image

Hur går man från AI algoritm till produktionslösning?

Det finns många AI algoritmer på marknaden, ska man köpa en och installera eller krävs det mer för att få en produktionslösning? I denna bloggartikel beskriver vi hur man bör gå tillväga för att få till ett AI-system som fungerar på riktigt, i en produktionsmiljö.

När du väl har identifierat ett behov där du vill bygga in en AI-lösning så är det ett antal steg som behöver gås igenom av kvalificerad AI kunnig personal.

Nedan ges en inblick i vad det handlar om:

  1. Till att börja med behöver datat som AI:t ska behandla analyseras.
  2.  Därefter genomförs en metodanalys. Det finns en mängd algoritmer på marknaden som är bra på olika saker och det dyker ständigt upp nya som löser problem som andra motsvarande algoritmer inte klarar av.  Baserat på analysen identifieras vilka algoritmer som kan vara lämpliga. Redan här får man ett litet go/no go underlag om det är möjligt eller omöjligt att gå vidare. 
  3. Sedan tas en grov AI processarkitektur fram. Arkitekturen skulle kunna se ut som figuren.

Det kan behövas flera algoritmer för att preprocessa datat till ett lämpligt format beroende på tillämpning. Sammansättningar av olika Machine- och Deep learning algoritmer görs för att uppnå bästa resultat. Ett provskott görs med lämpligt dataset och delmängd av algoritmer för validering och utvärdering.

 

Ovanstående steg ingår lämpligen i en förstudie eller POC. Resultatet är användbart utifrån två aspekter, dels för kund som får en första inblick i vad lösningen skulle kunna klara och dels för leverantören som förstår vilken omfattning som krävs för att bygga AI lösningen.

 

När den produktionsmässiga lösningen sedan byggs är det mer som ska på plats än enbart AI-algoritmen. Versionshantering, datasäkerhet, prestandauppföljning, förklarbarhet av AI:ts beslut osv. är saker som måste hanteras. Resultatet blir en AI-resurs som, med olika nivåer av samverkan med användare, ska kunna stå på egna ben och lära sig det man bestämt.

 

Slutsatser:

AI området är nytt och ännu omoget, möjligheterna till att leverera AI-lösningar förändras varje vecka. AI-lösningar som marknadsförs som färdiga produkter behöver du ta med en nypa salt. Breda generiska AI-lösningar behöver anpassas, kanske i grunden, för att fungera för det specifika datat och behovet du har. Det finns inte standard AI-lösningar.

Funderar du på att införa AI-lösningar i din verksamhet? Försök se igenom bruset om möjliga fantastiska lösningar som kommer längre fram. Ta reda på vad som kan göras nu, för det finns massor som AI lösningar faktiskt redan nu kan göra med stor framgång.
 

Vill du komma igång med AI så rekommenderar vi att börja enkelt och med data som kan göras tillgänglig för AI:t samt inte minst, se till att behålla datat inom ditt ekosystem.

 

Blogginlägg skrivet av: 
Dimitris Panagio - VD Seavus Stockholm
Reijo Silander -  IT-management samt R&D på Seavus Stockholm
Peter Walhagen - AI arkitekt Seavus Stockholm