AI-investeringarna ökar. Datorkraften har aldrig varit större. Men forskare och specialister inom näringsliv och offentlig sektor måste få tillgång till mer lättanvända system för maskininlärning (ML) och andra teknologier, säger Martin Körling, senior AI-forskare på RISE.
En snabbläsning av årets data- och AI-undersökning bland USA:s ledande bolag slår fast vad många anar. Nästan alla ökar sina investeringar i data- och AI-tekniker. Nästan alla anser att de får valuta för pengarna.
Och kanske mer intressant: antalet data scientists blir allt fler och 26 procent av bolagen har idag rullande AI-system i sin produktion, en fördubbling från året före.
– Vad som händer nu på de stora svenska företagen är att man använder specialister, det som kallas data scientists. De ska hjälpa dem som faktiskt kan affärsområdet eller den specifika produktteknologin, säger Martin Körling, till vardags expert inom AI-plattforms- och infrastrukturfrågor.
Han säger att det idag kan vara svårnavigerat för en aktör att sätta upp en AI-plattform för att lagra data, träna och köra modeller.
– Mer och mer kommer domänspecialisterna själva att kunna jobba med data och ML-utveckling. I dagsläget är verktygen ofta för komplicerade. Det kan även vara svårt att få tillgång till infrastruktur, alltså beräknings- och datakraft. De här sakerna finns ofta i molninfrastruktur.
Stöd för framtida verktyg
Det gäller alltså att välja plattform med omsorg. Och ta höjd för den snabba utvecklingen av verktyg.
– Ett krav som man ska ha på infrastrukturen är att fritt kunna välja verktyg. Det finns ju inte en ensam applikation som kan tillfredsställa alla specialisters behov.
– Det kan komma ett nytt verktyg inom några månader, då måste infrastrukturen stödja det och inte låsa in för mycket, säger Martin Körling och nämner MLOps, funktioner eller metoder som går ut på att automatisera omträningen av modellen.
– När modellen blir gammal, när det kommer nya data för att uppdatera bildigenkänningen eller språkmodellen, så måste man träna om den på ett automatiskt och kontinuerligt sätt.
Ett krav som man ska ha på infrastrukturen är att fritt kunna välja verktyg
Hårdvarukrav skapar framgång för molntjänster
En AI-plattform handlar inte bara om mjukvara utan även om hårdvara. Martin Körling ser till exempel molntjänsternas framgång inom ML som en direkt följd av tillgången till kraftfulla beräkningsprocessorer.
– I dagsläget sitter många och väljer mellan europeiska och amerikanska molnleverantörer, säger han apropå att myndigheter och offentliga organisationer utifrån bland annat dataskyddsförordningen och Schrems II-domen* i Europadomstolen brottas med hur man ska hantera och geografiskt lagra data.
– Man kan uppfylla lagstiftningens krav genom att använda europeiska leverantörer. Offentlig sektor håller på att utreda hur man ska hantera detta.
Ett alternativ är att köpa egen utrustning och drifta själv. Uppsidan är total kontroll.
– Nackdelen är att det kräver säkerhetskompetens och annan teknisk kompetens för att göra en egen datastruktur. Och det kostar mycket pengar, säger Martin Körling.
– Till exempel har ett så stort bolag som Spotify ingen egen infrastruktur. De gör sina dataanalyser och lagrar datan i cloudtjänster. De använder Googles cloud.
*: Överföring av personuppgifter till USA blev efter ett beslut från EU-domstolen olagligt utan giltig grund i GDPR.