FRIE RESSURSER: Ved å la maskinene jobbe for oss, effektiviserer vi virksomhetene og frigjør ressurser, mener kronikkforfattrene. Illustrasjon: iStock

Maskinlæring: Neste steg etter Big Data

KRONIKK: 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 maskindata til å stadig få en større rolle i næringslivet, skriver kronikkforfatterne.

Publisert Sist oppdatert

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. Analyse- og konsulentselskapet Gartner spår maskinlæring til å bli en av de største teknologitrendene i 2017.

Så hva er egentlig maskinlæring? Kort summert er maskinlæring 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. Maskinlæring er altså ikke ny teknologi som sådan, men baserer seg på statistiske modeller, matematisk optimalisering og algoritmer som har vært brukt lenge.

Ved å la maskinene jobbe for deg effektiviserer du virksomheten.

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.

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 maskinlæring 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 maskinlæring 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.

Det neste steget er steget til maskinlæring.

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 til maskinlæring 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.

Julie Dahl og Martin Hettervik er infrastruktur-ingeniører i Sopra Steria.