Aan de slag met AI? Een goede use case is cruciaal!

Artificial Intelligence (AI) is niet meer weg te denken uit onze dagelijkse realiteit. Gebruik je Office365 en laat je bijvoorbeeld je Teams-meetings transcriberen, dan gebruik je de AI mogelijkheden die Microsoft de afgelopen 2 jaar geïntroduceerd heeft in haar Office365 producten. Maar wat is dat eigenlijk, AI? Rick Koopman, Director HPC en AI bij Lenovo, vertelt: “Ik gebruik altijd de meest simpele definitie indien mij gevraagd wordt om een en ander toe te lichten, namelijk: AI is een programma dat in staat is om taken uit te voeren die normaal gesproken gedaan zouden worden door mensen middels human intelligence.”

Machine learning, deep learning en generatieve AI

Naast de overname van repetitieve taken die de human intelligence niet optimaal benutten, geeft AI ook advies om de menselijk uitput van de taken die nog wel door een mens worden uitgevoerd te verbeteren. Onderdeel van AI is ook machine learning (ML) en deep learning (DL). In het geval van ML kan het programma ook daadwerkelijk taken uitvoeren en vertalen in expliciete programmering.

Deep learning betekent dat neurale netwerken worden gebruiken om data te interpreteren, daarvan taken uit te voeren zonder dat het daarvoor geprogrammeerd is. Het nieuwste onderdeel van AI is natuurlijk generatieve AI. “Dan heb je het over een omgeving die patronen leert en trends herkent en gebaseerd op basis van trainingsdata in samenwerking met neurale netwerken de data interpreteert en nieuwe content creëert. Eigenlijk simuleert generatieve AI daarmee menselijk gedrag”, aldus Koopman. Lenovo werkt ook aan de ontwikkelingen van oplossingen met AI. Zoals het Care of One Platform, een service delivery platform dat gebruik maakt van generatieve AI om hyper-gepersonaliseerde eindgebruikersdiensten te leveren.

Ontwikkel eerst een use case

Als bedrijven aan de slag willen met AI, dan is het van belang om eerst een use case te ontwikkelen om te bepalen welke toegevoegde waarde het heeft. Hoe optimaliseer je je bedrijfsvoering voor je eindgebruikers of klanten? Alles staat en valt met een use case, vertelt Koopman. “Neem bijvoorbeeld het voorbeeld van een vliegtuigbouwer: artificial intelligence helpt om data te interpreteren en versneld te simuleren hoe luchtstromen door de jet engine gaan.”

“Of kijk naar de medische wereld. We hebben een samenwerking met het universitair ziekenhuis van Barcelona. Daar staat de grootste supercomputer, alleen op CPU’s gebaseerd, ter wereld. Samen met dat ziekenhuis hebben we algoritmes ontwikkeld om oogbalscans te analyseren. AI doet dat accurater dan een specialist dat kan doen. Zeker als je weet dat een specialist vermoeid raakt en dan sneller iets over het hoofd ziet. AI is een emotieloos algoritme dat altijd op hetzelfde niveau van concentratie werkt.”

Trainen van het algoritme

Om de oogbalscan-analyse door AI te realiseren heeft Lenovo samen met het ziekenhuis het algoritme getraind door honderdduizend beelden en de bijbehorende metadata in te voeren. Om vervolgens de AI te leren waar hij gelijk heeft en waar hij beter kan worden. Daarbij hielp het natuurlijk dat ze die kwalitatieve data over de jaren heen al verzameld hadden, zodat ze snel van start konden met AI. De hoeveelheid data die organisaties beschikbaar hebben is daarmee een belangrijk onderdeel van het succesvol implementeren van AI.

Lenovo heeft ook flink geïnvesteerd in AI dankzij het AI Innovators Program waarin partners en AI-specialisten samenkomen om algoritmes te ontwikkelen en beschikbaar te stellen. Dankzij het programma kan Lenovo samen met partners eindklanten helpen om de use cases te ontdekken en de vraag te beantwoorden: wat willen we beter doen?

Niet 1-0 achter, maar 5-0

“Bedrijven die niets doen met AI om hun wereld te optimaliseren staan niet met 1-0 achter, maar met 5-0”, aldus Koopman. Daarom helpt Lenovo samen met partners klanten in verschillende stappen. Om te beginnen met AI Advisory: “Samen identificeren we waar AI van waarde is voor jou als klant. Daarna definiëren we de roadmap en de value case. Want als AI niets oplevert, dan krijg je heel moeilijk de handen op elkaar.”

Na het uitdokteren van het plan en de reden om het plan uit te voeren, wordt gestart met het maken van prototypes. “Dat gebeurt in kleinschalige omgevingen”, vertelt Koopman. Je traint het model met de data die je hebt om vervolgens te testen of het model werkt en voldoet aan de eisen die je voor het algoritme hebt gesteld. Om daarna naar de buitenwereld te gaan om te testen of het geschaald kan worden.

Testen op schaal en uitrollen

Koopman: “Het is goed om het op een beperkte community te testen, maar als je ineens 100.000 gebruikers hebt dan heb je wel de infrastructuur nodig om het onder te brengen. Daarom is stap drie schaaltesten en stap vier het uitrollen naar de buitenwereld. Afhankelijk of je het in eigen beheer host of bij een derde partij zet je stap vijf: managed services voor de operationele omgeving van AI afnemen.”

Om al de genoemde stappen effectief te doorlopen heeft Lenovo een oplossing die kan helpen, genaamd LiCO: Lenovo Intelligent Computing Orchestration. Het is een softwareoplossing die het gebruik van geclusterde computing bronnen voor AI-modelontwikkeling, training en HPC-workloads vereenvoudigt. “Daardoor wordt het voor gebruikers en klanten steeds eenvoudiger om een use case van AI werkelijkheid te maken en de waarde van AI te ontsluiten.” Geen reden om niet te beginnen dus.