Podcast #185-Daddy Zuckerberg i gavehumør

af

D

e selvkørende biler er på vej, men hvordan har vi det egentlig med at stole på maskinen og ikke selv at sidde bag rattet? Kinesisk virksomhed åbner verdens største dyreklonings kloningsfabrik. Skoleintra som vi kender og hader det er på vej på pension.Zuckerberg giver 99% af sine Facebook aktier væk. But why??Og så er der konkrete tips til fremtidens digitale business strategi. Christiane Vejlø er i studiet med gæst digital strateg Natasha Friis Saxberg.

Shownotes

Vi snakkede om trends

  1. Algorithm economy- data er uintelligent, algoritmer er kloge
  2. Bimodal- virksomheder arbejder i to sport. Det traditionelle og det innovative iværksættende spor
  3. IoT- er defineret af fysiske ting, der indeholder teknologi herunder sensorer, software og andre elektroniske enheder, som er forbundet til et internt eller eksternt netværk, der muliggør indsamling, behandling og udveksling af data.

Mark Zuckerberg er blevet far og går på barsel

Mark Zuckerberg giver 99% af sine facebook aktier til charity

Tør vi køre i selvkørende biler? Rapport fra World Economic Forum

Skoleintra går på pension

Årets hotteste julegave- hoverboard. Men kan det selvantænde?

Appbefaling:

Natasha: Google maps med nye intelligente funktioner. AppStore og Google Play

Christiane: Forward. Lad andre byde på ting du gerne vil give væk. Pengene går til charity.

1 Svar
  • Kaare Brandt petersen
    december 7, 2015

    Hej Christiane

    Tak for spændende programmer – særligt lyttede jeg opmærksomt til udsendelsen 3. dec om algoritmeøkonomi og bimodal forretningsudvikling. Det er et felt jeg arbejder med til daglig og det var rigtig interessant at høre dine og Natasha Friis Saxbergs syn på det.

    En enkelt kommentar omkring algoritmer. Sådan set fint forklaret som opskrifter, men opskrifter giver lidt den forventning, at personen der skriver opskriften på forhånd ved hvad der skal gøres. Det, der er specielt ved mange af de algoritmer, som anvendes i dag er, at det er data der ved “hvordan man kommer fra A til B” og ikke programmøren. Programmørens rolle er at tilrettelægge data, så algoritmen kan fungere, og så bagefter fortolke resultatet og sikre at det er retvisende. Programmøren giver så at sige algoritmen eksempler som den skal lære fra og det er derfor denne type algoritmer ofte også kaldes ”machine learning”.

    Det er den type tilgang der anvendes i Netflix’s recommender system, mange bankers kreditscoringsmodeller, amazons kunder-der-købte-dette … , SKAT’s og realkreditternes systemer til ejendomsvurdering, billedgenkendelse i fødevareindustrien, stemmegenkendelse i sikkerhedssystemer, m.m. Det der er fantastisk med den tilgang er, at den gør det muligt at sætte maskinen til at udføre de dele af opgaverne, som mennesker er notorisk dårlige til. Mennesket er utroligt dygtigt til at forholde sig til undtagelser og forstå opgavens kontekst, men dårlige til at træffe beslutninger ud fra data med mange observationer og mange variable, hvilket skyldes simpel uoverskuelighed samt de mange typer af kognitive bias’er som mennesker har ifm med beslutninger (confirmation bias, outcome bias, anchoring, gamblers-fallacy etc).

    I den forstand tilbyder denne type algoritmer ikke kun en mulighed for automatisering af arbejdsopgaver, men faktisk også indsigt og bedre beslutninger end mennesket selv evner – måske kunne det inspirere til en udsendelse en dag 

    Hilsen Kaare
    —————————————————————————————————————–
    Kaare Brandt Petersen
    Director, Education & Academic, Ph.D.,
    SAS institute

Hvad synes du?

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *