Kako z big data in umetno inteligenco do 20-krat večje učinkovitost

Čas branja: 2 min
28.05.2018  07:37
Da bi umetna inteligenca postala resnično pametna, potrebuje veliko podatkov. Potrebuje veliko podatkovje (big data)
Kako z big data in umetno inteligenco do 20-krat večje učinkovitost

Umetna inteligenca (ali AI) se začne z golimi algoritmi, ki postanejo »inteligentni« le ob veliki količini podatkov – da bi umetna inteligenca postala učinkovita za neko podjetje, potrebuje velike količine specifičnih podatkov tega podjetja.

Veliki podatki lahko zahtevajo velike organizaicijske spremembe

Četudi podjetja navadno razpolagajo z dovolj velikim obsegom podatkov, je pogosta ovira pri učenju algoritmov fragmentacija podatkov po različnih sistemih v podjetju. Umetna inteligenca namreč zahteva več kot le obvladovanje velikih količin podatkov, podjetja se zato srečujejo s številnimi spremembami delovnih procesov ter tudi vizij razvoja, vodstvenih strategij in učinkovitega sodelovanja med različnimi oddelki.

Eno naprednejših podjetij na področju umetne inteligence pri nas je Ektimo, ki je lani prejelo naložbo sklada Kolektor Ventures in začelo sodelovanje s skupino Kolektor na več področjih optimizacije procesov proizvodnje in uvajanju umetne inteligence.

Potrebna je integracija z delovnimi procesi

V Ektimu so razvili storitev, ki vključuje pripravo oziroma pretvorbo podatkov v obliko, primerno za modeliranje, pa tudi izdelavo aplikacij, ki modele učinkovito povezujejo z naročnikovimi delovnimi procesi. Osredotočajo se predvsem na področja upravljanja premoženja, logistike, trženja, zavarovalništva in upravljanja odnosov s strankami, v zadnjem času čedalje več sodelujejo tudi s podjetji, ki razvijajo produkte na podlagi tehnologije blockchain.

Ektimovi procesi delujejo na treh stebrih: prvi je priprava podatkov, ki omogočajo strojno učenje, drugi je modeliranje, tretji pa iskanje poti za vpeljavo modela v operativni proces naročnika. Večino dela pomeni pridobivanje podatkov, kjer imajo veliko vlogo predvsem oblika shranjevanja podatkov, njihova kakovost in način dostopa.

Pomen natančne definicije ciljnih skupin

»Razvijamo rešitve, ki jih bomo ponudili spletnim trgovinam, gre za klasični priporočilni sistem, oblikujemo pa tudi sistem, ki bi lahko start-upom priporočal, katere potencialne vlagatelje bi lahko kontaktirali,« razlaga Boris Cergol, direktor Ektima, ki bo osrednji govornik na konferenci o masovnih podatkih junija v Ljubljani.

Kako nastajajo aplikacije z umetno inteligenco, ki uporabljajo velike količine podatkov za analize? »Gre za zlitje več vzporednih trendov. Od digitalizacije podatkov, pojava izjemno zmogljivih računalnikov in na koncu preboja na področju algoritmov. Rezultati vloženega dela so pripeljali do novih naložb in še večje uporabe, krog je bil tako sklenjen,« dodaja Cergol.