Przykładów użycia nowoczesnych technologii, które miały pomóc nam przetrwać czas pandemii jest bez liku. Chatboty, które przejęły rolę konsultantów i masowo były wykorzystywane m.in. do informowania o skutkach pandemii czy sposobach radzenia sobie w trudnej sytuacji związanej z wieloma obostrzeniami. Sklepy jeszcze mocniej postawiły na kasy samoobsługowe, a hotele wypracowały system w którym to roboty mogą nas zameldować na miejscu, przywieźć zamówione jedzenie czy nawet zająć się sprawą zaginionego bagażu. Co więcej modele uczenia maszynowego były niezbędne do prognozowania skutków ponownego otwarcia gospodarek.
W ostatnim czasie możemy mówić, że obok podstawowych trendów rozwoju sztucznej inteligencji jak np. big data czy Internet Rzeczy coraz mocniej zyskują dwa tzw. megatrendy. demokratyzacja SI i industrializacja SI dla platform.
Demokratyzacja sztucznej inteligencji, czyli powszechność
Pod pojęciem demokratyzacji sztucznej inteligencji, kryje się chęć udostępnienia SI większej liczbie osób. Tak, żeby z jej zdobyczy nie korzystali tylko i wyłącznie wysoko wyspecjalizowani eksperci. Demokratyzując SI w szeroko pojętym biznesie możemy chcieć poszerzać jej zasięg o klientów, partnerów biznesowych, a we własnych strukturach udostępniać ją np. sprzedawcom czy pracownikom linii produkcyjnej. Tak aby na bieżąco mogli oceniać efekty swojej pracy i reagować na ewentualne zagrożenia.
– Firmy chcą wykorzystywać analitykę danych, aby poprawić wyniki biznesowe, lepiej planować, zapewniać lepszą obsługę klienta i podejmować lepsze decyzje. Ale analiza danych może nadal być bardzo przytłaczająca dla nietechnicznych pracowników w organizacjach. Dlatego, jeśli chcemy wykorzystywać w pełni sztuczną inteligencję, należy szybko wdrożyć do tego swoich pracowników. Musimy pamiętać, że przystosowanie się do nowych kompetencji czasami musi potrwać i to nawet wtedy, gdy oprogramowanie oparte na SI z pozoru jest proste w obsłudze – podkreśla Zbigniew Czajkowski z NMG S.A.
Kluczem jest prostota
Demokratyzacja SI ułatwia przetwarzanie dużych zbiorów danych osobom, które nie mają umiejętności technicznych, ale powinny z nich korzystać, żeby lepiej wykorzystywać potencjał przedsiębiorstwa. Jednym ze sposobów jest użycie oprogramowania do wirtualizacji danych, które pobiera dane i przetwarza je bez znajomości ich technicznych aspektów.
Demokratyzacja SI ułatwia przetwarzanie dużych zbiorów danych osobom, które nie mają umiejętności technicznych, ale chcą z nich korzystać, aby osiągać lepsze wyniki i ułatwiać codzienne życie. Jednym ze sposobów jest użycie oprogramowania do wirtualizacji danych, które pobiera dane i przetwarza je bez znajomości ich technicznych aspektów.
Jednym z takich narzędzi jest Clipperon, czyli system opracowany przez firmę Nethansa, który ma za zadanie wsparcie zarządzania sprzedażą i logistyką na Amazonie. Główną funkcją Clipperona jest dostosowanie ceny produktów do obecnego pobytu i konkurencji na Amazonie. Analiza danych, za sprawą specjalnym algorytmom, odbywa się w czasie zbliżonym do rzeczywistego. To dzięki aplikacji opartej na sztucznej inteligencji pracownik nie musi być biegły w każdym aspekcie sprzedażowym na każdym rynku dostępnym w Amazonie, bo to Clipperon sam dostosuje np. odpowiedni VAT czy koszty logistyczne i zaproponuje optymalną cenę.
Celem demokratyzacji SI jest też to, aby każdy mógł je łatwo zrozumieć. Jeśli dane nie są jasno zorganizowane, główne zadanie postawione sztucznej inteligencji zostanie zniweczone.
– Firmy muszą mieć świadomość mocnych i słabych stron każdego działu. Dzięki użyciu narzędzi IT można szybciej śledzić wyniki każdego zespołu i konkretnej osoby. Gdy te dane są bezpośrednio – po oczyszczeniu ich z niepotrzebnych szumów – udostępniane pracownikom, są oni lepiej przygotowani do identyfikowania wszelkich wycieków, wyzwań lub możliwości usprawnienia swoich zadań – mówi Bartosz Bielicki, Dyrektor New Technology Hub SI-Consulting.
Niebezpieczeństwo czai się za rogiem
Nie można przy tym też zapominac też o bezpieczeństwie danych, które udostępniamy w ramach demokratyzacji SI. – Każda firma, która zdecyduje się udostępnić dane wszystkim lub większości pracowników powinna być objęta nadzorem i kontrolą. Ważne jest też przechowywanie danych i najbezpieczniejszym sposobem jest ich magazynowanie w chmurze, które zapewnia zaszyfrowane zabezpieczenia – dodaje Tomasz Dwornicki, prezes zarządu Hostersi.pl.
Demokratyzacja SI może być niebezpieczna nie tylko dlatego, że istnieje zagrożenie wycieku wrażliwych danych. Prezes zarządu Vodacom, operatora komórkowego z RPA, ujawnił w rozmowie przeprowadzonej dla Business Day, że za pomocą sztucznej inteligencji i uczenia maszynowego operator komórkowy może oszacować ryzyko kredytowe na podstawie tego, o której godzinie klient banku się obudził i kiedy zaczął używać telefonu rano. To kolejny kamyczek do ogródka tzw. scoringu behawioralnego, który jest możliwy tylko dzięki rozwojowi sztucznej inteligencji.
Nowoczesne technologie przestają bowiem być tylko własnością małych firm zajmujących się innowacjami, a stają się masowymi rozwiązaniami i wpływa to na skalowalność, a tym samym ułatwia wdrożenia na masową skalę i dalszy rozwój. Niepokojące rozwiązania z zakresu scoringu behawioralnego mogą ograniczać np. regulacje rządowe (o ile zostaną wprowadzone na czas i rzeczywiście będą skuteczne), to już same działania państw czy organizacji międzynarodowych mogą być trudno kontrolowalne. Szczególnie, jeśli mówimy o zastosowaniu sztucznej inteligencji przez państwa autorytarne do celów wojskowych.
Pod koniec maja został opublikowany raport CNA – amerykańskiej organizacji non-profit – przeprowadzony wspólnie z Pentagonem. Wynika z niego, że Rosja i Chiny podjęły współpracę wojskową w celu scedowania krytycznych zdolności decyzyjnych na sztuczną inteligencję z pominięciem człowieka. Raport zawiera listę około dwudziestu platform opracowanych przez rosyjskie wojsko, które w pewnym stopniu wykorzystują SI. Wśród nich znajdują się m.in. pojazdy lądowe, powietrzne i morskie, a także wyspecjalizowane miny, a nawet robot, który jest zdolny do posługiwania się bronią palną, kierowania samochodami i podróżowania w kosmos.
CNA wskazała też, że w Rosji wydatki na rozwiązania związane ze sztuczną inteligencją rosły w tempie dziesięć razy szybszym niż PKB tego kraju. Liczba ta jednak blednie w porównaniu z Chinami, które finansowały badania nad SI na poziomie 350 razy wyższym niż w Rosji i zajmowały drugie miejsce po USA pod względem zatrudnienia w sektorze SI.
Zostaw komentarz