zoeken Nieuwsbrief
      Linkedin    Twitter   
  
nieuws
 

Vijf AI-lessen die COVID-19 ons leerde

Door pandemie kwam AI-ontwikkeling in stroomversnelling

19 februari 2021 - Al bijna een jaar raast corona door Nederland, en het heeft ervoor gezorgd dat onze levens op zowel professioneel als privé vlak behoorlijk zijn veranderd. Ook overheden, wetenschappers en zorginstanties over de gehele wereld hebben niet stilgezeten, en zijn de ontwikkeling rondom kunstmatige intelligentie (AI) gaan versnellen.

De pandemie, hoe verwoestend deze ook geweest is, heeft er immers wel voor gezorgd dat de ontwikkeling van AI in een stroomversnelling is gekomen. Het heeft onze manier van denken over analytics compleet veranderd. De afgelopen maanden hebben we AI niet alleen ingezet om scenario’s voor de pandemie te voorspellen, er waren ook complexe zakelijke uitdagingen waar AI ons het hoofd kon bieden. En daar zijn een vijftal interessante lessen uitgekomen. Risto Miikkulainen, Associate VP Evolutionary AI bij Cognizant, zet deze lessen op een rij.



1. Consequent onnauwkeurige data kunnen toch inzicht bieden
Wanneer vermoed wordt dat een regio te weinig COVID-besmettingen rapporteert, maar de gerapporteerde aantallen stijgen in de loop van de tijd, kunnen die gegevens gebruikt worden om de onderliggende trends af te leiden. Dit kan ook in andere scenario's worden gebruikt, bijvoorbeeld bij de beoordeling van kwaliteitstrends van een fabrieksmanager die consequent te lage productieopbrengsten rapporteert.
Gebruik data uit meerdere bronnen, zodat de onderliggende trends alsnog duidelijk worden ondanks potentiële slechte data.

2. Gevarieerde data maken stabiele modellen
Een AI-model kan getraind worden om zich bijvoorbeeld te ‘specialiseren’ in een bepaalde geografie of tijdsperiode. Feit blijft wel dat het model zich dan herhaalt op basis van de eerder gespecificeerde data. Stel het model bloot aan meer gevarieerde situaties, zoals data uit andere regio’s of perioden, en je zal zien dat het algoritme beter inzicht ontwikkeld in onderliggende zaken en trends.

3. Gegevens hebben de nodige granulariteit nodig
Granulaire data zijn gedetailleerde data. Bij het vaststellen van de granulariteit voor een analyse is balans het sleutelwoord. Een te hoge granulariteit, oftewel het meenemen van zeer specifieke informatie in je analyse, leidt ertoe dat het systeem de lessen van de ene regio niet kan toepassen op een andere regio, simpelweg omdat deze teveel verschillen van elkaar. Een lage mate van granulariteit zorgt er echter weer voor dat er zaken over het hoofd kunnen worden gezien, zoals bij het analyseren van de wensen en eisen van klanten in verschillende regio’s.

4. Update data en modellen naar behoren
Dagelijkse updates van data zijn essentieel om überhaupt het overzicht te bewaren over nieuwe gegevens, een belangrijke les die we geleerd hebben van COVID-19. Immers, nieuwe data tijdens een pandemie laten direct zien waar en wanneer een nieuwe golf lijkt uit te breken.
In andere branches zijn deze dagelijkse updates misschien overbodig. Bij het monitoren van de voorkeuren voor kleding zijn deze updates waarschijnlijk alleen nodig per seizoen of bij veranderingen in modetrends. In consumentenelektronica kan dit nodig zijn als een nieuw product wordt ontwikkeld of op de markt wordt gebracht.
Uiteindelijk bepaal u data- en algoritme-updates per geval. Let er wel op dat voor elke case geldt dat de datakwaliteit behouden blijft en, in sommige gevallen, dat legacy gegevensformats omgezet worden in een format dat gebruikt kan worden door moderne databases en AI-algoritmes.

5. Reserveer budget en blijf betrokken
Geen passend en doorlopend budget hebben is misschien wel de grootste belemmering om AI effectief in te zetten. Het is namelijk niet zo dat u na een keer uw model updaten en het analyseren van gegevens klaar bent. Integendeel: als u AI effectief wilt inzetten als hulpmiddel bij het nemen van beslissingen, moet u het zien als een doorlopend proces. Denk aan welke producten dichter bij de kassa’s van een supermarkt moeten worden gelegd, of wanneer het beste moment is om te oogsten. AI werkt nou eenmaal het beste wanneer er op tijd een betere indicatie is van specifieke trends. Het vereist formele processen, personeel, vaardigheden en budget om van die updates een routine te maken.
Afgelopen eeuw hebben we vooral statische en wiskundige formules gebruikt bij het analyseren van statische data. We hebben reuzenstappen gezet in de wereld van analyses en data. Modellen evolueren zich en blijven zich dagelijks verbeteren. Organisaties kunnen nu geïnformeerd complexe en belangrijke beslissingen maken, zoals het heropenen van de maatschappij tijdens de pandemie, terwijl de volksgezondheid in acht wordt genomen. Agile Analytics wordt door AI waargemaakt, maar de onderliggende data en modellen hebben wel de nodige hulp nodig.
 

 
 Doorsturen   1 reactie  

 

Laatste nieuws

 IT-professional ziet technical debt als bedreigingen voor innovatie
 66 procent die zich verzette tegen IT-updates mocht oude versie blijven gebruiken
 Nederlandse vrouwen vinden op kantoor een betere werk/privé balans
 

Gerelateerde nieuwsitems

 AI bij Nederlandse organisaties nog in kinderschoenen
  Leren en ontwikkelen in coronatijd: minder budget, meer online
 In vijf stappen naar succesvolle AI- en ML-projecten
 Gerichte inzet AI nodig om ROI gezond te houden
 
 
reacties
 
Beste CO2 meter  |   | 
4-06-2021
 | 
11:06 uur
Het belangrijkste is nog steeds dat we voldoende blijven ventileren.

REAGEREN

Naam:
Emailadres:
URL: (niet verplicht) http:// 
 
Reactie/Opmerking:
Ik wil bericht per e-mail ontvangen als er meer reacties op dit artikel verschijnen.
 
Als extra controle, om er zeker van te zijn dat dit een handmatige reactie is, typ onderstaande code over in het tekstveld ernaast. Is het niet te lezen? Klik hier om de code te wijzigen.
Dit is waarom de beveiliging van jouw domein zo belangrijk is
Het managen van jouw onderneming aan de hand van een sterk netwerk doe je zo
Een bedrijf kopen of verkopen, wat zijn de haken en ogen?
reacties
Het hybride werken stelt bedrijfsnetwerken op de proef. Wat nu?  (1) 
Bouw zette grootste rem op Nederlandse economie in 2012 (1) 
Een derde managers vindt leidinggeven meer gericht op soft skills dan inhoud  (1) 
Saaie baan slecht voor het hart (1) 
HR-professional heeft hekel aan digitale sollicitatiegesprekken (2) 
Hervormingsplan voor woningmarkt goed ontvangen door makelaars (1) 
Logisch dat we zo vaak onlogisch denken (1) 
top10
Het einde van 9 tot 5?
Top tien snelst stijgende functies voor afgestudeerden
Het hybride werken stelt bedrijfsnetwerken op de proef. Wat nu?
Begrip leidinggevende vermindert uitval mantelzorger
Een derde managers vindt leidinggeven meer gericht op soft skills dan inhoud
Vier beveiligingslekken gevonden in Microsoft Office
Pandemie inspireert tot duurzamer leven
IT-professional ziet technical debt als bedreigingen voor innovatie
Verduurzaming hoog op agenda CFO’s
Onderwijsinstellingen onderschatten het risico van cybercriminaliteit
meer top 10