”Kolme miestä tietokoneen ääressä”
WordPressin tuoreen 7-version ja virallisen AI-lisäosan (sen nimi on siis tosiaan AI) myötä liki jokaiselle WordPress-sivustolle on saatavilla huima määrä valmiita tekoälyavusteisia toimintoja. Yksi käytetyimmistä toiminnoista on kuvien automaattisten alt-tekstien (virallisesti ’vaihtoehtoinen teksti’) generointi. Kuvien kuvailuun (ei siis varsinaiseksi kuvatekstiksi) tarkoitettu teksti on saavutettavuuden kannalta erittäin tärkeää sisältöä, ja samalla yksi useimmin laiminlyödyistä sisällöistä mitä verkkosivuilta löytyy. Tällaiseen tekoälyn pulttaaminen kiinni on erinomainen ajatus: saavutettavuus paranee, hakukoneet saavat lisää tietoa ja ylläpitäjän työ vähenee. Jackpot!
Sitten tekoäly katsoo kuvaa ja kirjoittaa alt-tekstiksi: ”Kolme miestä tietokoneen ääressä”
Tekoäly teki teknisesti erinomaisen alt-tekstin, mutta käytännössä se ei kerro kenellekään juuri mitään hyödyllistä, varsinkaan heille jotka eivät voi nähdä kuvaa omilla silmillään.
Tekoäly näkee kuvan, mutta ei tiedä miksi se on siinä
Yleiskäyttöinen kuvantunnistus osaa tunnistaa kuvasta ihmisiä, esineitä, rakennuksia ja ympäristöjä. Siltä puuttuu kuitenkin usein kaikkein olennaisin asia eli konteksti.
Se ei tiedä:
- kuka kuvassa oleva henkilö on
- missä tilanteessa kuva on otettu
- miksi kuva on juuri tällä sivulla
- mikä kuvassa on sivun lukijan kannalta olennaista.
Siksi teknisesti hyvä alt-teksti voi olla käytännössä lähes hyödytön.
Tämä ei ole vain alt- ja kuvatekstien ongelma. Sama ilmiö näkyy monissa tekoälyratkaisuissa, koska on helppoa rakentaa ominaisuus, jossa tekoäly aiheuttaa ensimmäisellä kerralla wow-efektin. Vaikeampaa on pysähtyä kysymään, parantaako tekoäly oikeasti lopputulosta.
Pelkkä tekoäly ei siis riitä
Kun lähdimme rakentamaan omaa ratkaisuamme kuviin liittyvien tekstien generointiin, ei ollut järkeä rakentaa WP:n omia toimintoja sellaiseen uudestaan. Halusimme antaa sille mahdollisimman paljon kontekstia.
Rakensimme järjestelmän, jonka avulla WordPress-sivusto voidaan opettaa tunnistamaan valittuja henkilökunnan jäseniä. Lisäksi kuvatekstiä muodostettaessa tekoälylle annetaan tietoa sivusta, jolla kuva sijaitsee: mistä tapahtumasta tai aiheesta puhutaan ja millaisessa yhteydessä kuva esitetään.
Näin alt-teksti ”Kolme miestä tietokoneen ääressä” muuttuukin muotoon ”Aapo Virta, Rami Lappalainen ja Tommi Jäkkö keskustelemassa tietokoneen ääressä”, ja samalla kuvatekstistäkin saadaan järkevämpi.
Ero on suuri, vaikka taustalla oleva perusteknologia on pitkälti sama. Alt-tekstit, jotka aikaisemmin täyttivät saavutettavuusvaatimukset teknisesti, muuttuivat oikeasti hyödyllisiksi.
Kun WordPress-sivusto alkaa ymmärtää, keitä kuvissa esiintyy, tiedon avulla voidaan helpottaa sisällöntuottajan arkea muillakin tavoilla. Esimerkiksi sivuston mediagallerian 1500 kuvan joukosta on työlästä etsiä kaikki kuvat toimitusjohtajasta, mutta uuden systeemin kautta listauksen saa automaattisesti. Myös kuvatekstien tyylin tarkentaminen brändin mukaiseksi onnistuu helposti. Lopulta koko toiminnallisuus paketoitiin helposti asennettavaksi lisäosaksi.
Kasvojentunnistukseen liittyy luonnollisesti myös tietosuojakysymyksiä. Jos järjestelmälle opetetaan oikeiden ihmisten kasvoja, sen pitää tapahtua selkein pelisäännöin ja asianmukaisin suostumuksin. Myös kuvien ja tunnistetietojen käsittelyn pitää olla läpinäkyvää.
Älä rakenna tekoälyominaisuutta. Ratkaise ongelma.
Näin agenttisen koodauksen aikakaudella tekoälyominaisuuksien rakentaminen on suhteellisen helppoa. Oikean lisäarvon kannalta oleellisin työ alkaakin siitä, kun mietitään miten tekoälyn avulla tehdään oikeasti elämää helpottavia hyödyllisiä ratkaisuja. Tärkeintä on keksiä se timanttinen idea.
Meitä kiinnostavat erityisesti jälkimmäisen kaltaiset tekoälyratkaisut: sellaiset, joissa tekoäly ei ole päälle liimattu ominaisuus vaan tapa ratkaista jokin oikea ongelma paremmin. Joten jos omasta verkkopalvelustasi löytyy vaikkapa tarve fiksummille kuvateksteille, jutellaan!
(Toim. huom. – esimerkkikuva on vanha, eivätkä osakkaat näytä enää aivan yhtä nuorekkailta 😄)
