Artykuł miesiąca: Pracowniku pamiętaj o 1% dla Fundacji Opiekuńcze Skrzydła

AktualnościDebata ManageraWiadomości

Debata Managera: Sztuczna inteligencja – obalanie mitów

 

Według McKinsey Global Institute rozwój AI wpłynie na globalną gospodarkę do tego stopnia, że w2030 r. technologia odpowiadać będzie za wytworzenie dodatkowej wartości światowego PKB w wysokości ok. 13 bln dol. Mimo to wyrosło wokół niej wiele mitów, które warto by było obalić

Redakcja: Czym jest sztuczna inteligencja? Czy to bardziej automatyzacja, robotyzacja, IoT, big data, analityka danych czy jeszcze coś innego?

Marcin Zmaczyński, Aruba Cloud:

Jednym z często przywoływanych prekursorów prac nad sztuczną inteligencją był Alan Turing. To właśnie on stworzył w latach 50. XX w. popularny do dziś test Turinga służący do zweryfikowania, czy coś jest AI, czy nie. Jeśli jednak nawet narzędzia takie jak chatboty lub voiceboty byłyby w stanie go zaliczyć, trudno byłoby je uznać za „sztuczną inteligencję” w czystej postaci. Test Turinga nie sprawdza bowiem inteligencji maszyny, ale dokładność i bezbłędność reguł, które wykorzystuje. Sam temat jest jednak na tyle fascynujący, że regularnie organizuje się zawody w tym obszarze, a sam termin „AI” jest na tyle nośny, że pojawia się w nazwach wielu start-upów niekoniecznie mających cokolwiek wspólnego ze sztuczną inteligencją.

Prawdziwe AI to jednak raczej Deep Learning i sieci neuronowe, z tym że na projekty w tych obszarach stać tylko największe firmy ze względu na potężne ilości danych, które muszą być dostarczone, żeby osiągnąć zadowalające wyniki, nie mówiąc o związanych z tym kosztach. Sprowadza się ono do uczenia się przez programy nowych umiejętności na podstawie danych, które są do nich dostarczane, oraz podejmowania decyzji w oparciu o niekompletne informacje. Co ciekawe, rzeczy proste dla człowieka są trudne dla AI, a trudne dla nas – łatwe dla AI. Z grą w szachy AI od dawna radzi sobie dużo lepiej od człowieka, ale już z rozpoznawaniem twarzy czy pisma dużo gorzej. W efekcie do samoistnej AI, o której pisali Stanisław Lem czy Arthur Clarke, jest nam jeszcze bardzo daleko.

Jacek Łęgiewicz, Samsung:

Zgadzam się, że chatbotom daleko do AI, a samo zaliczenie testu Turinga o niczym nie świadczy. To taka nalepka marketingowa, która jednak popycha świat do przodu. Mnie też AI najbardziej kojarzy się z uczeniem maszynowym, w czym komputery biją człowieka na głowę, dysponując nieporównywalnie większą pamięcią. Ale to raczej wiedza niż inteligencja i bardziej zdolność do powielania schematów niż tworzenia nowych. Jeden z programów do rozpoznawania wilków był uczony za pomocą zdjęć, na których pojawiały się one wyłącznie na tle śniegu, i z czasem to właśnie on stawał się dla niego wyznacznikiem „wilka”, a nie samo zwierzę. Najbardziej nauczanie maszynowe przydaje się oczywiście w medycynie i rolnictwie, ale wyłącznie na zasadzie powielania schematów. Do inteligencji human level, która potrafi sobie sama stawiać cele, komputerowi jeszcze daleko.

Patryk Choroś, SAS Institute:

Ten casus, że maszynę łatwo można nauczyć czegoś, co jest dla człowieka trudne, a trudno nauczyć tego, co jest dla ludzi łatwe, jest nazywany paradoksem Moraveca od lat 80. XX w. A najbardziej skrajnym przykładem tego paradoksu jest to, że komputery łatwiej było nauczyć grać w szachy, niż chodzić, i roboty nadal mają z tym problem. Jeśli chodzi o zastosowania AI, to można wyróżnić dwa obszary. Pierwszy to przekazywanie komputerom do wykonania coraz trudniejszych zadań, ponieważ mają one coraz więcej mocy obliczeniowej i mogą analizować coraz więcej dostępnych danych. Drugi to wykorzystanie technik uczenia maszynowego i zlecenie komputerom działań, których nie jesteśmy w stanie przeliczyć samodzielnie, w celu wykrywania głęboko ukrytych zależności i wniosków.

AI na pewno jest dziś fundamentem robotyzacji, IoT oraz big data i niewątpliwie pozwala z nich wydobyć wartość dodaną. Co więcej, można korzystać z dostępnych od lat algorytmów i zlecać maszynom zadania w zupełnie nowych dziedzinach, które 20–30 lat temu nie były znane. Na przykład automatyczna ocena obrazów, analizowanie w czasie rzeczywistym sygnałów, które odbieramy z inteligentnych urządzeń, czy podejmowanie decyzji dotyczących masowej obsługi klientów w sposób wysoko spersonalizowany.

W każdym przypadku inteligencja maszyn jest zależna od jakości danych, które wykorzystamy do jej wytrenowania, a śnieg rozpoznawany jako „wilk” jest dowodem na to, że nie wszystkie techniki i sposoby ich użycia są w pełni dopracowane.

Arkadiusz Giedrojć, Huawei:

Zgadzam się, że AI jest głównie domeną ML, wykonywania zadań, które maszyna może zrobić szybciej. Dzięki temu firmy mogą zoptymalizować swoją działalność operacyjną, przyspieszyć obieg informacji czy usprawnić wykrywanie oszustw. I ten obszar powinien być rozwijany, czego dowodem jest coraz więcej narzędzi oferowanych przez dostawców. W rozważaniach na temat AI ważny jest też kontekst cywilizacyjny. Często sposób osiągnięcia celu przez algorytm jest czysto logiczny czy matematyczny. Jeśli postawimy mu jako cel wyeliminowanie głodu na Ziemi, to algorytm może to uczynić na przykład poprzez eksterminację ludzkości. Innym przykładem może być szpital w Nowym Jorku, gdzie wdrożono oprogramowanie Patient, które z wysoką dokładnością typowało choroby u pacjentów. Problem polegał jednak na tym, że lekarze nie byli w stanie zrozumieć, na jakiej podstawie podejmował on decyzje, szczególnie w przypadku chorób psychicznych – takich jak schizofrenia – co rodziło obiekcje natury etycznej.

Robert Stobiński, Amica:

Ja postrzegam natomiast AI jako narzędzie wykorzystywane do zwiększenia możliwości analitycznych człowieka, tzw. human augmentation, co wiąże się z czasem przetwarzania dużej ilości danych oraz poszukiwania korelacji między nimi. AI, mimo olbrzymich mocy obliczeniowych, nie potrafi dziś myśleć abstrakcyjnie, natomiast człowiek nie potrafi analizować dużych ilości danych. Dlatego ani AI, ani człowiek nie są w stanie samodzielnie osiągnąć pozytywnych rezultatów, dopiero współpraca między nimi daje zadowalające wyniki.

Redakcja: Jak AI może podnieść wydajność oraz tworzyć wartość dodaną?

Jacek Łęgiewicz, Samsung:

Obszarem, który może odnieść najwięcej korzyści z użytkowania AI, jest ochrona zdrowia i jest już wiele takich wdrożeń, które pokazują, jak komputery są sprawniejsze od ludzi np. w wykrywaniu nowotworów. O ile skuteczność lekarzy oscyluje wokół 50 proc., to AI może wykazać się 96-procentową skutecznością, istotnie wspomagając stawianie diagnoz.

