URN_NBN_SI_DOC-RKSH48DC

Tveganja in možnosti kontrol pri rešitvah umetne inteligence 75 • Redki podatki vsebujejo zelo malo dejanskih vrednosti in so sestavljeni večinoma iz ničel ali manjkajočih vrednosti. • Neustrezni podatki so nepopolni ali pristranski podatki. Na žalost se lahko veliko napak prikrade v samih postopkih zbiranja in shranjevanja podatkov, vendar je treba za uspešno aplikacijo strojnega učenja te težave odpraviti ali jih vsaj čim bolj omejiti. Podjetja, ki imajo zgledno urejen sistem upravljanja podatkov, bodo imela ob vpeljavi rešitev strojnega učenja in podatkovne analitike bistveno manj težav. 3.1.4. N EZADOSTNA RAČUNALNIŠKA INFRASTRUKTURA Za številne organizacije lahko postane upravljanje različnih vidikov infrastrukture, ki obdaja dejavnosti strojnega učenja, samo po sebi izziv. Že samo preverjeni in zanesljivi sistemi za upravljanje relacijskih podatkovnih baz lahko popolnoma odpovejo pod obremenitvijo in raznolikostjo podatkov, ki jih organizacije želijo zbrati in analizirati. Potem pa so tu pogosto še zahteve po izjemni računski moči, ki jih zahtevajo sodobni algoritmi strojnega učenja, ko se spopadajo z ogromnimi količinami podatkov. Ker si mnoga, sploh manjša podjetja ne morejo privoščiti niti nakupa, še manj pa vzdrževanja tovrstne infrastrukture, so v skladu s premikom paradigme v načinu gradnje tehnoloških rešitev v oblaku in z rastjo oblačnih storitev začeli mnogi veliki ponudniki ponujati možnost uporabe strojnega učenja kot storitve (MLaaS, machine learning as-a-service). Tovrstne platforme v računalniškem oblaku zagotavljajo osnovni zahtevi za izvajanje sistema umetne inteligence: • učinkovite, stroškovno sprejemljive vire (v glavnem hrambo podatkov) in • računsko moč (zmožnost obdelave velikih količin podatkov). 3.1.5. P REZGODNJI RAZVOJ OZ . RAZVOJ BREZ PLANA Vsako podjetje več let razvija svoje poslovne procese. Odločitev, kdaj naj se nove, praviloma naprednejše in celovitejše tehnologije vključijo v celovito strategijo podjetja, je težka naloga. Prehod na tehnike strojnega učenja morda niti ne bo potreben, dokler se IT in poslovne potrebe ustrezno ne razvijejo. Vsekakor je treba v organizaciji pred kakršnimkoli začetkom razvoja rešitev umetne inteligence jasno določiti strategijo in cilje, ki naj bi jih tovrstne rešitve prinesle. Nato je treba preveriti, ali je podjetje sploh sposobno razviti in vpeljati takšne rešitve ter ali so izpolnjeni vsi pogoji za tovrsten razvoj (kadri, infrastruktura, podatki ...).