AI as a Service – Come un’azienda vende dati senza lasciarli andare

Commento di Benjamin Oncouver, Datanomic
AI as a Service – Come un’azienda vende dati senza lasciarli andare

04/11/2022

Scritto da Benjamin Oncoffer

La monetizzazione dei dati non funziona? O non è etico? Al contrario, perché in realtà le aziende possono vendere i dati generati in azienda o anche solo fluire attraverso l’azienda e quindi far avanzare la società.

Chiunque ascolti solo “dati di vendita” potrebbe prima pensare ai CD fiscali che lo stato tedesco ha già acquisito più volte, a volte in circostanze discutibili, l’ultima nel 2021 da Dubai. O forse il pensiero viene prima di tutto alle tante piattaforme di social media gratuite che, a loro condizioni, non nascondono chi possiede i dati caricati dal momento dell’utilizzo, almeno ai lettori in difficoltà. Niente è gratis, solo il mezzo di pagamento non deve essere il denaro, perché anche i dati hanno un valore che può essere valutato.

Tuttavia, non vogliamo qui entrare più nel dettaglio di questa saggezza che è già giunta alla coscienza del grande pubblico. Il trattamento delle informazioni personali non dovrebbe diventare parte della nostra cultura. Tuttavia, esiste un modo legale e socialmente vantaggioso per un’azienda di trasformare i dati in risorse preziose.

Vendere dati senza poterli cedere

In particolare, i dati interni dell’azienda sono molto preziosi perché forniscono solo informazioni dettagliate su prodotti e processi. Ciò include in particolare dati di transazione o movimento, spesso saturati di riferimenti personali e segreti commerciali. Di norma, questi dati non possono essere messi in vendita, poiché non dovrebbero cadere nelle mani sbagliate: spesso questi dati sono più che semplici concorrenti diretti. E quando si tratta di dati personali delle persone, ciò è comunque impossibile senza il consenso diretto di tutti gli interessati. Quindi vendere dati – e quindi monetizzare anche i valori dei dati – sembra impossibile.

Trasformare i dati in oro utilizzando l’IA come servizio

I dati che non possono essere ceduti a terzi possono comunque essere resi disponibili. Tuttavia, non sono i dati stessi che vengono poi venduti, ma la conoscenza della generalizzazione acquisita da questi dati, dalla quantità e dalla varietà dei singoli set di dati.

I modelli di previsione dell’apprendimento automatico supervisionato si nutrono di cronologie di dati per ricavarne previsioni specifiche. Questi modelli di previsione possono essere creati utilizzando i classici metodi di machine learning o deep learning. Il deep learning include reti neurali artificiali, che sono un sottoinsieme di apprendimento automaticoentrambi fanno parte dell’intelligenza artificiale (AI) o . Intelligenza artificiale (AI). I modelli di intelligenza artificiale maturano dai dati tramite le cosiddette comunicazioni di formazione e apprendimento.

Questi modelli pre-addestrati possono quindi essere offerti per l’uso a pagamento (intelligenza artificiale come servizio) o, in casi speciali, se vengono soddisfatti determinati requisiti, completamente esauriti.

Gli utenti dei modelli pre-addestrati possono quindi utilizzarli direttamente o riqualificarli con i propri dati, adattandoli così ai propri scenari applicativi simili. quando si usa apprendimento approfondito È anche possibile adattare modelli di IA pre-addestrati nell’architettura dei neuroni retinici per allinearli ulteriormente con il loro nuovo obiettivo. Il concetto alla base si chiama transfer learning.

Il trasferimento di conoscenze è un impulso per l’economia e la società

I dati raccolti dalle aziende rappresentano l’esperienza operativa sulle operazioni e sui loro risultati. L’IA trasferita tramite Transfer Learning si nutre di questa esperienza e la trasmette ad altre aziende dello stesso settore o di settori diversi. Le aziende che da molti anni non hanno accesso a tale esperienza – se ce ne sono state – possono ora acquistarla a un prezzo in linea con il mercato e ampliare così le proprie capacità operative. I dati di oggi consentono di prendere scorciatoie per creare esperienza e barare un po’ nel gioco sul mercato.

L’IA non serve solo al servizio degli interessi economici, ma beneficiamo anche di un’IA formata in medicina, che può trarre conclusioni efficaci per il trattamento individuale dei pazienti da un gran numero di dati sul trattamento e sui farmaci.

Aree di applicazione attuali dell’intelligenza artificiale come servizio e trasferimento dell’apprendimento

Esistono già innumerevoli aree di applicazione per il trasferimento di conoscenze attraverso l’IA come servizio nella produzione industriale, nonché nei servizi di vendita al dettaglio, logistica, immobiliare, assicurativi e finanziari.

Le tendenze industriali dell’AI come servizio si ritrovano soprattutto nell’industria delle macchine utensili e nella tecnologia di automazione. In questo caso, i fornitori di sistemi di macchine, ad esempio, forniscono modelli di previsione avanzati per il consumo di energia, la qualità dell’output e i tempi di manutenzione ottimali. In particolare, anche l’ultimo caso d’uso Manutenzione preventiva Noto, è un importante lavoro aggiuntivo nella costruzione di macchine utensili.

Nella vendita al dettaglio, l’IA come servizio viene già utilizzata per migliorare gli acquisti e il capitale circolante attraverso previsioni di vendita e magazzini, nonché per prevedere i ricavi e gestire meglio le campagne di marketing (senza generare ritorni). Vengono utilizzati anche modelli di prezzi dinamici.

In finanza e assicurazioni, i modelli pre-addestrati vengono utilizzati per estrarre dati rilevanti dai rapporti presentati da richiedenti, broker e pareri di esperti, con enormi guadagni di efficienza. I requisiti assicurativi per edifici o danni ai veicoli possono già essere determinati utilizzando l’intelligenza artificiale attraverso il riconoscimento delle immagini. Le compagnie di assicurazione e le compagnie partner addestrano questi modelli e li sottopongono ad altre compagnie.

Avvertenza: prevenire la perdita di dati!

Il transfer learning è uno strumento potente per le aziende che consentono loro di riutilizzare i modelli di intelligenza artificiale, ma dove c’è luce, c’è ombra. I modelli di previsione, a volte addestrati su dati sensibili, devono essere assicurati in modo verificabile in modo da non consentire di trarre conclusioni sui singoli set di dati. Non è facile ricostruire i dati originali dai modelli addestrati, almeno se i modelli sono già generalizzati. Tuttavia, in futuro sono previsti attacchi degli hacker a modelli di deep learning volti a riprogettare dati sensibili e l’argomento è meno studiato di quanto alcuni ingegneri di machine learning vorrebbero ammettere. Tuttavia, con l’esperienza e la conoscenza dopo un corso introduttivo all’apprendimento profondo, i rischi possono essere ridotti a un minimo accettabile.

In generale, i modelli addestrati non dovrebbero essere consegnati direttamente all’acquirente, ma dovrebbero essere ospitati autonomamente e nascosti dietro un muro di API, in modo che l’acquirente possa interrogare il modello solo tramite l’API e quindi l’IA come servizio.

(N.: 48575616)