Data – hvorfor er det så viktig for både mennesker og AI?

(Løske) Hei, alle som noe velkommen til Nier under med utbytterpåden. Høygen og mjemme i studiodag er Leo Runggren Olsen fra den bedisruptive opportunetis. Velkommen skal du være Leo. Tusen dag, Marius. Der er en stor area å bli metert. Ja, velig gøy. Du er jo bare 22 år, men du har aldri hadde jobbet en stund som har lytt ikke. På timet til "Evdønne i Ekstra Nivers noe i mille engen". Det er ved siden av studien eller så det er superimponerende. Evdønne har en plag å si at du ikke født med siden, men med teknologi på beina. Det er ganske passene, er ikke det? Ja, jeg tror det er noe det er. Det blir litt naturlig til nærming til en ny teknologi. Vi tar det brukte raskere og se kanskje på kurserliggens på en annen måte. Men man skal ikke unnøvle det verdina erfaring her. Det er litt som vi syker kommer tilbake til at erfaring er på måte den datan vi mennesker har. Det er det grunnlag vi har for å ta og det i beschlittningene. Det er å kombineere erfaring og praktisk erfaring over tid med en annen tilnarmning om det er unge ingre tilnarmning. Det er det jeg tror er, jeg tror er det vært i følt. Så jeg tror vi tar over tid tar ganske gode beschlittning. Ja, ja. Når jeg opplever at du er vælde hens om det, at du på måte er tett på det som skjer om dag inn litt om ytterst på teknologi fra omten. Det er jo mye kul som skjer. Det vet vi jo. Hva er du like beste å jobbe med? Se i nær startet har jeg fokuseret mest på space og robotics. Det er to ganske beresektorer. Man er kanskje tenker at det er litt langt fremme. Men som jeg sett utviklesa rekordrasket har vært veldig spennende å følme det her. Vi har etterne narrative som har vært skjertens stund. Det er at det rammer de unge negativt. Det er en del jobber som forsvinner. Man har bruket langt tid på studere. Det er ikke likket lett. Det er det du hende i så få seg jobb som det har vært en stund. Men jeg tenker at man kanskje unnverdere de positive effekten av dette. Det er det du tørts deg opp på den og i steg. Jeg tenker at du og de som er yngre enda de får inn av den teknologien med morsmelken. Jeg tenker at dere kommer til å ha en del andre forutsättninger. Du får stå og du bruker de i superkreftene som denne teknologien gir. Det er vi på 40 pros noen ganger om å klare. Hvordan ser du på det? Jeg tenker at over tid er det den som er mest tilpassningstykte som på måte og vinner. Det er det vi yngre har kanskje et lite fortrend. Vi adopterer ny teknologi i raskere og ser på det på en av måte. Historien gjerne tjendt og kjellent, men den er imer. Det er ofte de tilpassningstykte selskapene eller i individene som tar det bruk. Det er det som er ørliga defters som tar nytte av en slik omstillingssprozess. Da får det bli jo en kraftig omstilling, både samfunnsmessig med en individ. Vi må ta med for vi går igjen med denne personen skal handla med demne data. Det er viktig å få i røye. Du er også med forfattere av boken "Poscart" fra fremtiden. Det som du har skrevet sammen med eruddund som gratulerer. Nå har det vært mye storståhæ med langsering, sikker signering, i det herletat. Andre opplag er på vei, og det er så veldig gøy. Stemmer, det blir godt at det måte, og det er varme å etter for hva det gjerte. Du hvor mye plass i boken virer til dagens tema, men blir data? Det er ganske mye. Det er gjennomgående tema. Blant alle kapitlen er enkelig. Det er enkelige grunnlaget som de fir i rittene, som vi skriver om. Det er disse fir i noe avsjonsplattformene. Vi har fisisk og digitala genter, ved selkjøene. Og så har vi relasjonsorientertet halet. Alle disse fir i noe avsjonsplattformene blir bedre data grunnlaget. Så bedre data, gjenneste, flere og bunter disse plattformene. Og flere som bruker plattformene, er det data, så blir det sånn svinggjulseffekta som er inn på flere ganger i noe boken. Er det derfor det er kaller data for det nya oljen? Ja, det blir på måte det drivstoffe i det svinggjule, som holder igjen. For å få det til å voxe exponentiellt og ikke lignere hjertet, som mennesker er gode til å forenkele komplexe fennene med. Det er ikke sant, fordi jeg er viktig å forstå. Det er så mange som kan dette lytte. Men en AI-modell ut data, det er en to motorlig slutt. Absolut. Så det er litt deg grunnlaget man har. En modell blir jo treent på datasett. Og gir svar med deg grunnlaget. På samme måte som vi mennesker har opparbeide oss erfaringer. Det er besvittningene av det i processen, som vi er igjen om. De ta oss med deg grunnlaget, som jeg har opparbeide oss gjennom tid nå. Men forklare for oss, er egentlig data i dag, fordi det er å åpne mer en bare tekst. Og tall, så forklare en skille mellømstrykterett og utrykterett data disse tingene er. Ja, det er mange typer forskjellige data. Du har en vann på det med tekst og tall, men da så bildet du har lyd, du har en temperature, forskjeller, du har sensor, data, så vidare. Og så har vi de to kategorienet. Du har strukturert data, som er inför tabeller, og er placeret organisert på en måte som gjør at disse ai-modellerne lett kan forstå hvor ting er, hvor man skal bruke når man skal bruke det. Det er veldig lett om å maneuverere seg mellom disse ulike typen og data. Men utrykter de art data, der der disse ai-modellerne og agentene er å bli virkelig kabablet til å gjøre produktivt arbeidet. Over 80 % av organisationstata er utrykteret data. Det er data som man ikke har placeret i organisert miljøer. Det kan være eposter, det kan være regler, det kan være alt av reinskap og mell, og så vidare. Og den er kstrukturert, så det har. -Kan det være fiden på social medie din? -Ja, absolutt. Det kan være også offentlig å private data, det kan være begge deler. Men det kan også være datet ut i en fysisk världen, så alle disse datapunktenen som enn på en europe og der er i nærheten av den ser eller forstår den fysisk världen. Han blir produktiv og kan jobbe sidde med oss da, enten en digital eller en fysisk världen. Ta litt mer om forskjellig på offentlig å private data, for det gjør det i tydlig siller. I offentlig data er det data som er til englje for oss alle. Det kan være vikkerpede, det kan være store internet, det kan være åpne databasser. Veldig mange av disse modellerne er treent på alle den daten som er til englje. Det gjør det i veldig brede og gode på det all og mestet. Men veldig dydde kommer fra denne daten. Speciellt når alle disse modellerne treent på samma data, så blir det sånn kommodetist. Det blir en måte en råvare, alltid blir litt som strøm. Det blir veldig viktig, men det blir ikke noe forskjell i det sluttprodukte. Den store måte vedvarende konkurrenskraften, den kommer fra å ha private data til englje. Den daten som du og jeg har, som bare er exklusiv for å være og en oss, er som gjør at en av agent, eller en robot, kan ta beskjutninger som passer oss best, blir personalisert. Så da er for at av agenten skal faktisk gjøre produktivt arbeid, market det at hvis du skal set i gang en chat-ybete-agent med offentlig data, så blir det veldig generelt, og den kan ha oss nere og gjør litt dårlig beskjutninger. Men styr i den tilgang til mailenboksen, eller i den tilgang til den datan som du faktisk bruker, så blir det en med nærrelation til en assistent som kan gjøre oppgave og prosesse på veien av det. Så selskaper som har lyst til å kileset ut, som har lyst til å skapa et unikt konkurrensfordring, som jo alle har lyst til. De må fixe det med private data på en eller annen måteva, for ikke å bli like alle de andre. Så tilgang til data, til litt, at vi gi en tilgang, fordi det kommer til å være et spørsmål. Det kan skikke alt datan man har lyst til å gi bort hvis man ikke vet at man får noe tilbake. Og dere har et nann, det er litt rart rag, men hvis jeg er kjent i riktig det, så får retrivel og mentedig generasjon. Så forklare vår damnelper denne ragen en bedrift, og brukes inn i egne private data på en smart og trygg måte. En AI-modell er å ta besluttninger og er så på smart basert på den databasen, som den har fått å bli trent på der og da. Rag kan bruk i den modellen, og så kan innentet oppdat er et informasjon i samtid. For eksempel hvis vi gjør en tilgang til en databaset, så hvis du gjør en tilgang til en del og internet, for eksempel, så den kan gå. til en databassen og plukket en relevant information for den beslutning og den processen som den agentene eller den modellen skal gjennomføre. Er dette det samme som sannkasseprinsippe? Ja. Så på om nåt det er en slå å bebedriftenes, liksom interne, ringperm eller kalleva du ville i samtid. Ja, som er interne, men man må ikke dele noe sens TV data med resten herverden. Så er litt som at du kan gi nøklen til et litt som beblodt ekk. Som du avgrenser assa at du ikke får den agenten på vilveir inn i privat data i en organisersjon. For eksempel tilgå en til et avlukk utområde som du vil at den skal bruke til det i ulike oppgave. Ja, men det er jo som du har inne på. Det er masse data der uten og alle kan kode selv og så vidare. Det kommer jo stadig masse mer. Og så er det noe som heter Søppelin, Søppelut i dataverden. Så på måtte du vuffere det viktig når vi snakker om kunst i interne genst. Ja, det er jo fordi dette er grunnlokke for alle de prosesene og besøtningene som en kunst i erne skal ta. Og så har vi noes meter, reinforcement, learning som er forstærkende eller ring. Så hvis du gir data inn til en modell som den trende på, som kanskje er litt feil, litt litt politlig, eller ikke relevantet erltat, eller kjev for den sørger, så blir den afbuten som den agenten eller modeller gir. Den blir enda dårlig, fordi du trende mer og mer på disse feilene. Kan det bli like viktig for selskapene som skal vinde at de klarer å styrre unna de dårige dataene? Ja, jeg tror den litt orddaktet, kanskje den viktigste formen for læringer, kanskje den og fjern. En lørning, ja. Det er jo faktisk fjern med den dataen som ødeliget litt og så heller trende på korrekt og relevantet og politlig data. Mås og ferskt data, det er den å si greu kommer litt hen på sennere. Det er menn for å la snakket litt om i den fysiske verden, for da kommer vi in på seltjørenebiler, dronøyr, humanoids i rapporten som gjennor er forskjell på datafræt vanlig kamera og datafræ, lidar sensor. Bådan hjelper den kombinationen av ulike datatyper. Det er det kaller som multimodal i en robot å forstå verden rundt seg. Ja, multimodal i er jo kombinationen av ulike data, som jeg vet man forstår den fysiske og den faktisk verden, for det er veldig nærkestatisk, den er dynamisk, så det å kunne forstå hvor tungt dette glasse med vanne er, for eksempel hvor hartmann skal gripe, hvor raskmann skal være veger seg, og så vidare, det er helt essentiellt for å ha en funksjonabulere robot eller en seltjørenebil rundt i vår omgivelse. Også er det forskjell på kamera, kamera i egentlig en rik visuell information om å omverden. Men i farige, den i ansiktet utrykken, den i rybte, også. Den ser et kilt for eksempel. Den kan gjennet kjenne og samlingne ulike henser og steder og treende på den datan. Men det som lidar i som er Lite-Tectioner-ranging sensorer, sender ut sensor-pulser, lasse-pulser. Og kartlegger egentlig en tred i som altverden, som ikke har farige eksempel, som stopper skilt og så vidare. Men du vet at nå er der. Du vet avstand, og du vet form og få song. Men kameraen er en ekstra visuelle information som trengs for å ha en smart kunstsintliggens modell. Så lidar en for eksempel, ikke samtomole, og vi har förstått det riktigt. Millimeter precis avstand med Larsen. Ja, og det er jo noen begrinsning med kamera. Det er jo varme, det er dukt, det er kullet, det er visst det er visuelle hindringer. De ser lasse-pulser, du kan gå igenom toke, du kan gå igenom uver. Så det er noen for dere ulemper med begge, men jeg tror det er utfylle hverandre på en god måte. Ja, ja. Og som lytter nye vet det alle de episoden, og vi tidligere har snakket om selg kjørene teknologier. Så er jo liksom lidar en viktig del av det. I en episode som kommer, så har vi vært og besøkt selskap "Wilny", som lager robotjul, som også du har gøy til Leo, og så de har jo lidar på sin robot. Så det er spennende og et konkurret eksempel som dere kommer til å føre mer av min senere episoder. Lass ta noe ant, syntetiske data. Da byner vi å bevege oss ut i det som virker som litt sinesfixen. Men dette er jo da kunstig genererte data. Så forklare oss liksom hvorfor i alle dager vi vetre, men jeg har i på data som vi har funnet på selg. Ja, det er egentlig to årsaker, det er fordi det er dyrt og det er trekt, og det er jo trene på ekte data alltid. Så la oss i det er en krasch med selg kjønebil, ta gjerne lang tid er dyrt, eller robot som gjør feil i den fyske ørten. Dice feilene blir jo stadig ferre og ferre, men det er også kostbort å gjøre fyske ørten. Så det har simulerte verdene som blod dante en video eller verier. Men så hvor du kan iterere og teste tusenvis av ganger uten av en næhet, nå den kostene av å gjøre feil en gang med robot, for eksempel. Det er veldig atraktivt, og det er jo ikke sånn at disse simulerte verdene er helt perfekt hele tiden. Du har også noen som er det simturil, så du når du har trent mange og ganger på en simulert verdene og for det er til en fysisk robot, for eksempel. Så har du gjerne noe gap, da med det som faktisk kjeren for simulerte verdene og det som overføres. Fyske øden er jo det noen av esk. Også er det jo slik at det har stett, så du kan trene med raskeret og kan trene med mange ulike ting på samme tid. Så simulerte verdene er veldig atraktivt, men det blir på måten supplement til den ekte datan, så blir ikke noe man kunne kommitøre. Men det å trene på de avikene, de situasjonene som gjerne kjære kjellent, eller de situasjonene som gjerne vil skapa mykostene. Hvis man skulle gjort det på ekte, og når man har stort gjennombrud inne for avikmodeller, men også med kalles world models, hvor man genererer en kontinuerlig värden som ender seg utifra vårdande ubeveger det å gjøre ting i simulerte verdene også. Så det er noe som kan være art og følge med videre, så kan man skapa ganske mange gjennombrud i en sådan kunstnytteligens fysisk, kunstnytteligens veiden. En ekse var jo blandt av, og da tenkte vi på humanudselskapet, var jo ut og prattet om dette for hva det vi starte na år, eller når rundt er og meg kusker ned en feil. Det var det som gjennombrud av akjifte. Ok, det har utviklet en modell som dere kalle for data hver de pyramiden. Hvis vi ser på denne pyramiden, prøver forstill oss den, kan du gi oss noen eksempel i tjentesselskapet som befinner seg i denne pyramiden. Hva er i bunden, hva er i mitten, hva finner vi her på toppen? Ja, denne pyramiden er skatt for å illustriere litt en verdikjeden, at data ikke bare en ting, men da er en verdikjede. I bunden, i bunden har vi selskapers som organiserer og strukturerer og så rennser data. Så da har vi et godt eksempel er orko, så sitter på intern systemer og intern data og strukturerer denne. Og så har vi salesforce som sitter på salestal og kunde basse og så vidare. Også har du Palantir, så måssoorganiserere og strukturerer store data baser og gjør det lett til englige for selskapet og kunne bruke det. Det er det vi snakker om at veldig med den enterprise datan, denne er utstrukturerter, det er kommer Palantir blandt andin. Også har vi en mitt lag, hvor vi har sensorer og simulertiverner, enkelheten infrastrukturen som må bruke det. Ja, så har vi en video som er ledn av det. Både på GPU-er, men også på simulertiverner, kostmos og så vidare. Også har du en barelle som leverer edge i, kippe for å prosesere og utföre handler i utdrytt produkter i en fisk øden. Også har du en selskap som også heter Aoster, som leverer disse lidar og sensorer og for å faktisk oppfattet miljøer rundt oss. Også har du et opplagge, der kanskje besteksemplere er tesla som er ut i slutt produkter og samler i en kontonelle data. Jo flere biller har ut på veien de jo mer data samler i en, og de kan kontonelle daterenes inne modeller til å gjende ut og gjøre bedre beslutninger. Ja, ja. Kult, det er selskapet vi gjelder i kjenertel, noen så följer mer kjenten en andre. Men vi er et godt bilder på det syns jeg. Du er den etter perspektivnottatet som referertendel til interessene lesing, så kigger du også litt i glaskul, som dere pleier å gjøre mot 23. Og snakker om Aifabrikker. Hva er en Aifabrikk? Jeg kan se på det litt som et treningcenter som lærer seg kontonuelle, så jo mer du bruker disse vekte ned, just der ikke det blir du. Og så blir du. - er det et enn prosesse over tid i datakommulerer. Men det som er mot den nye stege i den moderne avgjærende som vi går inn i nå, - er at man tar i bruk læring ute da, hvor det er faktisk kjert. En bil eller en robot som er ute blant oss, som bruker den fysiske datan, - til å bli bedre der og da. Så det er ikke bare en database som trenes i en fabrik, - men det er en fysiske robot som trenes ute i edgjena. Så farske datan, fra virkelige været på en måte strømmer inn hele tiden, - og återryr systemene. Ja, så tre ting som har vi, om det har veldig god datan, - - det er at det er relevant for det oppgannet skulle øre, - - det er at den er politi, at den er til å ståle på. Og så er det at den er farske at den ikke er ute og tert, - - fordi at det har også dårlig bursødning. Jeg er det gøy dette her med datan. Vi ser å stadig eksempelig på at selskapet, - - de byener å ta i bruknjymet hoder for å samle inn data, - - fordi man trenger det, for å trene disse robotnet og gjøre det. Du skal jo sente meg et eksempel fra Nyjjørk. - Hvor er det ikke det? - Jo, sten. - Hvor er de bare sette på kameraer? - Er ikke det det gjør. - På folk som går runt og vasker. Om det er på hoteler eller om det er i leiletter eller var der, - - får på den måten så få det samlet. Her er det noe dvendige data for å kunne løre robotter i øletere. Det viser bare hvor kritisk hans om dataen er. Det er å placere den som briller og skute for å jobbe gana. Ikke bare laster den en videofjel eller pront eller gi den teksten, - - kom ondo på hva man skal øre. Men alle rom, alle veldig meienen fysisk veien, er forskjellig. Den er lik, den er instruktiert som er vart inne på. Nå i USA er timensløn på bare går rundt med de briller det opp i 16.000 timer. Det viser bare hvor viktig det er for selskappen. Okay. Ligt på siden, men det er ikke veldig viktig for å passe på dvendige snakket om nå. Jeg tenker det er liten til å måtte dette med data. Det blir viktig å viktigere. Og privat data er det som virkelig er gulvert. Det ser vi aldri redde nå. Enten deg, gug, løl og der er appel, med telefonen, sin eller klocken, sin eller alle selskaper gjør jo alt det kan - - for å få taki som i data fra deg og meg, som overhåede mulig. Jeg er appel watchen, men den vil jo helst, at jeg skal inn data når jeg sa over, når jeg går. Det er en masse om det er konstant. Du har sieret reflektert litt over dette, når du hållt så mye på med det. Hvordan tenker man smart rundt sin egne data som privatperson? Jeg tenker, okay, man vil være med samfunnet, det får jeg få utsettningen her. Men samtidig så vil man ha kontroll på det mest verdifulle data. I den grad det er mulig. Du har vært inn på mange god på engene. Jeg tror ikke man skal melse helt ut og ta helt avstand. Det kommer veldig mye godt ut av det. Det er det masse tjeneste du ikke får bruke. Det er veldig mange av det stjeneste som er gratis for oss. Og så gi vi fra oss den data. Så det viser bare var din av den data. Så tror jeg man skal være ikke være helt nøyv over den data man gi fra seg heller. Jeg merke selv at det er veldig mye litt for inn tilgjant til alt i mailinboxen eller andre data. Men den altbutten og den de oppgående som den avmodellen er regenten vil kunne øre. Blir som veldig mye bedre når den får tilgjant til den data også. Så er en sånn avveiding. Så jeg tror det viktigste spørsmål må stilse er egentlig hva det er for igjen og hva det gi om å notte den tradeoffen der. Bra det lege å helt i sluttet. Er det sånn at forhentiens vinnere ikke nedvendigvis blir de som har en størst eller mest avancerte av modellen men de som har de beste data. De raske støler læringsløfne. Ja, det er nok litt riktig som du ser der. Modellerne blir ikke mindre viktere. Det blir fortsatt veldig viktig. Men det er å kontinuele lære og trene raskt ute da hvorfor faktisk er. Men også tilggang til privat data. Blir det en sånn måte, en sånn vedvaren, og konkurrensfortrejen som vi har hølde med og prøver å identifisere da i de selskapene vi plocker. Ja. Bra. Men det har vi kommet i veis endet for i dag så da er en stund å bare ussele å nok en gang i tusen takk for at du var med og sist. Men ikke mindst, tusen takk folkens til alle deres som hørte på. [Motor] Denne sendingen ble publisert i podcasten utbyte. I noe sendingen er å ansøse som marketsføringsmaterialet fra denne beve og med å være generell sparveletning. Sendingen skal ikke ofte som et tilbud om å kjøpe eller stelle finansteel-instrumenter eller som investeringsrådgivning til passet den enkelt i vester situation. En invester som har vofør å rådere av spørsmål information som isper kontaktene finansteel- og at det er vir. Det enn be på å ta seg ikke en ansvar verken for direkte, linderektetap som forgår inn alle isenningen legist i grunn for elementerlig investeringsbørstetning. Hur skal de store skapkastning aldri er noe garantie for fremtidig avkastning? Avkastningen kan bli negativ som følgår kurstap. Bruk kapitunoser forbereende fremtidig avkastning er heller ingre antifå fremtidig avkastning. Innalisenningen bygger på information for offentlig tilgänglig kilder som den besøper og som politie, men som ikke er uövingen verifiser. Førlig i denne ingre antifåretten nyaktet og forstendet. Alle utalles er reflektere den bes, den enke dansatte. Elandretredipartesvurderingen på tidspunktet for den aktuøldesenningen på kaneter i endres utenne her med det bør se. Hittlig information om det er at sildebruk og interesse-confliktet er et lenge på Dmv dotter nå. Skrufts rekke mest og pinsrektisk lemme.