AI en machine learning vragen om nieuwe IT strategie

Artificial intelligence (AI) en machine learning bieden het bedrijfsleven en de maatschappij oneindig veel mogelijkheden. De kern en inzetbaarheid van dit speelveld wordt bepaald door de mate waarin we data kunnen verzamelen en voor korte of langere tijd kunnen bewaren. De succesfactor van de business wordt de komende tijd bepaald door de wijze waarop organisaties data onder controle weten te houden. Het is dan ook de hoogste tijd om alle mogelijke potentiële strategische scenario’s in kaart te brengen. Is uw IT-strategie op orde?

Dankzij digitalisering, krachtige computersystemen en een slimme inrichting van IT-infra structuren zijn we al in staat om op sommige gebieden menselijke intelligentie na te bootsen en zelfs te overtreffen. Er worden nu computersystemen/solutions met neurale netwerken ontwikkeld, die dankzij cognitieve technologie leren hoe neurologische systemen in het menselijk brein nu precies werken.

Binnen deze nieuwe innovatieve IT-aanwas zijn een aantal zeer belangrijke speelvelden te ontdekken die grote bijdrage aan productiviteit en innovatie gaan geven.

Data Science levert inzichten: Data Science is de nieuwe technische discipline en de drijvende kracht achter de toekomstige innovaties. De data scientist is dan ook de ingenieur van de toekomst en wetenschappelijk onderzoek en innovaties zullen gebaseerd zijn op data. De data scientists verwerken grote hoeveelheden data uit verschillende (steeds vaker uit niet gestructureerde) bronnen (oftewel ‘big data omgevingen en data lakes’) om deze om te zetten naar bruikbare informatie voor het management van organisaties.

De data scientist zal veel dichter bij de business staan dan de data analist dit ooit gedaan heeft, de data analist houdt zich met name bezig met het verwerken van historische data tot informatie, terwijl de data scientist zich toelegt op het maken van voorspellingen door data te onderzoeken op veronderstelde continuïteit of verwachte overeenkomst en zal hiermee trachten voorspellende modellen te bouwen.

Machine Learning levert voorspellingen: In het gebruik Machine Learning praten we over de modellen die getraind’”/aangeleerd zijn aan de hand van een “Learn-set” een deelverzameling van de complete set realistische, veelal historische data. Machine learning applicaties leren dus van gegevens en ervaringen, zonder hiervoor expliciet geprogrammeerd te zijn. Steeds meer organisaties gebruiken algoritmes om Clientèle betere aanbevelingen te kunnen doen over zaken die ze kunnen kopen, welke muziek ze zouden kunnen kijken, naar welke muziek ze kunnen luisteren en nog veel meer.

Artificial Intelligence levert handelswijzen: AI houdt feitelijk in dat machines leren denken zoals mensen dat doen. Uiteindelijk leidde tot de huidige vooruitgang in natuurlijke taalverwerking, beeldherkenning en machine learning. In de gezondheidszorg zien we het gebruik van AL steeds vaker in bijvoorbeeld computergestuurde diagnose van aandoeningen zoals kanker. Bij het vaststellen van de diagnose bij patiënten toont onderzoek aan dat machines verschillende aandoeningen soms al jaren eerder kunnen vaststellen dan dat doctoren dit kunnen. In steeds meer situaties zijn machines in staat om te helpen bij het voorspellen en voorkomen van ziekenhuisopnamen.

Deep learning Machine learning en AI worden steeds frequenter gebruikt in het vakgebied deep learning. De hierin voorkomende algoritmes zijn in dit geval gebaseerd op de structuur van het menselijk brein. Deep learning heeft hierbij geen menselijke input nodig en is in staat om zelf voortdurend nieuwe dingen te leren. Deze technologie komen we tegen in online vertaalmachines en zelfrijdende auto’s.

Data lake Is in eerste instantie is het een verzamel plaats waar je alle data die je uiteindelijk intensief wilt gaan gebruiken en bestuderen, kunt plaatsen. In de praktijk kan dit gestructureerde data zijn, die normaal in databases staat, en daarnaast als ongestructureerde data zoals Film en video mail en tekst.

Active Archive: Dankzij de nieuwe efficiënte storagevormen, zoals object storage, technologische evolutie, lagere verwerkingskosten en beschikbaarheid van nieuwe, krachtige algoritmes, wordt deze Data Science methode voor steeds meer bedrijven toegankelijk. Het Active Archive platform helpt om doeltreffende strategische en zakelijke beslissingen te nemen op basis van uw eigen data en de verrijking van data door de komst van kunstmatige intelligentie en machine learning. Door gebruik te maken van slimme meta data gerelateerde tiering is ook archief data snel beschikbaar te maken.   Een prachtige combinatie van object storage, S3 en een high-end data managementsysteem geeft u bovendien inzicht op opslaglocaties dus is daarmee GDPR-compliant.

Door: Harold Koenders, Director Active Archive bij Pronovus