Etter en uke med tenking, fikk sjefsutvikleren en aha-opplevelse: – Hva om vi bruker for mye data til maskinlæringen?

BJØRVIKA, OSLO (digi.no): Regnskaps- og teknologiselskapet Azets satser tungt på bruk av kunstig intelligens innenfor regnskapsføring og i sine løsninger for timeregistrering. Da de begynte å jobbe med løsningene, dukket det imidlertid opp uforutsette problemer.

Systemet går kort fortalt ut på at timeregistreringer som kan være feil får et lite lite gult flagg ved siden av registreringen. Selv om dette på overflaten kan se enkelt ut, er det temmelig avanserte algoritmer for maskinlæring og kunstig intelligens som ligger i bunnen.

Innenfor maskinlæring snakker man ofte om at det er en fordel med så mye data som mulig for å trene maskinlæringsmodellene. Men da Azets skulle bygge løsningen for å identifisere feil i timeregistrering, fant de ut at selv om de hadde rundt tre millioner registreringer i sin database, så kunne de ikke bruke dette som treningsdata for å trene opp maskinlæringsmodeller.