Blog

  • Kuinka tekoäly vaikuttaa teolliseen muotoiluun – haastattelussa muotoilija Kristian Talvitie

    Kuinka tekoäly vaikuttaa teolliseen muotoiluun – haastattelussa muotoilija Kristian Talvitie

    Tekoälytyökalut ovat yleistyneet laajasti luovalla alalla, eikä teollinen muotoilu ole poikkeus. Muotoilija Kristian Talvitie on ottanut tekoälyn vahvasti osaksi omaa työskentelyään.

    – Muotoilijan näkökulmasta tekoäly toimii hyvänä työkaverina, sanoo muotoilija Kristian Talvitie.

    Talvitie on erikoistunut ajoneuvomuotoiluun, joka edustaa monessa suhteessa klassista teollista muotoilua. Muotoilun työskentelytavat ovat kuitenkin muuttuneet jatkuvasti. Talvitie on työuransa aikana ehtinyt jo näkemään alalla tapahtuneen muutoksen tusseilla tapahtuvasta konseptipiirtämisestä 3D-mallintamiseen. Nyt työskentelytavat ovat jälleen muuttuneet generatiivisten tekoälytyökalujen myötä.

    Kristian Talvitie käyttää muun muassa Vizcom-tekoälytyökalua, joka sopii teollisen muotoilun visualisointiin. Vizcom muuttaa luonnokset nopeasti konseptikuviksi. Näin erilaisia ideoita on entistä nopeampi testailla ja esimerkiksi materiaaleja voi kokeilla vaivattomasti.

    Kristian Talvitie aloittaa ideointiprosessin tekemällä nopeita luonnoksia vihkoonsa. Luonnokset hän syöttää tekoälyohjelmistolle, jonka avulla voi tuottaa konseptikuvia.
    Vizcom teki luonnoksesta hetkessä mallin, jota voi työstää edelleen yksityiskohtia muuttamalla tai versioita tehden.

    Talvitie käyttää tekoälyä myös alkuvaiheen ideointiin. Midjourney-kuvageneraatiotekoälyn avulla hän rakentaa olemassa olevista kuvista uudenlaisia mukaelmia. Esimerkiksi mood boardien eli tuotteen tunnelmaa kuvaavien kollaasien tekeminen on entistä helpompaa. Teknologia on nopeuttanut monia prosesseja, mutta toisaalta muotoilija aloittaa ideoinnin useimmiten edelleen kuulakärkikynällä luonnostellen.

    Ihmiselle on tarvetta tulevaisuudessakin

    Vaikka moni asia on helpottunut tekoälyn myötä, vaatii muotoilu Kristian Talvitien mukaan moniaistillista lähestymistä. Siksi tekoäly ei voi täysin korvata ammattilaisen työpanosta.

    Uusimmat tekoälymallit pystyvät jo multimodaaliseen toimintaan, eli ne pystyvät tulkitsemaan tekstin, puhutun kielen ja laitteen kameran videosyötteen osana keskustelua. Vaikka tekoäly pystyy ymmärtämään äänenpainoja ja jopa kommunikoimaan tunteellisista asioista, se ei silti kykene oikeasti tuntemaan tunteita.

    Tunteet ja myös fyysinen tunne on muotoilussa tärkessä osassa. Talvitie pitää tärkeänä esimerkiksi sitä, miltä materiaali tuntuu sitä kosketettaessa. Vaikka tekoälymallille voitaisiin opettaa, millaisista materiaaleista ihmiset pitävät, ei tekoäly pysty itse kokemaan materiaalin tuntua.

    Tekoälyyn liittyy myös uhkakuvia. Tulevaisuudessa erilaisten asioiden tuottaminen voi olla entistä nopeampaa, mikä lisää kertakäyttökulttuurin riskiä. Talvitie ajattelee kuitenkin, että ihmisen osaamiselle on edelleen tarve. Hän arvelee, että tekoälyn myötä ihmisen tekemän tuotteen arvostus voi jopa kasvaa.

    – Me ihmiset kuitenkin tiedämme parhaiten, mitä itsellemme haluamme.

  • OpenAI julkaisi uuden GPT-4o -mallin

    OpenAI on julkaissut uuden GPT-4o -mallin. Se toimii rajoitetuilla ominaisuuksilla myös ilmaistileillä. Malli on todella nopea ja merkittävä parannus ilmaiseen 3.5-malliin. GPT-4o pystyy periaatteessa multimodaaliseen vuorovaikutukseen, eli se tunnistaa mm. puheen äänenpainot ja rytmin sekä kameran kautta keskustelijan ilmeet, eleet ja ympäristön. Näitä ominaisuuksia ei ole vielä toistaiseksi käytössä, mutta linkin takana olevasta artikkelista löytyy esimerkkivideoita.

    Lue lisää GPT-4o -mallista OpenAI:n verkkosivulta.

  • Tekoäly hittibiisien tehtailuun: Suno

    Tekoäly hittibiisien tehtailuun: Suno

    Musiikkikappaleen tekeminen ei ole koskaan ollut näin helppoa. Tekstistä musiikiksi -tekoäly Suno mahdollistaa kokonaisen biisin tekemisen vain muutamalla kuvailevalla sanalla. Parin minuutin kuluttua käyttäjä saa kaksi valmista kappaletta.

    Sunon uusi v3-malli tekee uskottavaa jälkeä myös suomeksi. Alla Sunon tekemä suomenkielinen kappale kehotteella ”Tee kappale luovuudesta ja tekoälystä”:

    Englanninkielisillä sanoilla malli toimii vielä paremmin. Kehotteella ”Make a song about creativity and artificial intelligence” syntyy seuraavaa:

    Jos kappaletta haluaa työstää pidemmälle, on mahdollista käyttää Custom Modea, joka sallii kappaleen sanoittamisen kokonaan tai osittain. Juuri tätä enempää kontrollia lopputulokseen ei valitettavasti toistaiseksi ole, joten käyttäjä on tekoälyn generoinnin varassa. Kokeillaan vielä seuraavaksi siten, että annetaan saman aiheen sanat GPT 4-kielimallin tekemänä ja laitetaan tyylilajiksi rap:

    Mitä lähempänä kappaleet ovat radiossa ja soittolistoilla suosittuja genrejä, sitä todennäköisemmin Suno onnistuu. Pienet vaihtoehtotyylilajit tai kansalliset erikoisuudet eivät todennäköisesti ole lopputulokseltaan kummoisia.

    Pikatietä muusikoksi Suno ei silti takaa, eikä se ehkä ole musiikkikentälle niin suuri mullistus kuin äkkiseltään voisi kuvitella. Biisejä on jo pitkään voinut tehdä suhteellisen nopeasti esimerkiksi looppikirjastoja käyttämällä, mutta tie artistiksi on edelleen pitkä ja kivinen. Monessa genressä myös aito soittaminen ja laulaminen on keskiössä. Striimipalveluiden myötä muusikon tulot tulevat entistä enemmän keikkailusta. Sitä tekoäly ei tee, sillä se ei voi esiintyä keikalla ihmisenä ihmisen puolesta.

    Sen sijaan Sunolle löytynee käyttötarpeita muissa yhteyksissä. Esimerkiksi videon taustalle voi helposti tehdä kappaleen tai syntymäpäiväonnittelun voi tehdä vastaanottajalle kirjoitetulla laululla. Ammattimuusikotkin varmasti keksivät käyttökohteita ja voivat vaikkapa samplata Sunon tekemiä kappaleita taiteellisesti kunnianhimoisiin lopputuloksiin. 

    Suno myös avaa katsetta tulevaisuuteen, jossa radiokanava voi toimia jatkuvasti uutta musiikkia generoimalla. Se tuskin syrjäyttää nykymuotoista musiikkia toistavia radioita, mutta esimerkiksi taustamusiikin, niin sanotun hissimusiikin tapauksessa menetelmä voisi olla hyvinkin toimiva.

    Sunon käyttäjät saavat maksuttomasti käyttöönsä joka päivä 50 kredittiä, joilla tekee kymmenen kappaletta, eli albumillisen päivässä. Ilmaisversiota ei saa käyttää kaupallisesti, mutta jo kahdeksan dollarin kuukausihintaan saa mahdollisuuden käyttää tekemiään kappaleita kaupallisesti.

  • Talvi vai kesä? Värianalyysiä ChatGPT:llä.

    Talvi vai kesä? Värianalyysiä ChatGPT:llä.

    TikTokin kautta suosiotaan kasvattanut värianalyysi opastaa, mitkä värit sopivat oman ihon ja silmien väriin parhaiten tuoden kasvoille luonnollista hehkua. Yksi tapa tehdä värianalyysiä on jaotella ihmiset 12 eri vuodenaikatyyppiin. Some on pullollaan applikaatioita ja filttereitä, joiden avulla itseään voi arvioida, mutta tämäkin vaatii harjaantunutta silmää ja näkemystä. Värianalyysin voi myös ostaa palveluna. Päätin kuitenkin kokeilla, miten tekoäly suoriutuu tästä tehtävästä.

    Ensin yritin poimia kuvistani HEX-värikoodeja (esim. #C54D82) puhelimen ”Kuvat” sovelluksen avulla ja kysyä ChatGPT:n analyysiä näiden tietojen valossa. Koska en tuntunut löytävän kirjavalta iholtani suoraan ”pipetti”-työkalulla sopivaa sävyä, ohjasin ChatGPT:tä kirjallisesti muokkaamaan HEX-arvoa: ”mikä olisi tästä asteen verran vaaleampi sävy”? ”Mikä olisi yhtä vaalea, mutta vähemmän vihreä sävy?”

    Sain aikaan koodeja, mutta ei tuntunut toimivalta, joten muutin lähestymistapaani. Tekstin sijaan annoin syötteet suoraan kasvokuvina, joita syötin ChatGPT:lle yhteensä 8. Näiden perusteella pyysin arviota talvi-kevät-kesä-syksy -jaottelun mukaisesti. ChatGPT antoikin varsin tarkan arvion, pohtien valintaa juuri niiden kahden saman tyypin väliltä, joita itsekin olin puntaroinut.

    Hupaisaa tekoälyn kanssa keskusteluissa oli se, että tekoälyn kohteliaisuus tuntui haittaavan totuudenmukaista analyysiä. Tekoälyltä voisi olettaa viiltävän suoraa analyysiä, mutta sainkin imartelua ja kehuja kuvissa olleiden vaatteiden väreistä. Vasta kun suoraan pyysin unohtamaan kohteliaisuusseikat ja sanomaan suoraan, sain ulos tarkempia vastauksia. Jäin silti pohtimaan, oliko analyysi todellinen vai yrittikö ChatGPT vain mukailla jo tekemiäni pukeutumisvalintoja ja värimaailmoja. Halusiko tekoäly miellyttää minua?

    Oli miten oli, pyysin lopuksi tekoälyltä suosituksen kunkin perusvärin sävystä, joka minulle sopisi parhaiten ja sain ainakin kivan kokoelman raikkaita ja yhteensopivia värikoodeja! Jos en omaan pukeutumiseeni, niin vaikkapa jonkun graafisen aineiston väripaletiksi. En kuitenkaan osannut kuvatyökaluilla tätä saamaani koodistoa muuntaa kuvaksi, jossa olisin voinut tarkastella, miten ne todella sopivat kasvoihini tai ylipäänsä kokonaisuutena. En tiedä oliko vika enemmän käyttäjässä kuin työkaluissa, mutta ihan maaliin ei päästy.

    Ja ehkä värianalyysin kokemuksesta jäi jotain muutakin tällä tavalla puuttumaan, kohteliaisuudetkin tuntuvat paremmalta oikean ihmisen suusta kuultuna ja ehkä värien näkeminen ja kokeminen koodien sijasta olisi saanut aivoissa aikaan enemmän mielihyvää. Mutta ideoita ja rentoa oppia tekoälyllä leikittelystä tästä sai!

