Experts zijn het erover eens: grote verbeteringen, doorbraken en game-changers in AI en machine-learning zijn maanden of slechts weken weg. Machine learning wordt een van de grootste drijfkrachten in zowel het zakenleven als de maatschappij. Daarom is het zeker de moeite waard om eens de AI-trends voor 2019 én later op een rijtje te zetten. 

Volgens een recent onderzoek van Deloitte heeft 82% van de bedrijven die al investeerden in AI een rendement uit hun investering gehaald. Industriebreed is de mediaan ROI op investeringen in cognitieve technologieën 17%.

AI transformeert het bedrijfsleven én dagelijks leven op een manier die we in eerdere industriële revoluties zagen. Bestaande producten worden verbeterd (volgens 44% van de respondenten), interne (42%) en externe (31%) activiteiten worden geoptimaliseerd en er worden betere zakelijke beslissingen genomen (35%).

Met dit in het achterhoofd is het dus beter om de ‘trend’ te zien als een grotere en belangrijkere ontwikkeling dan een enkele technologie. Zelfrijdende auto’s en chatbots worden dan ook niet gezien als aparte trends, maar zijwegen van AI als groter geheel.

Hieronder hebben we vijf belangrijke en inspirerende AI-trends voor 2019 verzameld.

1. AI-chipsets

AI is volledig afhankelijk van gespecialiseerde processoren die samenwerken met de CPU. Een belangrijk nadeel is helaas dat zelfs de snelste en meest technologisch geavanceerde CPU niet in staat blijkt een AI-model te trainen. Het model zou extra hardware vereisen om wiskundige berekeningen uit te voeren voor complexe taken zoals het detecteren van objecten en gezichtsherkenning.

De komende tijd gaan toonaangevende chipfabrikanten zoals Intel, NVidia, AMD, ARM en Qualcomm chips maken die de snelheid van uitvoering van op AI-gebaseerde apps snel zullen verbeteren. Deze chips zullen worden gebruikt in meerdere aangepaste toepassingen voor taalverwerking en spraakherkenning. Meer R&D in deze chips zou leiden tot de ontwikkeling van toepassingen voor de gezondheidszorg en de automobielsector.

2. AI-trends voor 2019: Chatbots 2.0

Het begrijpen van natuurlijke taal wordt algemeen gezien als een kenmerk van intelligentie. In 1950 presenteerde Alan Turing zijn beroemde test om te achterhalen of een computer intelligent is. Dit deed hij door de gebruiker te laten bepalen of zijn gesprekspartner een mens of machine was.

De beroemde test werd aanvankelijk in 1966 door ELIZA-software aangenomen, hoewel hij niets te maken had met natuurlijke taalverwerking (NLP) – het was gewoon een slim script dat de tekst leek te begrijpen. De hedendaagse NLP- en spraakherkenningsoplossingen zijn voldoende gepolijst om niet alleen het begrip te simuleren, maar ook om bruikbare informatie te produceren en zakelijke waarde te leveren.

Het is nog verre van perfect, maar NLP heeft inmiddels een reputatie opgebouwd bij bedrijven die chatbots omarmen. Daarom vinden we ze ook bij de AI-trends voor 2019 weer. Volgens PWC praten klanten het liefst nog steeds face-to-face met bedrijven, maar zijn chatbots hun tweede voorkeurskanaal (!). Ze gebruiken het nog net iets liever dan e-mail. Chatbots zijn 24/7 beschikbaar en daardoor perfect voor noodhulp (bleek uit 46% van de antwoorden in het onderzoek van PWC), het doorsturen van gesprekken naar de juiste medewerker (40%) en het plaatsen van simpele bestellingen (33%). Juniper Research voorspelt dat chatbots bedrijven in 2022 jaarlijks tot $8 miljard zullen besparen.

NLP is ook hot bij een andere trend: virtuele assistenten. Volgens Deloitte zegt 64% van de smartphonegebruikers dat ze hun virtuele assistent (Siri en Google’s Assistant) gebruiken. In 2017 was dat nog 53%. Gartner ontdekte dat 25% van de bedrijven in 2020 een virtuele klantenassistent of chatbot in hun klantenservice heeft. In 2017 was dat nog 2%.

3. Samensmelting AI en het IoT

Voor ondernemingen staat het IoT klaar om uit te groeien als de belangrijkste bestuurder van AI. De meeste Edge-apparaten krijgen speciaal ontworpen AI-chips.

4. De opkomst van geautomatiseerde machine learning

Met de komst van geautomatiseerde machine learning ondergaat machine learning een radicale verandering. Geautomatiseerde machine learning stelt ontwikkelaars en programmeurs in staat om complexe problemen op te lossen zonder specifieke modellen te creëren. Het voordeel van geautomatiseerde machine learning is dat het analisten en ontwikkelaars in staat stelt zich alleen op het betreffende probleem te concentreren en niet op het hele proces en de hele workflow.

Geautomatiseerde machine learning wordt naadloos uitgelijnd met cognitieve API’s en aangepaste machine learning-platforms. Het bespaart veel tijd en inspanningen door de problemen direct aan te pakken in plaats van de hele workflow door te nemen. Geautomatiseerde machine learning combineert op unieke wijze flexibiliteit met draagbaarheid.

5. Cybersecurity en AI

Door de gigantische kloof in de vraag en het aanbod in cyberbeveiliging, de tekortkomingen in de cybersecurity en de toenemende risico’s op beveiligingsinbreuken die om een innovatieve aanpak vragen, zal het gebruik van AI en machine learning in de cyberbeveiliging toenemen. En dit verandert de manier waarop bedrijven tegen cyberbeveiliging aankijken. De integratie van AI met cybersecurity betekent niet dat er geen beveiligingsexperts meer nodig zijn, maar dat de experts beter kunnen presteren en dat het systeem robuuster wordt.

Systemen worden steeds groter en bedreigingen moeten alert worden gemonitord. Zouden we de cyberbeveiliging zonder AI voortzetten, dan maken we processen kwetsbaarder en worden we minder efficiënt.

6. AI-vaardigheden

In 2018 zeiden we al dat AI voor een van de best betaalde banen zou gaan zorgen en dat bedrijven zullen gaan investeren in AI-vaardigheden van hun personeel. Dit is een van de mooiste AI-trends voor 2019, maar er is ook een kloof die bedrijven maar moeilijk kunnen overbruggen: de zogenaamde AI-vaardigheden kloof. Een alternatief waar bedrijven naar kijken is het ontwikkelen van AI-tools die geen toezicht nodig hebben. Natuurlijk zijn AI-vaardigheden nog steeds mogelijk vanwege de grote vereisten en omdat verschillende organisaties verschillende vaardigheden vereisen.

7. Geautomatiseerde DevOps

Toepassingen genereren tegenwoordig grote hoeveelheden data die voor analyse moeten worden gefilterd. De datasets kunnen worden samengevoegd om correlaties en nieuwe patronen te signaleren die geschikt zijn voor hardware en andere applicatiesoftware. Als je machine learning toepast op deze datasets kun je ze voorspellend maken. Voeg AI toe en de manier waarop we de IT-infrastructuur beheren wordt anders georiënteerd. Het inzetten van AI in IT-operaties helpt het IT-team om taken in kortere tijd uit te voeren en snel de oorzaak van het probleem te achterhalen. AI-based DevOps wordt volgens experts in 2019 operationeel, iets waar cloudleveranciers veel baat bij hebben.

8. Neurale Netwerk Interoperabiliteit

In neurale netwerken is het belangrijkste probleem het meest geschikte framework te kiezen. Ontwikkelaars worden geconfronteerd met de moeilijke keuze om te kiezen uit een reeks tools: Apache MXNet, Microsoft Cognitive Toolkit, TensorFlow. Ook wanneer een bepaald model eenmaal is geselecteerd en getraind, wordt het erg moeilijk om met een ander gereedschap aan een ander framework te werken. Interoperabiliteit in neurale netwerken belemmert de weg van AI-adoptie.

9. Open source AI

De meeste cloudbased technologieën die we vandaag de dag gebruiken heeft zijn oorsprong in open source-projecten. AI zal naar verwachting zo’n zelfde traject gaan doorlopen, nu steeds meer bedrijven kijken naar samenwerking en kennisdeling. Open source AI wordt de volgende fase in de evolutie van AI. Steeds meer bedrijven gaan open sourcen in hun AI-stapels om zo een breder ondersteuningsnetwerk voor AI-communities te bouwen. Uiteindelijk krijg je zo een hele grote AI open source stapel.

Vond je deze blog interessant?

Laat hieronder dan je e-mailadres achter en we sturen je relevante blogs voortaan gewoon toe. En nee: we spammen je niet helemaal vol 😉