De focus van AI verschuift van 'data' naar 'kennis'

Deel dit verhaal!
Kunstmatige intelligentie produceert van nature kunstmatige kennis. Zie je iets mis met deze stelling? Een definitie van kunstmatig is "gemaakt door mensen om er heel natuurlijk uit te zien", wat betekent dat het nep is, terwijl het bedrieglijk bedoeld is om u ervan te overtuigen dat het echt is. ⁃ TN-editor

De kunstmatige intelligentie (AI) -revolutie ontstond meer dan een halve eeuw geleden. In het afgelopen decennium is AI uitgegroeid van een academisch wetenschappelijk veld tot een praktisch onderdeel van ons dagelijks leven. De meest voorkomende AI-bedrijfsstrategieën die we zien, zijn gebaseerd op gegevens. Wij geloven dat propriëtaire data momenteel de meest strategische slotgracht is voor AI-bedrijven, maar in de komende jaren zal het minder een uniek bezit worden, waardoor propriëtaire datadifferentiatie minder duurzaam wordt. Daarom verwachten we een verschuiving in focus, van op gegevens gebaseerde AI-strategieën naar op kennis gebaseerde AI-strategieën.

De vooruitgang op het gebied van big data, mogelijk gemaakt door de inzet van talloze sensoren, internetconnectiviteit en hardware- en softwareverbetering op het gebied van rekenkracht, communicatievaardigheden en digitale opslag, heeft AI in staat gesteld om op te schalen van kleine academische onderzoeksprojecten tot productietoepassingen van grote ondernemingen. In wezen vereisten big data geavanceerde AI-modellen om kennis en inzichten te analyseren en af ​​te leiden, terwijl de AI-modellen de kritische massa van big data voor training en optimalisatie. Daarom worden gegevens momenteel vaak gezien als een voldoende strategische gracht voor AI-startups. Als risicokapitaalinvesteerders zien we dit fenomeen regelmatig. In de afgelopen jaren hebben we veel startups gezien die data-acquisitie centraal stellen in hun bedrijfsstrategie. Een toenemend aantal van dergelijke bedrijven benadrukt de unieke datasets die ze hebben verworven en hun langetermijnstrategie voor het verwerven van aanvullende eigendomsgegevens - als een duurzame toegangsbarrière. Aangezien AI-tools en AI-as-a-service-platforms de ontwikkeling van AI-modellen hebben gestimuleerd en openbare gegevens alomtegenwoordig zijn geworden, is de waargenomen noodzaak om een ​​datagracht te bouwen en te verdedigen tastbaar geworden.

In het huidige technologie-ecosysteem hebben de markten bedrijven in toenemende mate beloond met toonaangevende AI-programma's en controle over eigen data - als een substantieel en duurzaam concurrentievoordeel. Bedrijven zoals Google en Netflix hebben gedurende een lange periode enorme en gezaghebbende datasets ontwikkeld en samengesteld, terwijl veel andere bedrijven tevergeefs worstelden om hun succes te evenaren. Een voorbeeld is de enorme verstoring van rivaliserende mediadienstverleners en productiebedrijven, die te slim af waren door Netflix ' geavanceerde datastrategie.

Desalniettemin zijn we van mening dat, vanwege de verwachte vooruitgang in het vermogen en de bereidheid om gegevens uit te wisselen, binnen een decennium eigendomsgegevensgrachten minder duurzaam zullen zijn. Hoewel data de AI-waarde-engine nog steeds zullen voeden, zullen AI-bedrijfsstrategieën steeds meer gericht zijn op kennis.

Op weg naar de AI-waardepiramide, naar de kennislaag

De AI-waardepiramide is gebaseerd op data en gedreven door kennis. Terwijl we vandaag "verdrinken in informatie maar hongeren naar kennis", verwachten we dat we hogerop gaan in de AI-waardepiramide, naar de kennislaag. We beginnen inderdaad vorderingen te zien die deze trend zullen stimuleren en versnellen door het creëren van gegevensuitwisselingen. We verwachten dat gegevensuitwisseling wordt vergemakkelijkt door een combinatie van verhoogde haalbaarheid en de bereidheid om gecommoditiseerde gegevens te delen in ruil voor waardevolle kennis. Samenvattend, gegevens zullen talrijker, beschikbaar, betrouwbaarder en gestandaardiseerd en goedkoper worden - de perfecte definitie van een ideaal product. Het gebruik van data als een duurzame toetredingsdrempel zal in de toekomst moeilijker worden.

De toegenomen haalbaarheid om gegevens te delen zal worden versneld door de proliferatie van gegevensbronnen via de internet van dingen (Ivd). Daarnaast zijn er nieuwe technieken, protocollen en standaarden voor het bundelen, delen en uitwisselen van data. Vooruitkijkend, zal het toegenomen vermogen om gegevens te delen echt significant worden wanneer er een stimulans is en een groeiende neiging om dit te doen. Zoals AI de erfenis ondermijnt en verstoort concurrerende toetredingsdrempels, proberen veel organisaties onophoudelijk om hun eigen eigendomsgegevens te verzamelen en er geld mee te verdienen. Helaas is deze data-acquisitie en -gebruik noch gemakkelijk, noch vruchtbaar en creëert daarom strategische dissonantie. Dit komt omdat, hoewel AI voor de meeste organisaties steeds onmisbaarder wordt, het geen deel uitmaakt van hun legacy-vaardigheden of kernexpertise. Bovendien is de cchronisch en blijvend tekort van ingenieurs, ontwikkelaars, productleads en managers die zijn getraind in AI, scherpt deze dissonantie aan en leidt tot een oplossingsvoorkeur voor het delen van gegevens met als doel kennisuitwisseling.

Een voorbeeld van de combinatie van bekwaamheid en bereidheid die ontstaat door de uitwisseling van gegevens voor het genereren van kennis is het nieuwe voorstel door de Europese Unie, om "een interne markt voor gegevens" te creëren, om mensen, bedrijven en organisaties in staat te stellen betere beslissingen te nemen op basis van inzichten uit niet-persoonlijke gegevens om te concurreren met de huidige techreuzen.

Een andere factor die ertoe bijdraagt ​​dat datagrachten minder duurzaam worden, is de uitvinding van nieuwe data-oplossingen die het mogelijk maken kleinere datasets te gebruiken voor trainingsmodellen. Synthetische data-oplossingen (bijvoorbeeld met Generative Adversarial Networks) en andere minimalisatietechnieken, zoals data-augmentatie, kunnen bedrijven in staat stellen om ontwrichtende AI-producten te maken, zonder enorme hoeveelheden data.

Lees hier het hele verhaal ...

Over de editor

Patrick Wood
Patrick Wood is een toonaangevende en kritische expert op het gebied van duurzame ontwikkeling, groene economie, Agenda 21, 2030 Agenda en historische technocratie. Hij is de auteur van Technocracy Rising: The Trojan Horse of Global Transformation (2015) en co-auteur van Trilaterals Over Washington, Volumes I en II (1978-1980) met wijlen Antony C. Sutton.
Inschrijven
Melden van
gast

1 Reactie
Oudste
Nieuwste Meest Gestemd
Inline feedbacks
Bekijk alle reacties