  • Raportti – 85 tekoälytyökalua

    TEMOTERO-hanke on tuottanut tekoälytyökaluja käsittelevän raportin, joka avaa lukijalleen pääsyn maailmalla tarjolla oleviin tekoälyä hyödyntäviin sovelluksiin. Raportti analysoi 85 eri aloille tarkoitettua työkalua.

    Raportti tuo esiin, kuinka generatiivisen tekoälyn (Generative Artificial Intelligence, GenAI) teknologia vaikuttaa sisällön tuottamiseen ja tuotannon automatisointiin.

    Raportti on suunnattu tekoälyteknologiasta kiinnostuneille auttamaan työkaluihin tutustumista ja löytämään uusia keinoja liiketoiminnan tehostamiseen sekä innovoimaan uusia hyödyntämiskohteita.

    Linkki raporttiin:

    https://www.avoinsatakunta.fi/wp-content/uploads/2024/04/The_Report_of_85_AI_Tools.pdf

    TEMOTERO Hanke:

    https://www.avoinsatakunta.fi/category/temotero/


    AI-työkalujen arvostelut

    Kirjoittaminen ja (teksti)sisällön luonti

    • Longshot AI
    • Hypotenuse AI
    • Jasper
    • Copy.ai
    • Writesonic
    • Simplified
    • Grammarly
    • Notion AI
    • DeepL
    • Cohesive AI

    Kokoukset

    • TL;DV
    • SupernormalAI
    • Vowel
    • Waitroom
    • Otter AI
    • Nvidia Broadcast
    • Parrot AI
    • FirefliesAI
    • Avoma
    • Meetgeek
    • Fathom
    • Sembly

    Esitykset

    • Decktopus AI
    • Beautiful AI
    • Presentations AI
    • Tome AI
    • Sendsteps

    Äänituotanto

    • LovoAI
    • MurfAI
    • ElevenLabs
    • Play.ht
    • Speechify
    • Listnr

    Videotuotanto

    • D-ID
    • Synthesia
    • Kaiber
    • Lumen5
    • Pictory
    • Invideo
    • Veed.io
    • DeepBrain AI Studios
    • Move.AI
    • Oxolo
    • Runway

    Suunnittelu ja kuvanluonti

    • Looka
    • DALL-E 2
    • Midjourney
    • Stable Diffusion
    • Blue Willow
    • Dream by Wombo
    • Leonardo AI
    • Nvidia Canvas
    • Microsoft Designer
    • Adobe Firefly (Beta)
    • Starry AI
    • Canva AI

    Automaatio

    • Hints
    • MagicalAI
    • Nanonets
    • Zapier
    • Bardeen

    Muisti ja tiedonhaku

    • Rewind
    • Mem

    Aikataulunhallinta-avustajat

    • Motion
    • Reclaim
    • Trevor AI
    • Clockwise
    • Timehero
    • Sidekick AI

    Verkkosivustojen rakentajat

    • 10Web
    • Mixo
    • Durable
    • Wix
    • Framer

    Hakukoneet

    • Bing Chat
    • Google Bard
    • Consensus
    • Perplexity

    Koodausavustajat

    • GitHub Copilot
    • Codeium
    • Amazon CodeWhisperer
    • Tabnine
    • Replit (Ghostwriter)
    • Quest AI

    Lakiapu

    • DoNotPay

    Lähde

    J. Harjamäki, P. Rantanen, D. Lahtinen, P. Sillberg, M. Saari, J. Grönman, Z. Rasheed, A. M. Sami, and P. Abrahamsson, The Report of 85 AI Tools, GenAI Content Production: Enhancing Repeatability and Automation with ChatGPT. Tampere University, 2024.

  • Kuvia luova generatiivinen tekoäly ja tekijänoikeudet

    Kuvia luova generatiivinen tekoäly ja tekijänoikeudet

    Tekoälyn luomien kuvien tekijänoikeudet herättävät keskustelua luovien alojen tekijöiden keskuudessa. Kuuluuko tekijänoikeus tekoälyn käyttäjälle, tekoälyn kehittäjälle vai kenties opetusmateriaalissa olevan kuvan alkuperäiselle tekijälle? Jotta voisimme tarkastella tekoälyn tekemien kuvien tekijänoikeuksia, on syytä tarkastella hieman kuvia tuottavien tekoälyjen toimintatapaa.

