Se ei ole vain bränditietoisuuden mittaamista. Yritykset käyttävät logontunnistusta urheilutapahtumien sponsoroinnin ROI:n laskemiseen tai sen määrittämiseen, onko niiden logoa käytetty väärin.
Lääketieteellinen kuva-analyysi
Syväoppimismalleilla toimivat ohjelmistot auttavat radiologeja selviytymään valtavasta työtaakasta, joka liittyy erilaisten lääketieteellisten kuvien tulkintaan: tietokonetomografia- (CT) ja ultraäänitutkimuksiin, magneettitutkimuksiin (MRI) tai röntgentutkimuksiin. IBM korostaa, että päivystyspoliklinikan radiologin on tutkittava jopa 200 tapausta päivässä. Lisäksi jotkin lääketieteelliset tutkimukset sisältävät jopa 3 000 kuvaa. Ei ihme, että lääketieteelliset kuvat muodostavat lähes 90 prosenttia kaikesta lääketieteellisestä datasta.
AI-pohjaiset radiologian työkalut eivät korvaa lääkäreitä vaan tukevat heidän päätöksentekoaan. Ne merkitsevät akuutteja poikkeavuuksia, tunnistavat riskipotilaat tai kiireellistä hoitoa tarvitsevat potilaat, jotta radiologit voivat priorisoida työlistojaan.
IBM:n tutkimusosasto Haifassa, Israelissa, työstää Cognitive Radiology Assistantia lääketieteellistä kuva-analyysia varten. Järjestelmä analysoi lääketieteellisiä kuvia ja yhdistää sitten nämä oivallukset potilastiedoista saatuihin tietoihin ja esittää havainnot, jotka radiologit voivat ottaa huomioon hoitoa suunnitellessaan.
Demo IBM:n Eyes of Watson rintasyövän havaitsemistyökalulle, joka käyttää tietokonenäköä ja ML:ää. Lähde: IBM Research
Tämän osaston tutkijat kehittivät myös erikoistuneen syväneuraalisen verkon merkitsemään epänormaalin ja mahdollisesti syöpää aiheuttavan rintakudoksen.
Aidoc tarjoaa toisen ratkaisun, joka käyttää syväoppimista lääketieteellisten kuvien (erityisesti tietokonetomografiakuvien) skannaamiseen ja potilaslistojen priorisointiin. Ratkaisu on saanut hyväksynnät Yhdysvaltain elintarvike- ja lääkevirastolta (FDA), Australian lääkevirastolta (Therapeutic Goods of Australia, TGA) ja Euroopan unionin CE-merkinnät kolmen hengenvaarallisen tilan merkitsemistä varten: keuhkoembolia, kaularangan murtuma ja kallonsisäinen verenvuoto.
Yhtiön asiakkaita ovat muun muassa UMass Memorial Medical Center Worcesterissa, Massachusettsissa, Montefiore Nyack -sairaala Rocklandin piirikunnassa, NY:ssä, ja Global Diagnostics Australia, kuvantamiskeskus.
Sovellukset taideteosten tunnistamiseen
Magnus on kuvantunnistukseen perustuva sovellus, joka opastaa taiteen ystäviä ja keräilijöitä “taideviidakon läpi”. Kun käyttäjä ottaa valokuvan taideteoksesta, sovellus antaa sellaiset tiedot kuin tekijä, teoksen nimi, tekovuosi, mitat, materiaali ja, mikä tärkeintä, nykyinen ja historiallinen hinta. Sovelluksessa on myös kartta, jossa on gallerioita, museoita ja huutokauppoja sekä tällä hetkellä esillä olevia taideteoksia.
Magnus hankkii tiedot tietokannasta, jossa on yli 10 miljoonaa kuvaa taideteoksista; tiedot teoksista ja hinnoista ovat joukkoistettuja. Mielenkiintoinen fakta: Leonardo DiCaprio investoi sovellukseen, Magnus kertoo Apple Store -sivullaan.
Museokävijät voivat tyydyttää tiedonjanoaan Smartifyn kaltaisilla sovelluksilla. Smartify on museo-opas, jota voi käyttää kymmenissä maailman tunnetuissa taidekohteissa, kuten Metropolitan Museum of Artissa New Yorkissa, Smithsonian National Portrait Galleryssa Washington DC:ssä, Louvressa Pariisissa, Amsterdamin Rijksmuseumissa, Lontoon Kuninkaallisessa taideakatemiassa, Valtion Eremitaasimuseossa Pietarissa ja muualla.
Miten Smartify toimii. Lähde: Smartify
Paljastaakseen yksityiskohtia taideteoksesta sovellus vertaa skannattuja taideteoksia digitaalisiin kuviin tietokannassa, jossa oli vuonna 2017 lähes 50 000 taideteosta. Smartifyn toinen perustaja Anna Lowe selittää, miten sovellus toimii näin: “Skannataan taideteokset valokuvien tai digitaalisten kuvien avulla ja luodaan sitten taideteoksesta digitaaliset sormenjäljet, mikä tarkoittaa, että teos pelkistetään joukoksi digitaalisia pisteitä ja viivoja.”
