Manish Garg on yksi perustajista ja tuotepäällikkö Skan.ai -sivustossa, joka on tietokonenäköpohjainen prosessien tietojärjestelmä.< /em>
Tietokonenäkö herättää monessa meistä ajatuksia autonomisista ajoneuvoista ja kasvojentunnistuksesta. Miljardeja dollareita on todellakin käytetty tällaisten järjestelmien tutkimukseen ja kehittämiseen. Vaikka lupauksia ja edistystä on havaittavissa, alueet ovat myös täynnä teknisiä haasteita ja moraalisia ongelmia.
Tietokonenäköisyys kuitenkin ylittää nuo korkean profiilin käyttötapaukset, ja sillä on käytännön sovelluksia koko yrityksen arvoketjussa. Yritykset voivat hyödyntää tietokonenäön voimaa ratkaistakseen joitain perusongelmia – tähän asti tuntemattomassa mittakaavassa ja tarkkuudella.
Mitä tietokonenäkö on?
Tietokonenäkö on tekoälyn haara, joka käsittelee sitä, kuinka tietokoneet "näkevät ja ymmärtävät" digitaalista visuaalista mediaa (kuvia, videoita jne.). Vaikka tietokonenäkö on ollut yliopistojen opiskeluala, tietojenkäsittelyn kehitys on kiihdyttänyt alaa valtavasti viime vuosina.
Viimeisten parin vuosikymmenen aikana visuaalinen media ja formaatit ovat kasvaneet ennennäkemättömällä tavalla – olipa kyseessä sitten YouTube- tai TikTok-videot, Instagram-kuvat tai joukko muuta sosiaalista mediaa. Visuaalisen datan määrän, nopeuden ja monipuolisuuden ansiosta ei ole ihme, että tietokonenäkösovellusten markkinat ovat kasvava ala.
LISÄÄ FROMFORBES-NEUVONTAJAParhaat matkavakuutusyhtiöt
ByAmy DaniseEditorParhaat Covid-19-matkavakuutussuunnitelmat
ByAmy DaniseEditorVaikka on olemassa tapoja, joilla tietokonenäkö voi auttaa yrityksiä niiden pyrkiessä digitaaliseen transformaatioon , olisi myös hyödyllistä erottaa tietokonenäkö ja konenäkö (vaikka molemmat liittyvät toisiinsa). Konenäkö perustuu laitteistopohjaisiin komponentteihin, jotka helpottavat teollisuuden suunnittelua ja valmistusta. Tietokonenäkö on kuva-analytiikan ja -ymmärryksen kenttä, joka on agnostikko syöttömenetelmien suhteen ja joka on ensisijaisesti riippuvainen ohjelmistoista luokitella, luokitella, ymmärtää ja sisällyttää eri muotoja ja muotoja visuaalisia materiaaleja liiketoimintaprosessiin.
Tietokonenäköön on olemassa satoja käyttötapoja, mutta tässä on joitain yrityskäyttötapauksia, joiden avulla pääset alkuun.
• Vikojen havaitseminen ja laadun vaatimustenmukaisuus. Tietokonenäköavusteiset mallit voivat oppia tuotteiden ulkonäöstä ja ilmoittaa mahdollisista poikkeamista ja poikkeavuuksista, jotta käyttäjä voi tarkastella niitä tarkemmin. Nopeatempoisissa valmistusympäristöissä, joissa hyväksyttävät vikojen määrät ovat erittäin pieniä, tietokonenäköalgoritmien kyky voi auttaa nostamaan laadunvalvonnan tasoa.
• Sisätilojen sijainnin tunnistaminen ja paikantaminen. Olemassa olevien tilannekuvien arkistosta voi tulla vertailukohta yksilöiden sijainnin tunnistamisessa ja mahdollisesti ohjaamisessa muihin paikkoihin. Esimerkiksi selfie voi auttaa ostajaa oikealle paikalle suuressa tavaratalossa, mukaan lukien tilannekuva tuotteista. (Tai museoon eksynyt voi löytää tiensä paikannustunnistuksen avulla.)
