Det finnes mange muligheter og nyttige funksjoner og løsninger som resultat av teknologi og løsninger basert på kunstig intelligens. Her følger et par eksempler knyttet til ansiktsgjenkjenning, og et noen eksempler knyttet til løsninger for klima, jordbruk og energi.
Vi begynner i Ontario i Canada hvor det ble lagd en app for de med spilleavhengighet. Her kunne brukere frivillig skrive seg på en liste som har som formål å hindre dem å komme inn på byens kasinoer. Hvis de mot formodning har en dårlig dag og velger å oppsøke et kasino, vil de bli gjenkjent av algoritmer og høflig bli bedt om å gå. Samme teknologi kan brukes i mange andre scenario også. Et annet eksempel er en løsning utviklet for butikker og detaljhandel i USA. Der ble det lagd en løsning hvor algoritmer kjører kryssreferanser mellom ditt ansikt og en base med kjente tyver i det du går inn i butikken. På den måten kan man være i forkant og avverge både tyveri og voldshendelser knyttet til butikktyveri.
Nest (Google), en lærende termostat (som nå kan kontrolleres via Alexa), bruker algoritmer til å lære fra dine foretrukne klimajusteringer hjemme og på kontoret. Basert på erfaringer, vil den tilpasse temperatur ut fra dine preferanser. På den måten er det mulig å effektivt justere temperatur både i hjemmet og på kontoret og på den måten spare både energi og miljø.
Algoritmer kan også forutsi forespørsel og leveranser knyttet til fornybar energi på tvers av distribuerte nett, forbedre lagring av energi, effektivisere lastfordeling, bidra i å sikre stabil leveranse av fornybar energi. Energi vil i fremtiden være en knapphetsressurs. Her er et godt eksempel på teknologi som bidrar til å utnytte ressursene på en god og effektiv måte - spesielt knyttet til byer og urbane strøk, og vil være et utrolig viktig fundament for å kunne sikre levestandard for byer og urbane strøk i sterk vekst.
Mat er også en knapphetsressurs i mange land. Ved hjelp av robotics og algoritmer kan landbruket få hjelp til å iverksette tiltak ved væromslag og klimaendringer, og på den måten i størst mulig grad unngå sykdommer og dårlige avlinger. I tillegg kan man gjennom gode data og analyser gi tilpasset næring og vann til avlinger basert på data om jord, jordsmonn, vær, temperatur, og eventuelt andre ytre påvirkninger. Det vil gi både en mer effektiv landbruk og sikrer avlinger.
Et annet eksempel er Google. De bruker nå maskinlæringsmodeller for å optimalisere energibruk i deres datasentre. Modellen ble satt opp til å lære når og hvorfor gitte prosesser oppstod i deres datasentre. Basert på data samlet inn, klarte deres algoritmer å identifisere mulige kilder for sparing. Modellene bidro til at Google klarte å spare opptil 40 % energi i sine datasentre.
Det finnes mange andre gode eksempler på algoritmer som bidrar til både å bistå til å redusere klimautslipp, effektivisere og bedre sikre matproduksjon, samt mange andre tiltak for å sikre bærekraftig vekst.
Om forfatteren
Richard Johnsen er seniorkonsulent og partner i Cloudberries. Han har mer enn 20 års erfaring fra komplekse og virksomhetskritiske IT-prosjekter og programmer. Han har bred erfaring fra ulike roller både som rådgiver, prosjektleder, testleder og leder i ulike bransjer. Richard ønsker ikke å titulere seg selv som innovasjonsekspert, men heller en som er veldig nysgjerrig på både begrep og metoder, og har et stort engasjement for å lære mer.
Ta kontakt med Richard for å høre hvordan Cloudberries kan hjelpe organisasjonen din til å komme i gang med innovasjon: richard.johnsen@cloudberries.no.
1 Comment