Sztuczna inteligencja (AI) jeszcze kilka lat temu kojarzyła się głownie z filmami Science Fiction, dziś powoli staje się ogólnodostępna. Dlatego chciałbym Ci opisać czym jest AI (Artificial Intelligence) w taki sposób, aby zrozumiała to nawet Twoja mama. Posłużę się tutaj banalnym przykładem, nie będę poruszał teorii i matematyki. Dlatego jeżeli wiesz już co nieco o sztucznej inteligencji to wybacz moje uproszczenia.
Temat jest ważny ponieważ giganci informatyczni, tacy jak np. Microsoft i Oracle, inwestują właśnie spore pieniądze, aby udostępnić sztuczną inteligencję (AI) dla nas wszystkich. Już dziś znajdziemy w Dynamics 365 Business Central elementy oparte na uczeniu maszynowym (Machine Learning), takie jak chociażby przewidywanie płatności czy stanów magazynowych.
Jeżeli chcesz zrozumieć sztuczną inteligencję to zachęcam do dalszej lektury, kto wie może znajdziesz dla niej zastosowanie w Twojej firmie?
Sztuczna inteligencja a uczenie maszynowe
Sztuczna inteligencja (AI) w informatyce to dziedzina nauki, która dąży do tego aby komputery były w stanie wykonywać zadania charakterystyczne dla ludzkiej inteligencji. Do zadań tych można zaliczyć:
- Rozpoznawanie i rozumienie mowy
- Rozpoznawanie obrazów, dźwięków
- Przewidywanie
- itd.
Technologii wykorzystywanej w tych celach jest dość sporo: technologie oparte na logice rozmytej, systemach ekspertowych, sieciach neuronowych… Jednak tym co będzie miało największy wpływ na nas wszystkich w ciągu najbliższych kilku lat jest uczenie maszynowe.
Uczenie maszynowe to po prostu jeden ze sposobów osiągnięcia “sztucznej inteligencji”.
Czym jest uczenie maszynowe?
Uczenie maszynowe (Machine Learning), jest metodą analizowania danych i budowania modeli analitycznych używając algorytmów, które iteracyjnie uczą się na podstawie analizy dostępnych informacji. Pozwala to na odnajdywanie ukrytych zależności bez wcześniejszego programowania określonego schematu analizy danych. ML szybko i automatycznie tworzy modele danych, które potrafią przeanalizować duże zbiory informacji znacznie szybciej aniżeli człowiek, co pozwala dostarczać wartościowych i trafnych informacji na dużą skalę. Innymi słowy systemy ML są w stanie wnioskować, przewidywać i w konsekwencji podejmować decyzje, a na ich podstawie wywoływać akcje w czasie rzeczywistym, bez udziału człowieka.
Uczenie maszynowe w praktyce
Myślę, że najprościej będzie to zrozumieć na przykładzie. Jeżeli mówimy o ML to należy zacząć od zadania pytania. Tym razem zapytajmy naszą sztuczną inteligencję “Czy klient zapłaci nam w terminie za zamówienie?”
Poniżej nasze pytanie wraz z danymi wejściowymi przedstawione w formie tabelarycznej – nazwa klienta, kwota zamówienia oraz pytanie na które należy odpowiedzieć:
Nazwa | Kwota | Zapłacono w terminie? |
Kowalski | 2934,22zł | ? |
Aby sztuczna inteligencja mogła coś wywnioskować potrzebne są jej dane historyczne:
Nazwa | Kwota | Zapłacono w terminie? |
Nowak | 2604,62zł | TAK |
Pawlak | 3395,14zł | NIE |
Pietrzak | 2701,96zł | NIE |
Adamczyk | 2473,63zł | TAK |
Jeżeli poprosimy nasz system ML o znalezienie zależności bazując na tych danych znajdzie on dwa modele:
- Osoba nie zapłaci jeżeli kwota zamówienia będzie większa od 2604,62 zł
- Osoba nie zapłaci jeżeli jego nazwisko rozpoczyna się od litery “P”
Niemniej aby wnioskowanie było rzetelne do systemu ML musimy dostarczać także danych walidacyjnych (pogrubione):
Nazwa | Kwota | Zapłacono w terminie? |
Nowak | 2604,62zł | TAK |
Pawlak | 3395,14zł | NIE |
Pietrzak | 2701,96zł | NIE |
Adamczyk | 2473,63zł | TAK |
Janiak | 4289,00zł | TAK |
Przybysz | 1502,88zł | NIE |
Na podstawie dostarczonych danych walidacyjnych nasz system ML dojdzie do wniosku, że drugi model jest najlepszy aby odpowiedzieć na nasze pytanie. Używając tego modelu może on przewidzieć, że z dużym prawdopodobieństwem kontrahent Kowalski zapłaci nam za swoje zamówienie, ponieważ jego nazwisko nie zaczyna się na literę “P”. Dostarczając do systemu kolejnych danych walidacyjnych sprawiamy, że staje się on “mądrzejszy” i potrafi lepiej przewidywać wyniki.
