Wereld economisch forum

Hoe kunnen we ervoor zorgen dat de resultaten van AI niet langer ‘afhankelijk zijn van beschikbare data’?

Vorig jaar domineerde AI gesprekken over de hele wereld, met als hoogtepunt de aanwezigheid van Sam Altman van OpenAI op het podium tijdens de jaarlijkse bijeenkomst van 2024 in Davos, Zwitserland, waar hij het thema “Technologie in een turbulente wereld” besprak.

Voor velen voelde de plotselinge opkomst van AI als een buitenaardse invasie. Hoewel algemeen werd erkend dat deze nieuwe technologie het technologische landschap zou veranderen van de bestuurskamers van Silicon Valley tot de overheidscorridors was het niet duidelijk hoe, wanneer of hoe deze nieuwe wereld eruit zou zien.

Nu ’s werelds grootste bedrijven zich tot technologie wenden en de 47e Amerikaanse president Donald Trump zich omringt met technologen, waaronder Elon Musk, David Sacks en Marc Andreessen, staan ​​we op het punt een geheel nieuwe focus op innovatie te zien. Dat omvat het benutten van de kracht van AI.

Hoewel er een groot scala aan talent en opwindende ontwikkelingen binnen de sector is, wordt deze belofte van AI steeds meer ondermijnd door een fundamenteel gebrek: resultaten zijn afhankelijk van beschikbare gegevens.

Een veelvoorkomende ervaring van dagelijkse pitches van AI-bedrijven, die allemaal beloofden dat hun bedrijf de wereld zou revolutioneren, maar die steeds weer op een obstakel stuitten. Aan het einde van elke presentatie verschijnt een cruciale asterisk: de vereiste voor gegevens.

Als het gaat om de gebouwde wereld en de infrastructuur die we elke dag gebruiken, bestaan ​​bestaande gegevens niet of zijn ze beperkt en van slechte kwaliteit. Dat komt omdat ze meestal worden verzameld door wat ik “Marionet” noem een mens, die vaak wankel bungelt en om de paar meter handmatig enkele metingen uitvoert.

Dit handmatige proces is gevoelig voor menselijke fouten en inconsistenties, omdat erop wordt vertrouwd dat ze een nauwkeurige positionering behouden en herhaaldelijk identieke metingen uitvoeren, vaak onder moeilijke omstandigheden.

Dus als AI-bedrijven oplossingen beloven maar bestaande gegevens nodig hebben, kun je zien waarom het tekortschiet. Bedrijven hebben niet de hoeveelheid data die AI in staat stelt om te werken.

Data van de eerste orde zijn cruciaal voor succesvolle AI-toepassingen. Daarom zijn er bijvoorbeeld de ruimte ingegaan met een robot om een robotsystemen te ontwikkelen die uitgebreide data met hoge resolutie kunnen verzamelen in een uitdagende omgeving.

Vooruitgang in de wereld van robotica betekent dat we nu toegang hebben tot en data kunnen verzamelen over gebieden die ontoegankelijk zijn voor mensen, zoals de binnenkant van industriële faciliteiten of de interne werking van een elektriciteitscentrale.

Simpel gezegd, robots die zijn uitgerust met verschillende sensoren, veranderen de fysieke wereld van atomen in bits. Ze kunnen miljoenen datapunten verzamelen op een structuur, structuren digitaal in kaart brengen en vervolgens op afstand acties ondernemen met behulp van mobiele robots.

Door deze atomen te digitaliseren, kan AI-software vervolgens worden aangestuurd om defecten te identificeren, storingen te voorspellen en de efficiëntie te optimaliseren. Robots zijn de mijnwerkers en de data die we verzamelen is digitaal goud.

De toekomst is aan bedrijven die de kracht van data van de eerste orde kunnen benutten.

Eersterangs data is niet alleen beperkt tot het voeden van AI voor de gebouwde wereld het is van toepassing op alle industrieën. Sterker nog, de komende vijf jaar zullen bedrijven die geen toegang hebben tot eersterangs datalagen om hun softwareaanbod te voeden, het moeilijk krijgen tegen bedrijven die dat wel hebben.

Het tijdperk van generieke softwareoplossingen die zijn gebaseerd op aannames en beperkte data loopt ten einde. De toekomst is aan bedrijven die de kracht van eersterangs data kunnen benutten om intelligente, op maat gemaakte oplossingen te bouwen die echt inspelen op de unieke uitdagingen van hun klanten.

Om dit te bereiken, moeten we onze focus verleggen van dataconsumptie naar datacreatie. In plaats van te vertrouwen op bestaande datasets die mogelijk onvolledig of bevooroordeeld zijn, moeten we investeren in innovatieve technologieën die hoogwaardige, eerste rangsdata kunnen genereren.

Door deze datacentrische aanpak te omarmen, kunnen we het volledige potentieel van AI ontsluiten en innovatie in alle industrieën stimuleren. We kunnen slimmere steden creëren, de resultaten van de gezondheidszorg verbeteren, de toeleveringsketens optimaliseren en duurzamere oplossingen voor de toekomst ontwikkelen.

We moeten een einde maken aan “onderworpen aan beschikbare data” en eropuit trekken om de data te verzamelen. 

Geef een reactie

Je e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *