Wystarczy jedna firma – reszta pójdzie w jej ślady

Maszyny myślące i uczące się oprogramowanie – sztuczna inteligencja jest technologią przyszłości. Eksperci są przekonani, że uczące się algorytmy zrewolucjonizują nasz świat w niemal każdej możliwej dziedzinie. Innoplexia GmbH pokazuje, w jaki sposób firmy będą czerpać  z tego rozwoju maksymalne korzyści i jak już dziś mogą stosować metody AI (artificial intelligence) z zyskiem dla siebie.

Firmę założył Profesor Herbert Schuster, który w tym roku został dyrektorem ds. IT w SNP. Były menedżer w spółce SAP, odnoszący sukcesy przedsiębiorca jest jednym z najbardziej znanych niemieckich ekspertów w dziedzinie digitalizacji. W wywiadzie Profesor Herbert Schuster przedstawia ekscytujące spostrzeżenia na temat samouczących się algorytmów w obecnie i w przyszłości oraz wyjaśnia, dlaczego w nadchodzących latach będą one odgrywać istotną rolę dla przedsiębiorstw we wszystkich branżach.

Profesor Herbert Schuster, CIO Grupy SNP

Panie Profesorze, w jaki sposób można dokonać rozróżnienia pomiędzy pojęciami: sztuczna inteligencja, Big Data i uczenie się maszyn?

To dobre pytanie, ponieważ pojęcia te są obecnie nadużywane i często łączone ze sobą przypadkowo. Wynika to z faktu, że opisują one powiązane ze sobą metody.

Termin Big Data w zasadzie opisuje sytuację, w której ilość danych, posiadanych przez firmę, jest zbyt duża, aby jej wewnętrzna infrastruktura informatyczna mogła je obsłużyć. Często zdarza się, że ani Excel, ani proste systemy baz danych nie są w stanie poradzić sobie z taką ilością danych. Przykładowo, większość przedsiębiorstw użyteczności publicznej stosuje obecnie tylko jedną wartość pomiarową na każdego klienta. Jeśli jednak klient korzysta z inteligentnego licznika, dane pomiarowe są generowane co 15 minut – co oznacza 4 x 24 x 365 rekordów danych. To ponad 35 000 rekordów danych na gospodarstwo domowe. Każdy może łatwo wywnioskować, co to oznacza dla małego miasta, w którym jest powiedzmy 50 000 gospodarstw domowych.

Tu właśnie do gry wchodzi SI. Przy wielu rekordach danych, które wymagają analizy, jak w powyższym przykładzie, sensowne jest obarczenie maszyn zadaniem podejmowania decyzji, które wcześniej leżały w gestii ludzi. Na przykład „obliczenie ilości energii elektrycznej, która będzie potrzebna miastu Heidelberg jutro”. W dzisiejszych czasach jest to już realizowane przez profesjonalne systemy. W większości przypadków ludzie optymalizują wyniki, dodając dalsze informacje: czy dany dzień przypada w okresie wakacji, w święta państwowe bądź czy w danym dniu rozgrywany jest mecz Pucharu Świata w piłce nożnej? Algorytm przyśpiesza obliczanie i, co najważniejsze, zwiększa jego dokładność. Na skutek rozwoju inteligentne systemy zyskały zdolność obliczania i analizy w sposób, który wcześniej był zarezerwowany dla ludzi – i znacznie przewyższyły nasze zdolności w tym zakresie.

Ale jak te systemy zdołały nas prześcignąć? Po prostu ucząc się! To taktyka, która została od nas skopiowana. Systemy uczące się mają kształt sieci neuronowej, podobnej do naszego mózgu, i analizują miliony przypadków z przeszłości. Badają zużycie energii w przeszłości, pogodę, okresy wakacyjne itd. i dokładnie widzą, w jaki sposób dane te wpływają na zużycie energii w kolejnym dniu. Następnie opracowują procedurę prognozowania i optymalizują ją każdego dnia na podstawie nowo zebranych danych. W rezultacie otrzymujemy model, który trafia w samo sedno.

