Olyannyira elterjedt a fogalom, hogy ma már sokszor azonosítjuk az adathalmazokból kinyert információk elemzésének fejlett módszereivel, pl. a prediktív és viselkedési analitikával is. Ehhez a hagyományosan széttagolt adatsorokat összekapcsolt adatpontokká kell alakítani, amivel minden eddiginél jobb rálátást nyerhetünk az információkra. A gyors fejlődés és a 2023-ra várhatóan már 103 milliárd dolláros forgalmat produkáló big data analitikai piac bővülésének eredményeként növekszik az igény az olyan technológiák iránt, mint pl. a mesterséges intelligencia (MI), a gépi tanulás és a mélytanulás. Ezek révén a szervezetek egyre hatékonyabban hasznosíthatják az algoritmusokat az átfogó adatelemzések készítéséhez.

Az MI és a mélytanulás szinte minden iparágban elősegíti a döntéshozatalt és a fejlődést. A mesterséges intelligencia az elmúlt évtizedben számos területen beváltotta a hozzá fűzött reményeket a problémák megoldása terén, az ügyfelek viselkedésének jobb megismerésétől kezdve a mobiltelefonok billentyűzárának arcfelismerés-alapú feloldásáig. Az MI gépi tanulási szegmense tovább növeli a lehetőségeket a virtuális személyi asszisztensek, a chatbotok, valamint a marketingautomatizációs és beszédfelismerési megoldások fejlődésével.

„Az MI az egészségügyre is komoly hatást gyakorol. Lehetővé teszi, hogy az ellátásban dolgozó szakemberek jobban átlássák a páciensek állapotára jellemző napi mintákat és a betegek folyamatosan változó igényeit. Az OECD szerint a mesterséges intelligencia a távgyógyászatban és a szűrésben is fontos szerepet játszik, segít felderíteni a gyógyszerek kölcsönhatásait, és a gyógyszerkutatást is támogatja.

– Az MI a koronavírus-járvány idején is értékes segítséget nyújtott a betegadatok feldolgozásához és elemzéséhez, a kockázati csoportok beazonosításához és az alkalmazandó kezelések kiválasztásához. Az MI továbbá a kórházi és szállítási folyamatok kockázatos feladataihoz is bevonható. Az elkövetkező években tanúi leszünk, miként alkalmazzák majd a technológiát egyre szélesebb körben a gyógyszerfejlesztés során” – mondta Pasi Siukonen, a Kingston Technology műszaki erőforrásokért felelős csoportjának vezetője.

Hogyan lehet érdemi változásokat elérni az MI-vel?

Az MI nem csak a hatékonyság növelésére és a munkaigényes feladatok észszerűsítésére használható. A gépi tanulásnak és a mélytanulásnak köszönhetően az MI-alkalmazások közel valós időben képesek tanulni az adatokból és az eredményekből. Elemezni tudják többféle forrás új információit és igazodnak hozzájuk, ráadásul olyan fokú pontossággal, amely óriási jelentőséggel bír az üzleti életben, és messze meghaladja az emberi teljesítőképesség határait. Az önoptimalizálás és az önálló tanulás révén a mesterséges intelligencia folyamatosan növeli az általa teremtett üzleti előnyöket.

Az MI rendelkezik a megértés és a felismerés képességével – legyen szó az ügyfelek szokásairól, meggyőződéséről, kielégítetlen szükségleteiről, vagy éppen arról, mennyire működik hatékonyan egy épület az energiafelhasználás, az alapterület kihasználtsága és a látogatottság szempontjából. Az MI-t használó vállalatok az így szerzett adatokat jobb előrejelzések készítésére, tervezésre és felkészülésre használhatják fel. Ha emellett a cégek a szükséges területeken az emberi gondolkodás kreativitására és az empátiára is mernek támaszkodni, óriási változásokat érhetnek el – iparágtól függetlenül.

„Az MI-vel kitágíthatók a számítógépes rendszer teljesítőképességének határai. A kvantum-számítástechnika bevezetésével fel fog gyorsulni például a természetes nyelvi feldolgozás (NLP) fejlődése, és ennek révén olyan, már jelenleg is használt eszközök válhatnak hatékonyabbá a jövőben, mint a szinte valós idejű élő fordítás vagy az automatikus beszédfelismerés a kommunikációs eszközökön (például telefonon és chatben). Az MI ma még nem ismert problémák megoldásában is segítségünkre lesz. Egyre több, korábban emberek által vezérelt eszközbe fog beépülni az önálló intelligens tanulás képessége és az önfenntartó funkcionalitás” – hangsúlyozza Pasi Siukonen.

Az MI hatása az adattömeg növekedésére

Az IDC előrejelzése szerint az általunk létrehozott és fogyasztott digitális adatok mennyisége 2025-re 175 zettabájtra fog nőni. Ez több mint négyszeres növekedést jelent a 2019-ben keletkezett 40 zettabájtnyi adathoz képest. Az MI és az adattömeg növekedése kétségkívül elválaszthatatlan egymástól. Mivel az előttünk álló évtized az adatokról fog szólni, azok a szervezetek lesznek sikeresek, amelyek képesek a mesterséges intelligenciával és más hasonló technológiákkal összegyűjteni és hasznosítani az adatokat. Az ebben rejlő lehetőségek maradéktalan kiaknázásában kritikus szerepet fog játszani a célnak megfelelő infrastruktúra, amely a legújabb CPU-kkal/GPU-kkal következő generációs memóriát és NVMe SSD-ket tartalmaz. A big data robbanásszerű növekedése nem áll le, és vele párhuzamosan az MI és a gépi tanulás szerepe is tovább erősödik.

Az idén az előrejelzések szerint a világ minden lakójára másodpercenként 1,7 megabájtnyi újonnan keletkező adat jut – képzeljük csak el, mennyi adatot jelent ez egy teljes szervezetre és ügyfélkörének adatbázisára nézve. Ezért mélyebbre kell ásni az adatokba, és értelmezni kell őket, különösen, ha az emberi viselkedés megértése a cél. Ehhez pedig több és hatékonyabb adatfeldolgozásra van szükség a CPU-k/GPU-k vagy a memória segítségével, ez ugyanis tovább javítja az adatok értelmezésének minőségét. Azoknak a szervezeteknek, amelyek szeretnének kitűnni versenytársaik közül, mindenekelőtt el kell sajátítaniuk az adatok megfelelő kezelését és tárolását. Ezután jöhet az MI és a gépi tanulás alkalmazása ahhoz, hogy megszerezzék az ügyfelekkel, versenytársakkal, szállítókkal és a teljesítményt befolyásoló piaci viselkedéssel kapcsolatos rejtett tudást.

(Forrás: Kingston Technology, képek: Adobe Stock)