• Suora toimitusketjun seuranta. Anturit, satelliittikuvat ja tietokonenäköalgoritmit voivat auttaa yrityksiä seuraamaan logistiikan ja kuljetuksen koko elinkaarta, mikä mahdollistaa tarkemman materiaalisuunnittelun ja tuotannon ajoituksen.
• Deepfake. Deepfakeista ja vale-/harhaanjohtavista uutisista on tullut merkittävä haaste. Tietokonenäkö voi auttaa lieventämään tätä vitsausta analysoimalla kuvia pikselitasolla ja suorittamalla kontekstuaalista analyysiä alkuperästä ja mahdollisista vääristymistä.
• Liiketoimintaprosessien seuranta. Tietotyöntekijät ovat pääasiassa vuorovaikutuksessa digitaalisten järjestelmien kanssa suorittaakseen työtehtäviä, joissa tiedot ja työnkulku työasemalta työasemalle ulottuvat useille maantieteellisille alueille ja aikavyöhykkeille. Tietokonenäkö voi tarkkailla työtä sen tapahtuessa ja piirtää referenssiliiketoiminnan prosesseja ja variaatioita suurten lukujen lain avulla. Tämä visuaalinen näyttö työstä voi auttaa optimoimaan ja muuttamaan liiketoimintaprosesseja.
Ennen kuin ryhdytään suuriin hankkeisiin ja merkittäviin budjettimäärärahoihin, yritysten tulee ottaa huomioon seuraavat kriittiset menestystekijät.
• Ongelman valinta. Joskus yritykset jahtaavat kiiltäviä uusia teknologioita, ja sellaisissa tapauksissa se päättyy teknologian tapaukseen, joka etsii liiketoimintaa. On välttämätöntä työskennellä sellaisten ongelmien parissa, joilla on pitkän aikavälin tarve ja mitattavissa oleva sijoitetun pääoman tuotto. Yritysten tulisi rajoittaa tieteelliset kokeet hautomokeskukseen tai osaamiskeskukseen ennen mallien käyttöönottoa tuotannossa.
• Tulosten määrittäminen. Vaikka tietokoneen kyky tunnistaa kissan tai koiran on mahtava saavutus, mikä on liiketoiminnan tulos, joka ohjaa tietokonenäön käyttöä? Ellei yrityksesi ole teknologiajätti, joka etenee tietokonenäön alalla, tulosten ja menestymisen toiminnan tunteminen on olennainen edellytys.
• Tietojen saatavuus. Data (tietokonenäön tapauksessa visuaalinen data) on sekä ongelman että ratkaisun ytimessä. Käytettävyyden lisäksi tiedon laatu sekä luokittelun ja huomautusten taso ovat kriittisiä menestymisen tekijöitä.
• Esikoulutettujen mallien saatavuus. Oppimisen siirtäminen esikoulutetuista kaupallisista tai avoimen lähdekoodin malleista voi lyhentää tutkimus- ja kehitystyötä. Ellei yritykselläsi ole resursseja ja tarvetta kehittää malleja alusta alkaen, pienin vastus on hyödyntää valmiiksi koulutettuja malleja ja niistä johtuvaa siirtooppimista.
• Valmiudet ja kapasiteetit. Tekoälyn alueilla on pulaa kyvyistä, ja tämän vuoksi kilpailu korkeatasoisten kykyjen houkuttelemisesta ja säilyttämisestä on valtava. Ennen merkittäviä tietokonenäköprojekteja on ensiarvoisen tärkeää arvioida kykyjen osamäärä ja sitten rakentaa valmiudet, kaliiperi ja kyky hallita tietokonenäköprojekteja onnistuneesti.
Kun maailman sisältö ja tieto kasvavat luonteeltaan visuaalisemmiksi, tietokonenäön käyttötapausten odotetaan lisääntyvän eksponentiaalisesti. Tämä on totta, kun tietokonenäköteknologiat, mukaan lukien reunalla olevat, tulevat tehokkaammiksi.
Forbes Technology Council on kutsuva yhteisö maailmanluokan tietohallintojohtajille, teknologiajohtajille ja teknologiajohtajille. Täytänkö vaatimukset?
