Valohai brengt AI van theorie naar realiteit

Kunstmatige intelligentie (AI) is het modewoord in de IT. Al jaren droomt de mensheid van computers die het werk van mensen overnemen en dat ook nog een sneller, goedkoper en vooral beter doen. Alleen wordt daar nogal eens bij vergeten dat het de mensen zijn die de slimme computer moet instrueren. Kunstmatig is minder kunstmatig dan menigeen vermoedt.

In China waar er een overvloed aan engineers is, wordt heel grootschalig geïnvesteerd in kunstmatige intelligentie. Europese bedrijven zien dat met lede ogen aan. Zowel qua hard- als software groeit de afstand. Toch is het niet zo dat kunstmatige intelligentie de pleister is die voor alle uitdagingen een oplossing in huis heeft. Wel is het zo dat bedrijven die er succesvol mee zijn, snel financiële voordelen kunnen behalen. De grote uitdaging is het ontwikkelen van een werkbaar model en de manier waarop dat grootschalig in de productie in te passen is. Data-wetenschappers die hier kennis van hebben en de slag kunnen maken zijn schaars op de arbeidsmarkt.

Input en Output

Het van oorsprong Finse bedrijf Valohai probeert een stuk uit de rijk belegde boterham te claimen. Het probleem is zo complex dat er maar weinig mensen zijn die het echte verschil maken. Het is moeilijk om input en output te correleren en om te zetten in een model. Dat een te grote uitdaging. “Niemand is gewoon slim genoeg om de klus op te lossen”: aldus Eero Laaksonen (foto), de markant ogende CEO van Valohai. Zij ontwikkelden een platform dat bedrijven op weg helpt met AI. Samenvattend zorgt het Valohai-platform voor machine orchestration, versie beheer en pipeline management ten behoeve van deep learning.

Machine Learning

Dit is waar ML en deep learning bij elkaar komen; het fungeert als een brug tussen het beginpunt en eindpunt in de dataverwerking. ML bouwt de functie en het resultaat heet het model. “Dit is anders dan in de reguliere softwareontwikkeling, omdat de ontwikkelaars alleen de code ontwikkelen als de beginvoorwaarden en de eindstatus vooraf bekend zijn. Bij ML is de input heel divers, zo ook de output. Er is dus geen een-op-een relatie,” vervolgde Laaksonen. “ML is een complex proces waarbij relaties tussen combinaties worden gelegd die tot uiting komen in een model. Dat model is een black box waarvan niemand de inhoud weet. Het is door machines geconstrueerd.” Dit creëert een dilemma, want als door een systeem een ML-model wordt uitgevoerd in de productieomgeving, bijvoorbeeld een kredietbeoordeling van een bank, dan is er geen mogelijkheid om te bepalen wat de redenen zijn om tot dat beslissing te komen. Hier veert Eero Laaksonen op: “Je moet traceerbaarheid en daarom dus versiebeheer in machine learning op een hoog niveau brengen. Zonder zo’n aanpak gaat niemand nog begrijpen wat er in een geautomatiseerd proces gebeurt.” En dat is dus precies wat Valohai met zijn ontwikkelomgeving beoogt.

Door: Hans Steeman