Categorie: Smartphones

Door de onbedoelde gevolgen van AI is de kans dat de massa er zich tegen keert. Al bijna een decennium zijn we geobsedeerd door het maximaliseren van voorspellende prestaties. Zeker gezien als we kijken naar het vermogen waarmee AI de prestaties op menselijk niveau bij sommige taken kan benaderen.

Er zijn steeds meer voorbeelden van onbedoelde gevolgen, zo kennen we het  toeslagen schandaal van de belastingdienst, het algoritme van sociale zaken, het discrimineren van vrouwelijke kandidaten tot het geven van prioriteit aan blanke sollicitanten boven allochtonen sollicitanten. Op de Mensgerichte AI gericht op privacy, ethiek en transparantie moet voorrang krijgen op winst in voorspellende kracht.

In data science zijn deze definities belangrijk. Er is nog steeds geen unanieme overeenstemming over wat het betekent om een ​​ethische datawetenschapspraktijk op te bouwen. Dit begint bij de ethische datawetenschap met eerlijkheid en waardeert privacy, ethiek, transparantie en menselijk welzijn boven voorspellende kracht.

Er zijn veel briljante geesten die aan deze uitdagingen werken. Zelfs Facebook, Google en Microsoft hebben “Responsible AI” -teams opgericht om deze problemen aan te pakken, maar met beperkt succes. Ook de Europesche gemeenschap kent een dergelijk programma. Waarbij er buiten dergelijke initiatieven weinig tot geen investeringen worden gedaan in ethische datawetenschap buiten deze beperkte groep bedrijven.

De kernprincipe van ethische datawetenschap, moeten we gaan begrijpen en waarom dit zo complex is. Hoewel er meer vragen dan antwoorden zijn, moeten inzichten worden gedeeld uit de lessen die gaandeweg worden geleerd.

Wat is eerlijkheid eigenlijk?

We kunnen geen ethische gegevenswetenschap hebben zonder eerst aandacht te besteden aan eerlijkheid. In grote lijnen betekent eerlijkheid dat verschillende individuen gelijk worden behandeld onder dezelfde omstandigheden.

Laten we zeggen dat we proberen een bruikbaar model te bouwen dat geen rekening houd met etniciteit of geslacht en individuen aanbeveelt door rekening te houden met hun opleiding en werkervaring. In theorie zou dit de individuele vooroordelen die bij het nemen van beslissingen betrokken zijn, kunnen verminderen.

Laten we nu aannemen dat we een historische dataset van individuen kunnen vinden, compleet met educatieve geschiedenis, werkposities en de geaccepteerde salarissen. De kans is groot dat deze dataset enige vertekening bevat. Ook kunnen in veel gevallen ‘proxyvariabelen’ – factoren zoals postcode, persoonlijke interesses, winkeltransacties, onder andere – indirecte indicatoren zijn van beschermde statussen zoals leeftijd, geslacht en etniciteit.

Het is misschien onmogelijk om te voldoen aan zowel de criteria voor ‘statistische pariteit’ als ‘gelijke kansen’ definities van eerlijkheid.

Dit wordt snel ingewikkeld. In feite zijn er verschillende definities van eerlijkheid, waarbij er verschillende manieren zijn om eerlijkheid te definiëren die elkaar kunnen tegenspreken of niet tegelijkertijd waar kunnen zijn. De realiteit is dat er geen eenduidige definitie van eerlijk is. Datawetenschappers hebben de taak om belangrijke beslissingen te nemen over welke vragen ze moeten stellen en welke modellen ze moeten gebruiken. Hoewel veel goedbedoeld zijn, betekent dit dat het moeilijk kan zijn voor iemand die het juiste wil doen om te weten welke vereiste hij moet doen.

Als je bedenkt dat datawetenschap momenteel nog de laagste homogeniteit kent qua diversiteit in technische beroepen , wordt dit nog problematischer. Dus als de definitie van ‘eerlijk’ subjectief is aan de homogeniteit van de data teams, hoe kunnen we dan eerlijke beslissingen nemen en daarmee ethische datawetenschap beoefenen?

Wat wordt gemeten, wordt beheerd en wat wordt beheerd, wordt verbeterd

We worden geleefd door onze kernwaarden, evalueren en hebben onze doelen geïdentificeerd door collectief te zoeken. Navigeren door ethiek is een van onze kernwaarden, we erkennen dat er soms niet één juist antwoord is.

* Er zijn geen reguliere mogelijkheden om de nuances van ethische datawetenschap te bespreken.

* We bouwen geen oplossingen voor situaties van leven of dood.

* Ik heb niet genoeg vertrouwen in mijn vermogen om onbedoelde gevolgen te herkennen.

* Ik heb onvoldoende grip op rechtvaardigheid en eerlijkheid, vooral niet als het om verschillende groepen gaat.

Datawetenschap is niet nieuw, maar in de afgelopen 10 jaar zouden de meeste professionals het beschouwen als een opkomende discipline.

Hoewel datawetenschap nog grotendeels ongereguleerd is, groeit de consensus dat het noodzakelijk is. Dit is een vroeg teken van regelgeving die naar de data science-wereld komt.

Maar we bouwen data- en AI-systemen die mensen op verschillende manieren meten, beïnvloeden en ondersteunen. Maar wat als we elke oplossing die we hebben gebouwd door de lens van de impact op mensen zouden bekijken? Een standaard ethisch beoordelingsproces kan risico’s herkennen en bescherming te bieden tegen onbedoelde gevolgen.

Wat gebeurt er als een bedrijf, organisatie of de overheid u een e-mail stuurt met een onderwerpregel die luidt “strikt privé en vertrouwelijk – kennisgeving van een databreuk”?

“U bent aangeslagen na het lezen van de e-mail: hoe ernstig is de datalek en welke actie wordt er ondernomen, of is het slechts een kleine inbreuk?”

Als er normaal een aan u geadresseerde brief aankomt met de aanduiding ‘privé en vertrouwelijk’, betekent dit dat niemand anders deze mag openen. Maar bij een e-mail is het onzinnig te denken dat u de enige bent die deze kan lezen. In feite staat er in de e-mail vertel het aan niemand, anders loopt u mogelijk juridisch gevaar.

“Het is duidelijk dat het proberen het datalek stil te houden niet echt kansrijk is”

Is het acceptabel om te vragen of een ​​melding van een datalek “strikt privé en vertrouwelijk” te noemen, aangezien dit kan worden uitgelegd als een ondeskundige poging om het incident te verzwijgen.

“De kennisgeving per e-mail is gemarkeerd als privé en vertrouwelijk vanwege de aard van de communicatie, die bedoeld is voor de betrokken personen. Gezien de inhoud van de e-mail wilde men dit duidelijk maken, daarom is de e-mail gemarkeerd als privé en vertrouwelijk.”

Dit slaat duidelijk nergens op. E-mails die naar een persoon worden gemaild, gaan naar die persoon. Als je niet wilt dat mensen de informatie delen, vraag het dan beleefd en vriendelijk – maar aangezien je de controle over je persoonlijke gegevens bent kwijtgeraakt, mag men niet verwachten dat je daar gelukkig van wordt.

Getroffen door een datalek criminelen kunnen je naam, e-mailadres, fysieke adres en de laatste vier cijfers van betaalkaarten, samen met de vervaldatum kunnen hebben buitgemaakt.

“betaalkaart informatie mag niet worden misbruikt voor frauduleuze transacties, dus u hoeft uw betaalkaart niet op deze basis te annuleren”

Ondanks de melding van een inbreuk, weet u niet of u op de een of andere manier een verhoogd risico loopt.

Op basis van de blootgestelde gegevens, loopt u het grootste op social engineering – bijvoorbeeld door gebeld te worden door een fraudeur die de gestolen informatie wil gebruiken om aanvullende details te achterhalen, zoals u volledige creditcardnummer.

Ook loopt u het risico lopen op identiteitsdiefstal doordat er dingen in u naam worden aangevraagd. Er zijn diensten die dit monitoren, “ze helpen u bijvoorbeeld bij het opsporen van mogelijk misbruik van uw persoonlijke gegevens, ook om redenen die verder gaan dan dit incident, en biedt u ondersteuning voor identiteitsbewaking, gericht op de identificatie en oplossing van identiteitsdiefstal.”

Wanneer bedrijven, organisaties of de overheid een datalek melden staan ze met een nul achter. Omdat ze vertrouwd waren u privé-informatie en de opdracht hadden deze te beschermen, en dat hebben niet gedaan. Daarom is het een goed uitgangspunt dat ze elke mogelijke stap moeten nemen om de gevolgen te beheersen. Iets doen dat eruitziet alsof je het probeert je fouten te verzwijgen, is dan een nee-nee.

“De prioriteit is dan om duidelijk te identificeren wie (en niet) betrokken zijn bij een incident en om precies te bepalen om welke informatie het gaat, zodat ze u kunnen uitleggen wat er is gebeurd en u laten weten wat u kunt doen als reactie op dit incident”

Heb je vandaag het internet gebruikt? Facebook bezocht? Iets online gekocht? Naar het weer op je smartphone gekeken? Online een video bekeken? Een ritje geboekt? Verbinden aangegaan op een online platform? Uw collega een sms gestuurd? Met al deze activiteiten, genereert u data. En u bent slechts een van de miljarden mensen die ook gegevens genereren. In feite genereren gebruikers van het internet nu elke dag 2,5 quintillion bytes aan gegevens, en 90 procent van de gegevens die vandaag beschikbaar zijn, is pas in de afgelopen twee jaar gegenereerd.

Voor bedrijven en organisaties die kunnen leren en profileren met deze data, lijkt de exponentiële groei een droom die uitkomt. Die gegevens zijn zinloos zonder manieren om ze te verzamelen en analyseren, maar een feit is dat de er een steeds grotere vraag data ontstaat.

En de bijbehorende termen zoals datawetenschap, Big Data, R-programmeren, Python en SAS, en een carrière in de datawetenschap wordt gezien als de meest sexy baan van de 21e eeuw.

Het potentieel klinkt zeker veelbelovend, maar je vraagt ​​je misschien af: wat doet je met al die verzamelde data?

Er is geen typische dag waarop data wordt verzameld.

Allereerst een disclaimer het idee van ’typisch’ en data gaan niet samen. Data is flexibel als je flexibel bent, afwisselend als je van afwisseling houdt, atypische maar prima passend. En hoewel de dagen vol beweging zijn, blijven sommige aspecten van de dag hetzelfde: verzamelen van data, werken met en kennis op doen om bij te blijven.

Werken met data, data is overal

Ons dagelijks leven draait steeds meer om data, wat aanziens de mogelijkheden geen verrassing is. Wetenschappers besteden een groot deel van hun tijd aan het verzamelen van gegevens, het bekijken van die gegevens, het verwerken van gegevens, maar op veel verschillende manieren en om veel verschillende redenen:

Gegevens ophalen,

samenvoegen,

analyseren.

Zoeken naar patronen of trends

Algoritmen ontwikkelen en testen

Problemen vereenvoudigen

Voorspellende modellen

Datavisualisaties

Resultaten schrijven en delen

Bewijs van werkzaamheid

Alles ondergeschikt aan in de eerste plaats het vermogen om problemen op te lossen. Werken met gegevens betekent proberen te bepalen welke vragen beantwoord moeten worden, en vervolgens met verschillende benaderingen komen tot een uitkomst om probleem op te lossen.

Dit lijkt misschien een ondergeschikte rol, maar het tegenovergestelde is waar, want uiteindelijk is het de manier om problemen op te lossen.

De focus voor het gebruik van computers verandert voortdurend, van mainframes tot desktops tot de cloud en nu Edge. Die de manier waarop we werken, leven en spelen zal veranderen.

Met 6,8 miljard mensen en 20 miljard verbonden sensoren en apparaten hebben we een nieuwe wereld van gedecentraliseerde intelligentie gecreëerd. Met nieuwe mogelijkheden die een revolutie zal ontketenen door alle nieuwe mogelijkheden zoals gezondheidszorg op afstand, nieuw gedrag en nieuwe vormen van verstoring. Edge computing versnelt het vermogen om bionisch te worden door toegang tot enorme datasets, waarvan vele betrekking hebben op menselijke activiteit, en de middelen om deze informatie op nieuwe manieren te begrijpen door middel van kunstmatige intelligentie.

Edge zal net als eerdere verschuivingen, winnaars en verliezers kennen. En genereert in vergelijking met cloud computing complexere vaardigheden en mogelijkheden, waardoor de winnaars van vandaag misschien niet die, van morgen.