Powyższy przykład tak naprawdę doskonale pokazuje, że uczenie maszynowe to nic innego jak sposób na to aby przewidzieć wartość ostatniej kolumny w zdefiniowanym zestawie danych. Oczywiście wydaje się to bardzo proste, ale wyobraź sobie, że tabela którą należy przeanalizować ma nie 3 a 300 kolumn, a same dane historyczne to tysiące rekordów. Dla komputera znalezienie wszystkich zależności będzie stosunkowo prostym zadaniem, dla człowieka będzie to niemalże niemożliwe.
Przyszłość z AI
Tak jak widzisz dla uczenia maszynowego najważniejsze są dane. Zyskując dostęp do danych możesz je z powodzeniem wykorzystać chociażby do zdobycia przewagi w biznesie. Wystarczy umieć sprecyzować pytania, na które sztuczna inteligencja ma odpowiedzieć.
W dobie Internetu, gdzie sami dobrowolnie udostępniamy swoje dane powinniśmy się zastanowić w jakim celu inne firmy mogą je wykorzystać. Oczywistym jest fakt, że już dziś oglądamy spersonalizowane reklamy. Niemniej w nieodległej przyszłości może się okazać, że lodówka sama powie Ci co powinno się w niej znaleźć. Wyobraź sobie, że lodówka na podstawie twoich wcześniejszych zakupów i cen z okolicznych sklepów będzie mogła przygotować Ci optymalną listę zakupów. Jeżeli dorzucisz do tego dane z najbliższego sąsiedztwa na Twojej liście zakupów może znaleźć się także marchewka, której nigdy wcześniej nie kupowałeś(aś). W takiej sytuacji pewnie jej nie kupisz, bo i po co? Ale jeżeli okaże się że ta marchewka była potrzebna Twojemu dziecku w przedszkolu, co system ML wywnioskował z danych sąsiadów i znajomych, których dzieci uczęszczają do tego samego przedszkola? Jeżeli sytuacja taka powtórzy się kilka razy to zapewne niezależnie od Twojego własnego zdania zawierzysz systemowi ML i następnym razem kupisz tę “marchewkę”. Podoba Ci się taka przyszłość?
Moralność i RODO
Systemy sztucznej inteligencji wchodzą stopniowo do życia codziennego i stają się dostępne dla nas wszystkich. Należy jednak pamiętać, że systemy AI nie posiadają swojej moralności, i sposób ich wykorzystania nie zawsze musi być dla nasz korzystny. Dlatego tak ważne są przepisy prawa jak chociażby RODO – definiujące własność danych. Pomyśl o tym, kiedy następnym razem będziesz podpisywać papiery upoważniające kogoś do przetwarzania informacji o Tobie. Mimo, iż RODO jest irytujące to daje nam przynajmniej częściową kontrolę nad naszymi danymi. Jeszcze wiele zostało w tym temacie do zrobienia, ale RODO jest zdecydowanie krokiem w dobrym kierunku.
Mam nadzieję, że udało Ci się odrobinę zrozumieć sztuczną inteligencję, a kolejne wpisy nawiązujące do niej nie będą już tak zagadkowe.