Sztuczna inteligencja organizuje nasze życie
Początki maszynowego uczenia sięgają lat 70., gdy stworzono program do szkolenia zawodników szachowych. Dziś ta technologia jest wykorzystywana choćby przez Google do optymalizacji wyników wyszukiwania, czy producentów do monitorowania i ustalania polityki cenowej. Oprogramowanie coraz częściej potrafi się samodoskonalić i podpowiadać pewne rozwiązania.
Na początku czerwca ruszył kolejny projekt Google - Magenta. Alphabet pracuje nad sztuczną inteligencją, która ma stać się artystą i na podstawie zaawansowanych algorytmów komponować treści audiowizualne. Microsoft z kolei niedawno miał nie lada problem ze swoim pomysłem na przetestowanie programu Tay, który miał "uczyć się" od internautów w oparciu o słowa klucze. Naiwność algorytmu przegrała niestety z internetowymi trollami, którzy w ciągu doby uczynili z niej najbardziej rasistowską, ksenofobiczną i seksistowską "istotę" na świecie. To tylko niewinne przykłady nauczania maszyn, jednak niezależnie od dziedziny, w której się pojawiają, takie rozwiązania z założenia mają służyć człowiekowi i ułatwiać mu życie - jak na razie funkcję tę najlepiej wykorzystuje biznes.
Sztuczna inteligencja wielu osobom przywodzi na myśl postać humanoidalnego robota, z którym można porozmawiać jak z drugim człowiekiem. Jednak myślące roboty, dostępne w powszechnym użytku, to wciąż jeszcze pieśń przyszłości. Co innego gdy spojrzymy na inteligentne oprogramowanie. Tego rodzaju narzędzia, co prawda nie są stricte sztuczną inteligencją, ale algorytmy przez nie wykorzystywane pozwalają na analizę ogromnych zbiorów różnorodnych danych pełnych zależności i wskaźników, których człowiek albo nie dostrzega, albo których określanie i analizowanie zajęłoby mnóstwo czasu.
- Machine learning, czyli uczenie maszynowe leży u podstaw sztucznej inteligencji. Jego zastosowanie w przetwarzaniu dużych zbiorów danych już teraz przekracza ludzkie możliwości. Jeszcze nie tak dawno temu mało kto uważał, że maszyna będzie zdolna pokonać człowieka w grze, do dzisiaj stało się to już wielokrotnie. Przykład? Ostatnio program AlphaGo wygrał pierwszą rundę meczu z mistrzem świata w Go podczas mistrzostw, które odbywają się w Seulu - Stało się to możliwe dzięki uczeniu maszynowemu, które odnosi się do zestawu algorytmów matematycznych tworzących modele, opisujących wzory i cechy danych. Należy odróżnić je od data mining, które jest zastosowaniem algorytmów i dokonywaniem odkryć z dużych zbiorów danych oraz od sztucznej inteligencji, która z kolei jest zastosowaniem tych algorytmów do autonomicznego działania i podejmowania decyzji w ramach urządzeń, tak jak w przypadku robotyki - wyjaśnił Piotr Prajsnar CEO Cloud Technlogies, polskiej spółki, która specjalizuje się w analityce Big Data i uczeniu maszynowym.
Biznes i machine learning to od kilku lat całkiem zgodna para. Pozyskiwanie informacji na temat klientów oraz ich preferencji zawsze pozwalało zdobyć przewagę nad konkurencją. W tej chwili problemem nie jest zdobycie tych danych, a przekształcenie ich gigantycznej ilości w wartościową wiedzę, co z kolei jest możliwe właśnie dzięki zaawansowanym algorytmom i maszynowemu uczeniu.
Firma Google zaprezentowała ostatnio usługę Cloud Machine Learning, dzięki której wykorzystując chmurę obliczeniową można budować inteligentne aplikacje oparte na technologii maszynowego uczenia, potrafiące np. przewidzieć kiedy, dlaczego i jak często użytkownicy będą klikać na zaprezentowanych w niej reklamach. HPE zaoferował również niedawno maszynowe uczenie w postaci usługi. To chmurowa platforma nosząca nazwę Haven OnDemand, której sercem są interfejsy API pozwalające deweloperom budować aplikacje klasy enterprise - w tym również mobilne - wykorzystujące technologie maszynowego uczenia.
Polskie firmy nie pozostają jednak w tyle jeżeli chodzi o dostarczanie produktów wykorzystujących machine learning. Wspomniana spółka Cloud Technologies w ciągu zaledwie kilku lat uzyskała pozycję rynkowego lidera w zakresie rozwiązań Big Data dla biznesu i właśnie szykuje się do wejścia na główny parkiet warszawskiej giełdy. Nie brakuje również rozwiązań oferowanych przez mniejszych przedsiębiorców i dotyczących konkretnych określonych obszarów biznesu, dla którego oferują rozwiązania.
Startup Dealavo, który wyrósł ze spółek CodiLime, to przykład autorskiego narzędzia, które "uczy się" cen i zachowań konkurencji na rynku e-commerce.
- Oprogramowanie kierujemy do producentów, dystrybutorów oraz właścicieli sklepów, którzy sprzedają w kanale internetowym i mają problem z kontrolowaniem cen swoich kontrahentów oraz konkurencji. Odpowiednio zdefiniowane algorytmy pozwalają na zautomatyzowanie procesu pozyskiwania i analizy danych i dostarczanie ich klientom w czasie rzeczywistym. Dane zbierane są z największych porównywarek cenowych, sklepów internetowych oraz portali aukcyjnych, a mechanizm uczenia maszynowego tzw. fuzzy matching, umożliwia automatyczne znalezienie i dopasowanie produktów pomimo różnic w ich nazwach, opisach czy kodach - wytłumaczył Jakub Kot, CEO Dealavo.
Rozwiązanie polskich informatyków cieszy się już zainteresowaniem międzynarodowych korporacji takich jak Samsung, Acer, Remington czy ABC Data. Funkcjonalność tego typu inteligentnych systemów jest doceniana przez coraz więcej firm, które mozolną, czasochłonną i nieefektywną pracę chcą zastąpić pracą inteligentnych systemów.
Big Data i analityka biznesowa niosą ze sobą wiele możliwości, niedostępnych nigdy wcześniej. Dzisiaj właściwie każdy może mieć swojego firmowego "robota". IDC szacuje, że do 2018 r. ponad połowa projektowanych aplikacji będzie posiadała wdrożenia z zakresu sztucznej inteligencji, zaś do 2020 r. AI w narzędziach biznesowych w samych tylko Stanach Zjednoczonych przyniesie nawet 60 mld dol. oszczędności.
Bardzo często jednak w dyskursie na temat postępującej automatyzacji pracy pojawia się obawa, że maszyny i inteligentne systemy zabiorą pracę ludziom, a część zawodów, zwłaszcza tych wymagających niższych kwalifikacji po prostu zniknie z rynku pracy. Choć IDC prognozuje, że rynek aplikacji wykorzystujących analitykę predyktywną, wliczając w to uczenie maszynowe, będzie rósł o 65 proc. szybciej, niż rynek aplikacji, które takiej funkcjonalności nie posiadają, nie oznacza to, że nagle będziemy mieli do czynienia z masowym bezrobociem.
- Automatyzacji nie powinniśmy się obawiać. Po pierwsze, rewolucji technologicznej sprzyja demografia, po drugie, mimo systematycznie rosnącego stopnia automatyzacji, miejsc pracy wcale nie ubywa. Zakładając, że roboty zastępowałyby ludzkich robotników, kraje z najwyższymi wskaźnikami inwestycji w automatyzację powinny mierzyć się dzisiaj z rosnącym bezrobociem, a tak nie jest - wyjaśnił Jaromir Paszek z firmy BPSC, która ma na swoim koncie ponad 650 wdrożeń systemów wspierających zarządzanie, m.in. w firmach produkcyjnych.
Mimo że wciąż jeszcze nie udało się stworzyć w pełni autonomicznej sztucznej inteligencji, to na co dzień staramy się koegzystować z maszynami obdarzonymi ponadprzeciętnymi zdolnościami. Trend ten będzie się utrzymywał, a być może nawet i rósł, na naszych oczach.