Edge computing heeft de afgelopen jaren veel aan terrein gewonnen, maar het idee om verwerking en intelligentie dichter bij de gebruiker te brengen, is al een paar decennia oud. Rond de eeuwwisseling begonnen bijvoorbeeld contentdistributienetwerken (CDN’s) rekenkracht en opslag dichter bij de gebruiker te brengen, waarbij regionale datacenters het Wereld Weide Web zich kon versnellen.

De connectiviteit en gegevensstromen die edge computing tot leven brengen, zijn gebaseerd op de hardware en infrastructuur die de edge met de cloud verbinden.

Wanneer we gegevens aan de uiterste rand van het netwerk worden verwerkt, worden de latentie- en bandbreedtekosten drastisch verminderd, zonder concessies te doen aan de mogelijkheid om data centraal te verwerken.

De verzamelde data zal naar verwachting sterk blijven groeien, verdubbelen en een aanzienlijke groei stimuleren. Naarmate er meer gebruikersscenario’s en nieuwe technologieën opduiken, is de verwachting dat de hoeveelheid data jaarlijks zal toenemen.

De meeste huidige gebruikersscenario’s zijn afhankelijk van reken- en opslagmogelijkheden in of nabij het apparaat die de snelheid verhogen of de afhankelijkheid van connectiviteit verminderen. Dienovereenkomstig vormen de smartphones interessante hubs bij decentraal verwerken van data, terwijl 5G en andere geavanceerde netwerken worden uit gerold, wat de groei van de Edge nog meer zal versnellen.

Daarbij heeft Edge computing het voordeel van een lage latentie, betere betrouwbaarheid, mogelijk betere beveiliging, tegen lagere kosten en meer gemak.

Een smartgrid met privévoertuigen, openbaar vervoer, vrachtwagens en het delen van fietsen en scooters. Bewaking en onderhoud op afstand. Met geavanceerde automatisering en baanbrekende Edge-architecturen gebouwd met real-time algoritmen en machine learning. De basis voor snelle groei.

Deze ambities zijn gebaseerd op de sterke indicatoren en het bouwen aan nieuwe mogelijkheden. Die benadering is gericht op het lokaal verwerken van gegevens om een ecosysteem op te bouwen, met de edge mogelijkheid om hardware, software en connectiviteit te combineren die normaal moeilijk samen te brengen onder een gemene deler.

De Edge is een natuurlijke uitbreiding en combineert rekenkracht en opslagcapaciteit van de hardware en de connectiviteit. Om zo ecosystemen te creëren en te profiteren van de schaal en horizontale expansie.

Het is belangrijk om evenwicht te vinden voor applicaties en platforms om zo end-to-end-oplossingen te bouwen.

De uitrol van 5G zal extra mogelijkheden creëren voor het bieden van lokale verwerking van data, ecosystemen waarbinnen data wordt verwerkt op je eigen smartphone.

Betrouwbare communicatie met lage latentie om Edge-ecosystemen te creëren.

Rechten en beginselen voor Europeanen

Een kader van digitale beginselen zal de EU-waarden in de digitale ruimte helpen promoten en hooghouden. Dit kader zal worden geïdentificeerd via een breed maatschappelijk debat en zou bijvoorbeeld kunnen bestaan ​​uit:

Digitale rechten

• Vrijheid van meningsuiting, inclusief toegang tot diverse, betrouwbare en transparante informatie

• Vrijheid om online een bedrijf op te zetten en te leiden

• Bescherming van persoonlijke gegevens en privacy

• Bescherming van de intellectuele creatie van individuen in de online ruimte. 

Digitale principes

• Een veilige en vertrouwde online omgeving

• Universeel digitaal onderwijs en digitale vaardigheden

• Toegang tot digitale systemen en apparaten die het milieu respecteren

• Toegankelijke en mensgerichte digitale openbare diensten en administratie

• Ethische principes voor mensgerichte algoritmen

• Kinderen in de online ruimte beschermen en mondiger maken

• Toegang tot digitale gezondheidsdiensten

De Commissie zal voorstellen om een ​​dergelijke reeks digitale beginselen en rechten op te nemen in een interinstitutionele plechtige verklaring die:

• een gemeenschappelijke benchmark op Europees niveau vaststellen voor fundamentele rechten en waarden in de digitale ruimte

• ervoor zorgen dat alle burgers profiteren van digitalisering, bekwaam zijn voor de digitale samenleving en hun rechten zowel online als offline uitoefenen

• de EU en de lidstaten begeleiden bij het uitstippelen en handhaven van gecoördineerd beleid

• helpen bij het monitoren van de perceptie van Europeanen van de voordelen van digitalisering in een jaarlijkse Europesche barometer

De klantervaring (CX) een vage definitie maar de belangrijkste factor die bepaalt hoe onze nabije toekomst eruit ziet.

