I en ny IDC rapport tror IT-företag att 75% av företagens program kommer använda Artificiell intelligens (AI) innan 2021. AI är inte nytt men när det talas om AI brukar man prata om det som revolutionerande men någon revolution har vi inte märkt av än. Frågan är vad som faktiskt kommer att inleda den omtalade revolutionen och leda till riktig förändring? Svaret är Deep learning.
Vad är Deep learning?
I det tidiga skedet av andra världskriget ställdes militären inför många utmaningar. Stridsplan exponerade de områden som tidigare varit säkra från markanfall. Barrikader och vattenområden var inte längre någonting som kunde användas i strategiska syften för att skydda trupper. I Thomas Rids bok ”Rise of the machines: a history of cybernetics” går författaren igenom hur inlärningsmaskiner utvecklades som en motpol för krigstidens nya spelregler.
Detta var ett av de första samspelen mellan människan och maskinen. Genom att kombinera strategi och maskiners precisionen så utvecklades ett dynamiskt luftvärnsförsvar. Över tiden så utvecklades maskinerna från att klara av simpla mönsterigenkänningsproblem till avancerade neurala nätverk, vilket skapat förutsättningar för självkörande bilar, drönare och tåg
Mycket av de framsteg inlärningsmaskiner gjort är ett resultat av Deep learning. Inom maskininlärning så programmeras algoritmer med särskilda specifikationer. Exempelvis, om man vill skapa ett program med förmågan att känna igen olika bilar så ska specifikationer som storlek och hjulbas m.m. programmeras i förväg. Tänk att Deep learning är som en subkategori av detta. Skillnaden är att Deep learning använder sig av det neurala nätverket för att definiera specifikationerna utefter dataströmmar, filtrerat genom ett inmatningsskikt. Detta tillvägagångssätt fungerar på ett liknande sätt som hjärnan.
Deep learning nu
Matematiken och forskningen om Deep learning har egentligen funnits i årtionden men det är bara nyligen man insett potentialen i fältet. Likt stora delar av nya teknologiska fält så är det dataöverflödet och raffinerade algoritmer som belyst Deep learning ur ett nytt perspektiv. Detta konstateras av Andrew Ng, professor på Stanford, expert inom artificiell intelligens och deep learning.
Bättre algoritmer och mer data är naturligtvis de faktorerna som driver utvecklingen framåt. Teknologin för till exempel självkörande fordon finns idag. Dock, innan en självkörande bil ska kunna köra runt i storstädernas högt trafikerade gator skulle det krävas ytterligare framsteg av, de redan nu, komplexa algoritmerna och databearbetningsmodellerna.
Data är nyckeln att låsa upp bättre modeller
Framtiden tycks luta mot kombinationen av algoritmer och neurala nätverk men teknologin är inte det enda som krävs. Det skulle nästan gå att hävda att teknologin är det minsta bekymret. Stora företag som Google och Facebook är de som främst använder sig av Deep learning. Dessa giganter använder sig av öppna källkoder vilket gör att andra organisationer kan ta del av deras kodning. Det kan tyckas verka irrationellt men modellerna är i princip meningslösa utan den enorma mängden data som Google och Facebook har tillgång till. Det är dataflödet som är guldet, inte teknologin.
Redo för datakapital
Datakapital är vad som kommer bringa fram morgondagens företag. Idag är ett starkt datakapital vad som skapar förutsättningarna för innovation, beslutsfattande och förädling av existerande tjänster eller produkter. Magkänsla är snart förlegat för organisationer med ett gediget datakapital. Riskerna och möjligheterna för morgondagen kommer att beröra data; hur det ska samlas in, vad som ska sållas bort, hur det ska skyddas och vilka som ska ha tillgång till det. De som klarar av hanteringen av data och utvecklar strategier och tydliga riktlinjer har potentialen att gå i bräschen för det kommande paradigmskiftet i företagsvärlden.
