Itseohjautuvat autot, virtuaalitodellisuus, kasvojentunnistus ja teollisuusrobotit ovat uusimman teknologian kiinnostavimpia käyttötapoja. Niitä kaikkia yhdistää tietokonenäkö. Se, että kone oppii erottamaan pallon muovipussista, on vaikeampaa kuin luulisi.
Tietokonenäöstä ei puhuta paljon, mutta se on tämän hetken kiinnostavimpien teknologioiden pohjana. Koneen opettaminen tunnistamaan visuaalista informaatiota on keskeinen osa niin tekoälyä, itseohjautuvia ajoneuvoja kuin robottiteknologiaa.
Tietokonenäköä on käytetty jo jonkin aikaa esimerkiksi terveydenhuollossa ja rikosten ehkäisyssä. Kasvojentunnistuksen avulla järjestelmä voi etsiä tiettyä ihmistä valvontakameran nauhoista, mikä vähentää manuaalista työtä. Myös röntgenkuvia voidaan analysoida automaattisesti ja seuloa näin aineistosta esimerkiksi syöpäkasvaimia.
– Terveydenhoitopalveluissa tämä voisi tarkoittaa esimerkiksi verkon yli tapahtuvaa esikartoitusta, jossa tietokone analysoi massasta tarkempaa tutkimusta vaativat tapaukset ja lähettää potilaat eteenpäin ihmislääkärin tutkittavaksi, valottaa tietokonenäköön perehtynyt professori Michael Felsberg Linköpingin yliopistosta.
Kuvien tulkitseminen on haaste
Nähdyn ymmärtäminen on ihmisille itsestäänselvyys, mutta koneelle se on hyvin haastava tehtävä. Ei riitä, että ympäristön näkee, vaan se pitää myös ymmärtää.
– Kuva on kuin suuri matriisi. Se ei sisällä mitään konkreettista tietoa esineistä tai etäisyyksistä. Valon voimakkuus on ainoa asia, minkä kamera ymmärtää. Kuvan tulkinta tapahtuu vasta ohjelmistossa, Felsberg kuvailee.
Tietokonenäkö vaatii rutkasti prosessointitehoa. Esimerkiksi itseohjautuvissa autossa on oltava kameroita, GPS, tutka ja lukuisia muita tietolähteitä. Kaikista näistä lähteistä tuleva tieto tulkitaan ja käsitellään tietokoneen avulla, jotta auto voi päättää jatkaako se etenemistä.
Suurin haaste on liittyy metodiikkaan. Ihminen tekee spontaanisti tulkintoja maailmasta vain katsomalla sitä, mutta tietokone ei pysty samaan.
– Tietokoneet erottavat kyllä esimerkiksi sen, milloin taulu on suorassa ripustusta varten, mutta jo muovipussin kuvan erottaminen pallon kuvasta on tekoälylle haaste. Yritämme mallintaa ihmisen älykkyyttä, mutta se on hankalaa. On vaikeaa rakentaa tietokoneelle malleja siitä, miten sen pitäisi tulkita näkemäänsä, Felsberg kertoo.
Voiko kone oppia?
Sen sijaan että yritettäisiin ennustaa kaikki mahdolliset tilanteet, joihin itseohjautuva auto saattaisi päätyä, on panostettu koneoppimiseen. Se tarkoittaa tekoälyn opettamista sen ohjelmoinnin sijaan. Mutta siinäkin on ongelmansa.
– Itseoppivissa järjestelmissä on kaksi haastetta. Ensinnäkin pitää tietää, miksi jokin toimii tai ei toimi, ja toiseksi pitää selvittää kuinka todennäköistä on, että tehty tulkinta on oikea.
Milloin tietokonenäkö on sillä tasolla, että itseohjautuvat ajoneuvot saadaan markkinoille suuressa mittakaavassa? Felsbergin mukaan ajankohtaa on vaikea arvioida, mutta hän vastaa kysymykseen kertomalla, kuinka on ohjeistanut lapsiaan ajokortin hankkimisen suhteen.
– 18-vuotiaalla tyttärelläni on jo ajokortti, ja suosittelen sen hankkimista myös 16-vuotiaalle pojalleni. Mutta 12-vuotias kuopukseni ei ehkä enää tule tarvitsemaan ajokorttia, Felsberg ennustaa.
Löydät lisää älyvinkkejä täältä