Het is gemakkelijk om te verdwalen in het definiëren van je klantervaring als ‘een technische parafernalia of processen die gebruikt worden om je te helpen de winkel te vinden’ letterlijk of figuurlijk. Maar een klantervaring is eenvoudiger (en veel genuanceerder) dan dat.

Bij een klantervaring gaat het over perceptie.

Hoe je als klant een merk waarneemt: wat je ziet, voelt of hoort

En een klantervaring moet dan ook naadloos overgaan in perceptie.

‘Naadloos’ betekend meer dan alleen een hippe slogan, het betekent dat als je de klantenservice belt, in de winkel winkelt, online website bezoekt, afrekent, een product of services gebruikt, hetzelfde zorgzame ethos moet kunnen voelen dat je verwacht. Een naadloze ervaring is eenvoudig, maar erg gedetailleerd. Alles, tot en met het licht en de geur op locatie, roepen een emotionele reactie op. Als die emotie positief is, dan is dat goed.

Het is soms gemakkelijk om de verwachtingen over technologie, betalingsgateways en algemeen gebruiksgemak aan te nemen, maar vraag een professionele benadering van technologie om het logischer en aangenamer te maken.

Het optimaliseren van de klantervaring betekend op de eerste plaats zorgen dat de technologie die je ervaart je kunnen helpen om je dagelijkse taken te vergemakkelijken, verlichten.

Efficiëntie is een overweging maar in feite is efficiëntie vaak de reden waarom de klantervaring afneemt. Hier en daar een beetje vet wegsnijden, personeelsbestand uitdunnen kan kosten besparen en een organisatie meer gestroomlijnd doen lijken, maar het begin van het einde zijn

Hoe effectief men is in het behagen hoe makkelijker het verkopen wordt.

Hierbij is data-analyse een zeer nuttige tool worden. Het interpreteren van je gedrag, wat nooit een eenvoudige taak is lijdt tot inzichten in wie je bent.

Zeker nu het digitale leven een grote factor is geworden, is het gemakkelijker dan ooit om naar de juiste data te zoeken en deze succesvol toe te passen.

Het verzamelen van gegevens is geen nieuwe handeling, het analyseren van je gedrag om je beter van dienst te zijn, is zo oud als de weg naar Rome. Gegevensanalyse maken je klantervaring alleen maar nauwkeuriger en leuker.

Zo worden je eerste aankoop, je online gedrag, de frequentie dat je een winkel of website bezoekt, je persoonlijke smaak en zelfs het gebruik van de klantenservice samengevoegd. Al deze details vormen de basis van waaruit je ervaring wordt afgestemd, terwijl er ook beter op je gedrag kan worden ingespeeld.

Dit zorgt ervoor dat je benadert op een manier die bij je gedrag past. Zelf als je wordt gebeld en vaak de vragen op je situatie zijn toegespitst? Dit zorgt er tevens voor dat je een herinnering krijgt na een nieuwe blogpost, die een aantal belangrijke en nuttige tips bevat waarin de basisprincipes van uw populairste producten worden beschreven. Dit soort dingen zorgen ervoor dat je loyaliteit wordt versterkt.

Nadat je eerste profielopbouw is gedaan, nemen de gegevens van jou als individu alleen maar toe en deze worden gebruikt om een ​​zo volledig overzicht van je op te bouwen.

Het mooie van data is dat het een groot deel van het giswerk wordt geëlimineerd.

Gegevens zijn ondubbelzinnig: leggen vast wat je deed, en zeggen dat je het waarschijnlijk weer gaat doen. Dat zijn de feiten die gebruik worden om een ​​correct beeld van je op te bouwen, ongeacht wat je denkt of voelt over de producten worden gemaakt of processen worden uitgevoerd.

Als eenmaal een profiel van je is opgebouwd, is er een berg aan gegevens beschikbaar uit perifere bronnen die kunnen bijdragen aan wat men al over je weet. Data-analyse leidt er bijna intuïtief toe dat de juiste vragen worden gesteld: waarom je dingen doet of waarom herhaalde je een bepaald gedrag nog voordat je het doet?