Patryk Choroś, SAS Institute: Bardzo dobrze AI sprawdza się w praktycznych zastosowaniach w sektorze publicznym, zapewniając wielowymiarowy pakiet korzyści. Dobrym przykładem jest tu system do wykrywania nadużyć w podatkach, gdzie możemy wykorzystać AI do typowania transakcji i podmiotów, które potencjalnie dokonują nadużyć, a następnie użyć technik machine learningu do zarządzania procesem kontroli. Przekłada się to na konkretne korzyści, ponieważ kontrole kierowane są tam, gdzie realnie dokonywane są nadużycia, co znacznie podnosi efektywność wydatkowania środków publicznych. Nie mniej ważna jest też satysfakcja pracowników, którzy idąc na kontrolę, wiedzą, że mają do tego podstawy. Sam proces jest też mniej czasochłonny dla podatnika, ponieważ urzędnicy dokładnie wiedzą, które dokumenty i transakcje powinni sprawdzić i pod jakim kątem. Tego typu podejście znacznie podnosi skuteczność działań państwa w zakresie ochrony przedsiębiorców i gospodarki przed nieuczciwymi praktykami.

W obszarze ochrony zdrowia też prowadzimy wdrożenia AI. Jednym z przykładów jest współpraca SAS z oddziałem chirurgii onkologicznej w Amsterdam University Medical Center. Wspólnie zrealizowaliśmy projekt mający na celu zwiększenie szybkości i dokładności ocen skuteczności chemioterapii z wykorzystaniem technologii computer vision i modeli deep learning. Projekt zakończył się sukcesem, gdyż w tej chwili lekarze są w stanie w pełni zautomatyzować ocenę stanu pacjentów z rakiem jelita grubego i planowane jest wykorzystanie tej technologii do oceny innych nowotworów, w tym raka piersi i płuc. Ponadto lekarz będzie mógł przewidzieć skuteczność terapii, analizując inne informacje o stanie zdrowia pacjenta, takie jak dane genomiczne czy DNA.

Arkadiusz Giedrojć, Huawei:

A ja bym jeszcze wymienił administrację samorządową. AI może tam być stosowane np. do realizacji koncepcji inteligentnego miasta. Pozwala na korzystanie z funkcji sterowania ruchem miejskim, szukania miejsc parkingowych czy udostępniania agregatów danych o mieście, jak to jest np. w Kopenhadze. A banki chwalą sobie AI jako narzędzie poprawy jakości usług, np. do skuteczniejszego i szybszego przyznawania kredytów.

Robert Stobiński, Amica:

AI rzeczywiście mogłaby być powszechnie stosowana w urzędach administracji samorządowej, zwłaszcza gdy sprawa dotyczy złożenia wniosku o uzyskanie konkretnych dokumentów i danych. Na co dzień spotykamy się niestety z licznymi ograniczeniami w tym zakresie, szczególnie w ostatnim okresie. Rozbudowując AI, moglibyśmy rozwiązać kilka problemów jednocześnie – radykalnie skrócić czas oczekiwania na dokumenty i zwiększyć satysfakcję interesantów, zwiększyć efektywność pracy urzędów i zmniejszyć nadmierną administrację i liczbę etatów nietworzących wartości dodanej. Mogę sobie wyobrazić istnienie centrów serwisowych analogicznych do tych już dziś działających w sektorze prywatnym. Byłaby to dramatyczna zmiana jakościowa i zupełnie zredefiniowałaby działanie administracji publicznej. I może właśnie z tego powodu prace w tym zakresie są daleko niewystarczające i raczej pozorowane niż rzeczywiste. Najprostszy przykład: owszem, mamy proste urządzenie do zarządzania kolejką interesantów w konkretnym urzędzie, ale pytanie, jakie powinniśmy sobie postawić, to nie to, jak usprawnić kolejkę, ale jak ją w ogóle wyeliminować poprzez zdalną samoobsługę i uzyskanie potrzebnych dokumentów bez wychodzenia z domu.

Marcin Zmaczyński, Aruba Cloud:

Zwróciłbym tu uwagę na wiodące przedsiębiorstwa produkcyjne, które stosują sztuczną inteligencję we wszystkich procesach wytwórczych, osiągając spore korzyści. Przykładem może być firma spożywcza Danone, której udało się zmniejszyć liczbę błędów prognozowania o 20 proc., a straty w sprzedaży o 30 proc. dzięki wykorzystaniu uczenia maszynowego do przewidywania zmienności popytu. Producent opon Bridgestone wprowadził z kolei nowy system montażu, oparty na zautomatyzowanej kontroli jakości, co zaowocowało ponad 15-procentową poprawą wydajności w ujednoliceniu produktu.

Jacek Łęgiewicz, Samsung:

A w Estonii AI zaczęto używać w sądownictwie do wydawania wyroków pierwszej instancji, ale to raczej dyskusyjny przykład oddania komputerowi władzy nad człowiekiem.

Patryk Choroś, SAS Institute:

Dla administracji publicznej ważny jest aspekt poznania zasad działania systemu – jakie są kryteria i założenia, które decydują o wyniku analizy. Dla części algorytmów, które stosujemy w machine learningu, nie ma jednoznacznej możliwości spisania wyników działania modelowania w postaci reguł. A brak znajomości tych reguł dyskwalifikuje możliwość podążania ścieżkami, o których wspomniał pan Jacek Łęgowicz, ze względu na aspekty etyczne.

Administracja zmierza do tego, żeby być w pełni cyfrowa, ale ze względu na obowiązujące regulacje proces ten jest znacznie spowalniany, a adopcja nowych rozwiązań trudna w realizacji.

Arkadiusz Giedrojć, Huawei:

AI może też działać na granicy prawa, że wspomnę fake newsy z podłożonymi twarzami osób w taki sposób, że nie jest możliwe stwierdzenie, czy obraz jest prawdziwy, czy zmontowany.

Robert Stobiński, Amica:

W przypadku wprowadzenia AI w administracji publicznej bardzo ważna jest kwestia prywatności osób korzystających z usług. A konkretnie chodzi o to, żeby uniemożliwić wykorzystanie danych osobowych niezgodnie z ich przeznaczeniem. Powinny zostać stworzone bardzo jasne, konkretne i bezkompromisowe zasady, uniemożliwiające dowolne wykorzystanie posiadanych informacji przez policję, prokuraturę czy inne organy państwa. Każdorazowe wykorzystanie powinno być też obowiązkowo odnotowywane, a osoba, której dotyczyło pozyskanie danych, powinna być o tym fakcie i przyczynie powiadomiona pisemnie.

Marcin Zmaczyński, Aruba Cloud:

AI dużą wartość dodaną może przynieść branży rozrywkowej. Dobrym przykładem jest lider streamingu Netflix, który wykorzystuje AI do analizy zachowań swoich użytkowników, żeby dostarczać im to, czego oczekują. To jednak specyficzna branża. Warto zadać tutaj pytanie, czy wolimy wolność artystyczną i proponowanie treści niezależnie od ich wstępnego potencjału na sukces, czy jej kosztem dajemy sztucznej inteligencji wolną rękę, mając pewność finansowego powodzenia.

Patryk Choroś, SAS Institute:

Nie tyle wykorzystanie AI powinno być monitorowane i podlegać regulacjom, ile stanowi dzisiaj gigantyczne wyzwanie. Pytanie tylko, czy wybrany pracownik banku w krótkim czasie jest w stanie się przekwalifikować i nabyć tak specjalistyczne kompetencje.

Co do chatbotów, widzę przed nimi wielką przyszłość, jednocześnie przeciwstawiając się powszechnemu przekonaniu, jakoby miały one docelowo zastąpić konsultantów w centrach kontaktowych. Ich założenie jest zupełnie inne. Chodzi o zautomatyzowanie tych wszystkich żmudnych i powtarzalnych czynności, do których absolutnie nie potrzeba tzw. ludzkiej ręki, a są zwykle bardzo czaso- i pracochłonne. Według danych IBM pracownicy na podobnych stanowiskach tracą nawet 2,5 godziny dziennie na ręcznym szukaniu danych, uzupełnianiu rekordów w bazach czy odpowiadaniu na trywialne kwestie. Chatbotom oddaje się więc obsługę najprostszych czynności, by pracownicy mogli się skupić na rozwiązywaniu trudniejszych problemów klientów i nie marnotrawić swoich kompetencji.

