat julkisuuspiikkejä, missä sosiaalisen median kanavissa tai toimituksellisen median lähteissä keskustelua käytiin, minkälaista keskustelu oli sävyltään, mitä uhkia ja mahdollisuuksia korostettiin, ketkä ovat keskeisiä mielipidevaikuttajia teeman saralla. Ja niin edespäin.

Konkreettisia hyötyjä ovat myös ne aikasäästöt, jotka edellä kuvattu toimintatapa mahdollistaa. Hybridiäly kuvaa terminä hyvin sitä, että ohjelma ei kuitenkaan tee kaikkea aivotyötä puolestasi, vaan ihmisellä ja hänen näkemyksellään on edelleen ratkaiseva rooli. Syvällisesti toimialaa tunteva asiantuntija on yhä paras henkilö arvioimaan, mikä ohjelmiston huomion kohteeksi nostamista aiheista ja niihin sisältyvistä uutisista saattaisi esimerkiksi nousta trendiksi.

Keskustelu tekoälystä tulee varmasti jatkumaan vilkkaana. Omaa hybridiälymalliamme esittelemme lyhyesti marraskuussa (8.11.) M-Adaptive –webinaarisarjan toisessa osassa. Tervetuloa mukaan!

Jos pidit tästä kirjoituksesta, saatat olla kiinnostunut tilaamaan RSS-feedimme. Tilaajanamme kuulet ensimmäisenä julkaisuistamme ja kasvavista tavoista hyödyntää markkinatietoa. Tapaamme blogimme lukijoita mielellämme myös Twitterissä, Facebookissa ja LinkedInissä!


Competitive Intelligence Services Market Intelligence Platform Media Monitoring Solutions Market Research Services
Close

Login to clientzone

Close

So, you are interested in our monitoring services?

So, you are interested in our intelligence services?

So, you are interested in our advisory services?

Please, leave your contact information and we will get back to you shortly!

Name
Company
E-Mail
Phone
Message

Cancel

Your message has been sent!
Close