“Mængden af data stiger konstant og er overalt omkring os, og det bliver mere og mere relevant for organisationer, der ønsker at overleve og konkurrere mod andre virksomheder,” siger Albert Bruhner, Data Science Lead for Norden hos HP.
Han mener, at AI er den eneste måde, hvorpå virksomheder kan håndtere den eksponentielt voksende datastrøm – og siger, at AI-udviklingen er stigende, ikke kun i teknisk avancerede startups og internationale tech-giganter, men også i virksomheder, som vi alle har med at gøre til daglig.
Data science bruges i alle brancher
– “Dagligvarebranchen er et eksempel på en branche, der foretager enorme investeringer i AI,” siger Albert. “De ser blandt andet på muligheden for at overvåge butikshylder med kameraer og derefter lade en AI fortælle dem, hvornår de skal fylde op på hylderne, overvåge lagerniveauer og sørge for at bestille flere produkter. Derudover giver det en sikkerhedsfordel, da AI’en kan opdage tyveri ved at tælle antallet af varer på hylderne og måle det i forhold til antallet af varer, der forlader kassen.
– Dagligvarekæden Netto i Danmark har vundet priser for at udvikle AI-løsninger, der overvåger udløbsdatoen på varer på lager. “Normalt bliver der smidt en masse mad ud, men dette system anbefaler priser til butikkerne, så varerne bliver billigere, jo kortere tid der er tilbage, før varen udløber. Det giver dem tid til at sælge varerne, før de er nødt til at smide dem ud.
– Der er overraskende mange mennesker, der arbejder med dette. Tøjkæden Hennes & Mauritz har for eksempel over tusind ansatte inden for datavidenskab. De arbejder med at strømline lagerbeholdning, prisfastsættelse og meget andet.
– Elselskaberne bruger også enorme ressourcer på at indsamle og behandle data. Vindkraft, vandkraft – hvor meget vand er der i reservoirerne, hvor meget blæser det hvor, hvordan påvirker det hinanden – der er data overalt, som skal vurderes i realtid, døgnet rundt.
“Og så er der bank- og finansverdenen,” fortsætter Albert. “Der flyder enorme mængder penge rundt i verden på ethvert givent tidspunkt, og bankerne har pligt til at opdage og slå ned på mistænkelig adfærd for at forhindre hvidvaskning af penge og svindel. Det kræver gode AI-modeller og tusindvis af datavidenskabelige medarbejdere.
Teleselskaber får en masse data om vores bevægelsesmønstre gennem triangulering af smartphones mellem basestationer. Det ved Telia godt:
– “Telia er kendt for crowd analytics,” siger Albert. “Under pandemien kunne vi se, hvor meget mindre vi kørte i bil og rejste med tog. Denne viden kan bruges til praktiske beslutninger i byplanlægningen. Hvor skal vejene gå? Hvor skal togene stoppe? Hvad er naturlige mødesteder? Hvor skal vi bygge dagligvarebutikker og caféer? Data findes, spørgsmålet er, hvordan vi bruger dem,” siger Bruhner.
Samarbejde mellem menneske og maskine
– For at få det bedste ud af AI har man brug for et godt samarbejde mellem AI og mennesker. Formålet med meget AI-udvikling er at automatisere og forbedre kedelige og gentagne opgaver, så man kan minimere den menneskelige fejlfaktor – men for at det skal lykkes, er man nødt til at træne disse AI-modeller. Og det er det, Data Science ofte handler om: Først at skabe modellerne og derefter træne dem, så de bliver bedre og bedre. Maskinlæring handler i høj grad om, at AI’er lærer sig selv at kende – men mennesker skal stadig vælge, hvilke datamængder de vil gå igennem.
“Udvælgelse af data til maskinlæring er et meget følsomt område,” påpeger Albert. “Vi ønsker ikke at skabe fordomme i vores AI’er. Vi har eksempler på kamera-AI, der ikke kan følge mørkhudede mennesker, fordi de hvide udviklere ikke tænkte over, at de burde have trænet modellerne på mere end bare dem selv og deres lyshudede kolleger.
– “Det ultimative mål med AI-udvikling er at gøre verden til et bedre sted,” siger Albert Bruhner – men hvordan gør vi det? Han mener, at vi er nødt til at være opmærksomme på AI-etik, hvor vi ser nøje på, hvad vi gør, og hvad konsekvenserne vil være – ellers kan vi ende med at gøre det modsatte.
De rigtige værktøjer sparer tid og penge
– Hvis du f.eks. er Machine Learning Engineer, arbejder du ofte med kode og programmer, der kan udnytte GPU’en. Men hvis du arbejder i en virksomhed, hvor IT-afdelingen uddeler den samme standard-pc til alle medarbejdere, er du tvunget til at bruge dyre cloud-løsninger i stedet for at teste dit arbejde lokalt. Det hele handler om udviklernes kreative, iterative proces – og det har man ikke tid til at vente i timevis på.
– Det, sådanne medarbejdere har brug for, er en kraftigere pc med indbygget grafikkort – en såkaldt mobil arbejdsstation,” forklarer Albert. “Det giver dem meget mere kraft og gør det muligt for dem at arbejde effektivt fra deres egen bærbare computer i stedet for at spilde tiden med at vente. Det handler om at have de rigtige værktøjer til at arbejde kreativt og produktivt.
TU HP DataScience-udvikler
“Når man arbejder med maskinlæring og tunge datasæt, er det vigtigt at have de rigtige værktøjer.
– Det er også mere overkommeligt,” siger han. “Vi har set sammenligninger, hvor virksomheder har målt hardwareinvesteringer mod at bruge GPU-accelererede cloud-løsninger. I gennemsnit finder de, at de kraftfulde arbejdsstationer, de har købt til deres udviklere, har tjent sig selv ind på bare syv måneder.
– En af vores Data Science-kunder har fortalt os, at den optimale løsning for deres udviklere er at have en mobil arbejdsstation i kombination med en stationær arbejdsstation. De skriver kode og tester den iterativt på den bærbare, og træner modellerne på den mere kraftfulde stationære. Det giver dem mulighed for at arbejde her og nu og være produktive, før de store datasæt bliver kørt i stor skala på serverniveau.
Følsomme oplysninger
Når man arbejder med store mængder data, er man ofte nødt til at håndtere følsomme oplysninger.
– Næsten alle brancher, jeg har talt med – fra detailhandel til forsvar – klassificerer data i fire forskellige sikkerhedskategorier,” siger Albert. “Noget kan frigives i skyen, mens andet er så følsomt, at det ikke må forlade virksomhedens lokaler.
– Ved at have en kraftfuld stationær arbejdsstation, som man kan forbinde til overalt via PC-over-IP-løsningen HP Anyware, behøver man ikke at sende data ud af virksomheden og ind i forskellige dyre cloud-tjenester.
“Der er også GDPR-overvejelser at tage hensyn til,” fortsætter Albert. “Ikke alle data kan gemmes i skyen eller sendes på tværs af grænser. Hvis du samler virksomhedens arbejdsstationer i et sikkert, aflåst datarum og lader medarbejderne bruge HP Anyware til at oprette forbindelse, er det eneste, der forlader datarummet, skærmbillederne i form af krypterede pixels over en slags virtuelt HDMI-kabel.- “Vi skal kunne arbejde med data og være fleksible, men hvis der sker noget, er det vigtigt, at dataene er sikre,” konkluderer han.
Den rigtige software forebygger skygge-IT
Data science-udviklere har dog ikke kun brug for den rigtige hardware – de har også brug for den rigtige software.
– “Vi ser, at de fleste data science-udviklere ønsker at arbejde med Ubuntu-operativsystemet – en variant af Linux. Det er her, vi har en udfordring, da de fleste af vores kunders IT-afdelinger har et Windows-drevet miljø. Det fører til, at udviklerne tager sagen i egen hånd og ender med at installere ting på deres maskiner selv, uden for IT-afdelingens kontrol – såkaldt “Shadow IT”. De får ikke, hvad de har brug for fra IT, ingen spørger dem, hvad de har brug for, og de må få det bedste ud af situationen, når de får deres almindelige kontor-pc’er. Så ender de med at købe dyre cloud-tjenester for overhovedet at få deres arbejde gjort.
– Hos HP ønsker vi at gøre det nemt for alle at få de værktøjer, de har brug for – så for at hjælpe de organisationer, der ikke ønsker at skulle håndtere rene Ubuntu-installationer i deres maskinpark, arbejder vi meget med WSL2 – Windows Subsystem Linux version 2. Det er en Microsoft-løsning, der gør det muligt at installere Ubuntu på en Windows-maskine. Det betyder, at IT-afdelingen kan beholde sin Windows-administration, mens udviklerne kan bruge alle de Linux-applikationer, de ønsker, uden tab af ydeevne. “Det er det bedste fra begge verdener,” siger Albert med et smil.
– Det tager også ofte op til en uge for en computer science-udvikler at få alt på plads, når de får en ny computer. “Der er meget, der skal installeres og konfigureres – så for at gøre det nemmere, har vi hos HP skabt en Data Science Stack. Det er en samling af de mest anvendte Linux-applikationer, som er korrekt installeret og konfigureret i forhold til hinanden fra fabrikken – enten leveret med en ren Ubuntu-installation eller med Windows 11 og Ubuntu via WSL2.
– Det er heller ikke sådan, at eksisterende workstation-brugere skal købe en ny maskine for at få disse programmer. Z by HP Data Science Stack Manager kan downloades og installeres efter behov, så længe virtualisering er tilladt i BIOS.
Tal med din HP-partner
Albert mener, at det er vigtigt, at udviklerne får tilbudt de rigtige værktøjer fra IT-afdelingen – og de skal være på bestillingslisten. Hvis ikke, er det lettere for dem bare at trække kreditkortet og købe dyr computerkraft i skyen.
Tal med din HP-partner, og få hjælp med at vælge de rigtige modeller til din udviklingsafdeling.