Jacek Łęgiewicz, Samsung:

Niedawno oglądałem badania ludzkiej inteligencji w czasie. Otóż dzisiejszy przeciętnie inteligentny człowiek stanowiłby elitę 2 proc. populacji sprzed 100 lat. Inteligencja ludzka też bardzo szybko się rozwija i komputerom nie będzie łatwo jej dogonić. Algorytmy co prawda będą odbierać powtarzalną pracę ludziom i to nie tylko na niskim, lecz także na wysokim poziomie specjalizacji. Ale w związku ze zmieniającym się modelem społecznym i z rozpoczęciem wprowadzania dochodu gwarantowanego siła nabywcza społeczeństw będzie cały czas rosnąć, zatrudnienie przesunie się więc tam, gdzie człowiek ze względu na jego zdolność do tworzenia i zabawy kodem kulturowym jest niezastępowalny, np. do rozrywki czy turystyki.

Patryk Choroś, SAS Institute:

Panie Robercie, pytał pan o precyzję modeli, więc odpowiadam, że algorytm jest tak dobry jak dane, na których został wytrenowany. Możemy monitorować jego skuteczność i wybrać ten, który jest lepszy. Co nie oznacza, że zawsze należy tak robić. Skuteczność algorytmu na poziomie 99 proc. oznacza, że został on przetrenowany i może być skrajnie błędny w zderzeniu z nowymi danymi.

Arkadiusz Giedrojć, Huawei:

Wszystko zależy od tego, jak profesjonalnie podejdziemy do całego procesu tworzenia i trenowania algorytmu. Jednym z kluczowych elementów są dane, które trzeba zweryfikować i odfiltrować. Praca ta to ponad 60 proc. aktywności ludzi zajmujących się algorytmami uczenia maszynowego. Istotny również jest dobór samego algorytmu, bo w 80 proc. przypadków używa się go do konkretnych zastosowań. Potem – w przypadku sieci neuronowych – trzeba taką sieć odpowiednio zainicjalizować, w odpowiedni sposób trenować, dzieląc zestaw danych treningowych na treningowe, walidacyjne i testowe, czy wreszcie dobrać odpowiednią funkcję optymalizacyjną czy błędu.

Redakcja: Mity dotyczą też samych wdrożeń AI. Że nie sprawdzają się przy małych projektach, nie mówiąc o tym, iż są obarczone dużym ryzykiem i często kończą się rozczarowaniem. Czy tak jest w rzeczywistości?

Arkadiusz Giedrojć, Huawei: My używamy sztucznej inteligencji w narzędziach, które pomagają klientom rozwiązywać problemy w obszarach IT wszędzie tam, gdzie jest wysoki poziom skomplikowania i gdzie kluczowa jest szybkość dostarczenia informacji. Wykorzystujemy AI przy np. znajdowaniu głównej przyczyny usterki (RCA – Root Cause Analysis – przyp. red.) i używamy do tego algorytmów z zakresu sieci neuronowych czy teorii grafów. Ich wykorzystanie pozwala łatwiej przywrócić taki system do pracy. Wykorzystujemy też AI do analizy obrazów, przetwarzając je na miejscu. Niejednokrotnie pojawiają się problemy związane ze skalą przetwarzania, co wymaga dużych nakładów finansowych. Z badań Deloitte wynika, że w przypadku tych firm, które wykorzystują AI, uzyskane korzyści są na poziomie 30–50 proc.

Robert Stobiński, Amica:

Moim zdaniem ryzyko rozczarowania wzrasta, gdy projekty są przewymiarowane, a oczekiwania niezweryfikowane na etapie opisywania i definiowania projektu. Bardziej opieramy się wtedy na oczekiwaniach i wyobrażeniach niż faktach i rzeczywiście dostępnej funkcjonalności. Lepiej jest jednak próbować i nawet za pierwszym czy drugim razem się rozczarować, niż w ogóle nie podejmować działań, bo wtedy luka technologiczna do naszych konkurentów może stać się zbyt duża, by móc skutecznie z nimi konkurować. Ostatnio pracujemy nad jednym z projektów, gdzie szacujemy, że czas niezbędny do przygotowania rozwiązania end-to-end to blisko trzy lata od momentu podjęcia decyzji o wdrożeniu. Oznacza to więc, że mniej więcej taką przewagę będzie miała firma nad swoimi konkurentami, jeśli jako pierwsza wprowadzi je wżycie.