W skrócie, celem sztucznej inteligencji jest stopniowe podejmowanie coraz większej liczby decyzji, które kiedyś były zarezerwowane wyłącznie dla ludzi. Najważniejszą metodą jest tu uczenie się maszyn. Aby wszystko to działało prawidłowo, potrzeba dużej ilości danych historycznych: dużych danych.

Jakie są dziś największe wyzwania w dziedzinie SI?

Badania AI są obecnie kształtowane przez kilka bardzo konkretnych problemów, takich jak rozpoznawanie obrazów i tekstu. Istnieją oddzielne metody SI dla każdego typu problemu. Sytuacja ta jest daleka od ideału, ponieważ każde indywidualne wyzwanie potrzebuje specjalnego klucza. Największym wyzwaniem jest teraz coraz większe ukierunkowanie rozwoju na klucz uniwersalny – innymi słowy, znalezienie metod, które rozwiązują kilka podobnych problemów.

Przykład: AI zaprogramowana do gry w szachy – gra w szachy, AI zaprogramowana do gry w Go – gra w Go, a AI zaprogramowana do gry w pokera – gra w pokera. Dziś pracujemy nad kolejnym krokiem i – z zaskakującym powodzeniem – jesteśmy w trakcie tworzenia systemów AI zdolnych do zapoznania się z nowymi grami. Największym wyzwaniem jest teraz coraz większe ukierunkowanie rozwoju na klucz uniwersalny – innymi słowy, znalezienie metod, które rozwiązują kilka podobnych problemów.

W jakich dziedzinach życia już dziś mamy do czynienia z AI?

Jest wiele obszarów, które się na siebie nakładają. Posłużę się dwoma przykładami z uniwersum Google. Miłośnicy fotografii dobrze znają ten problem: Jeśli nie dodasz informacji o swoich zdjęciach, ryzykujesz, że nigdy więcej ich nie znajdziesz. Dlatego też oznaczamy nasze zdjęcia, dodając opis np. „Zamek Heidelberg, zimowy śnieg”. Teraz, po przeskanowaniu miliardów obrazów i etykiet graficznych w Internecie, Google może użyć metod AI do oznaczania zdjęć, które nie mają opisów.

W rezultacie użytkownik nie musi już zapisywać tego, co znajduje się w obrazie – Google o to dba, również układając obrazy zgodnie z życzeniem. Jeśli chodzi o drugi przykład: używam Google Maps jako mojego systemu nawigacji satelitarnej. W ten sposób aktywnie przesyłam swoje dane o położeniu i prędkości do Google. Dane te pozwalają systemowi Google nie tylko identyfikować korki na drodze, ale także przewidywać, kiedy mogą się pojawić lub zostać usunięte.

W dzisiejszych czasach istnieje wiele zastosowań w obszarach: fotografii, ruchu drogowego, komunikacji i wniosków kredytowych, w których świadomie lub nieświadomie stykamy się z AI. W ciągu najbliższych pięciu lat będziemy świadkami ogromnego wzrostu liczby obszarów, do których można zaliczyć służbę zdrowia (np. medycyna indywidualna, radiologia), mobilność (np. pomoc w prowadzeniu pojazdów, usługi związane z prowadzeniem pojazdów itp.), technologię energetyczną (np. inteligentne miasta) i usługi budowlane (np. systemy bezpieczeństwa), by wymienić tylko kilka z nich. Odpowiedź brzmi zasadniczo „wszędzie”, ponieważ AI naprawdę będzie miała wpływ na wszystkie dziedziny życia i gałęzie przemysłu. I to w taki sposób, że ludzie będą postrzegać AI jako technologię, która pozytywnie wpływa na ich życie. To utoruje drogę do jej akceptacji, co oznacza, że ludzie będą aktywnie popierać AI zamiast się jej przeciwstawiać.