    Generatiiviset tekoälyt luovat kuvia ikään kuin tyhjästä.  Kuvan alkutilanne on satunnainen kohina. Prosessi perustuu siihen, että tekoäly ikään kuin näkee satunnaisessa kohinassa erilaisia muotoja, joita se tarkentaa. Lopputuloksena on valokuvan tarkka kuva tai piirros. Prosessi tuntuu taikuudelta, mutta sille on ymmärrettävä selitys.

    Tekoäly on koulutettu ensiksi valtavalla määrällä erilaisia kuvia sekä kuvien kuvateksteillä. Tällä tavoin tekoäly on luonut moniulotteisen verkoston, jossa tietyt asiat, muodot, värit ja sanat liittyvät toisiinsa tietyillä todennäköisyyksillä. Tässä vaiheessa voisi ajatella, että tekoäly ymmärtää kuvien sisällön.

    Jotta tekoäly voisi luoda kuvan tekstikuvauksen perusteella, käytetään käänteiseen kohinaan perustuvaa prosessia. Jokainen valokuvia ottanut tietää, että huonoissa oloissa kuvissa on kohinaa, siis erivärisiä pikseleitä, jotka heikentävät kuvan laatua. Koulutusvaiheessa tällaista kohinaa lisätään kuvaan askel askeleelta, kunnes kuvasta ei ole mitään havaittavissa. Tämä prosessi käännetään ympäri, jolloin tekoäly ikään kuin näkee asioita satunnaisessa kohinassa ja pystyy tarkentamaan siitä jopa valokuvan tarkkuuteen yltäviä kuvia.

    Keskeistä prosessissa on sen satunnaisuus. Kun kohinaa on lisätty satunnaisesti, ei lopputulos koskaan ole täysin samankaltainen. Siksi samanlaisella promptilla eli tekstikehotteella syntyy erilaisia kuvia.

    Edeltävä oli yksinkertaistus, mutta kattaa pääpiirteissään tärkeimmät vaiheet, joita kuvien generoinnissa tapahtuu. Jos vaiheet summattaisiin vielä yksinkertaisemmin, voitaisiin ajatella tekoälyn ensin oppivansa erilaisia kuvia ja sen jälkeen tekevän muistinvaraisesti lopputuloksen. Prosessi muistuttaa tietyllä tavalla sitä, kun ihminen näkee erilaisia kuvia ja opettelee esimerkiksi tiettyjä taidetyylejä.

    Analogia ihmisen muistiin ja muistinvaraiseen piirtämiseen on tekijänoikeusnäkökulmasta merkityksellinen. Koska kuvia generoivat tekoälyt eivät tuota kuvia suoraan kopioimalla, vaan ”muistamalla” ja yhdistelemällä, ei kuvaa voida pitää suorana kopiona.

    Sen sijaan tekoälytyökalulla voi kuitenkin rikkoa tekijänoikeuksia muilla tavoin. Tekoälypohjaisilta ratkaisuilta voi pyytää myös esimerkiksi kuvan Aku Ankasta, jos sitä ei ole mallilta erityisesti kielletty. Tällöin kuvan julkaisu rikkoisi hyvin todennäköisesti tekijänoikeuksia.  Sama tosin kävisi myös silloin, jos kuva Aku Ankasta olisi piirretty kynällä paperille ja julkaistu sarjakuvana.

    Vaikka jotkin sovellukset kieltäytyvätkin luomasta tekijänoikeutta rikkovia kuvia, vastuu lopputuotteesta on aina käyttäjällä, siis ihmisellä, ei tekoälyratkaisulla.

    Suomessa tekijänoikeuslainsäädäntö lähtee teoksellisuuden ajatuksesta. Kun tekijä luo jotain, joka on enemmän kuin osiensa summa, on kyse teoksesta.  Teoskynnys ylittyy lain mukaan silloin, kun teos on tekijänsä henkisen luomistyön itsenäinen ja omaperäinen tulos.

