Maskinlæring: Neste steg etter Big Data

To hender skriver på et tastatur mens tall flyr over skjermen for å illustrere maskinlæring.

Innlegget er skrevet av infrastruktur-ingeniørene Julie Dahl og Martin Hettervik.

I høst gikk en stor konferanse om Big Data av stabelen i Florida, USA. Budskapet fra scenen var krystallklart; den digitale revolusjonen har forandret måten vi jobber på, og som et resultat spår ekspertene maskinlæring til å stadig få en større rolle i næringslivet.

Tilbake i Norge ser vi at Big Data har vært en av de siste årenes største hype, og en bølge som flere moderne bedrifter har hoppet på, enten de har forstått hva det innebærer eller ikke. Det har ledet til et nytt nøkkelord; maskinlæring. Det ledende analyse- og konsulentselskapet Gartner spår maskinlæring til å bli en av de største teknologitrendene i 2017.

Maskinlæring er ikke ny teknologi

Så hva er egentlig maskinlæring? Kort summert er det teknikker som hjelper oss å håndtere store mengder data på en intelligent måte. Ved hjelp av algoritmer som finner mønstre i datasett får vi et bedre grunnlag til å ta de riktige beslutningene. Med andre ord har maskinlæring som mål å lære fra data, for å blant annet kunne forutse hendelser og utfall. Det er altså ikke ny teknologi som sådan, men baserer seg på statistiske modeller, matematisk optimalisering og algoritmer som har vært brukt lenge.

Selv om maskindata har eksistert siden datamaskinens opprinnelse, er det ikke før i nyere år at begrepet Big Data har dukket opp. Dette er fordi vi nå har så mye data at konvensjonelle metoder for verdiskapning er blitt ineffektive, og egne verktøy spesialtilpasset håndtering av store datamengder har blitt tatt i bruk.

La maskinene jobbe for deg

Vi ser ofte at bedrifter sitter på mengder av data med ubrukt potensial. Implementering av maskinlæring lar disse bedriftene få en dypere innsikt i dataen sin, som igjen gjør det mulig for dem å utforske nye forretningsmuligheter. Det å ha en overordnet forståelse av mulighetene det gir er viktig for alle, ikke bare for de mest teknisk ledende bedriftene. Videre kan maskinlæring automatisere arbeid som i dag gjøres av mennesker. Ved å la maskinene jobbe for deg effektiviserer du virksomheten og frigjør ressurser, slik at vi kan bruke tid på andre oppgaver som maskinene enda ikke klarer å løse selv.

Det er flere eksempler på bruk av maskinlæring i dag. Prosjektet iProcess skal blant annet bruke det til å finne en nyskapende og fleksibel matforedlingsteknologi i Norge. SAP tar nå i bruk maskinlæring for å sikre mer effektive og objektive rekrutteringsprosesser i bedrifter. Sikkerhet er et tema som stadig er på dagsorden, og både Microsoft og Qualcomm har meldt at de bruker sikkerhetsløsninger basert på maskinlæring for å oppdage skadevare og unormal oppførsel i systemer.

Maskinlæring ikke lenger en utopi

En realitet hvor man samler inn og skaper verdi ut av store mengder data ved hjelp av maskinlæring er ikke lengre en utopi, men et faktum. På Big Data-konferansen i USA hadde de i alle fall innsett dette, og når potensialet blir poengtert fra scenen kan vi teknologer fra Norge ikke annet enn å nikke anerkjennende. For å være på toppen av næringskjeden er det kritisk at norsk næringsliv og IT ser fremover og tar det neste steget i den digitale revolusjonen, og det neste steget er steget til maskinlæring.

Dette innlegget ble først publisert i Computerworld 19. januar 2017

Martin er ansatt i Sopra Steria som Infrastructure Engineer, og arbeider primært med løsninger innenfor Splunk og tilhørende infrastruktur. Han er utdannet sivilingeniør ved NTNU og har jobbet i Sopra Steria siden 2015.

1 thought on “Maskinlæring: Neste steg etter Big Data

Legg inn en kommentar