Gegevens zijn vloeibaar en veranderen in de loop van de tijd, en data-analyse is geen eenmalige gebruik van je gegevens. Als er eenmaal een klantprofiel van je is opgebouwd, laten bedrijven dat dan niet los als een statisch bezit. Ze brengen je data regelmatig in kaart door verschillende datasets te vergelijken met je profiel.

Natuurlijk allemaal om je klantervaring verder dan ooit te verfijnen, waardoor je relatie met hen nog beter wordt.

Of dat het dan ook oké is, om het in dit proces een beetje verkeerd te doen; zolang ze je een betere service proberen te bieden, zullen ze het als incidentele discrepantie zien.

Het formuleren en testen van een hypothese op basis van beschikbare profielen is een gebied waar toegewijd onderzoek van grote invloed kan zijn.

Ten slotte zorgt een dergelijke intimiteit voor een goede toekomstige groei, via upsellen en zelfs cross-selling.

Kortom, je perceptie zal verbeteren, en dat is precies wat klantervaring inhoud: de perceptie, wie je bent en hoeveel je wordt gewaardeerd.

Gegevens uit gedrag worden gebruikt om inkomsten te genereren (bij alle grote platform bedrijven)

Steeds meer moderne bedrijven ontdekken gegevens en analyses over gedrag om te gebruiken voor werving..

Volgens onderzoek presteren organisaties die gegevens over gedrag gebruiken om gedragsinzichten te genereren, 85 procent beter dan hun concurrenten in omzetgroei en meer dan 25 procent in brutomarge.

Platform bedrijven die allemaal hun respectieve imperium hebben opgebouwd rond een kern van gegevens en analyses over gedrag zijn het aanschouwelijk bewijs.

In een digitale wereld waar gerichtheid, personalisatie en ervaring de winnaars van de verliezers scheiden, is het geen toeval dat deze bedrijven blijven groeien. Het zal dus steeds moeilijker worden om in welke branche dan ook te concurreren voor degenen die de  gerichte strategie links te laten liggen. De op gedrag gebaseerde datagestuurde benadering zorgt immers dat men een sterkere band met u opbouwt.

Daarbij is het verbazingwekkend hoeveel gedragsgegevens er binnen handbereik beschikbaar zijn.

De kans is groot dat daar ook de uwe bij zitten, is dat goed nieuws!

U hoeft geen wetenschapper te zijn om te zien dat gedragsmatige gegevens en -analyses gebruikt wordt om uw ervaring naar een hoger niveau te tillen. Met de juiste kennis en tools kan elke organisatie inspelen op u wensen en gevoelens.

Voor het digitale tijdperk, toen traditionele massamarketingcommunicatie in één richting ging, de manier was om veel mensen te bereiken. En je voor de personalisatie van je ervaring naar een fysieke winkel ging.

Destijds segmenteerde bedrijven u op basis van voornamelijk demografische en firmografische kenmerken zoals leeftijd, geslacht, inkomen, etniciteit, beroep, branche, bedrijfsgrootte, geografische locatie enz.

Met andere woorden, uitsluitend gericht op het  wie kan ik allemaal bereiken.

Het belang van inzicht in wie u bent, valt dan wel eens buiten de boot. Tegenwoordig zijn het ontwikkelen van digitale profielen essentieel om u te begrijpen en om marketing activiteiten rond u in kaart te brengen.

Maar in de klantgerichte wereld volstaat het niet om te begrijpen ‘wie’ uw bent.

“Het maakt echt niet uit of je een 60-jarige vrouw bent of een 20-jarige man, want beide kunnen een hele andere belevingswereld hebben, die niet aan leeftijd gebonden is. “

Men kan onmogelijk aannames doen over de interesses, behoeften, wensen of waarden van individuele klanten, puur op basis van wie ze zijn, op basis van demografische of kwalitatieve kenmerken.

De sleutel tot het begrijpen ligt meer in wat je doet; kwantitatieve inzichten die worden onthuld door ons gedrag om een veel nauwkeuriger beeld te kunnen schetsen van wat we willen en nodig hebben, en hoe en wanneer we geneigd zijn om dingen te doen, ondernemen of aan te kopen.

Daarvoor gebruiken ze gegevens over gedrag om ons een gepersonaliseerde ervaringen te bieden. Persoonlijke aanbevelingen via geavanceerde algoritmen voor die aanbevelingen worden bijna alleen gegevens over ons gedrag gebruiken, die zijn ontworpen om u met dynamisch gepersonaliseerde inhoud en productsuggesties van dienst te zijn op basis van het eerdere gedrag.

Maar hoe waanzinnig effectief het ook is, personalisatie is slechts één (ongelooflijk lucratief) voorbeeld van hoe de platformen van het digitale tijdperk gedragsmatige gegevens en -analyses gebruiken.

Tegenwoordig denkt men steeds meer in termen van end-to-end customer journeys. Maakt men gebruik van gegevens om u te begrijpen en te segmenteren op basis van u gedrag om de ervaring te verbeteren en echte toegevoegde waarde te leveren.

Data Governance we lijken te evolueren naar een soevereine datamarkt

European Association for Digital Transition Economische toekomst

En een sleutelelement bij het creëren van een interne datamarkt, is dat die is afgestemd op de waarden en principes van de Europese Unie. Het is duidelijk dat de Europese Unie op dit gebied met een achterstand begint, maar de meeste technologische ontwikkelingen moeten nog komen, en daarin speelt de uitrol van 5G en het internet der dingen (IOT) een sleutelrol, ook is inmiddels duidelijk dat er nog een lange weg te gaan is.

Ook al bevinden we ons pas in de voorbereidingsfase welke een onderdeel uitmaakt van de ambitieuze strategie van de Commissie voor de digitale transitie. Waarbij het scenario met datatussenpersonen een voorkeur lijkt te hebben. Hun rol moet zorgen voor neutraliteit en transparantie en vertrouwen in de overdracht van gegevens. In niets een vergelijking met huidige model, dat gedomineerd wordt door grote Amerikaanse databedrijven.

Met een datatussenpersonen verdwijnt het voor eigen voordeel uitwisselen van gegevens- geen stiekeme verkoop aan derden – en zullen er strikte normen zijn waar aan moet voldoen.

Dat alles met Europese datacenters, infrastructuur, technologie en wetgeving. Met het doel een ​​veilige en betrouwbare omgeving voor de uitwisseling van informatie, zowel in de publieke als in de private sector.

Daarbij spelen ook organisaties een rol die voorwaarden scheppen voor de uitwisseling van gegevens ten behoeve van de samenleving als geheel op het gebied van stedelijke mobiliteit, civiele bescherming of volksgezondheid. 

Deze organisaties mogen geen winstoogmerk hebben en een NOV keurmerk of gelijksoortig keurmerk hebben en voldoen aan strikte transparantienormen.

Hierbij is de European Association for Digital Transition betrokken voor het openbare raadplegingsproces voor het opstellen van de concept wet. Naast mogelijke fouten en verbeteringen kijken zij naar de wenselijkheid, aanpassingen en concept teksten die de creatie van een wettelijk kader voor een ​​geïntegreerde datamarkt voor de Europesche Unie vorm te geven, in overeenstemming met onze normen en waarden. Één open, soevereine markt voor gegevens, voor een beter gebruik van gegevens, veilig voor de praktijken van de grote platforms, die hun bedrijfsmodel hebben gebaseerd op het exclusieve gebruik van informatie.

In dit voorstel van de Europesche Commissie lig de nadruk op het hergebruik van geanonimiseerde of gepseudonimiseerde beschermde gegevens in gebieden als gezondheid en onderwijs in het bijzonder. Het is duidelijk dat het hergebruik van gegevens niet-discriminerend, evenredig en objectief gerechtvaardigd moet zijn, voor een transparante dienstverlening.

Volgens Rapyder: “De snelheid waarmee gegevens worden gegenereerd, zal nooit meer langzamer worden”. We zitten in een opwaartse trend nu onderzoek uitwijst dat nog 6 miljard apparaten zullen worden aangesloten.

Door decentralisatie vanuit cloudnetwerken toe te voegen, heeft edge computing vele voordelen toegevoegd voor bedrijven die gegevens uit data kunnen halen.

Het biedt verbeterde betrouwbaarheid voor hoge snelheid, verminderde latentie, waardoor snellere verwerking van gegevens en levering van inhoud mogelijk is.

Het biedt een veel goedkopere weg naar flexibiliteit en schaalbaarheid, waardoor bedrijven hun rekenkracht kunnen uitbreiden.

