Als er over de grote gevaren voor de mensheid gesproken wordt, dan wordt Artificial Intelligence (AI) bijna altijd genoemd. Niet zelden wordt dit gestimuleerd door privacy overwegingen en science fiction: wat als computers de wereld overnemen, wat als ze te veel voor zichzelf gaan denken en wat als de algoritmen door ML (Machine Learning) zo ingewikkeld worden dat we ze zelf niet meer begrijpen en we daarmee de grip kwijtraken op belangrijke processen.
Het lijkt erop dat we ons daar voorlopig geen zorgen over hoeven te maken. Niet als je met Maurits Kaptein spreekt tenminste. Maurits schreef eerder het boek: Hallo Wereld, Hallo Computer, wat iedereen zou moeten weten over digitale technologie, waarin hij onder andere de grondbeginselen van Artificial Intelligence en Machine Learning uitlegt. Maurits is enthousiast over de mogelijkheden van AI, maar hij kwam er al snel achter dat meeste AI projecten eindigen in.. een powerpoint presentatie. De implementatie van AI (AI Deployment) blijkt lastiger dan gedacht. Het lijkt er zelfs op dat het merendeel van de AI modellen dat gemaakt wordt niet in de praktijk wordt gebruikt.
AI en de juiste data
AI wordt gezien als een van de meest disruptieve technologieën sinds de industriële revolutie. De toepassing in de medische sector, logistiek, fraudedetectie, klantenservice en zelfrijdende auto’s zijn interessant, hoopgevend en veelbesproken. Veel organisaties investeren dan ook flink in AI projecten in de hoop dat deze technologie ons leven gemakkelijker en efficiënter maakt. In het begin leidde dat nog wel eens tot frustratie bij AI specialisten: organisaties vroegen om een AI implementatie, maar in veel gevallen bleek de data niet aanwezig, niet netjes georganiseerd of in verschillende bestandsformaten te staan. Daarmee eindigden veel AI projecten in een data-opruim-actie.
AI en de cloud
Inmiddels is veel data netjes en opgeruimd en kunnen organisaties aan de slag met “echte” AI projecten. Hier worden data-scientists voor ingezet: zij bedenken AI modellen, programmeren deze en testen ze. Meestal wordt dat in de cloud gedaan: dat is handig want voor het maken van AI modellen is veel rekenkracht nodig en er bestaan allerlei cloud tools om de AI modellen te “trainen”.
De ontwikkeling van AI modellen is dan ook steeds vaker succesvol en dat is super voor je powerpointpresentatie: de AI werkt op onze historische data! Data science consultancy is dan ook een succesvolle en groeiende business. Maar als we AI echt in de praktijk willen brengen willen we het juist gebruiken op basis van nieuwe data. Deze data wordt verzameld in “het veld” door sensoren, machines, en zogenaamde edge devices. En om AI modellen efficient en veilig te gebruiken wil je eigenlijk niet de data naar de cloud sturen, maar juist het model naar de data: zogenaamde Edge AI. Veel data scientists zijn opgeleid om cloud tools te gebruiken en om modellen te maken op basis van historische data. Voor de implementatie is edge AI vaak sneller, veiliger, en energie-zuiniger dan AI in de cloud en daar is andere kennis voor nodig.
AI implementatie
Geconfronteerd met de vele powerpoints maar de weinige echt succesvolle implementaties van AI heeft Maurits Kaptein zich in de afgelopen jaren gespecialiseerd in AI Deployment, en om precies te zijn in: Deep Tech voor Edge AI Deployment. Deep tech betekent dat de implementatie van AI “zo laag mogelijk” gebeurt; dicht bij de computer hardware en daardoor extreem efficient. Edge AI deployment betekent dat je een AI toepassing niet in de cloud maar juist op de kleinere devices aan de rand van het netwerk implementeert, dat is bijvoorbeeld je computer of meetapparatuur. De apparaten aan de rand van het netwerk worden de laatste jaren steeds krachtiger en veel AI projecten kunnen dus lokaal uitgevoerd worden. En dat biedt veel voordelen: het is sneller, je bespaart er energie mee, er is weinig overhead en, niet onbelangrijk, het is makkelijker GDPR complient te maken. Want als je data over mensen verzamelt (nummerborden, gezichtsherkenning), mag je dat niet zo maar in de cloud opslaan maar (onder voorwaarden) wel lokaal verwerken.
Werk je met AI projecten, ben jij degene die beslissingen neemt over de AI projecten? Vraag Maurits Kaptein voor een lezing. Met veel voorbeelden en in eenvoudige taal legt hij uit hoe het werkt en wat er nodig is voor de implementatie.