Erhverv

Sådan løser du problemer med AI

Kunstig intelligens (AI) og især maskinlæring kan løse mange forskellige problemer i din virksomhed. Fælles for alle løsninger er dog, at du skal bruge tonsvis af data. Det handler om at finde de rigtige problemer og oversætte dem til data, som m

Hvilke problemer kan virksomheder i dag løse med AI?

- De kan lave systemer, der kan foreslå brugere indhold, som systemet mener, brugeren vil bryde sig godt om. Der er også kundeservice-chatbots, der kan svare på simple spørgsmål.

- I industrien kan man lave systemer, der kan kvalitetskontrollere produkter. Systemet tager billeder af for eksempel printkort eller gulerødder. Systemet får at vide, hvordan et fejlfrit produkt ser ud, og lærer efterhånden at sortere fejlbehæftede produkter fra.

- I landbruget har man også succes med at tage billeder af marker, og systemerne kan lære, hvordan det ser ud, når markerne er angrebet af insekter, eller hvordan en mark ser ud, når den mangler gødning. Man kan derefter agere på problemerne, som maskinlæringen har fundet.

- Fælles er, at opgaverne er simple, repetitive og at systemerne har meget god data at lære på.

Har virksomhederne kompetencerne til at bruge maskinlæring?

- Sjældent. Derfor er der mange, der kommer til os på universiteterne. Der er to typer af henvendelser. Den ene er fra virksomheden, der har en hel bunke med data, men de aner ikke, hvad de skal stille op med den.

- Den anden type af henvendelser er fra virksomheder, der allerede ved, hvad de vil. De har allerede data samlet ind til det, og nu mangler de blot den ekspertise, som der skal til finde den rigtige AI-teknologi, for der er mange forskellige, der hver især kan noget specifikt.

Hvordan kommer man som virksomhed i gang med AI?

- I en virksomhed er der mange problemer, som AI måske kan klare. Men problemerne skal først identificeres og derefter oversættes til noget, som systemet kan arbejde med. Problemer i industriel produktion eller problemer i en kundeservice skal oversættes til data. Og så skal man spørge sig selv, om man har dataene, om den skal oversættes, eller om vi skal ud og fange ny data.

- Man skal også huske, at man skal kunne bruge det svar, som kommer ud af en kunstig intelligens. Hvis outputtet fra en AI er en sandsynlighed for om et produkt er behæftet med fejl, så kan vi nemt bruge den sandsynlighed til at sortere i vores produkter. Men svaret kunne også være noget meget mere kompliceret, og så bliver det sværere at bruge til noget.

Og så er vi vel tilbage ved kompetencerne, hvem kan oversætte virksomheders forskelligartede opgaver/problemer til data?

- I dag bruger virksomhederne enorme summer på it-konsulenter, der bruger sin tid på først at finde de her problemer. Jeg synes, det er en bedre ide at uddanne en ansat, der allerede kender virksomhedens problemer. Den medarbejder kan så oversætte virksomhedens problemer til AI-problemer. Derefter kan man hyre it-konsulenter til at bygge systemet. Det er hurtigere og billigere i sidste ende.

- Vi har i øvrigt heller ikke nok it-folk til den slags opgaver. Og it-folk er måske heller ikke altid de bedste til at sætte sig ind i konkrete praktiske anvendelsesområder i virksomheder. Mange af dem kan godt finde velbetalte job, hvor de kan få lov til at nørde ren it.

- Spørgsmålet er, hvordan vi får maskinlærings-kompetencer ud i virksomhederne på en måde, som er produktiv. Her mener jeg, at virksomhederne skal efteruddanne og opkvalificere eksisterende medarbejdere, der har lyst til at gå ind i det her felt.

Hvilke muligheder er der for efteruddannelse i kunstig intelligens?

- Vi har netop fået godkendt en kandidatuddannelse, som alle med en bachelor kan blive optaget på. Den hedder ”Kandidat i Data Science”. Her får de studerende basale databehandlingskompetencer. De bliver ikke dataloger, der kan udvikle nye læringsalgoritmer. Men de lærer, hvordan man håndterer data rent teknisk, og de lærer om data-mining, deep learning, og hvordan man anvender det i real-world-situationer.

- Efteruddannelse og opkvalificering af eksisterende medarbejdere er en god ide, fordi det er så svært at rekruttere på det her område. AI-medarbejdere er så eftertragtede og lønningerne er så høje, at man har svært ved at rekruttere. Men i virkeligheden kunne man nok godt nøjes med en eksisterende medarbejder, der ved meget om virksomheden, og som kan tænke digitalt. Med få redskaber kan sådan en medarbejder faktisk komme langt. Det er ikke billigt, men det er heller ikke vildt dyrt.

0/0
Annonce
Annonce
Annonce
Annonce
Forsiden netop nu
Danmark

En hyldest til viagra-bukserne - jeg glæder mig til at få et par

Fodbold For abonnenter

Da en "Gæv Kaal" ved navn Sophus Krølben endte i Tvis

Holstebro For abonnenter

Det er ikke EU’s opgave at lave kønskvoter og at opbygge en hær

Vinderup For abonnenter

Leo fra Vemb blev 80 år: - Han var en klippe

Indland

Små kommuner dropper parkeringskontrol efter ny regel

Sport

Efter blot to løb fik Mikkel en invitation til verdenseliten

Annonce