Horisont 1
AI/ML-kategorisering er en proces med klassificering af et givet sæt i data i klasser. Det kan lade sig gøre på både strukturerede og ustrukturerede data. Processen starter med at forudsige klassen af givne datapunkter. Modelleringen til forudsigelse i forbindelse med klassificering er opgaven med at tilnærme kortlægningsfunktionen fra inputvariabler til adskilte outputvariabler. Det primære mål er at identificere, hvilken klasse/kategori de nye data falder ind under.
Automatiseret rapportering handler om at give brugere relevante og nyttige oplysninger rettidigt, uden at brugere behøver at finde oplysningerne selv. Med automatiseret rapportering får du at vide, hvad der er sket, og hvordan forskellige forretningsområder klarer sig. Automatiserede rapporter kan genereres ved faste intervaller som f.eks. hver fredag for de ugentlige salgstal. De kan også udløses af bestemte begivenheder, som f.eks. en forsendelsesbacklog, der nu har nået et kritisk niveau, der kræver handling.
Beregning af samlet CO2-belastning bruges til at måle effekten på miljøet. Beregningen er en indirekte indikator på energiforbruget, produkter og services og måler omfanget af den samlede CO2-belastning, hvilket svarer til en virksomheds aktiviteter, produkter eller personer.
MLOps er et sæt praksisser, der har til formål at implementere og vedligeholde maskinlæringsmodeller med henblik på pålidelig og effektiv produktion. MLOps muliggør automatiseret test af maskinlæringsartefakter (f.eks. datavalidering, ML-modeltest og test af ML-modelintegration). MLOps muliggør anvendelses af agile principper til maskinlæringsprojekter.
Naturlig sprogbehandling (NLP) er en gren af kunstig intelligens, der hjælper computere med at forstå, fortolke og manipulere menneskesprog. NLP trækker på flere forskellige discipliner, herunder computervidenskab og datalingvistik i sin stræben efter at udfylde tomrummet mellem menneskelig kommunikation og computerforståelse.
Horisont 2
Hosting og udvidelse af maskinlæringsmodeller kræver specifikke kompetencer, som hurtigt bliver en kæmpe omkostningsfaktor for virksomheder, der gerne vil udnytte fordelene ved tjenesterne. AIaaS (Artificial Intelligence as a Service) er den term, der bruges om off-the-shelf AI-værktøjer, der gør det muligt for virksomheder at drage fordel af AI-værktøjer uden at oppebære omkostningerne ved at udvikle komplekse modeller. Det kunne være NLP-værktøjer (Natural Language Processing), digitale assistenter og chatrobotter, oversættelse og tale med mere.
AI/ML-baseret beslutningsprogram vil prøve at optimere en form for proces, der ikke kan specificeres fuldt ud med et deterministisk sæt regler. Det bruger data til at lære fra og designer nye regler. Det kan udvide eksisterende regelprogram eller udskifte det fuldstændigt.
Opdagelse af anomalier er et trin i datamining, der identificerer datapunkter, hændelser og/eller observationer, som stammer fra et datasæts normale adfærd. Afvigende data kan indikere kritiske hændelser, som f.eks. en teknisk fejl eller potentielle muligheder, f.eks. en ændring af forbrugeradfærd. Maskinlæring bruges gradvist mere og mere til at automatisere detektion af anomalier.
Biometrisk identitetsverificering er en proces til unik identificering af en person ved evaluering af et eller flere særlige biologiske træk. Disse biologiske identifikatorer omfatter fingeraftryk, hånd-, ansigts- og nethindemønstre, stemmeprofiler underskrifter osv.
Datakorrelation er evnen til at forstå de indsamlede data, da den gælder for andre data i den relevante kontekst. Lige som korrelation er defineret som teknikken til at undersøge relationen mellem to variabler, så er datakorrelation evnen til at hente data fra forskellige kilder og drage fordel af forståelsen af relationen mellem dem for at fastlægge kursen fremover på et mere informeret grundlag.
Forklarbar kunstig intelligens (AI) er et sæt af processer og metoder, der gør det muligt for menneskelige brugere at begribe og stole på de resultater og outputs, der er skabt af maskinlæringsalgoritmer. Forklarbar AI bruges til at beskrive en AI-model, dens forventede indvirkning og potentielle antagelser. Den hjælper med at karakterisere modelnøjagtighed, fairness, transparens og resultater i beslutningstagning baseret på AI.
Internet-of-Things (IoT) Edge er, hvor sensorer og enheder kommunikerer realtidsdata til et netværk. IoT Edge-databehandling løser problemer med ventetid i forbindelse med clouden, da data behandles tættere på sit oprindelsespunkt. Ud over reduceret ventetid giver IoT Edge-arkitektur øget sikkerhed og en mere jævn oplevelse for slutbrugeren.
Forudsigende AI er en metode til dataanalyse, der kan forudsige og foregribe fremtidige behov eller hændelser. Det gør det blandt andet muligt at se kommende tendenser eller at forudsige risici og løsningerne på dem. Den er udelukkende baseret på data og i meget store mængder, ligesom Big Data.
SOAR en stack af kompatible softwareprogrammer, der gør det muligt for en organisation at indsamle data om sikkerhedstrusler og reagere på sikkerhedshændelser uden menneskelig assistance. Målet med at bruge en SOAR-platform er at forbedre effektiviteten af fysiske og digitale sikkerhedsoperationer. SOAR-platforme har tre hovedkomponenter: sikkerhedsorkestrering, sikkerhedsautomatisering og sikkerhedsrespons.
Horisont 3
AI/ML kan bruges til at forudse strømbehov og -generering, optimere vedligeholdelse og brug af energiaktiver, få en bedre forståelse af mønstrene for energiforbrug samt give bedre stabilitet og effektivitet af energisystem. AI kan også lette arbejdsbyrden for mennesker ved at assistere og delvist automatisere beslutningstagningen og kontrollere de mange enheder, der bruges.
Edge Computing er en distribueret beregningsstruktur, der bringer virksomhedsprogrammer tættere på datakilder som f.eks. IoT-enheder eller lokale edge-servere. Nærhed til data ved kilden til dem kan give store virksomhedsfordele, hurtigere indsigter, forbedrede svartider og bedre tilgængelighed af båndbredde.
Andre teknologi- og innovationsområder
Hvordan kan vi hjælpe din virksomhed i gang?
