Tekoäly voi olla osa konenäköä, mutta sen käyttäminen ei ole automaattisesti tarpeen. Teknologian sijaan lähtökohdaksi kannattaa ottaa tavoite: mitä kuvasta halutaan saada selville ja miten pitkälle saatua tietoa halutaan hyödyntää?
Konenäköä suunniteltaessa tekoäly voi tuntua luontevalta vaihtoehdolta, vaikka tehtävä ei sitä välttämättä edellyttäisi. Jos tarvittava tieto voidaan määrittää kuvasta laskennallisesti, tekoälyn käyttö ei itsessään tee toteutuksesta tarkoituksenmukaisempaa. Olennaista on arvioida, mitä tehtävän ratkaiseminen käytännössä vaatii. Toteutuksen ei siis tarvitse olla teknisesti mahdollisimman pitkälle viety, jos yksinkertaisemmalla menetelmällä päästään haluttuun lopputulokseen.
Tällä on merkitystä myös toteutuksen laajuuden kannalta. Tekoälyn hyödyntäminen voi edellyttää laiteinvestointeja ja opetusprosessin rakentamista – eikä työ pääty järjestelmän käyttöönottoon. Opetettua järjestelmää on myös tarkistettava ja tarvittaessa päivitettävä, joten valittu toteutustapa vaikuttaa siihen, millaista työtä ratkaisu edellyttää myös jatkossa. Tekoälyn tarpeellisuutta arvioitaessa onkin syytä huomioida paitsi sen käyttöönotto myös se, mitä ratkaisun ylläpito myöhemmin vaatii.
Jos sama tavoite voidaan saavuttaa laskennallisesti ilman tekoälyä, tekoälyratkaisun vaatimat lisävaiheet voivat muodostua tarpeettomiksi kustannuksiksi ja hidasteiksi. Kyse ei siten ole mahdollisimman kehittyneen teknologian valinnasta, vaan tehtävään nähden perustellusta toteutuksesta.
Virheen havaitsemisesta syyn ymmärtämiseen
Konenäön arvo voi ulottua virheen havaitsemista pidemmälle: parhaimmillaan kuvasta saatava tieto auttaa selvittämään myös, mistä havaittu virhe alun perin johtuu. Tällöin tarkastelu ei jää yksittäisen poikkeaman tunnistamiseen, vaan voi tuottaa tietoa myös sen taustalla olevista tekijöistä.
Kyseisellä erolla voi olla suuri merkitys siinä, mitä konenäöllä lopulta saavutetaan. Virheen havaitseminen kertoo, että jokin ei vastaa haluttua lopputulosta. Jos kuvasta voidaan lisäksi päätellä, mistä virhe on lähtöisin tai mikä sen on aiheuttanut, saatua tietoa voidaan hyödyntää itse ongelman ehkäisemisessä. Tavoitteena ei silloin ole ainoastaan tunnistaa jo syntynyttä virhettä, vaan ymmärtää paremmin sen syntymiseen johtavia tekijöitä.
Konenäön käyttötarkoitus voi siis laajentua havainnoinnista ennaltaehkäisyyn. Kun virheen syystä saadaan riittävästi tietoa, voidaan parhaimmillaan löytää keino estää saman virheen syntyminen kokonaan. Tällöin kuvasta saatavan tiedon merkitys kasvaa: havainto ei ole vain lopputulos, vaan sitä voidaan käyttää myös ongelman taustan selvittämiseen.
Olennaista onkin määritellä, miten pitkälle kuvasta saatavaa tietoa halutaan hyödyntää: riittääkö tieto poikkeamasta vai halutaanko sen avulla ymmärtää myös, mistä poikkeama johtuu?
Ratkaisulle asetettava tavoite määrittää pitkälti sen, mitä kuvasta on tarpeen saada selville. Yhdessä käyttötarkoituksessa riittää ennalta määritellyn asian tai poikkeaman havaitseminen, toisessa kuvasta halutaan tietoa myös havaitun virheen taustasta. Tämä vaikuttaa puolestaan siihen, millainen toteutus tehtävään tarvitaan.
Myös tekoälyn mahdollinen rooli määräytyy tämän tavoitteen perusteella. Sen hyödyntämistä on mielekästä arvioida suhteessa siihen, millaista tietoa kuvasta tarvitaan ja mihin tätä tietoa halutaan käyttää. Näin teknologiavalinta perustuu ratkaistavaan tehtävään eikä teknologiaan itsessään.
→ Millainen konenäkö vastaa parhaiten yrityksesi tarpeisiin? Kysy lisää Santa Margaritan asiantuntijoilta.
