Denne klumme er et debatindl\u00e6g skrevet af Daniel Aunvig, Head of Data & AI, og Niels Gr\u00f8nning, Senior Data & AI specialist, bragt i Computerworld 7. maj 2021<\/i><\/p>\n
Cloud-baseret kunstig intelligens (AI) er farligt, usikkert og kr\u00e6ver mindst en Ph.d. i statistik at komme i gang med.<\/p>\n
Myterne er mange. I vores arbejde med data og AI st\u00f8der vi p\u00e5 flere udsagn, der ofte er baseret p\u00e5 en unuanceret fremstilling af mulighederne og begr\u00e6nsningerne ved kunstig intelligens.<\/p>\n
Vi konfronteres med myter om teknologien, der for l\u00e6ngst er fortid i en hastigt udviklende branche.<\/p>\n
\u201dAI er ekstremt dyrt, tidskr\u00e6vende og forbeholdt de f\u00e5\u201d. S\u00e5dan lyder blot nogle af fort\u00e6llingerne. Og s\u00e5dan var det m\u00e5ske ogs\u00e5 engang.<\/p>\n
Men i dag er kunstig intelligens integreret i vores hverdag. Og for is\u00e6r for den yngre generation er det blevet en accepteret del af den daglige interaktion med digitale v\u00e6rkt\u00f8jer. Derfor vil vi gerne punktere nogle af de myter, som stadig lever i den danske it-branche.<\/p>\n
AI har sine r\u00f8dder i computervidenskab samt statistik, hvor opbygningen af algoritmer, der kan forudse og kontinuerligt l\u00e6re af ny data, gradvist har fundet en generel anvendelse p\u00e5 tv\u00e6rs af industrier og forretningsomr\u00e5der.<\/p>\n
Tidligere kr\u00e6vede det st\u00e6rke kompetencer inden for statistik og var i h\u00f8j grad begr\u00e6nset af et mangelfuldt data- og beregningsgrundlag.<\/p>\n
Der var groft sagt hverken regnekraft eller data nok til at kunne tr\u00e6ne modeller.<\/p>\n
Et eksempel p\u00e5 en model, det tidligere ikke ville v\u00e6re muligt at udvikle, er OpenAI\u2019s GPT 3 natural language processing (NLP) model, hvor der er anvendt 175.000.000.000 parametre til at tr\u00e6ne modellen.<\/p>\n
Udviklingen inden for cloud og den eksponentielle datav\u00e6kst har haft en afledt effekt i den generelle tilg\u00e6ngelighed af AI modeller i forretningsapplikationer og services.<\/p>\n
I dag beh\u00f8ver slutbrugere ikke besidde en dybere matematisk forst\u00e5else for at kunne anvende komplekse AI-modeller i deres forretningsprocesser.<\/p>\n
Dermed er den umiddelbare barriere for at komme i gang gradvist blevet mindsket.<\/p>\n
Mange virksomheder vil opleve, at det blot kr\u00e6ver den rette grad af nysgerrighed samt et solidt samarbejde mellem forretning og IT (Data Engineering, Data Ops og Data Science) at komme i gang med AI.<\/p>\n
Adgangen til skalerbar cloud-infrastruktur har muliggjort udviklingen af avancerede algoritmer, tr\u00e6net p\u00e5 store datas\u00e6t.<\/p>\n
Hvad der tidligere kr\u00e6vede store investeringer i egen it-infrastruktur kan nu afvikles i skyen, med lavere omkostninger p\u00e5 hardware og services, der kontinuerligt fornyes.<\/p>\n
Nogle virksomheder har dog stadig bet\u00e6nkeligheder ved analytics i clouden, hvilket for mange prim\u00e6rt omhandler tredjeparts databehandling.<\/p>\n
\u00d8get lovgivning og voksende fokus p\u00e5 sikkerhed og compliance har sikret en gradvis modning af cloud-processer og teknologi, som g\u00f8r det sikkert at anvende analytics i clouden.<\/p>\n
N\u00e5r det handler om sikkerhed, vil vi gerne stille et retorisk sp\u00f8rgsm\u00e5l: Hvor er det mest sikkert at opbevare data? P\u00e5 en server i k\u00e6lderen eller i et public cloud datacenter, hvor der investeres millioner af dollars i digital og fysisk sikkerhed?<\/p>\n
Der er ekstrem meget fokus p\u00e5 integritet, sikkerhed og transparens i public cloud – for ikke at tale om global bev\u00e5genhed 24\/7 \u2013 s\u00e5 m\u00e5ske f\u00f8les det mere sikkert at have data on premise, men i praksis er det yderst tvivlsomt, at det er mere sikkert.<\/p>\n
Der er de senere \u00e5r sket en radikal transformation i forhold til de v\u00e6rkt\u00f8jer og services, der nu er tilg\u00e6ngelige inden for avanceret dataanalyse og AI.<\/p>\n
Hvor virksomheder tidligere var n\u00f8dsaget til at bygge det hele fra bunden i en myriade af open source-v\u00e6rkt\u00f8jer, er mange AI-algoritmer i dag enten inkluderet i eksisterende forretningsapplikationer eller udstillet via \u00e5bne API\u2019er gennem cloud-services.<\/p>\n
Virksomheder skal ikke l\u00e6ngere kode billede-genkendelsesalgoritmer, men kan nu via produktivitetsplatforme eller cloud services hurtigt tilg\u00e5 og udnytte modeller, der allerede er tr\u00e6net til en given use case.<\/p>\n
Det har markant s\u00e6nket pris- og kompetencebarrierer, der tidligere afholdt mange fra at komme i gang med AI.<\/p>\n
De lavere omkostninger og reduktionen i tid fra ide til implementering har haft en positiv effekt p\u00e5 den tidligere flaskehals, mange virksomheder oplevede i forhold til pris og kompetencer inden for AI. Der var engang, hvor du skulle k\u00f8be infrastruktur, k\u00f8be servere og k\u00f8be software – og i \u00f8vrigt vedligeholde det hele selv.<\/p>\n
Det kr\u00e6vede en rigtig stor kapitalinvestering. Men i dag kan du komme i gang med et projekt inden for analyse og AI for cirka 3.000 kr. om m\u00e5neden<\/p>\n
Myte nummer fire, vi gerne vil afmontere, er, at adgang til teknologi er det vigtigste element i en datadreven virksomhed.<\/p>\n
S\u00e5dan forholder det sig ikke. Teknologien skal selvf\u00f8lgelig v\u00e6re til r\u00e5dighed, men hvis organisationerne virkelig vil skalere, f\u00e5r de brug for de n\u00f8dvendige kompetencer.<\/p>\n
Med andre ord, det er kvalifikationerne i virksomheden, som afg\u00f8r, hvilken v\u00e6rdi data for alvor skaber.<\/p>\n
Den transformation, som kunstig intelligens l\u00e6nge har v\u00e6ret associeret med, kan ofte blive sammenstillet med den generelle gevinstrealisering, som analytics kan bringe til i virksomheder.<\/p>\n
Der kan dog v\u00e6re stor forskel p\u00e5, hvor man starter sin analytiske rejse.<\/p>\n
Og vigtigheden i at anskue problemstillingen, f\u00f8r man l\u00e5ser sig fast p\u00e5 l\u00f8sningen, er desv\u00e6rre en evne mange overser.<\/p>\n
Adgang til et simpelt dashboard med et s\u00f8jlediagram kan vise sig mere v\u00e6rdiskabende end en kompliceret algoritme.<\/p>\n
Afvejningen mellem problemstilling, v\u00e6rkt\u00f8j samt datagrundlag b\u00f8r danne grundlag for de f\u00f8rste overvejelser, da mange ofte baserer deres l\u00f8sningsmodel p\u00e5 et utilstr\u00e6kkeligt datafundament.<\/p>\n
Kunstig intelligens er en effektiv teknik, men b\u00f8r ses i lyset af de mange l\u00f8sningsmuligheder samt datas\u00e6t, som st\u00e5r til r\u00e5dighed.<\/p>\n
Algoritmer kan v\u00e6re superavancerede, men de er aldrig bedre end det datagrundlag, de er udviklet p\u00e5.<\/p>\n
Derfor er arbejdet med tilrettel\u00e6ggelse og kvalitetssikring af data altafg\u00f8rende i forhold udviklingen af kvalitetsmodeller, som med h\u00f8j n\u00f8jagtig kan give svar p\u00e5 komplekse problemstillinger.<\/p>\n","protected":false},"excerpt":{"rendered":"
Kunstig intelligens misbruges til aflytning, koster en formue og er sv\u00e6rt at arbejde med. Der er mange misforst\u00e5elser og myter forbundet med anvendelsen af kunstig intelligens. Her er fem myter, vi m\u00f8der i vores arbejde hos Microsoft Danmark Denne klumme er et debatindl\u00e6g skrevet af Daniel Aunvig, Head of Data & AI, og Niels Gr\u00f8nning, […]<\/p>\n","protected":false},"author":473,"featured_media":497763,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"class_list":["post-497760","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","specials-transform-da-dk","stories-data-insights-intelligence-da-dk","stories-how-can-i-use-ai-da-dk-data-insights-intelligence-da-dk","businessPriorities-data-ai-da-dk"],"_links":{"self":[{"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/posts\/497760"}],"collection":[{"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/users\/473"}],"replies":[{"embeddable":true,"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/comments?post=497760"}],"version-history":[{"count":7,"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/posts\/497760\/revisions"}],"predecessor-version":[{"id":497955,"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/posts\/497760\/revisions\/497955"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/media\/497763"}],"wp:attachment":[{"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/media?parent=497760"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pulse.microsoft.com\/da-dk\/wp-json\/wp\/v2\/categories?post=497760"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}