Cloud-first- en Data as a Service-benadering zijn de beste basis voor een succesvolle inzet van AI en ML

Machine learning (ML) en artificial intelligence (AI) zijn twee hot topics in de techsector. De kans is groot dat zij ook dit jaar voor een versnelling zorgen.

Doel van ML en AI is om slimme systemen te creëren die complexe processen kunnen stroomlijnen en lastige taken kunnen automatiseren. Recente voorbeelden van beide technologieën laten zien hoe snel ze zich aan het ontwikkelen zijn. Konden ML en AI eerder een standaardvideogame met succes uitspelen, met Google DeepMind AI zijn nu veranderingen in proteïnes te voorspellen, wat voor de medische wetenschap en de gezondheidszorg ingrijpende gevolgen kan hebben.

Het is belangrijk vast te stellen dat artificial intelligence een doel is dat nog niet is bereikt. Op dit moment helpt AI machines om dingen te leren. Dat gebeurt met behulp van algoritmes die voorzien in processen, regels of andere probleemoplossende acties die op een slimme manier zijn te structureren. Deze algoritmes zijn gevarieerd en ook complex. Voor sommige problemen zijn wel honderden algoritmes nodig, terwijl andere met enkele toekunnen.

AI: van het alledaagse naar het ongewone

Het is duidelijk dat AI op termijn gevolgen heeft op alle gebieden: van alledaags tot ongewoon. Een belangrijke ontwikkeling in dit verband is de mogelijkheid om zaken betrouwbaar te voorspellen. Dat kan door computers te laten ploegen door grote hoeveelheden data om zo patronen te ontdekken. Vervolgens is het mogelijk om op basis van die patronen voorspellingen te doen. Denk aan verkeersstromen in grote steden of bezoekersstromen op grote, openbare plekken. Systemen die dit type zaken onderzoeken, worden steeds accurater in hun voorspellingen. Daarnaast is er de snelle opkomst van de intelligente chatbot die kan ‘praten’ met een mens, vragen kan beantwoorden en op verzoek ook taken uitvoert.

De ML/AI-revolutie is sterk afhankelijk van data, die de brandstof zijn voor de algoritmes. Dat zorgt voor uitdagingen op het gebied van data-acquisitie, -opslag en -verwerking. In veel gevallen geldt ‘hoe meer data, hoe beter’. Niettemin verschilt de behoefte aan data per project.

Neem als voorbeeld een project van een groot petrochemisch bedrijf dat zijn olieproductie en -distributie wil optimaliseren. Dat is een complex proces omdat veel verschillende factoren een rol spelen: de boorplatforms, de tankers, olieopslagsystemen en uiteindelijk ook de consument. Om hier AI en ML in te zetten, zijn data nodig over bodemgesteldheid en weersomstandigheden, locaties van tankers, allerlei logistieke zaken en verkoopgegevens.

Deze data komen niet uit één centrale database, maar uit allerlei bronnen en zijn deels gestructureerd en deels ongestructureerd. Dat zorgt voor de nodige uitdagingen.

Zelfs nu de cloud steeds vaker als platform voor allerlei AI-initiatieven wordt gebruikt, blijft datamanagement een flinke opgave. Een AI-project heeft altijd een onderzoeker nodig die data kan categoriseren en kan toevoegen aan verwerkingsplatforms. Dat proces wordt nog eens bemoeilijkt door eisen op het gebied van security, databetrouwbaarheid, privacy en governance.

Cloud-native services

In 2019 en daarna zal de AI-revolutie zich steeds nadrukkelijker afspelen rond cloud-native services van NetApp en andere partijen, die met die diensten belangrijke drempels wegnemen. Daarbij is het uitgangspunt een multicloud-concept dat gebruikmaakt van belangrijke technologieën, zoals containerisatie (Docker), orkestratie (Kubernetes) en dataprocessing (Hadoop). Hierbij worden datamanagementtechnologieën als een naadloze laag opgenomen in de infrastructuur.

Uiteindelijke doel is om data zo beschikbaar mogelijk te maken. Je wilt tegelijkertijd de complexiteit van datastorage, -bescherming en -distributie zo gering mogelijk houden. Verder is het nodig te erkennen dat databronnen verspreid zijn over allerlei clouds en on-premise systemen. Daarnaast is er nog sprake van datastromen via Internet of Things-devices. Er zijn zo nog uitdagingen genoeg. Duidelijk is wel dat een cloud-first- en Data as a Service-benadering de beste basis vormen voor een succesvolle inzet van AI en ML.

Dit is een ingezonden Peter Wüst, Sr. Director Cloud Data Services & Cloud Infrastructure bij NetApp. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf