Artikel top billede

“De virksomheder, som ikke kan forklare, hvordan deres AI-modeller kommer frem til resultaterne, men bare bruger løs af dem, vil ikke være konkurrencedygtige,” siger Francesca Rossi, AI-etikchef hos IBM.

Du skal forstå din kunstige intelligens til bunds … ellers er det spild af penge, og resultaterne er værdiløse

Kunstig intelligens er tidens varmeste buzz word og nærmest et must i specifikationerne på snart sagt ethvert it-produkt. Men hvis man ikke kan forklare, hvordan den kunstige intelligens fungerer og når frem til resultaterne, er resultaterne værdiløse og pengene spildt, siger en ekspert.

Kunstig intelligens er alle vegne og tidens absolut mest brugte buzz word. Det mulige udbytte af kunstig intelligens er da også nærmest enormt, hvis man skal tro markedsføringen og de mange eksperter.

Men at bruge kunstig intelligens er ikke så ligetil. Faktisk kan man ende med fuldstændig ubrugelige resultater, fortæller Francesca Rossi, AI-etikchef hos IBM til Computerworlds svenske søstermagasin ComputerSweden.

“De virksomheder, som ikke kan forklare, hvordan deres AI-modeller kommer frem til resultaterne, men bare bruger løs af dem, vil ikke være konkurrencedygtige”, siger hun.

At forstå bias er afgørende

Bias er et nøglebegreb i den forbindelse. For at forstå AI-modeller er det vigtigt også at forstå, hvad der påvirker modellerne. Man skal med andre ord forstå datas beskaffenhed.

Francesca Rossi peger som et eksempel på bias data fra en lønstatistik, hvor kvinder som regel har et lavere lønniveau end mænd. Her vil en AI-model måske nå frem til, at sådan skal det være.

Hvis man vil undgå, at data giver en uønsket påvirkning af en AI-model, skal man sørge for, at de udviklere, der arbejder på projektet, både forstår og kan se, om data påvirker modellen. På den måde kan man se bort fra de specifikke data eller erstatte dem med andre.

Love og regler påvirker også

Men det handler ikke kun om data. For eksempel kan lovregulering og andre typer regler påvirke de resultater, en AI-model kommer frem til.

“Det handler om at maksimere resultatet ved at kombinere indlæringsteknikker og etiske hensyn”, siger Francesca Rossi.

Etiske hensyn kan handle om at følge love og regler. En metode til at kombinere ‘frie data’ og regler kan være at kombinere machine learning og regelbaserede ‘logiske’ løsninger. Den slags bruges ofte inden for kunstig intelligens, men er på det seneste overtaget af machine learning og deep learning, skriver ComputerSweden.

Udfordringen er at kombinere data med regler på en måde, som ikke begrænser de resultater, man kommer frem til i en model ved hjælp af machine learning og deep learning.




Brancheguiden
Brancheguide logo
Opdateres dagligt:
Den største og
mest komplette
oversigt
over danske
it-virksomheder
Hvad kan de? Hvor store er de? Hvor bor de?
EG Danmark A/S
Udvikling, salg, implementering og support af software og it-løsninger til ERP, CRM, BA, BI, e-handel og portaler. Infrastrukturløsninger og hardware. Fokus på brancheløsninger.

Nøgletal og mere info om virksomheden
Skal din virksomhed med i Guiden? Klik her

Kommende events
BI Excellence Day 2025

Kom og få indsigt i, hvordan du kan arbejde målrettet og struktureret med BI, så din virksomhed bliver i stand til at tage hurtige og datadrevne beslutninger, der understøtter din virksomheds strategi. Netværk og del erfaringer med ligesindede og mød eksperter, der kan give viden om de nyeste tendenser, og hvordan du gør brug af disse uden at gå på kompromis med compliance.

30. april 2025 | Læs mere


Cyber Briefing: Geopolitik og cloud

Private vs. public cloud - hybride løsninger der sikrer kritiske data. Overvejer din organisation at vende de amerikanske cloud-giganter i ryggen set i lyset af den geopolitiske situation? Vi dykker ned i en dugfrisk rapport og diskuterer mulighederne for en "Plan B".

05. maj 2025 | Læs mere


Virksomhedsplatforme i forandring: Hvordan navigerer du i den teknologiske udvikling?

Hvordan finder du balancen mellem cloud- og hybride løsninger? Hvordan integrerer du legacy-applikationer ind i dit nye ERP-setup? Hvordan undgår du at havne i statistikken over store ERP-projekter, der fejler eller overskrider budgetterne?

06. maj 2025 | Læs mere