Slimme data:de volgende grens in het IoT

Het is nog nooit zo eenvoudig geweest om gegevens te verzamelen dan nu. Een paar klikken en je bent aan de slag, gewapend met de beste datatechnologieën die de cloud te bieden heeft, klaar om alle mogelijke data te hamsteren. Het kan moeilijk te geloven zijn dat slechts tien jaar geleden de dingen dramatisch anders waren. Het op grote schaal verzamelen van gegevens was in feite alleen een optie voor de grootste bedrijven, organisaties die zich zowel de dure servers konden veroorloven die de enige haalbare optie waren om alle gegevens op te slaan, als de selecte weinige technici die in staat waren om er het beste uit te halen. ervan, in de tijd dat datawetenschap nog maar een ontluikend veld was.

Tegenwoordig is het genereren van data gelukkig niet meer alleen een bedrijfssport. Dankzij het Internet of Things (IoT) zijn we nu allemaal, ten goede of ten kwade, kleine Big-Data-fabriekjes geworden. In 2020 zal één mens verantwoordelijk zijn voor het genereren van 1,7 MB aan data per seconde. Zelfs nu genereert slechts één autonoom voertuig 11 TB aan data per dag. En deze trend vertoont geen tekenen van afname. Integendeel:het gaat alleen maar groeien.

Dit is natuurlijk uitstekend nieuws voor alle dataliefhebbers die er zijn. Het is nog niet zo lang geleden dat het verzamelen van hoogwaardige datasets een zware en moeizame taak was. Toch willen we altijd meer. Als het ooit lijkt alsof uw gloednieuwe Deep Learning-model "slechts" een nauwkeurigheid van 92% bereikt, is het gemakkelijkste en gemakkelijkste excuus de gegevens de schuld te geven. “Mijn dataset is niet groot genoeg”, zeggen we nonchalant tegen onze bazen. "Maar als we nog een paar weken wachten, zal dit model het beste zijn dat je ooit hebt gezien!"

Dit lijkt een belangrijke vraag te stellen:hoeveel data is eigenlijk genoeg? Maar het is eigenlijk een nog belangrijkere:hoeveel data is te veel ?

Interessant is dat we deze vraag niet vaak horen in kringen van machine learning, zelfs als dat echt zou moeten. Hoewel Big Data een enorme kans is, is het ook een gigantische verplichting van 40 zettabyte. Als data inderdaad de nieuwe olie is, moeten we de analogie tot het uiterste drijven:data is een uiterst lucratieve hulpbron, maar net als olie moet het worden geraffineerd. Het onvermogen om ons te weerhouden van ongecontroleerd gebruik brengt ons in gevaar. Kortom, de manier waarop we vandaag data gebruiken en beschouwen is zeer onhoudbaar en dit feit bereikt nog steeds nauwelijks het collectieve bewustzijn.

Misschien, heel misschien, is dit het verkeerde gesprek. Misschien is Big Data toch niet echt het antwoord op AI.

Laten we even een stapje terug doen en nadenken over wat we werkelijk verzamelen. In de begindagen van de digitalisering was het verzamelen van gegevens inderdaad duurder, dus we kozen onze plekken. We waren meer verantwoordelijk en een beetje gewetensvoller. Naarmate het genereren en verzamelen van data steeds eenvoudiger werd, werd er minder aandacht besteed aan kwaliteit, terwijl kwantiteit een natuurlijk bijproduct werd van nieuwe technologieën zoals cloudopslag, cloudcomputing, GPU-machines, grootschalig databeheer en overdrachtssystemen. Al snel werden data handelswaar, maar met de voortdurende escalatie van data en dataopslag stelde niemand de simpele vraag:waarom verzamelen we dit? Heeft het zelfs zin?

Met de commoditisering van modelbouw lijken datagrachten zeker het voor de hand liggende antwoord op differentiatie in AI, maar hebben we allemaal het grote geheel gemist? Gegevens leeftijden. Het wordt muf. En uiteindelijk, zelfs als we zijn verleid om te geloven dat gegevens en informatie twee totaal verschillende dingen zijn, zijn alle gegevens niet gelijk geschapen. Een tiener die 20 selfies van zichzelf maakt voordat ze iets op Instagram plaatst, is per slot van rekening anders dan een doorzoekbare catalogus met medische literatuur.

Dit lijkt allemaal geen probleem zolang we ons vastklampen aan de overtuiging dat vooruitgang in hardware ons zal beschermen tegen de data-apocalyps. Dataopslag wordt met de dag goedkoper en goedkoper en die rekenkracht wordt steeds toegankelijker. Dat blijft alleen waar als het genereren van gegevens wordt gecompenseerd door het vermogen van ingenieurs om de wet van Moore bij te houden. Zelfs als ze dat voor onbepaalde tijd kunnen doen, overweeg dan het volgende:als niet alle gegevens even informatief zijn, wat heeft het dan voor zin om onvoldoende of overbodige gegevens te verwerken?