Czy Pana zdaniem w dziedzinie AI potrzebne są dalsze regulacje?

Jestem głęboko przekonany, że potencjał zmiany w zakresie AI jest ogromny i będzie szeroko wykorzystywany. Ta zmiana w naszym otoczeniu nie będzie nagła, ale raczej selektywna, tak aby dla nas jako konsumentów ułatwianie sobie życia było przyjemnością. To samo dotyczy transakcji B2B, które będą przedmiotem tradycyjnej analizy kosztów i korzyści i w każdym przypadku będą stymulowane przez najbardziej innowacyjnego konkurenta. Z tego właśnie powodu potrzebne są funkcjonujące przepisy.

W tej dziedzinie trwają już intensywne prace, szeroko akceptowane są innowacje, a także generowane są dane, które pozwolą na dalszą optymalizację systemów AI. Ale jeśli chodzi o tę konkretną kwestię, jestem raczej pesymistą. Innowacje sprzyjają unikaniu przepisów, ponieważ innowatorzy są zbyt szybcy, a organy regulacyjne zbyt słabe. Ponadto regulacje nie funkcjonują w skali międzynarodowej. Jednak moim zdaniem konkurencja pomiędzy firmami z branży AI może również mieć skutek regulacyjny. Weźmy tylko temat fałszywych wiadomości, które mogą wstrząsnąć demokracjami na całym świecie. Dochodzi tu do starcia, w którym proporcje sił są rozłożone, jak w tym pomiędzy King Kongiem i Godzillą. Z jednej strony mamy bardzo „inteligentne” systemy, które generują przekonujące wiadomości i przekazują je dokładnie tym użytkownikom, na których mogą mieć wpływ. Z drugiej strony Twitter, Google i Facebook opracowują algorytmy, które mogą zidentyfikować te wiadomości jako fałszywe i je wyeliminować. Myślę, że jest to skuteczniejsze niż jakiekolwiek rozporządzenie rządowe, które uważam za pożądane, lecz nierealne.

Dlaczego firmy potrzebują dziś sztucznej inteligencji?

Istnieje wiele istotnych powodów przemawiających za zastosowaniem AI. Wymieńmy przykładowe: ponieważ pilnie jej potrzebują (potencjał analityczny w firmach prawie nigdy nie jest w pełni wykorzystany), ponieważ mają niezbędne dane, ponieważ klient pragnie wygody (co wymaga AI), ponieważ klient jest skłonny płacić za dogodne zarządzanie danymi, a także dlatego, że konkurenci tak czy owak wdrożą SI, uzyskując w ten sposób olbrzymie, wykładniczo rosnące korzyści.

Kiedy zarząd lub dyrektor zarządzający pyta mnie, do czego jest im potrzebna sztuczna inteligencja, zawsze odpowiadam:

• Czy chciałbyś wiedzieć, który z Twoich klientów wypowie umowę w ciągu najbliższych kilku tygodni?
• Czy wiesz, jaką dokładnie cenę zapłaciliby Twoi klienci?
• Czy chciałbyś wiedzieć, jakie firmy lub konsumenci potrzebują Twoich produktów, ale jeszcze o nich nie wiedzą?
• Czy znasz wszystkie wewnętrzne i zewnętrzne przypadki oszustw i czy możesz dostarczyć dowody?

Jakie problemy napotykają firmy w zakresie bezpieczeństwa danych?

