Machine learning og kunstig intelligens - hvordan ser fremtiden ud?

Machine learning er ikke science fiction

Et eksempel på, hvordan machine learning bliver brugt i vores dagligdag, er Politiets automatiske nummerpladegenkendelsessystem (ANPG). Systemet aflæser bilers nummerplade og krydstjekker disse data med Schengeninformationssystemet.

Politiets ANPG bygger på den del af machine learning som kaldes ”Computer Vision”, hvor en computer lærer at se det, som mennesket ser, og herved lærer at læse nummerplader. Men dette system, kan politiet nemmere kontrollere et stort antal trafikanter uden at skulle bearbejde data manuelt.

Machine learning skaber forretning

Et andet eksempel på brugen af machine learning stammer fra industrien, hvor Vestas Wind Systems A/S bruger vejrdata fra deres vindmøller til at udarbejde en samlet vindmodel for hele verden. De bruger også data fra andre sensorer i vindmøllen til at foretage forebyggende vedligeholdelse, også kaldet ”Predictive Maintenance”. Det sidste har været med til at styrke Vestas’ serviceforretning og øge kvaliteten.

Disse eksempler viser tydeligt, hvad machine learning i bund og grund er: matematiske modeller, der behandler data. Altså, at vi bruger maskinernes egenskaber til at finde sammenhænge, afvigelser eller forsøge os med forudsigelser. Og når det gentages, kan erfaringerne bruges til at øge præcisionen i fremtidige forudsigelser og prognoser.

Der findes mange eksempler på virksomheder, som arbejder aktivt med machine learning i Danmark. Ifølge en undersøgelse lavet af Danmarks Statistik, er det dog kun cirka fem procent af danske virksomheder som benytter machine learning eller kunstig intelligens. Heraf er det generelt kun de store og mellemstore virksomheder, som for alvor benytter teknologierne machine learning eller kunstig intelligens.

Fremtidsudsigter for artificial intelligence (AI)

Microsoft har netop udgivet en interessant rapport, hvor de ser ind i fremtiden for AI. Microsoft opdeler deres definition af AI i en række kategorier, hvor machine learning ses som en stor del af AI og mere eller mindre indgår som en del af de andre kategorier.

Rapporten fra Microsoft er blandt andet interessant, fordi den sammenligner Danmark med Europa og ser på, hvordan Danmark klarer sig: Det går godt i Danmark!

Vi ligger generelt lidt foran de andre europæiske lande og er på den måde med til at drive udviklingen og implementeringen af AI i industrien. Rapporten opsummerer og peger på seks resultater, som er relevante at bemærke:

Som nævnt indeholder rapporten en sammenligning af europæiske virksomheder, og af de adspurgte virksomheder er cirka 10 % danske (primært store danske virksomheder som blandt andet A.P. Møller – Mærsk A/S, PFA Pension, Carlsberg A/S, LEO Pharma A/S og H. Lundbeck A/S).

I rapporten undersøges også, hvilke områder AI forventes at have den største indvirkning på. Undersøgelsen peger på fire områder, hvor AI især vil skabe værdi for forretningen. Virksomhederne ranglister områderne i forhold til, hvor de mener det er muligt at skabe den største værdi.

Har du kompetencerne?

Hvorfor er der så ikke flere virksomheder, der arbejder med AI, når det forventes at have et så stort potentiale? Ifølge Microsofts undersøgelse er manglende kompetencer en stor del af grunden. Når der tales om nædvendige evner og kapaciteter i en virksomhed, peges der på, at der skal opbygges (eller hentes) kompetencer indenfor flere forskellige områder. De adspurgte virksomheder vurderer, at de tre vigtigste områder er: avanceret analyse, datahåndtering og lederskab indenfor AI:

1. Advanced Analytics: Obtaining and deploying specialized data science skills to work with AI by attracting talent and working with external parties
2. Data Management: Capturing, storing, structuring, labeling, accessing and understanding data to build the foundation and infrastructure to work with AI technologies
3. AI Leadership: The ability to lead a transformation that leverages AI technology to set defined goals, capture business value and achieve broadly based internal and external buy-in by the organization

Kilde: Microsofts rapport

Det kan AI også...

IBM’s kunstige intelligens (Watson) har tidligere gjort sig bemærket inden for lungekræftdiagnoser. En tysk parfumevirksomhed har dog en idé om, at den følsomme lugtgenkendelse også kan bruges til andet end at opsnuse sygdom. Parfumevirksomheden indgik en aftale med IBM, og Watson har siden arbejdet med at skabe en parfume, som snart vil komme til salg i 4000 butikker.

Et portræt skabt af AI er blevet solgt for 432.000 dollars på en auktion afholdt af aktionshuset Christie’s. Er dette overhovedet kunst? Eller er det et spørgsmål om at benytte en algoritme til at tjene penge på den opmærksomhed AI får for tiden?

Dating app’en Tinder vil bruge AI til at sende dig på en date. Her lyder det fra grundlæggeren Sean Rad, at når man om fem år for eksempel spørger Google Assistent eller Siri om, hvad der sker i aften, så vil Tinder svare:

” There’s someone down the street you might be attracted to. She’s also attracted to you. She’s free tomorrow night. We know you both like the same band, and it’s playing - would you like us to buy you tickets?”

Det lyder lidt skræmmende, men det er noget af det, Tinder arbejder på indenfor AI.

Machine learning og kunstig intelligens er kommet for at blive, og de virksomheder som lykkes med at udnytte potentialet, optimere processer og skabe værdi, er de virksomheder, som får medvind i fremtiden. Hos kaastrup|andersen er vi klar til at hjælpe jer i gang eller hjælpe jer videre i processen for at optimere jeres udnyttelse af IoT og brugen af Machine learning.