#TuesdAI: Nie jestem fanem określenia Sztuczna Inteligencja

Nie jestem fanem określenia Sztuczna Inteligencja, mimo że weszło już ono do masowego użytku. Jednak, co dokładnie oznacza stosowanie tej technologii w biznesie, wiedzą wciąż nieliczni. Są to głównie pracownicy branży technologicznej, czy też decydenci biznesowi, którzy już zetknęli się na swojej drodze z tymi rozwiązaniami. W potocznym rozumieniu wciąż większości nasuwa się skojarzenie z filmami science fiction, które moim zdaniem odbiera tej technologii rzeczywiste znaczenie na rzecz show i efekciarstwa.

W Microsoft klasyfikujemy rozwiązania sztucznej inteligencji w 3 grupy:

• Systemy wnioskowania.
• Systemy kognitywne.
• Systemy interakcji z człowiekiem.

Zawsze o krok przed… dzięki AI

Systemy wnioskowania opierają się na ogromnych zbiorach danych i pomagają lepiej przewidywać przyszłość gospodarczą, ale też lepiej zarządzać procesami wytwórczymi. Prosty przykład – kocioł z melasą, z której powstają cukierki czy czekoladki. Jeżeli będziemy mogli lepiej monitorować parametry tego kotła i stworzyć system samosterujący, korzyści mogą być wielopoziomowe. Możemy zmniejszyć jego usterkowość dzięki przewidywaniu zużycia poszczególnych jego elementów i wymiany ich zanim nastąpi awaria i przestój w produkcji. Dzięki kolekcjonowanym danym możemy chociażby zmniejszyć koszty jego wytworzenia, czy zapewnić ciągłość dostaw melasy. Możliwości wykorzystania tych danych jest wiele, zależy to jedynie od kreatywności osób pracujących w danym biznesie. Analityka predykcyjna zyskuje obecnie na znaczeniu, ponieważ przedsiębiorcy już bardzo wyraźnie widzą benefity, jakie z niej płyną. Im lepiej przewidzimy przyszłość, tym lepiej jesteśmy w stanie się na nią przygotować, a firmy lepiej przygotowane zyskują przewagę konkurencyjną na szybko rozwijającym się rynku.

Systemy kognitywne to dla mnie systemy, które tłumaczą rzeczywistość analogową na cyfrową. Oznacza to rozpoznawanie przez AI obrazów, filmów, mowy czy rozumienie zapisanego tekstu.

Nie każdy zdaje sobie z tego sprawę, ale w naszym kraju bardzo prężnie rozwija się grupa firm oferujących oprogramowanie wykorzystujące Sztuczną Inteligencję w wyżej wymienionych dwóch obszarach. Polskie firmy już teraz tworzą rozwiązania, które, co bardzo ważne, są konkurencyjne na rynku globalnym. Są na tyle atrakcyjne, że korzystają z nich największe marki światowe. Ciekawym przykładem tutaj może być gliwicka spółka Future Processing, która stworzyła między innymi system kontroli jakości, który może zostać zastosowany na każdej linii produkcyjnej, a korzystają już z niego marki z różnych miejsc globu. Bez względu na to, co wytwarza dana fabryka, jakość finalnego produktu jest absolutnie kluczowa. Usprawnienie i uszczelnienie procesu kontroli przynosi wymierne korzyści – oszczędza czas, nakład pracy i środków. Obniżają się koszty napraw gwarancyjnych, podnosi się renoma firmy i poprawia skuteczność biznesowa organizacji. Wystarczy kamera i odpowiedni algorytm, który zostanie nauczony tego, jak ma wyglądać poprawny produkt i dzięki analityce strumieniowej obrazu wideo w czasie rzeczywistym wychwyci on każdą nieprawidłowość.

Skuteczna analiza wsparta inteligencją

Często myślimy o AI jedynie w kategoriach rozwiązań, które mają poprawić zyski. Myślę, że równie ważny jest aspekt dobrego i odpowiedzialnego życia na tej planecie. Obszary takie jak medycyna i rolnictwo to właśnie te, gdzie potencjał analityki obrazowej i predykcyjnej jest bardzo duży. Proszę sobie wyobrazić 50-cio hektarową farmę czy gospodarstwo rolne, nad którym raz na tydzień przelatuje dron robiąc wysokiej rozdzielczości zdjęcia. Na podstawie analizy obrazowej tych zdjęć Sztuczna Inteligencja jest w stanie dostarczyć informacje krytyczne dla upraw. Gdzie i w jakich ilościach należy zastosować konkretny nawóz. Jak planować płodozmiany, żeby zoptymalizować pod kątem wieloletniej czy wielomiesięcznej analizy danego wybranego skrawka ziemi. Czy wreszcie, jak dobierać środki ochrony roślin i walczyć ze szkodnikami i chorobami roślin, tak aby zażegnać problem i zużyć nie więcej substancji chwastobójczych czy bakteriobójczych, niż dokładnie potrzeba. Wiadomo, że dla rolnika są to koszty, które zmniejszają jego zysk, a dla nas jako odbiorcy końcowego płodów rolnych oznacza to zdrowsze jedzenie.

Również w obszarze medycyny mamy już w Polsce ciekawe rozwiązania oparte o AI. Firma MedApp z Krakowa zbudowała rozwiązanie, które usprawnia diagnostykę kardiologiczną. Lekarz kardiolog posiada wiedzę zgromadzoną na przestrzeni lat w procesie nauki i doskonalenia się zawodowego, która dzięki technologii może zostać rozszerzona o informacje, jakich człowiek nie byłby w stanie sam zgromadzić w tak krótkim czasie. Możemy na przykład zestawić wyniki badania EKG z miliardem innych takich badań z całego świata, żeby wychwycić trendy lub nieprawidłowości, zobaczyć, że być może pokrywa się to z wzorcem jakiejś diagnozy. To właśnie robi MedApp – przyspiesza terapię kardiologiczną, ponieważ dzięki porównaniu z wielkimi zbiorami danych skraca proces diagnostyki, co z punktu widzenia pacjenta ma duże znaczenie. Dodatkowo, to właśnie proces diagnostyczny generuje w służbie zdrowia największe koszty. Dzięki takim rozwiązaniom szybciej pomagamy choremu, oszczędzamy pieniądze i niwelujemy ryzyko pomyłki. Kiedy dołożymy do tego coraz prężniej rozwijający się segment wszelkiego rodzaju czujników, inteligentnych zegarków i opasek medycznych, które mierzą w czasie rzeczywistym parametry zdrowotne pacjenta, otwieramy kolejny obszar z wielkimi możliwościami dla rozwiązań AI. Na podstawie analizy, będą one w stanie monitorować pacjenta nie w szpitalu, ale w jego własnym domu wykazując nieprawidłowości chociażby w pracy serca danego chorego.

Ogromnie istotna dla medycyny staje się również analityka obrazowa wykorzystywana przy badaniach takich jak rezonans magnetyczny czy tomografia komputerowa. Możemy oczywiście analizować te obrazy przy użyciu naszych oczu, jednak gdybyśmy zgromadzili ogromną ilość próbek takich obrazów w cyfrowym magazynie i mogli momentalnie porównać nasz wynik z tą wielką bazą, to po pierwsze można dużo szybciej postawić dokładną diagnozę, po drugie zastosować lepiej dobrane i sprawdzone leczenie. Jest to wielka pomoc dla lekarza, który podejmuje decyzję w sprawie pacjenta, a zupełnie niemożliwa do zrealizowania przez człowieka przy tak wielkiej ilości danych.

Bajki robotów – odcinek AI

Trzecia grupa to zdecydowanie ta, która rozpala najmocniej wyobraźnię opinii publicznej. Boty, roboty, wideo konsultanci to technologie, których obecnie jest relatywnie najmniej, ponieważ najwięcej zastosowań w biznesie mają rozwiązania z pierwszych dwóch grup. Ale właśnie takie użycie Sztucznej Inteligencji budzi najwięcej obaw, że praca człowieka zostanie przez nią zastąpiona. A rozwiązania tego typu to nic innego, jak tylko pomoc w świecie zalewających nas danych, których człowiek nie jest w stanie przeanalizować w tak krótkim czasie. Taki inteligentny asystent pomaga człowiekowi zarządzać kalendarzem, pomaga w wychwyceniu pewnych trendów, pomaga odnaleźć się w gąszczu informacji, które przychodzą do nas w mailach i przypomnieć o mijającym terminie czy obietnicy złożonej partnerowi biznesowemu, albo podpowiada, jakie treści publikuje nasz klient w mediach społecznościowych, jakie zagadnienia go obecnie zajmują, z jakimi problemami się boryka.

Trzeba bardzo jasno powiedzieć, że rozwiązania Sztucznej Inteligencji wbrew samej nazwie są jeszcze bardzo daleko od możliwości samodzielnego myślenia i podejmowania decyzji. Jesteśmy dziś na etapie wspomagania, wnioskowania i podpowiadania człowiekowi, co może dalej zrobić z informacjami, które do niego trafiają i otaczają go w postaci gigantycznej ilości danych.