Door het gebruik van lokale data kan Edge informatie omzetten via kunstmatige intelligentie en machine learning om inzicht in gedrag te krijgen waar bedrijven en hun consumenten baat bij hebben.

Gedistribueerd computergebruik, waarbij verwerking van data niet plaatsvindt op gecentraliseerde servers in de cloud, maar op je eigen apparaten, waar veel van de gegevens waarop we vertrouwen, worden gegenereerd. Zal een grote winst opleveren, niet alleen op het gebied van computergebruik, maar ook in het leven van het toenemende aantal mensen die hierdoor verbonden zijn, met de kracht van internet.

Met edge computing  verplaatst men de verwerking van gegevens van een centrale server naar de plaats waar ze zijn verzameld. Dit vermindert de latentie tot bijna nul.

Edge computing stelt ons ook in staat om meer gelokaliseerde controle te hebben over onze gegevens. Zonder dat die gegevens hoeven te worden gedeeld of uitgewisseld. Dit betekent dat gevoelige gegevens, zoals medische of eigendomsinformatie, kunnen worden verwerkt en veilig kunnen worden bewaard op het apparaat zelf. Hierdoor kan AI leren van use cases, maar wordt de privacy van gebruikers beschermd.

Omdat edge computing de afhankelijkheid van connectiviteit vermindert, zullen steeds meer mensen toegang krijgen tot AI-oplossingen. Dit zal grote gevolgen hebben in delen van de wereld waar mensen met ernstige connectiviteitsproblemen worden geconfronteerd. Immers veel functies van je apparaten blijft beschikbaar terwijl er geen connectie is met het internet.

Gecombineerd met een nieuwe generatie satellieten met een lage baan die de latentie zullen verminderen, zullen edge computing applicaties het leven voor mensen radicaal veranderen.

We zullen hierdoor meer doorbraken zien teweeggebracht door edge computing bijvoorbeeld in de geneeskunde, transport, industrie, landbouw en thuis. Het vermogen van Edge om gegevens op een intelligente manier, zo dicht mogelijk bij de bron te verwerken, zal nieuwe mogelijkheden creëren die praktische voordelen zullen opleveren voor grote groepen mensen in onze samenleving.

Hoe zullen Kunstmatige intelligentie en Big Data onze toekomst in de komende vijf jaar vormgeven?

Kunstmatige intelligentie heeft nu al een grote impact op ons leven, de samenleving en de economie, zowel goed als slecht.

Momenteel werpt het werken met Kunstmatige intelligentie nog veel vragen op met betrekking tot onder meer privacy, gegevensbescherming, discriminatie, autonomie, machtsasymmetrie, eerlijkheid, maar hoe staat Kunstmatige intelligentie er over vijf jaar voor?

Welke maatregelen moeten er worden genomen om ervoor te zorgen dat we een gewenste toekomst beeld bereiken en de ongewenste voorkomen?

Het doel is de ethische en mensenrechtenkwesties van slimme informatiesystemen (dat wil zeggen de combinatie van Kunstmatige intelligentie en big data analyse) te verduidelijken en vast te leggen. Door onderzoek naar de huidige technologieën en toepassingen, toekomstgerichte gebruiksvormen en het beschrijven van ethische en sociale spanningen.

Daarbij moet een speciale focus worden gelegd op het mensenrechtenkader en hoe cyberdreigingen en technische oplossingen daarop een impact kunnen hebben.

Zodat onze op Kunstmatige intelligentie gefundeerde samenleving over vijf jaar, bestaat uit technologieën die ons een waarheidsgetrouw beeld geven en in staat zijn menselijk gedrag na te bootsen, informatie kunnen verifiëren, zelfrijdende auto’s kunnen besturen, en ons taken uit handen kunnen nemen.

Al deze technologieën en toepassingen zijn mogelijk beschikbaar in de komende vijf jaar, met een antwoord op de vraag hoe de technologieën of toepassingen kunnen worden gebruikt, hun ethische, juridische, sociale en economische impact, en de aanbevelingen om een ​​gewenste toekomst te bereiken en een ongewenste toekomst te vermijden.

Daarover zouden de academische wereld, de industrie, maatschappelijke organisaties, de media, toezichthouders, pedagogen, technologen, cybersecurity-experts en kunstenaars samen moeten nadenken over wat deze technieken voor ons in petto hebben.