Tekoälyn tietäjät: Haastattelussa Suvi Ellilä

Suvi Ellilä on Selkon COO ja perustajaosakas. Selko ratkoo koneoppimisen avulla teknisen dokumentoinnin ja hankintatoimen automatisoitua tekstinymmärrystä ja prosessointia. Asiakkaina ovat tekniikan alan suuryritykset, tekniset kehitystiimit ja insinöörityöhön pohjautuvat toimialat.

Tulos: Selko osaa teknisten dokumenttien tekstianalyysin. Millaiseen koneoppimisen ja tekoälyn osaamiseen tämä perustuu – oletteko kehittäneet jotakin aivan uutta?

Suvi Ellilä: ”Tällä hetkellä keskitymme NLP:n (natural language processing) soveltamiseen, joka tarkoittaa, että käsittelemme tekstimuotoista dataa ja yritämme ymmärtää luonnollista kieltä. Meille on tärkeää pysyä mukana teknisessä kehityksessä ja kokeilla jatkuvasti uusia teknologioita. Kehittämämme ratkaisu luokittelee teknistä tekstiä, ja vaikka saamme mahtavia tuloksia tämän hetkisellä työkalulla, etsimme koko ajan mahdollisuuksia parantaa malliamme.

Yksi pääongelmista tekoälyn käyttöönotolle on opetusdatan puuttuminen. Syväoppiva malli tarvitsee ainakin 10 000 esimerkkiä toimiakseen. Olemme ratkaisseet tämän käyttämällä transfer learning -teknologiaa tuotteessamme. Tämä mahdollistaa syväoppivan mallin koulutuksen ja hyvät tulokset vain sadalla esimerkkilauseella.

Tutkimme firmojen kanssa muita NLP-teknologioita, kuten tekstin yhteenvetoa (summarization) ja tapoja lisätä ja korvata opetusdataa hyödyntämällä luonnollisella kielellä syötettyjä luokitteluperusteita avaavia selityksiä.  Voisimme hyötyä dokumenttien käsittelyssä myös kuvantunnistuksesta ja kuvien analysoinnista, joten tämä on jotain jota varmasti mietimme tulevaisuudessa.”

 

Millä tavalla asiakkaanne ovat mukana kehitystyössä ja kuinka paljon heidän palautteensa muokkaa kehitystyönne suuntaa?

”Pienelle firmalle on kriittistä kuunnella asiakasta! Kun aloitimme viime vuoden puolella, kiersimme insinöörifirmoja läpi ja juttelimme tekstin valtavasta määrästä ja siihen liittyvistä tarpeista. Teimme tämän pohjalta pilottiprojekteja kokeillaksemme markkinaa ja ymmärtääksemme teknisiä vaatimuksia. Minimum Viable Product muodostui sen myötä. Huomasimme monien asiakkaiden tarvitsevan luokittelun kaltaista apua isojen dokumenttien käsittelyssä.

Nyt kun MVP tulee ulos, haluamme jatkaa samaa rataa ja tutkia asiakkaan tarpeita mahdollisimman hyvin ymmärtääksemme, mihin suuntaan viedä tuotekehitystämme.”

 

Mistä ja miten nuori tekoäly-startup löytää asiakkaansa?

”Juuri nyt kiinnostuneiden asiakkaiden löytäminen ei ole vaikeaa, koska tekoäly on niin muodikasta. Isojen firmojen agendalla on tutkia tekoälyn mahdollisuuksia eri liiketoiminnoissa. Myös jotkin start up-kiihdyttämöt erikoistuvat nimenomaan tekoälyyn.

Asiakkaita olemme löytäneet tapahtumista, ottamalla suoraan yhteyttä firmoihin ja käyttämällä kontakteja vähän joka suunnalla. Parhaillaan keskustelemme myös ensimmäisten kansainvälisten yritysten kanssa ja uskomme, että mahdollisuuksia kansainväliseen myyntiin on paljon.

Uuden teknologian myynnissä on myös vaikeutensa. Joudumme opettamaan asiakaskuntaa paljon enemmän kuin jos myisimme vanhempaa teknologiaa. Meidän täytyy koko ajan miettiä parempia tapoja kertoa asiakkaillemme, kuinka tuotteemme toimii.”

 

Mikä sai sinut kiinnostumaan tekoälystä niin paljon, että halusit tehdä siitä työsi?

”Päädyin tähän aika vahingossa. Koulutukseltani olen insinööri ja olen työskennellyt it-alalla. Tullessani Selkoon mukaan ajattelin, että tämä olisi hieno tapa yhdistää kummatkin. Kun aloitimme firman toiminnan, ideamme ei ollut vielä aivan valmis ja käytimme nykyisestä poikkeavaa teknologiaa. Etsiessämme product/market fittiä, päädyimme tutkimaan koneoppimista ja rekrytoimaan koneoppimisen taitoja taloon. Kun katson kehityskaarta taaksepäin, luulen että suuntasimme kohti nykyistä ratkaisuamme osin tuon tekoälyhypen takia. Se teki markkinoinnista helpompaa!”

 

Täältä löydät lisää tietoa Selko.io:n ratkaisuista ja sovelluskohteista.

 

Kommentoi

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *