Artificial Intelligence is, nu we zoveel data tot onze beschikking hebben en de opslag ervan bijna niets meer kost, rendabel om mee te werken. Met Artificial Intelligence zijn we in staat nog beter te voorspellen. En als je vooruit kunt kijken, dan kun je je ook voorbereiden op de voorspelde veranderingen. Artificial Intelligence is complexe materie en vereist expertise om betrouwbare en waardevolle voorspellingen te kunnen doen.

 

 

Artificial Intelligence in vorm

Artificial Intelligence delen we voor het gemak in drie categorieën in: Business Intelligence, Machine Learning en Deep Learning. Elke vorm wordt toegelicht met de voor- en nadelen. 

 

Business Intelligence – kijkt terug in de tijd en heeft een analytische rol. Met informatie over wat is gebeurd kan een rapportage worden gemaakt en worden geïnterpreteerd. Business Intelligence is de meest voorkomende vorm van Artificial Intelligence én is makkelijk in te richten qua techniek en beheer. Daarnaast is Business Intelligence goed te verantwoorden richting de organisatie, omdat alle gebeurtenissen al hebben plaatsgevonden. Het nadeel is dat je er geen toekomstvoorspellingen mee kunt doen. Het is slechts een terugblik waarvan je kunt leren om het in de toekomst anders aan te pakken.  

 

Machine Learning – maakt het mogelijk om een toekomstige waarde te voorspellen. En niet alleen voorspellen, maar ook classificeren is mogelijk. Denk bijvoorbeeld aan een spamfilter waarbij je kunt bepalen of een e-mail spam is of juist niet. Op deze manier krijgt de gebruiker meer rust in zijn inbox en kan hij zich concentreren op zijn werkzaamheden. Zo’n spamfilter is een getraind machine learning model, dat we heel veel data geven waarbij we het antwoord al hebben voorgezegd. Als je dit vaak genoeg doet, dan is het model daarna zelf in staat het goede antwoord te geven. Inzetten van machine learning kan realtime of in rapportages. Het is goed uit te leggen hoe het antwoord tot stand is gekomen. Nadeel is dat het een bepaalde mate van expertise vergt om te operationaliseren. Machine Learning staat of valt bij een goede dataset met een gedegen onderzoek. 

 

Deep Learning – komt het dichtst bij hoe wij als mensen leren. Deze vorm bestaat nog niet zo lang en is volop in de ontwikkeling. Deep Learning modellen worden vaak ingezet om foto’s te beschrijven of de zogenaamde “deep fakes” te maken waarbij je een foto of video manipuleert met een ander beeld, waardoor het net echt lijkt met soms hilarische uitkomsten. Nadeel ervan is dat het lastig uit te leggen is hoe het model tot stand komt, omdat het “leren” op de achtergrond plaatsvindt. Qua performance nemen Deep Learning modellen meer resources in beslag en is het belangrijk goed te weten wat je gaat trainen, om de tijd die het kost goed te benutten.  

 

 

Artificial intelligence: The only constant in life is change

Wil je de voortdurende veranderingen te lijf gaan met Artificial Intelligence? Dan kan Snakeware jou helpen! We definiëren samen met jou de probleemstelling en stellen het doel vast. Zodat we daarna een mooie datagedreven oplossing kunnen inrichten die jou en je organisatie verder helpt. Neem contact met ons op, we horen graag hoe we je kunnen helpen!