# Tekoäly ja robotiikka 2. uusintakerta

## Harjoitus 2

### Taso 1

En löytänyt suoraa ohjeistusta miten kuvakaappaus tulisi ottaa, mutta tästä näkyy, että kaikki vaaditut moduulit on suoritettu.

## Harjoitus 3
Vaiheet 1-3 olivat helppoja, niiden kanssa ei ollut ongelmia ja ne onnistuivat heti. Harjoituksen 4. vaiheessa koneen yhdistäminen UiPath robottiin oli vaikeaa. UiPath robot antoi jatkuvasti ilmoituksen ”invalid machine key” vaikka syöttämäni machine key oli suoraan kopiotu orchestratorista. Tähän jouduin hakemaan googlesta apua. Ongelman sain korjattua käyttämällä annetun orchestrator URL:n tilalla seuraavaa osoitetta, https://platform.uipath.com/<account name>/<service name>, jossa <> sisällä olevat arvot olivat minun oman käyttäjäni tiedot. Nämä arvot löytyivät orchestrator tenant etusivulta. Status oli monta kertaa unlicensed, ja yritin useaa eri tapaa kirjoittaa käyttäjätunnuksen ilman onnistumista. Mutta tämän sain viimein korjattua vaihtamalla robotille käyttäjänimeksi tietokoneen nimi\käyttäjätunnus, jota ne ollut aikaisemmin älynnyt tehdä.

Käytin 5. kohdassa UiPath academyssä vastaan tullutta harjoitusohjelmaa, sillä omani eivät toimineet kuten pitää, harjoituksen idea tuskin jää tämän takia toteutumatta. Ohjelma muuttaa notepad ohjelmaan tekstinulkoasu asetuksia. Ohjelman julkaiseminen orchestrator palveluun onnistui ongelmitta, samoin myös prosessin luominen. Prosessin automatisoiminen oli helppoa, tosin ohjelmaa ei ollut suunniteltu siihen, että sitä suoritetaan useaan kertaan peräkkäin. Ohjelma ei siis paina OK tekstin ulkoasun muokkaamisen jälkeen ja täten jäi jumiin siihen. Lisäsin ohjelmaan tämän ok näppäimen painamisen ja julkaisin sen orchestratoriin, jonka jälkeen ohjelma toimi kuten pitääkin. Assetin lisääminen ei onnistunut, ilmeisesti UiPath Studiosta puuttui UiPath.Core.Activities paketti. Yritin manuaalisesti asentaa pakettia studion Manage Packages ohjelman avulla, mutta pakettia ei vain löytynyt. Tämän vuoksi tehtävää en saanut tehtävää loppuun. Harjoitus vaati kyllä hieman miettimistä ja kaikkia teknisiä kohtia en saanut tehtyä. Pidän harjoitusta kuitenkin onnistuneena, sillä sain pääasiat tehtyä ja toimimaan, eli orchestratorin ja robotin toimimaan.

## Harjoitus 4
Mikään koneoppimisvaihtoehdoista ei sovi omaan projektiini, joten tarkastelen konenäköä yleisemmällä tasolla. Konenäkö on yksi nopeimmin kasvavista tietotekniikan aloista. Nykyajan tietokoneet ja puhelimet alkavat olla sen verran tehokkaita tai yhteydessä nopeisiin verkkoyhteyksiin, että konenäköä voidaan toteuttaa myös niissä. Suuriosa laitteista kuitenkin lähettää datan pilveen tarkasteltavaksi sen sijaan, että käyttäisi puhelimen/koneen resursseja kuvan tai video tulkitsemiseen. Tästä toimii hyvänä esimerkkinä Google Photos sovellus. Sovellus lataa kuvat googlen palvelimeen, missä käyttäjä voi niitä selailla. Sovellus toimii käytännössä puhelimen oman gallerian korvaajana. Google kuitenkin ilman suurimman osan käyttäjän lupaa, analysoi kuvat konenäön avulla ja jakaa kuvat kategorioihin. Google Photos hausta voit nimittäin hakea vaikkapa sanalla ”puu” ja sovellus näyttää kaikki kuvat, joissa näkyy vähänkin puuta. Googlen kehittämä konenäky on yllättävän tarkka ja suuri osa käyttäjistä tuskin tietää, että google käsittelee kuvia konenäön avulla. Toinen hyvä esimerkki konenäöstä on kasvojen tunnistus. Kasvojentunnistus on kehittynyt valtavasti viimeisin vuosien aikana ja sitä käytetään jopa puhelimen pääsykoodin korvikkeena. Esimerkiksi Apple on alkanut käyttämään iPhone puhelimissaan kasvontunnistusta pääsykoodin korvikkeena, tämä mielestäni kuvaa hyvin, miten ihmiset alkavat luottamaan konenäköön. Konenäkö on käytössä myös rintasyöpäseulonnoissa. Tietokone etsii poikkeamat vaarallisen näköiset poikkeamat tomografiakuvista ja lähettää lääkärin mielipidettä vaativat kuvat lääkärille. Konenäkö kameroissa käytettiin pitkään mustavalko kameroita, mutta värilliset kamerat ovat yleistyneet rajusti teknologian edistyessä. Kuvan ja videon prosessointi on monivaiheinen prosessi. Lyhkäisyydessään konenäön perustoiminta perustuu syötettyyn kuvaan tai videoon, kun ohjelma on saanut syötteen, se prosessoi syötettä eri käsittelyalgoritmeilla kuten pixelinlaskennalla tai reunan etsijällä, tämän jälkeen algoritmi päättää onko kuva/video läpäissyt prosessit siten, että tulokseen voidaan luottaa. Konenäkö ja tekoäly ylipäätään tulevat mullistamaan lääketieteen sekä ihmisten arjen, teknologiaa voidaan käyttää niin monessa eri tilanteessa, että sen käyttömahdollisuudet ovat lähes rajattomat.