Tradisjonelt har data som brukes til å trene AI-modeller blitt hentet fra ulike kilder, enten det er offentlig tilgjengelige kilder som internett eller andre databaser. Dette kan føre til upålitelige og tvilsomme resultater, avhengig av kvaliteten på dataene som mates inn. Etter hvert som AI tas i bruk i stadig flere sammenhenger, innser imidlertid flere organisasjoner behovet for data som er korrekte, oppdaterte og pålitelige.

Dataene som brukes og AI-modellene som trenes på dem, er helt avgjørende for resultatet, ifølge Milestone Systems. Dersom beslutninger og automatisering skal baseres på data, må man sikre at informasjonen holder høy kvalitet, er pålitelig og etisk innhentet.

Trening av AI-modeller

Et nylig gjennomført prosjekt fra Milestone Systems, kalt Project Hafnia, viser hva som er mulig når det gjelder trening av maskinlærings- og deep learning-modeller for komplekse aktiviteter og objekter. Prosjektet samler systematisk inn og merker store datamengder og leverer dem som et ferdig datagrunnlag for AI-modelltrening, noe som effektiviserer utviklingen av nye AI-modeller.

Data gjenbrukes, anonymiseres og renses for å levere datamengder av høy kvalitet med sporbarhet.

Ansvarlig innhenting av data

Kjernen i Project Hafnia er at dataene kommer fra ansvarlig innhentede kilder. Det innebærer at brukerne kan være trygge på at AI-treningen oppfyller gjeldende regelverk og krav fra både dataeiere (behandlingsansvarlige) og tjenesteleverandører som håndterer informasjonen.

– Grunnlaget for Hafnia er et omfattende videodatabibliotek, innhentet på en ansvarlig måte og i en skala som inneholder mer data enn det en utvikler av avanserte videoanalyse­løsninger kan samle inn på egen hånd, sier Søren Rågård Jensen.

En datadrevet strategi

Genova har inngått en datalisensavtale med Milestone Hafnia og har nå levert en stor mengde trafikkvideomateriale. Disse dataene brukes til å finjustere verdens største visuelle språkmodell for trafikk, noe som muliggjør fullstendig tekstbasert oppsummering av hendelser i videoklipp uten umiddelbar menneskelig involvering. Informasjonen er alltid beskyttet, og videomaterialet forblir på Milestones plattform, opplyser selskapet.

Beyond Security

Overført til andre bransjer kan dette innebære at video blir en viktig ressurs, for eksempel i detaljhandelen – ved planlegging av butikkoppsett, reklamebudskap, produktplassering og til og med åpningstider. Videobaserte innsikter kan hjelpe beslutningstakere med å forstå kundestrømmer til bestemte tider, personalbevegelser og atferdsmønstre i butikken, slik at produkter med høy lønnsomhet plasseres der flest kunder beveger seg. Anonymisering og kategorisering i VMS-plattformen sikrer at sensitive data ikke deles, og at datakilden kan spores.

Videodata og tilhørende metadata er ifølge Milestone en svært verdifull ressurs som gir innsikt i bevegelsesmønstre, oppholdstider, atferd, rushtider og mye mer – faktorer som påvirker alt fra salg og kampanjer til vedlikehold og renhold.

Kvalitet og aktualitet

Hos Milestone mener man at Project Hafnia belyser flere viktige forhold virksomheter må ta hensyn til ved bruk av data. For det første er datakvalitet og aktualitet avgjørende.

Beslutninger kan ikke baseres på upålitelige resultater, da dette kan undergrave tilliten til AI og datadrevne prosesser i organisasjonen over tid. Feilaktige data kan raskt skaleres opp og få en snøballeffekt som i siste instans truer både beslutningsgrunnlaget og virksomheten.

Bred og variert datagrunnlag

For det andre kan datasett som er hentet fra tvilsomme kilder utilsiktet inneholde sensitiv informasjon, skadelig innhold eller feil. Dersom datagrunnlaget ikke er bredt og variert nok, finnes det også risiko for skjevheter i resultatene.

Milestone understreker at standardiserte datasett ikke alltid beskytter personvernet til individene som dataene stammer fra, uavhengig av om de har gitt samtykke eller ikke.

Ytterligere vurderinger

Et tredje forhold Milestone trekker frem, er at jo flere mennesker som er involvert i produksjonen av data, desto større blir risikoen for menneskelige feil som kan påvirke kvaliteten negativt. Til slutt peker selskapet på betydningen av lovgivning. Organisasjoner må sikre etterlevelse av GDPR og annen regionspesifikk lovgivning, inkludert den kommende EU-forordningen om kunstig intelligens, både når det gjelder sensitiv informasjon og datakilde.

– I fremtiden tror jeg vi vil se et kvalitetsstempel som sier «etisk trent». Det er et spørsmål som står svært høyt på vår agenda, avslutter Søren Rågård Jensen.