Veel bedrijven bevinden zich nog in een vroeg stadium betreft het toepassen van artificiële intelligentie-platformen. De early adopters maken al de overstap naar AI 2.0. Zo beweert Forrester in zijn rapport AI 2.0: Upgrade Your Enterprise With Five Next-Generation AI Advances.
Volgens Forrester komen er vijf veranderingen aan op het gebied van AI:
- Transformer networks
- Synthetic data
- Reinforcement learning
- Federated learning
- Causal inference
Volgens het rapport pakken deze verbeteringen een aantal beperkingen van AI 1.0 aan, zoals de nauwkeurigheid, snelheid en veiligheid van data. AI 1.0 was gericht op modellen die patronen herkennen. AI 2.0 wordt gekarakteriseerd door taal, zicht en andere manieren om data te genereren.
Naast dat AI 2.0 in staat is om automatisch content te genereren, artikelen samen te vatten en vragen te stellen, is het mogelijk de nieuwe veranderingen overal toe te passen. AI-modellen kunnen bijvoorbeeld worden getraind aan de netwerkrand, waardoor nieuwe applicaties goedkoper, sneller en veiliger moeten zijn.
De vijf grote veranderingen op het gebied van AI
Transformer networks kunnen met complexe tijd- of context-elementen overweg, zoals het verwerken van taal. De verbetering maakt het mogelijk om gigantische modellen te trainen om meerdere taken tegelijk uit te voeren met meer nauwkeurigheid en minder data dan individuele modellen die apart werken.
Microsoft gebruikt transformer networks voor toepassingen zoals natural language search, het automatisch toevoegen van captions aan foto’s, het modereren van ongepast taalgebruik door gamers en automatische klantenservice.
Voor AI heb je data nodig en het is niet gemakkelijk of goedkoop om voldoende data te verzamelen om modellen te trainen. Met synthetic data wordt dat probleem opgelost. De nauwkeurigheid, degelijkheid en de generalisatie van de modellen verbetert hierdoor. Bedrijven als MDClone gebruiken synthetic data om gaten in hun data in te vullen en de privacy van patiënten te beschermen.
Reinforcement learning maakt het makkelijker voor bedrijven om snel te reageren op veranderingen in data. Reinforcement learning leert van de interactie met een echte of gesimuleerde omgeving via trial en error in plaats van via historische data. Een olie- en gasmaatschappij gebruikt Project Bonsai van Microsoft het om veelbelovende paden te vinden om ondergronds te boren.
Federated learning maakt het mogelijk voor AI-modellen om het complete model te delen in plaats van de onderliggende data. Hierdoor kan informatie snel, goedkoop en veilig worden gedeeld. Android 11 gebruikt federated learning om slimme antwoorden te genereren en emojis voor te stellen.
Causal inference kan oorzaak-en-gevolg-relaties identificeren tussen variabelen. Het is niet mogelijk om oorzaken te bewijzen. Wel kunnen bedrijven de techniek gebruiken om verkeerde beslissingen op basis van slecht presterende modellen te voorkomen. Deze technologie is nog in een vroeg stadium, vergeleken met de andere vier factoren.