Alla pratar AI numera, och menar därmed oftast maskinlärning och prediktiv analys. Bakgrunden är närmast självklar.
Med AI kan vi utveckla självlärande och självoptimerande programvaror, som automatiserar dataanalys och ger oss autonomt beslutsfattande. Vi kan därmed ta fram mycket smartare programvaror.
Detta gäller inom i princip alla domänområden, från marknadsföring till logistik, produktion och ekonomi. Speciellt marketing automation har mycket att vinna på datadrivna funktioner.
Alla pratar AI numera, och menar därmed oftast maskinlärning och prediktiv analys.
De AI algoritmer som maskininlärning använder är till för att förutspå det mest sannolika framtida beteendet hos någon eller något. Man kan säga att vi härleder, eller tränar, programvarans beteende med gammalt data.
Vi härleder, eller tränar, programvarans beteende med gammalt data.
Programvaran lär sig därmed att förutspå hur framtiden kommer att te sig, och kan genom kontinuerlig omträning justera sitt beteende i takt med att nytt data med andra datamönster blir tillgängliga.
Det råder brist på datavetare
Ett problem här är att det krävs matematiker, statistiker och datavetare (data scientists) för att ta fram maskininlärningsmodellerna, som sedan implementeras i olika typer av programvaror för att göra dem smartare.
Det råder för närvarande en stor brist på datavetare.
Det råder för närvarande en stor brist på datavetare i världen, och situationen är på intet sätt bättre i Sverige. Det är helt enkelt svårt att få tag på den kompetens som krävs för att utveckla självlärande AI system.
Därmed hämmas utvecklingen – eller i alla fall dess införande i större skala i bredare lager.
Med AI kan vi utveckla självlärande och självoptimerande programvaror, som automatiserar dataanalys och ger oss autonomt beslutsfattande
Men med ”Automated Machine Learning” (Auto-ML, eller AML) löses detta problem elegant, åtminstone för vissa typer av maskininlärningsapplikationer.
Citizen Data Scientists
Med automatisk maskininlärning används AI för att generera AI; dvs vi kan använda AML programvaror för att skapa andra maskininlärnings-programvaror automatiskt.
Med automatisk maskininlärning används AI för att generera AI
Därmed behövs inte datavetare med tung matematisk kompetens längre – iallafall inte för alla ändamål. Istället kan personal med domänexpertis men mindre matematisk kunskap använda AML programvaror för att automat-generera nya maskininlärningssystem.
De AI algoritmer som maskininlärning använder är till för att förutspå det mest sannolika framtida beteendet hos någon eller något.
Denna typ av personal kallas för ”Citizen Data Scientists”, eftersom de förvisso utför datavetenskapliga uppgifter, men har en matematisk kompetens som mer eller mindre motsvarar vilken medborgare som helst.
Jag anser mig själv vara en ”citizen data scientist”, även om jag förvisso har högre matematisk utbildning och maskininlärningskunskap än genomsnittssvensken.
Men jag är ingen matematiker eller datavetare, men kan trots det ta fram egna maskininlärningsmodeller med hjälp av AML system.
AML: Generera AI med AI
Auto-ML systemen kan grovt delas in i två grupper; dels de AML system gör att vem som helst kan skapa en maskininlärningsmodell med några musklick, och dels de system som tillåter mycket mer inställningar och därmed främst är till för att underlätta och automatisera arbetet för välutbildade datavetare.
I princip importeras historiskt data till den här typen av system, som därefter automatiskt tränas till att göra framtida förutsägelser på nytt ännu osett data från samma datakälla.
Systemen använder AI för att välja den mest lämpade AI algoritmen, och även för att konfigurera den på det mest optimala sättet (algoritmval, feature engineering, hyperparametrar, etc.).
Systemen använder AI för att välja den mest precisa AI algoritmen
Därefter automatgenereras en maskininlärningsmodell, antingen som en automtiskt driftsatt molnlösning som kan anropas från egen programvara, eller genom att generera programkod som kan integreras i den egna programvaran.
En del lösningar har även ett grafiskt användargränssnitt som gör att man kan göra förutsägelser på nytt data genom att helt enkelt importera t ex en Excel fil, varvid kravet på att utveckla egen programvara som använder maskininlärningsmodellen helt faller bort.
Några av leverantörerna av Auto-ML verktyg är Compellon, DataRobot, DMWay, H2O, MLJAR, PurePredictive, och Xpanse Analytics.
Jag är själv projektledare för ett AI projekt där vi använder DMWay for att automatgenerera AI modeller med AI. Om tid och möjlighet ges kommer jag att skriva en artikel om detta i ett senare skede.
Auto-ML demokratiserar AI
Jag förutspår att automatiserad maskininlärning med AML kommer att få en explosiv spridning i näringslivet de närmsta åren, då många AI lösningar därmed kan tas fram med liten eller ingen kunskap om matematiken bakom.
Automatiserad maskininlärning med AML kommer att få en explosiv spridning i näringslivet de närmsta åren
Man kan därför säga att Auto-ML demokratiserar AI och maskininlärning, och att i princip vem som helst med tillräckligt mycket data kan ta fram egna maskininlärningslösningar.
Är du intresserad av AML och behöver du kanske en ”citizen data scientist”, en AI-konsult eller en projektledare för ett AI projekt? Kontakta oss så kan vi ta fram nya maskininlärningslösningar åt dig!
Om du har mer krävande behov kan du använda våra specialiserade konsulttjänster som är riktade mot utveckling av AI och maskininlärning, där vi använder ett nätverk av erfarna matematiker och datavetare för algoritm och modellutveckling.