Kasvojentunnistus parantaa lentokenttäkokemusta
Kasvojentunnistuksesta on tulossa valtavirtaa lentoyhtiöiden keskuudessa, jotka hyödyntävät sitä parantaakseen lennolle nousua ja lähtöselvitystä. Näillä parannuksilla on kaksi pääsuuntausta: seurata itsepalvelun ja tämän biometrisen teknologian trendejä ja tehdä lentokenttäkokemuksesta turvallisempi ja nopeampi. Mitä vähemmän vaiheita sekä matkustajien että henkilökunnan on kuljettava lentoa edeltävien rutiinien suorittamiseksi, sitä parempi.
Sisäänkirjautumislaitteisto skannaa matkustajien kasvot ja vertaa niitä valokuviin, jotka on tallennettu rajavalvontavirastojen tietokantoihin (eli Yhdysvaltain tulli- ja rajavartiolaitoksen tietokantoihin) henkilöllisyyden ja lentotietojen tarkistamiseksi. Nämä voivat olla valokuvia henkilöllisyystodistuksista, viisumeista tai muista asiakirjoista.
American Airlines esimerkiksi alkoi käyttää kasvojentunnistusta D-terminaalin boarding-porteilla Dallas/Fort Worthin kansainvälisellä lentoasemalla, Texasissa. Sen sijaan, että matkustajat käyttäisivät maihinnousukortteja, heidän kasvonsa skannataan. Ainoa asia, joka ei ole muuttunut, on se, että turvatarkastuksen läpikäyminen edellyttää edelleen passia ja lippua. Biometrinen boarding toimii opt-in-periaatteella.
Biometrinen boarding American Airlinesin matkustajille. Lähde: The Dallas Morning News
Vuonna 2018 American testasi biometriikkaa 90 päivän ajan Los Angelesin kansainvälisen lentokentän terminaalissa 4. Tarkoituksena on laajentaa teknologian käyttöä, jos kokeilu sujuu hyvin.
Lukuiset lentoyhtiöt ottavat käyttöön myös kasvojentunnistuksen lisävaihtoehtona lennolle nousemiseen: JetBlue, British Airways, AirAsia, Lufthansa tai Delta. Viimeksi mainittu asensi itsepalvelulaukkujen pudotusjärjestelmän Minneapolis-St. Paulin kansainväliselle lentokentälle vuonna 2017.
Visuaalinen tuotehaku
Verkko- ja offline-ostosten väliset rajat ovat kadonneet visuaalisen haun tultua peliin. Esimerkiksi Urban Outfittersin sovelluksessa on Scan + Shop -ominaisuus, jonka ansiosta kuluttajat voivat skannata fyysisestä myymälästä löytämänsä tai lehdestä painetun tuotteen, saada sen yksityiskohtaisen kuvauksen ja tilata sen välittömästi. Visuaalinen haku parantaa myös verkkokauppakokemusta.
Sovellukset, joissa on tämä ominaisuus, toimivat neuroverkkojen avulla. Neuroverkot käsittelevät käyttäjien lataamia kuvia ja tuottavat kuvien kuvauksia (tunnisteita), esimerkiksi vaatteen tyyppi, kangas, tyyli ja väri. Kuvakuvauksia verrataan varastossa oleviin tuotteisiin ja niitä vastaaviin tunnisteisiin. Hakutulokset esitetään samankaltaisuuspisteytyksen perusteella.
Omistimme visuaaliselle haulle oman osion artikkelissa siitä, miten vähittäiskauppiaat käyttävät tekoälyä. Siellä voit lukea myös siitä, miten kuva- ja kasvojentunnistustekniikat ovat tehneet Amazon Go:n kaltaisista kassattomista kaupoista todellisuutta ja myös siitä, miten ne toimivat valvontajärjestelmien voimanlähteenä tai mahdollistavat myymälän sisäisen personoinnin.
Työ jatkuu
Tutkijat arvioivat 1900-luvun jälkimmäisellä vuosisadalla, että muun muassa tietokonenäkemysongelman ratkaiseminen kestäisi verrattain lyhyen aikaa. Vuonna 1966 matemaatikko ja MIT:n tietotekniikan & tekoälylaboratorion entinen apulaisjohtaja Seymour Papert koordinoi Summer Vision -projektia. Tutkijoilla oli kunnianhimoinen suunnitelma: rakentaa yhden kesän aikana merkittävä osa järjestelmästä, jolla oli tietokonenäköominaisuudet, sellaisina kuin me ne nykyään tunnemme. “Projektin päätavoitteena on rakentaa järjestelmä ohjelmista, jotka jakavat vidiskuvan alueisiin, kuten todennäköisiin kohteisiin, todennäköisiin tausta-alueisiin ja kaaokseen”, projektin kuvauksessa sanottiin.
Noh, se kesti paljon kauemmin. Nykyaikaiset ohjelmistot pystyvät tunnistamaan suuren määrän arkipäivän esineitä, ihmiskasvoja, kuvissa olevaa painettua ja käsinkirjoitettua tekstiä ja muita kokonaisuuksia (katso artikkelimme kuvantunnistusliittymistä.) Mutta työ jatkuu, ja tulemme jatkossakin todistamaan, miten yhä useammat yritykset ja organisaatiot ottavat käyttöön kuvantunnistuksen ja muut tietokonenäön tehtävät erottuakseen kilpailijoista ja optimoidakseen toimintoja.