Vaak blijft het bij een proof of concept en lukt het niet om de investeringen om te zetten in waarde voor de organisatie. Om de toepassing van dergelijke AI-implementaties te versnellen en mislukte projecten te voorkomen, is het mogelijk gebruik te maken van een simplificatie laag bovenop bestaande- of cloud infrastructuur om van een algoritme naar een robuuste operationele softwareapplicatie te komen. Individuen en organisaties worden zo in staat gesteld om hun data science investeringen terug te verdienen.
Welke uitdaging lost het op?
Eén van de bedrijven die dergelijke software aanbiedt is UbiOps. Zij nemen met hun SaaS oplossing voor zowel kleine als grote organisaties de complexe ontwikkeling van een schaalbare en robuuste infrastructuur uit handen. Op deze wijze zijn partijen in staat zonder (vaak schaarse) IT-kennis van bijvoorbeeld Kubernetes, Docker of andere gespecialiseerde IT-frameworks per direct een productiewaardige applicatie neer te zetten. Daarnaast vergemakkelijkt het de ontwikkeling en het testen van de AI-applicatie en is het eindproduct direct schaalbaar.
Versnellen van AI-implementatie
Zo werkt UbiOps samen met DuckDuckGoose, een high-tech startup die deepfake foto’s en video’s detecteert. Samen ontwikkelen zij software voor het identificeren van deep fake beelden. Deep fake beelden komen door de huidige technologische mogelijkheden zeer betrouwbaar over en kunnen verregaande gevolgen hebben door bijvoorbeeld aandelenkoersen of verkiezingen te beïnvloeden. Het kunnen detecteren van deep fake beelden zal in de toekomst dan ook een steeds belangrijkere rol gaan spelen.
Het team van DuckDuckGoose, voornamelijk bestaande uit data scientists, verbetert periodiek het deep learning model voor deep fake detectie. Hiervoor is het belangrijk om zonder veel moeite nieuwe versies van het model naar de productieomgeving te kunnen brengen, A/B tests uit te kunnen voeren tussen model versies en tevens modellen te monitoren. Door middel van de unieke koppeling met de SaaS-omgeving van UbiOps kunnen de data scientists dit zelf doen, en zijn ze niet afhankelijk van schaarse IT-kennis. Zo is het mogelijk om zonder IT-kennis toch eenvoudig waarde te halen uit datagedreven applicaties.
Samenwerking in ethisch AI
UbiOps werkt met verschillende partijen aan de ontwikkeling van ‘ethisch AI’, waaronder bijvoorbeeld de uitlegbaarheid van modellen valt, AI audits, maar ook het kunnen detecteren van data drift, het doen van outlier detection en het beoordelen van data quality. Dit wordt samen met andere partijen in de AI Infra Alliance opgepakt.
Gezamenlijke ambitie
UbiOps: “Door onze deelname aan de NL AIC kunnen we bijdragen aan het Nederlandse AI-ecosysteem en kunnen we innoveren met andere partijen op het gebied van AI-ethiek, uitlegbaarheid. Zo helpen we startups in alle sectoren met het versneld ontwikkelen van hun AI-product en dragen we bij aan de ambitie om Nederland koploper te laten zijn op het gebied van AI.”
Interesse in meer informatie over de ontwikkeling van deep fake technologie? Lees dan ook dit artikel.