Szerszy kontekst
85% pracowników na stanowiskach wykonawczych zamierza znacząco zainwestować w technologie powiązane z AI w przeciągu kolejnych trzech lat [badanie globalne Accenture].
„Dwa twory AI wchodzą do baru. Wycena baru wzrosła o 10 mln dolarów”. Tym hermetycznym dowcipem swoją prelekcję otworzył jeden z dwóch mówców z Ebay’a podczas World Summit AI, które niedawno odbyło się w Amsterdamie. Choć sam żart wydawać może się rozrywką średnich lotów, prace nad rozwojem AI trwają w najlepsze, a skala tego trendu jest ogromna. Według appliedAI, najbardziej aktualnego, znanego mi źródła agregowania podmiotów pracujących nad AI, ilość firm B2B z tego właśnie sektora przekracza już 650. Ponad 140 z nich działa nad wdrażaniem AI do wszelkich działań marketingowych, kolejne 140 ma na celu usprawnienie operacji wewnątrz przedsiębiorstw, poprzez ich inteligentne automatyzowanie. BTW najnowsze wydanie MIT Technology Review jest w całości poświęcone Sztucznej Inteligencji.
Z ramienia projektu #techhumanized, który od początku roku realizuję wspólnie z T-Mobile, jak i w ramach zainteresowań zawodowych (wiele marek również i w Polsce pyta o zmiany dyktowane przez rozwój AI), wybrałem się do Amsterdamu. Na miejscu dołączyłem do ponad 2200 uczestników i 120 prelegentów m.in. z firm takich jak Amazon, Intel, ING, Apple, Alibaba, Qualcomm, Netflix, Ebay, oraz instytucji pokroju Singularity University, NASA, University of London, University of Cambridge czy Yale University. Ze wszystkich konferencji, na jakich miałem okazję być w przeciągu ostatnich lat, ta właśnie zapewniła najlepszy mix wiedzy akademickiej z zasobami intelektualnymi korporacyjnych gigantów (pro hint dla organizatorów). AI w ciągu ostatnich kilku lat rozrósł się do trendu wiodącego, który zwraca uwagę nie tylko wielkich firm, ale również naukowców, technologów oraz futurystów. Na dodatek media – oprócz hipotez jakoby AI miało wkrótce przejąć kontrolę nad światem – regularnie informują o jej najciekawszych biznesowych zastosowaniach, co dodatkowo napędza inwestorów do dofinansowywania coraz większej liczby startupów działających w tym obszarze. By zrozumieć lepiej skalę tej technologii i potencjalnie realne zmiany, mogące w wyniku jej nagłego rozwoju nastąpić w przyszłości, warto poznać wyjątkowo trafną, szeroką definicję AI, forsowaną przez firmę Accenture. Według niej, Sztuczna Inteligencja to systemy informacyjne oraz aplikacje, które potrafią odczuwać (poprzez analizę), rozumieć i autonomicznie działać. Systemy te potrafią być samouczące się, tzn. mogą nabywać wiedzę w sposób podobny do zdolnego ucznia, który zasilony odpowiednimi materiałami edukacyjnymi, potrafi uczyć się sam.
Spora część z Was śledziła na bieżąco to, co w trakcie World Summit AI publikowałem w swoich kanałach online – zauważyłem wzmożony ruch w ich obrębie, jak podejrzewam, wywołany interesującym tematem Sztucznej Inteligencji. Dziś czas na szersze podsumowanie tego, o czym mówiono w trakcie #WSAI17 – największej tegorocznej konferencji nt. AI w Europie. Analizując swoje notatki z dwóch dni tego eventu, zarysowały mi się trzy główne tematy, wokół których najczęściej koncentrowały się wystąpienia prelegentów oraz panele dyskusyjne. W moim odczuciu, na ten moment są to obszary, w których na świecie dzieje się najwięcej, jeśli chodzi o prace nad rozwiązaniami związanymi z AI.