Rosnąca ilość danych powoduje, że możliwości techniczne firm są na wyczerpaniu i równolegle rosną wyzwania związane z bezpieczeństwem danych. Dotyczy to w szczególności specjalistycznej wiedzy i metod stosowanych przez hakerów. Aby przeciwdziałać temu trendowi, dostawcy usług w chmurze oferują niezwykle profesjonalne rozwiązania, które są odpowiedzią na to wyzwanie. Najwięksi dostawcy usług w chmurze, tacy jak Microsoft, Amazon i Google, mają najbezpieczniejsze środowiska ze wszystkich, co oznacza, że nawet pejzaże systemów dużych firm z trudem za nimi nadążają. I właśnie ci dostawcy dodają teraz usługi obsługiwane przez SI, które pozwalają im na jeszcze szybsze i skuteczniejsze wykrywanie i zwalczanie ataków. Bezpieczeństwo danych było kiedyś źródłem obaw przed chmurą, ale dziś chmura stanowi jedyne przystępne cenowo i wysoce bezpieczne rozwiązanie dla wielu firm.

Jak firmy mogą ocenić, czy AI będzie warta uwagi w ich projektach i segmentach biznesowych?

To proste – wypróbowując ją! Bariery wejścia w zakresie testowania metod AI są bardzo niskie. Istnieją środowiska testowe dużych dostawców, jak również szereg metod i programów open-source (np. Tensor-Flow). Moja rada to wyszukiwanie danych wewnętrznych, które nie są danymi poufnymi ani osobowymi, oraz testowanie na nich różnych metod AI.

Jak ważna jest Pana zdaniem współpraca nauki z biznesem?

Jest bardzo ważna z dwóch powodów. Po pierwsze, firmy mogą szybciej uzyskać dostęp do najnowszych innowacji, jeśli współpracują z uczelniami. Po drugie, firmy będą pilnie potrzebowały pracowników posiadających wiedzę z zakresu AI. A wspólne projekty z pewnością oferują doskonałe możliwości w tym zakresie. Takie podejście poszerza również naszą wiedzę naukową, ponieważ rozwiązywane są realne problemy. Bardzo ważne jest również, aby naukowcy zapoznawali się z konkretnymi problemami ekonomicznymi, tak aby mogli nadać swoim badaniom właściwy kierunek.

Jakie główne zmiany przyniosą naszemu społeczeństwu systemy AI?

Z jednej strony oczywiście nasze życie stanie się bardziej przejrzyste – i w nagrodę zostaniemy uwolnieni od wielu nieprzyjemnych obowiązków. Na przykład w domu, dzięki inteligentnym urządzeniom i robotom, lub w samochodzie, który bezproblemowo sam przewiezie nas z punktu A do punktu B. Będzie po prostu mniej pracy do wykonania, ponieważ systemy SI przejmą wiele czynności wykonywanych dotąd przez ludzi, i być może spowodują, że wiele zawodów stanie się zbędnych. Wiąże się to z kilkoma poważnymi pytaniami: Jak poradzimy sobie z tą zmianą zarówno jako jednostki, jak i jako społeczeństwo? Jakiej ilości pracy chcemy się pozbyć? Jak poradzimy sobie z dodatkowym wolnym czasem?

… i jak systemy AI zmienią firmy?

Dla firm ogromny potencjał ma automatyzacja procesów. Osobiście oceniam, że systemy AI będą w stanie obsłużyć od 60 do 70 procent wszystkich operacji biznesowych z jeszcze lepszymi wynikami w zakresie szybkości, dokładności, przejrzystości i kosztów. Operacje te obejmowałyby przetwarzanie podań o pracę, weryfikację faktur, kontrolę towarów, kontrolę jakości i działania controllingowe w firmie. Systemy AI są wciąż przygotowywane do tej roli, więc miną lata, zanim firmy będą mogły je wdrożyć. Niemniej jednak, wystarczy tylko jedna firma w danej branży, a reszta będzie musiała pójść w jej ślady. Kiedy tak się stanie, łatwo wyobrazić sobie całe firmy pracujące w taki sam sposób, jak dzisiejsze fabryki prowadzone przez producentów samochodów: wysoce zautomatyzowane procesy we wszystkich obszarach.

Dziękuję za rozmowę.