Marcin Zmaczyński, Aruba Cloud:

Amazon, Microsoft i Google to najwięksi dostawcy chmury, którzy wyrośli zdanych, które trzeba optymalizować, analizować i z których trzeba wyciągać wnioski. Potrzeba ta dała początek cloud computingowi i ogromnej infrastrukturze sieciowej, którą śmiało można było rozdzielić pomiędzy gigantów IT. A ponieważ danych jest coraz więcej, żeby się z nimi uporać, trzeba dysponować rozwiązaniami klasy big data i AI, ale to dopiero początek drogi. Przypomina to rewolucję przemysłową i pojawienie się 100 lat temu ropy, którą uczyliśmy się przez długi czas wykorzystywać efektywniej i tworzyć na jej bazie coraz więcej przydatnych produktów. To samo dzieje się obecnie z AI i dlatego jeszcze długo nie będziemy zdawać sobie sprawy, jakie można uzyskać dzięki niej korzyści, chociaż tempo rozwoju może być bardzo szybkie i trzeba już teraz być na to przygotowanym. Chiny niedawno ogłosiły, że rozwój AI uważają za najważniejszy element swojego rozwoju do 2025 r., a do 2030 r. chcą się stać w tym obszarze światowym liderem. Dwa z ich start-upów specjalizujących się w technologiach do rozpoznawania twarzy dostały niedawno po 0,5 mld dol. na rozwój. Europa nie stawia tak mocno na AI, a może szkoda. Ponadto musi też mieć pomysł na to, jak odnaleźć się w nowej rzeczywistości, uwzględniając zupełnie inną specyfikę rynków ze Starego Kontynentu.

Jacek Łęgiewicz, Samsung:

W Europie mamy GDPR i może dobrze, bo analizowanie niektórych danych mogłoby wpływać na decyzje wyborcze i oddanie tego pola komputerom byłoby zbyt ryzykowne. Trzeba się więc poważnie zastanowić, gdzie są granice i gdzie interesy jednostek. Podobnie techniki sztucznej inteligencji mogą już nie tylko profilować nasze preferencje, lecz także mobilizować do podejmowania określonych działań. Dlatego powinniśmy spodziewać się swoistego RODO 2.0 regulującego bezpieczeństwo technik AI.

A jak Samsung postrzega swoją rolę na rynku AI? Chcemy dostarczać segmentowi B2C rozwiązania, które mają ułatwić użytkownikom życie, np. w szybszym podejmowaniu decyzji czy to w robieniu najlepszych ujęć smartfonem, czy w zakupach spożywczych, bazując na bieżących danych z lodówki. Samsung może się pochwalić 12 tys. patentów w obszarze AI, ale ja bym nie przywiązywał do tego jakiejś dużej wagi. Klienci kupują nasze produkty, bo się im po prostu podobają, odpowiadają ich potrzebom i to wyznacza naszą pozycję na rynku.

Patryk Choroś, SAS Institute:

W zakresie rozwoju innowacji mamy do czynienia z trzema typami firm: podmiotami, które nic nie robią i wcześniej czy później wypadną z rynku, naśladowcami, którzy szukają inspiracji u liderów i podążają sprawdzonymi drogami, oraz prawdziwymi innowatorami, którzy poszukują właściwych kierunków rozwoju i eksperymentują z technologiami, np. wykorzystując AI do kreowania innowacyjnych produktów i usług. W efekcie prawie każdy nowy produkt ma w sobie jakieś elementy AI, a jeśli konkurencja to zaniedba, to może nie mieć drugiej szansy.

opr. Wojciech Gryciuk

Polecane artykuły
AktualnościWiadomości

Popularne metody zabezpieczania ładunku

AktualnościWiadomości

Języki jako furtka do kariery w biznesie i IT

AktualnościWiadomości

Edukacja zdalna w 2020 roku wzrosła o 586 proc.

AktualnościWiadomości

Programy lojalnościowe w czasie pandemii

Zapisz się do Newslettera
Bądź na bieżąco i otrzymuj najnowsze artykuły
%d bloggers like this: