datascience

Utviklere som sletter (kode), datavoktere som dumper (data), IT-ledere som avvikler over en lav sko (systemer, løsninger, ...). Alle skal til 2020 med mindre gjeld, større spenst. [...]

Heldigitale løsninger er serverfri, plattformløse, skalerbare og dynamiske. De endrer begrepsapparatet, krever nye verktøy og datasentrisk tenking. Kan de ‘gamle’ arkitektene tegne den nye verden? [...]

Systemarkitektur, data-arkitektur, nettverksarkitektur, sikkerhetsarkitektur, løsningsarkitektur - klart vi må ha dem. Eller må vi egentlig det?  [...]

Jakten på 'korrekte' data - data som er balanserte i alle retninger - intensiveres. Nødvendig for ‘riktig’ maskinlæring - tror vi. Men virkeligheten er verken balansert eller nøyaktig. Skal maskinene lære om og av virkeligheten eller fra kunstige data balansert etter matematiske modeller som forskere mener er nøytrale? [...]

Mens San Fransisco forbyr bruk av ansiktsgjenkjenning, spurter Kina videre for å bli best på AI. Noen mener de er der allerede. De tar grundig feil. [...]

… høres ut som en dårlig spøk. Det gjorde også virtuelle maskiner og virtuell virkelighet en gang for lenge siden. Trenger vi virtuelle data? Til hva? [...]

Verden kjøper dingser over en lav sko for å få bedre helse. Måler puls, teller skritt, sjekker bevegelse, søvnrytme og kalorier døgnet rundt. Aldri har så mange hatt så store muligheter for forbedring. Hvor blir det av resultatene? [...]

‘Slettings-vegring’ har plaget en hel verden i flere tiår. De digitale søppelhaugene vokser med ufattelig hastighet. God business for leverandører, bortkastede penger for markedet. Med ML/AI ble det enda verre: Alle tror gamle data skal gjøre fremtidens ‘boter’ smarte. Men hvor meningsfylt er det å fore fremtidens AI med fortidens søppel? [...]