    Määrittely ei ole aivan vaivatonta ja siihen liittyy kokonaisuus. Esimerkiksi parodia on tekijänoikeuslain näkökulmasta sallittua, vaikka alkuperäinen teos olisikin parodian pohjalta tunnistettavissa.

    Yhden tekoälyn tekijänoikeudellisista kysymyksistä muodostaa se, pitäisikö tekoälyjen opetusmateriaalin käytöstä maksaa lisenssikorvauksia alkuperäisten töiden tekijöille. Tekijänoikeuslain mukaan teoksia saa käyttää tekoälyratkaisun opetusaineistona, jollei tekijä ole nimenomaisesti ja asianmukaisella tavalla pidättänyt tätä oikeutta.

    Tekijänoikeuslainsäädännön luominen kuten muukin lainsäädäntötyö on poliittinen prosessi, johon vaikuttavat eri näkökulmat. Aikaisemman oikeuskäytännön lisäksi eri osapuolet pyrkivät vaikuttamaan lainsäädäntöprosessiin, jotta se huomioisi heidän oikeutensa mahdollisimman hyvin.

    Lainsäädäntöä uudistettaessa punnitaan myös sitä, kenelle olisi oikeudenmukaista maksaa tekijänoikeuksista muuttuvassa maailmassa. Oikeudet voivat olla ristiriidassa keskenään, eikä tulevaa lainsäädännön tulkintaa tai tulevaa lainsäädäntöä voi välttämättä johtaa suoraan siitä, mitä laissa nyt sanotaan tai miten sitä tulkitaan.

    Tekijänoikeuslainsäädännön näkökulmasta kuvien generoinnissa tekoälyratkaisuiden avulla ei pitäisi olla ongelmaa. Kuvia käyttäessä on kuitenkin syytä muistaa, ettei riko tekijänoikeuksia kopioimalla esimerkiksi hahmoja tai tyylejä sillä tavoin, että loukkaisi tekijänoikeutta.

    Vaikka tekoälytyökalulla luotu kuva ei rikkoisi tekijänoikeuksia, on syytä huomioida myös tekoälytyökalun käyttämiseen liittyvät tekijänoikeudet. Ohjelmiston tekijänoikeus on ohjelmiston tekijällä. Kuvan tekijällä tulee siis olla ohjelmistosta sellainen lisenssi, joka sallii esimerkiksi kaupallisen käytön. Muussa tapauksessa kuvan tekijä saattaisi rikkoa ohjelmiston kehittäjän tekijänoikeuksia.

  • Uusi musiikingenerointityökalu kerää suosiota

    Udio on tuonut varteenotetavan työkalun musiikin generointiin. Työkalu löytyy osoitteesta: https://www.udio.com. Sitä on testannut muun muassa Esa Riutta YouTube-kanavallaan.

  • Valokuva puhuvaksi

    Valokuva puhuvaksi

    Herätä vanhat kuvat eloon tekoälyn avulla ja anna historiallisen henkilön toimia tarinoiden kertojana. Tähän on tarjolla on useita tekoälyn avustamia ohjelmia kuten esimerkiksi D-iD, HeyGen, DupDup tai Vidnoz AI.

    Perinteisillä opastetuilla kierroksilla teemaan ja aikakauden mukaan pukeutuneet oppaat kertovat mielenkiintoisia tarinoita rakennuksista ja niissä asuneiden ihmisten historiasta. Voisiko osa tarinoista olla verkkosivuilla kuunneltavissa ja antaa maistiaisia vierailua suunnitteleville asiakkaille siitä mitä opastetuilla kierroksilla voisi olla luvassa. Voisiko osan tarinoista kertoa vanhoissa valokuvissa esiintynyt edesmennyt kartanoherra? Tai mitä jos tarinoihin liitetään jokin interaktiivinen peli, jossa tarinan kertojana ja pelin ohjaajana toimiikin kartanon vanha tilanhoitaja?

    Kuvassa ”arkistosta” löytynyt kuva kartanon entisestä omistajasta. Kuva on tekoälyn luoma, mutta voisi hyvin olla skannattu suoraan vanhasta valokuva-albumista.

    Otetaan jokin tekoälyohjelma avuksi ja testataan kuinka helppoa on luoda puhuva hahmo.

    Hakusanoilla ”AI Talking Photo” tarjolla on useita vaihtoehtoja. Vidnoz:n ilmaisella versiolla videoita voi tehdä 3 minuuttia / päivä. Muissa palveluissa kuten DupDub, HeyGen tai D-iD pääsi tekemään testivideoita vähemmän.

    Puhuvan kuvan tekeminen omasta kuvasta on näillä työkaluilla helppoa. Palvelussa on tarjolla valmiita pohjia eri tyyppisiä videoita varten ja erillinen osio oman avatarin tai puhuvan kuvan tekemiseen. Valitse Avatars – Talking Photo – Upload My Photo.

    Siirrä haluamasi henkilöä esittävä kuva ohjelmaan, valitse puhuttava kieli (Finnish) ja ääni (Harri). Voit myös lisätä tässä vaiheessa videoon taustakuvan. Valitse ”Generate this talking photo”, jonka jälkeen aukeaa alla oleva näkymä.

    Anna seuraavaksi alareunan tekstikenttään haluamasi teksti. Voit myös määrittää näytetäänkö videolla tekstitys tai millä nopeudella hahmo puhuu. Kun teksti ja määrittelyt ovat valmiina, valitse ”Generate”.

    Alla esimerkki valmiista videosta.

    Valmiiden kuvien ja tekstien kanssa videon tekemiseen meni aikaa vain joitain minuutteja.

    Seuraavassa vertailun vuoksi HeyGen:llä toteutettu puhuva kuva suoraan alkuperäisestä kuvasta. HeyGen antaa ilmaiseksi käyttöön 1 creditin ja 30 sekunnin video maksaa 0.5 creditiä. HeyGen:llä voi siis testata ilmaiseksi vain pari kertaa.


    Yhteenveto


    Plussat:

    • Helppo käyttöliittymä
    • ilmaisella versiolla 3 minuuttia riittää hyvin lyhyisiin videoihin ja testaukseen
    • Voi ladata/tallentaa omaa puhetta, puheen tekstitys

    Miinukset:

    • Tällä hetkellä vain yksi suomea puhuva miesääni, naisääniä kaksi
    • Omasta kuvasta tehtynä lopputulos näyttää tekoälyn tekemältä

  • Tekoälyä liiketoiminta- ja innovaatioprosessien kehittämiseen (Tiedonhaku ja ideointi)

    Tekoälyä liiketoiminta- ja innovaatioprosessien kehittämiseen (Tiedonhaku ja ideointi)

    Puhuttaessa tekoälystä (AI), viitataan yleensä teknologioiden, erityisesti tietokoneohjelmien, kykyyn suorittaa tehtäviä tiedonhausta puheentunnistukseen, ja ongelmanratkaisusta erilaisten audiovisuaalisten sisältöjen luomiseen, jotka perinteisesti ovat vaatineet ihmisen älykkyyttä. Siinä missä ihmisen älykkyys perustuu biologisiin prosesseihin, tekoäly nojaa algoritmeihin ja suurten datamäärien prosessointiin. Vaikka tällä hetkellä tekoäly ei pysty vastaamaan ihmisen luovuuteen, empatiaan tai sosiaalisesti monimutkaiseen päätöksentekoon, ja sen käytössä tulee huomioida erityisen tarkoin eettiset riskit, tekoälyn suorituskyky ja nopeus tietomassojen käsittelyssä tarjoaa monia mielenkiintoisia mahdollisuuksia liiketoiminta- ja innovaatioprosessien kehittämiseen.

    Tähän mennessä laajoja selvityksiä tekoälytyökalujen koetuista vaikutuksista liiketoiminnan kehittämisessä on vielä vähän. Teknologiajätti Microsoft on aiemmin raportoinut oman lippulaivatuotteensa, Copilot for Microsoft 365:n, koetuista hyödyistä työpaikoilla: Tuotteliaisuuden ja työn laadun on raportoitu kasvaneen, erityisesti tiedonhaun, kirjoittamisen ja erilaisten yhteenvetojen tekemisen nopeutumisen johdosta. Monet tekoälytyökaluja, kuten ChatGPT:tä, kokeilleet tunnistavat varmasti potentiaalisia hyötyjä erilaisten esitysten, webbisisältöjen, blogien, mediatiedotteiden ja digitaalisten kuvien generoinnissa, ja näiden luomiseen monenlaisia vinkkejä löytyy jo runsaasti internetistä. Laajempi Microsoftin teettämä selvitysraportti tuo niin ikään esille yrityksissä AI:n käytöstä koettuja hyötyjä ja positiivisia vaikutuksia asiakastyytyväisyyteen, työntekijöiden tuotteliaisuuteen ja yrityksen markkinaosuuteen. Top5-käyttökohteina AI:lle mainitaan IT-prosessien automatisointi, kyberturvallisuus ja petosten tunnistaminen, sekä liiketoimintaprosessien ja työskentelyprosessien automatisointi.

    Tekoälyn soveltamisala liiketoiminnassa on erittäin laaja, ulottuen operatiivisesta asiakaspalvelusta aina markkinointistrategioiden optimointiin. Viimeaikaisessa tutkimuksessa on nostettu esille AI:n roolia myös muun muassa kestävien liiketoimintamallien kehittämisessä ja organisatorisen luovuuden mahdollistajana. Liiketoiminnan ja innovaatioprosessien kehittämisen kannalta tekoälyn kyky tunnistaa trendejä ja ennustaa asiakaskäyttäytymistä yhdistelemällä erilaisia datoja, jopa reaaliaikaisesti, on eittämättä yksi mielenkiintoisimmista tekoälyn soveltamiskohteista liiketoiminnan kehittämisessä. Yrittäjämäiselle toimijalle tekoälyn apu tiedon tehokkaassa etsimisessä ja yhdistelemisessä luo uuden oppimisen mahdollisuuksia ja vähentää tietoon perustuvaa epävarmuutta. Tämä voi parhaimmillaan luoda edellytyksiä myös uusille liiketoimintaideoille ja yrittäjyydelle. Tällä hetkellä haasteena yrittäjämäiselle tiedonhaulle, oppimiselle ja luovalle ideoinnille voidaan pitää tekoälyapureille varsin tyypillistä ”miellyttämishalua” ja taipumusta tuottaa keskinkertaisia vastauksia, jotka perustuvat aiempaan vuorovaikutukseen ja historiatietoon.

    Uudenlaisia käyttötapoja AI-työkaluille voidaan pohtia esimerkiksi palvelukeskeisen logiikan (Service-Dominant Logic) ja yhteiskehittämisen tavoitteiden kautta, jossa olennaista on ymmärtää liiketoiminnan arvonmuodostuksen perustuvan yrityksen ja asiakkaan, sekä muiden kumppaneiden ja laajempien sidosryhmien, väliseen yhdessä luomiseen ja vuorovaikutukseen. – Tästä näkökulmasta keskeiseksi pohdittavaksi liiketoiminnan kehittämisessä nouseekin se, miten  tekoäly voisi olla ketterästi mukana sisäisten ja ulkoisten sidosryhmien osallistamisessa, aktiivisesti mukana edistämässä arvonluontia, syventämällä vuorovaikutusta ja rikastamassa keskustelua? Voisiko tekoälyn ottaa tiedolla johtamisen apuriksi palveluaihioiden arvottamisessa ja parhaiden ideoiden valinnassa uusien kestävien palvelukonseptien kehittämiseksi? Miten tekoäly voisi osallistua ideointiin ja kehittämiseen väsymättömän kannustajan, tai mentorin roolissa, tarjoamalla reaaliaikaisesti tietoa, arvioimalla ideoiden toteutettavuutta, markkinapotentiaalia, riskejä ja kannattavuutta, sekä varmistamalla keskeisten sidosryhmien osallisuutta ja moniäänistä panosta, sekä luovien ideoiden maksimaalista hyödyntämistä eettisesti kestävillä tavoilla?