Fire bud på din sommerlæsning om kunstig intelligens
Vi har bedt Globeteams specialister om at give deres anbefalinger til inspirerende sommerlæsning. Denne gang har vi spurgt to af vores konsulenter inden for kunstig intelligens om at komme med deres bud på læsestof i sommerferien. Det er blevet til en podcast, en bog og en række artikler, som du kan fordrive tiden med i hængekøjen.
Jacob Elkjær, som til daglig rådgiver ledelsen i offentlige og private virksomheder om løsninger inden for kunstig intelligens og maskinlæring, anbefaler nedenstående podcast og bog.
Podcast: Jeg blev blæst omkuld, da jeg hørte Rabbit Hole. Jeg har ganske god indsigt i internettet, men denne podcast åbner for en viden om, hvad mennesker benytter internettet til, og hvad det gør ved dem, som ganske enkelt er MINDBLOWING! Nyd det, tænk over det – og prøv at perspektivere podcastens budskaber i forhold til dig og din familie.
Podcast: https://www.nytimes.com/column/rabbit-hole
Bog: Davenport behandler AI-emnet med en række ekstremt anvendelige eksempler og belyser, for mig i alle fald, vinkler der er meget væsentlige. Bogen er ikke specielt teknisk og er efter min mening en Must Read for ledere, applikations- og IT-arkitekter samt udviklere, der skal arbejde sammen om at frembringe værdi. Den er fin til hængekøjen her til sommer.
Bog: Thomas H. Davenport, The AI Advantage
Nick Rishøj Danmand har stor viden og erfaring inden for kunstig intelligens og er underviser på Aarhus Universitet i maskinlæring ved siden af konsulentrollen. Nick anbefaler følgende artikler.
Artikel: ”Logistic Regression from scratch” er teknisk, men forholdsvis let at læse. Her implementerer forfatteren algoritmen: Logistic regression. Det er en af de mere simple, men alligevel effektive algoritmer, som man typisk vil bygge proof-of-concepts med. Artiklen formår at medtage koncepter, som vi kender det fra mere avanceret algoritmer (neurale netværk); koncepter som gradient descent og loss functions.
Forfatteren tager læseren i hånden og viser en implementering fra scratch. Artiklen er målrettet nye indenfor data science / machine learning, og udviklere/andre tekniske personer, som overvejer at bevæge sig den vej.
Du finder artiklen her: Logistic Regression from scratch
Artikel: “If you want to see the benefits of AI, forget moonshots and think boring” af Andrew Ross kan anbefales, da den har mange gode budskaber. Artiklen er forholdsvis kort og beskriver, hvordan AI bør implementeres omhyggeligt. Et af dens budskaber er, at man skal undgå at sigte efter “moon shots”, altså et eller få store projekter. I stedet argumenterer professor T. Davenport fra Harvard University, at der bør investeres i flere, men mindre AI-projekter. Formålet er, at enkelte projekter naturligt vil vokse i takt med, at projektet og den kunstige intelligens performer og faktisk skaber værdi.
Amara’s Law: “We tend to overestimate the effect of technology in the short run and underestimate the effect in the long run.”
“While many CTOs might want to aim for the moon with their AI projects, Davenport argued the best results come to those who opt to tackle a series of smaller projects first.”
Du finder artiklen her: “If you want to see the benefits of AI, forget moonshots and think boring”
Rigtig god sommer og læselyst!
Mere om Kunstig Intelligens
Hent e-bog: Få mere ud af jeres forretningsdata – en praktisk tilgang til ML/AI-projekter
I e-bogen kan du læse en række case inden for
- Retail: Berigede lokationsdata skal optimere serviceniveauet og kundeoplevelsen i shoppingcentre
- Forskning & uddannelse: AI skal spotte relevant indhold blandt tusindvis af videnskabelige dokumenter
- Økonomi & regnskab: Fondsvirksomhed vil højne kvaliteten af deres regnskabsprocesser med AI
- Transport & infrastruktur: Prædiktive datamodeller skal understøtte service og vedligehold af nationalt trafikknudepunkt
- Bæredygtighed og property technology: Konsulentvirksomhed vil minimere madspild og optimere bygningsanvendelsen ved hjælp af data
