Zainteresowanie artificial intelligence zaowocowało w nowe pomysły i wizje, dające ostatecznie powszechne i praktycznie zastosowanie w wielu branżach. AI od lat zyskuje na popularności, a szybki i zauważalny rozwój sprzyja opisywanej dziedzinie nauki.
Dziś inteligentne maszyny są potrzebne człowiekowi do tworzenia i odkrywania dostępnych zależności i możliwości na całym świecie. Nikogo więc już nie dziwi wizja istnienia sztucznej inteligencji w branżach takich jak medycyna czy ekonomia.
Czy ten rozwój słusznie pochłania tak olbrzymią ilość ludzkiego zapału? Czy ta wizja najnowocześniejszych osiągnięć będzie sukcesywnie wykorzystywana przez systemy ERP?
Początki sztucznej inteligencji w ujęciu naukowym
Wizja zautomatyzowanej rzeczywistości i zastępowania ludzi robotami pojawiała się w kinematografii już w latach osiemdziesiątych. W rzeczywistości jednak nauka ma trudność w jednoznacznym zdefiniowaniu tego pojęcia. Powszechność skrótu AI idzie w parze z trudnością w jasnej i sprecyzowanej definicji. Najczęściej w tym celu wykorzystuje się opis Johna MaCarth’ego, który już w 1955 roku próbował opisać funkcjonowanie sztucznej inteligencji.
Tak oto nieoficjalnie powstały jej dwa odłamy: tzw. strong AI i weak AI. W ich zakresie wymienia się zarówno tworzenie algorytmów, jak i budowanie heurystyki, algorytmów genetycznych, systemów ekspertowych, a nawet sztucznych sieci neuronowych. Szeroki zakres działania stworzył realną perspektywę powstawania inteligentnych maszyn, które ostatecznie będą w stanie samodzielnie „myśleć” – a co za tym idzie podejmować decyzje, zastępując tym samym specjalistów i ekspertów w danej dziedzinie.
Co ciekawe, już w 1956 roku powstała utopijna wizja zbudowania sztucznego człowieka, a pierwsze badania opierały się na budowie (a właściwie poznawaniu możliwości zbudowania) zmysłów i całego, sztucznego ciała. Najważniejsze miejsce w tych złożonych badaniach zajęła tzw. logika formalna, za pomocą, której dążono do wprowadzenia logicznego rozumowania wprost do naszych komputerów.
AI a machine learning
Wbrew panującym mitom, człowiek ma znaczne ograniczenia, które uniemożliwiają kontrolowanie wszystkich, najbardziej złożonych przedsięwzięć.
To w takich okolicznościach na jakości zyskują maszyny, które pracują po 24h na dobę, 7 dni w tygodniu. Odpowiednio spisany algorytm umożliwia zarządzanie wieloma sektorami i odłamami, a spreparowane testy pozwalają na ich bezbłędne działanie. Ostatecznie więc mamy do czynienia z nieco węższym mechanizmem, zwanym machine learning (tzw. uczenie maszynowe https://www.anegis.com/rozwiazania-it/uczenie-maszynowe), który doprowadza do uczenia się, a następnie do wykonywania zadań i redukowania problemów, powstałych na skutek tych czynności. Uczenie to pozwala komputerom na nabywanie doświadczenia – i to bez koniecznej ingerencji człowieka i ciągłego, powtarzalnego programowania.
I chociaż brzmi to nieco abstrakcyjne, w rzeczywistości wizja ta jest wyjątkowo realna. Potwierdza to nijako podgałęzie uczenia maszynowego, które nazywamy deep learning (tzw. „głębokie uczenie”). Ten zaawansowany odłam wykorzystuje modele matematyczne w celu odwzorowania procesów uczenia się, tworząc tym samym wyspecjalizowane, sztuczne sieci neuronowe. Tak skrzętnie prowadzone badania doprowadziły do m.in. systemu rekomendacyjnego, umiejętności rozpoznawania obrazu i przetwarzania języka.
Przewidywania sugerują, że tak znaczące walory przyczynią się do niezwykle szybkiego wzrostu technologicznego – zwłaszcza dla branży przemysłowej. Predykcje wskazują, że AI dla firm produkcyjnych będzie rosła w najszybszym tempie, wynoszącym nawet powyżej 52% do 2023 roku.
Czy deep learing ma zastosowanie w systemach ERP?
Tak. Dzięki sztucznej inteligencji procesy zachodzące w systemach ERP zachodzą nie tylko sprawniej, ale także bezbłędniej.
Odpowiednie wykorzystywanie zdolności uczenia się pozwalają na stały rozwój i na zarządzanie procesami. Algorytm m.in. skraca czas dostawy w handlu detalicznym (o nawet 60%) i hurtowym, analizuje ryzyko występowania błędów produkcyjnych (a tym samym – pozwala reagować na owe błędy i zwiększać próby ich naprawienia w przyszłości – liczby wskazują, że korekta błędów występuje powyżej 30%), a także umożliwia wyższą jakości obsługi klienta. Dzięki wdrożonemu systemowi uczenia maszynowego możemy zredukować błędy prognostyczne o nawet 50%. Ponadto, odpowiednio podjęte kroki konserwacyjne, pozwalają działać biznesom na zasadzie just-in-time. To dzięki tej metodzie maksymalizujemy żywotność maszyn, zmniejszając tym samym ryzyko nieplanowanych wcześniej awarii.
Szeroki zakres funkcji wykorzystuje się zarówno w dużych korporacjach, jak i w średnich przedsiębiorstwach z różnorodnych branż. Efektem końcowym jest pomoc w pozyskaniu, zatrzymaniu i utrzymaniu klienta przy naszym przedsiębiorstwie.
Biorąc pod uwagę powyższe informacje oczywiście ciężko jest jednoznacznie odpowiedzieć na pytanie zadane w tytule. Bez wątpienia sztuczna inteligencja idzie o krok dalej niż tzw. automatyzacja kognitywna. Ograniczenia, które opierają się na rutynowym powtarzaniu i przewidywaniu zadań zostają nijako zburzone, a AI pozwala na pracę z nieoczekiwanymi sytuacjami. Komunikacja z maszyną na wzór komunikacji międzyludzkiej daje podwaliny do tego, aby sądzić, że przyszłość systemów ERP jest niezwykle obiecująca – zwłaszcza po wcześniejszym połączeniu z wspomnianym machine learning.
Artykuł sponsorowany
Zostaw komentarz