Integracja AI
Czyli, w jaki sposób łączyć Sztuczną Inteligencją z biznesem, nauką, organizacjami rządowymi i NGO. Wiele mówiono o tym, co w przyszłości stanowić może jej główną użyteczność w w/w obszarach, choć prelegenci zgodnie przyznawali, że jednoznaczne wskazanie jest niebywale trudne, ponieważ mowa o technologii, która, z dużym prawdopodobieństwem, objawiała będzie się w każdej dziedzinie życia. Rob High, CTO w IBM Watson, powiedział, że AI powinna dostarczać biznesowi nowych perspektyw po to, aby osoby zarządzające mogły podejmować dzięki nim lepsze decyzje. Z kolei Ralf Herbrich, Director of Machine Learning w Amazonie dodał, że prace nad AI to miejsce, gdzie nauka i technologia prawdziwie się spotykają, wypracowując wspólnie nowe rozwiązania. Jeszcze dobitniej znaczenie integracji AI podkreślił Marco Vernocchi, Senior MD w Accenture, słowami: Sztuczna Inteligencja będzie sercem dzisiejszych zmian społecznych, ekonomicznych, przemysłowych organizacyjnych, operacyjnych i pracowniczych. Vernocchi przedstawił również autorski wykres rozwoju nowych technologii w czasie, który warto zestawić z podobnym, corocznie aktualizowanym, wykresem publikowanym przez Gartnera. Całe wystąpienie dyrektor z Accenture zakończył słowami: AI rozszerzy możliwości stosujących ją organizacji. 
Jako przykład integracji AI z E-Commerce, dwóch prelegentów z Ebay’a zaprezentowało projekt „The world’s price guide”. Stojąca za nim Sztuczna Inteligencja, po uzyskaniu kilku informacji wejściowych od użytkownika jest w stanie, bazując na zdalnej analizie dziesiątek parametrów, oszacować wartość przedmiotu, który chciałby on wystawić na sprzedaż. Działanie przedstawia poniższy film z konferencji Google:
Jan Morgenthal, ekspert AI w Deutsche Telekom, odniósł się natomiast do integrowania zaawansowanych algorytmów w procesach obsługi klientów stwierdzając, że D-T posiada jasną wizję swoich działań w obszarze AI i stopniowo zaczynają ją wypełniać. Przykładem tego są problemy, z którymi zgłaszają się klienci, a które mogą być rozwiązywane przy użyciu technologii Machine Learning (podgrupa technologii AI).
Firma Accenture, będąca głównym partnerem eventu (nieprzypadkowo, gdyż zainwestowała w rozwój autorskiego AI ogromny budżet), opracowała na jego potrzeby ekspertyzę, mającą zarysować najważniejsze przykłady integracji AI w biznesie. Według dokumentu w obszarze analizy i rozpoznawania kluczową rolę odegrać ma tzw. technologia Computer Vision – głównie w zakresie analityki video z kamer przemysłowych (poprawa bezpieczeństwa, zarządzanie ryzykiem, przewidywanie niespodziewanych zdarzeń np. korków, wypadków itd.), a w handlu, kamer umieszczonych w sklepie (systematyczne analizowanie zachowań klientów i generowanie na tej podstawie prognoz i zaleceń). W sferze zrozumienia AI najbardziej widoczne jest (i będzie coraz bardziej, pisałem o tym w styczniu tego roku) w NLP (Natural Language Processing) – rozumieniu przez urządzenia tego, co do nich mówimy w naturalny sposób i odpowiadaniu równie naturalnie. Takie zastosowanie zauważyć możemy już dziś, choćby w postaci personalnych asystentów (Google Home, Amazon Echo, Sonos One), w prostej wersji w naszych telefonach (Siri, Google Now), czy, póki co, w prototypach niektórych samochodów (np. Ford), wykorzystujących technologię Alexa, dostarczaną przez Amazon. W obszarze podejmowania decyzji przez Sztuczną Inteligencję, w najbliższych latach możemy być świadkami coraz częstszych zastosowań jej w procesach diagnostyki medycznej (analiza danych historycznych, szukania podobieństw, generowania wniosków do przedstawienia lekarzowi), analizach prawnych (research materiałów pod kątem rozpatrywanej sprawy), bankowości (np. podejmowanie przez AI decyzji o pożyczkach lub kredytach), a nawet w sprawach migracyjnych (decyzje o przyznaniu wizy).
Szerokie zastosowanie
Organizatorzy konferencji dopilnowali, aby prelegenci reprezentowali różne dziedziny rynku. Wpłynęło to w pozytywny sposób na zróżnicowanie wystąpień, a przede wszystkim, na omawiane przykłady zastosowań technologii AI. To spowodowało, że w każdej prezentacji można było liczyć na konkretne case’y poszukiwań metod rozwiązywania problemów przy użyciu Sztucznej Inteligencji oraz wnioski z ich wdrożeń. Nie zdziwiły mnie słowa Ralfa Herbricha, który przyznał, że w Amazonie trudno jest znaleźć obszar, gdzie AI, choćby w postaci nauczania maszynowego, nie byłaby używana. Większą ciekawość wzbudził we mnie jednak wykład Steve’a Chiena z NASA i Kalifornijskiego Instytutu Technologicznego. Przyznał On, że NASA od lat korzysta ze Sztucznej Inteligencji również na Ziemi, m.in. poprzez inteligentne czujniki, rozmieszczane na wulkanach (a zupełnie zgodnie z prawdą – są one na nie zrzucane), które nie dają żadnych ostrzeżeń przed swoją erupcją. Pozwala to na wczesne wykrywanie potencjalnych zagrożeń. Chien dodał, że sercem operacji we wszystkich łazikach NASA jest właśnie AI, stale ulepszane wraz z każdą kolejną generacją marsjańskich (i nie tylko) pojazdów. Celem NASA są natomiast roboty autonomiczne, w dodatku zbudowane z materiałów inteligentnych, tzn. samonaprawiających się. Ich zastosowanie w pierwszej kolejności będzie przetestowane podczas eksploracji jaskiń Marsa, których wnętrza pozbawiają łączności z ośrodkiem sterującym. W tej sytuacji łańcuch robotów eksplorujących będzie musiał niezależnie decydować o swoim działaniu, bazując na bieżąco zbieranych i analizowanych informacjach. 
W przyszłości Chiny będą liderem w rozwoju systemów AI – tymi słowami swoje wystąpienie rozpoczął Xien-Sheng Hua, Expert AI w Alibaba, prezentując projekt City Brain. Koncentruje się on na analizie danych generowanych przez miasto i jego mieszkańców, by na podstawie tych informacji planować działania, ale i reagować na bieżąco w nagłych przypadkach. Hua zaprezentował przykładowe zastosowania AI, wprowadzone w jednym z chińskich miast:
Wykrywanie anomalii – zgłaszanie wypadków, korków oraz innych nieprzewidzianych zdarzeń przez inteligentny system. 
Indeksowanie ruchu w mieście, co pozwala na szybsze jego „przeszukiwanie”, przewidywanie zagrożeń i generowanie reakcji. Hue podkreślił, że w tej chwili nie wykorzystują AI do analizy np. mediów społecznościowych w mieście, w którym wdrażany jest projekt City Brain (a przynajmniej taka jest oficjalna wersja dla mediów) – kluczowe są dane w formie video.
Onno Zoeter, Data Scientist w Booking.com podkreślił, jak ważne dla ich firmy jest wykorzystywanie inteligentnych algorytmów w celu wspierania decyzji klientów tego serwisu. Jak stwierdził, są one wykorzystywane nawet 1,4 miliona raza dziennie, w poniższych obszarach:
W trakcie eventu wybrałem się również na warsztaty zorganizowane przez Accenture, które poświęcone były w całości zagadnieniu praktycznego zastosowania AI w biznesie. Zaprezentowane zostały trzy zrealizowane wdrożenia, których dokładność w działaniu klienci Accenture oszacowali na ~95%:
1. Klient korporacyjny, szukający optymalizacji procesu odpowiadania na duży wolumen zapytań dotyczących listy płac (około 55 000 zapytań w ciągu roku). Rozwiązaniem był outsourcing obsługi (tzw. powtarzalnej pracy) przy użyciu oprogramowania wykorzystującego Sztuczną Inteligencję, które w całości przejęło proces analizy i odpowiadania (dla 46 krajów, w których obecny jest klient – w języku angielskim i 13 krajach, w których wiodącym językiem jest inny niż angielski). „Wytrenowanie” algorytmu do momentu przejęcia tych zadań zajęło w sumie około kilku tygodni.
2. Sztuczna Inteligencja zastosowana do platformy robotycznej, która na potrzeby klienta przejęła część obowiązków pracownika księgowości: analizę i przetwarzanie skomplikowanych dokumentów oraz rekomendowanie dalszych czynności, związanych z ich zaksięgowaniem. Co więcej, wszystkie działania algorytmu widoczne były na ekranie komputera, co pozwalało na kontrolę podejmowanych działań i – w miarę potrzeby – korygowanie błędnych zachowań. To akurat przykład zastosowania AI, które może być złą informacją m.in. dla księgowych – niebawem część ich pracy naprawdę może zostać zautomatyzowana – jak widać, to już powoli się dzieje. Z drugiej strony, to również i dobra informacja – automatyzacja powtarzalnych czynności pozwoli zaoszczędzić czas i przeznaczyć go na działania kreatywne, których – na ten moment – żaden algorytm nie jest w stanie realizować na poziomie podobnym do człowieka. Inne potencjalne zastosowania w tym obszarze: wsparcie osób z help desk, back office, tworzenie coraz lepszych wirtualnych agentów marek itd.
3. Trzeci z wdrożonych projektów dotyczył branży medycznej, a dokładnie zastąpienia systemem AI ręcznego przeglądania akt lekarskich w celu odnalezienia podobnych przypadków / prawidłowości. Zastosowany samouczący się algorytm był w stanie wykonywać żmudną pracę, tj. analizować ponad 100-stronicowe akta. Zbudowane oprogramowanie po przepracowaniu setek stron konwertowało tekst z papierowych dokumentów na wersję cyfrową, następnie identyfikowało kluczowe ich obszary (poprzez wyszukiwanie odpowiednich fraz), by finalnie redagować i przedstawiać wstępne zalecenia dla lekarza. Projekt ten – jak podkreślali jego twórcy – ma na celu znalezienie sposobu, by usprawnić pracę lekarzy tam, gdzie zajmuje ona zbyt dużo czasu, a nie jej ich pozbawiać. Inne potencjalne zastosowania w tym obszarze: branża finansowa (głównie ubezpieczenia i kredyty – analiza ryzyka), branża medyczna i naukowa, branża prawna (analiza dokumentacji + wstępne rekomendacje), organizacje rządowe (przetwarzanie dużej ilości danych).
Cyrill Bataller, Dyrektor Marketingu w Accenture swoje warsztaty podsumował słowami mamy dziś potężne zasoby, jeśli chodzi o Sztuczną Inteligencję, ale nadal w bardzo wąskich, wyspecjalizowanych obszarach. Czego najlepszym dowodem są 3 przedstawione tutaj projekty, zrealizowane przez jego firmę.
Wyzwania
Technologie i rozwiązania rozwijane w oparciu o Sztuczną Inteligencję napotykają wiele przeszkód. Wzbudzają sceptycyzm, często poparty brakiem zrozumienia choćby podstaw tego, co właśnie się dzieje i zmienia. Zaskakujące, bo jeden z najlepszych long readów na ten temat można przeczytać – do czego zachęcam – w technologicznej sekcji magazynu… Vanity Fair. AI generuje dziesiątki pytań, przez co zderza utopistów z głosicielami dystopijnych wizji świata. Pierwszy raz w historii technologii stajemy w obliczu sytuacji, gdy radykalny rozwój jednej z jej gałęzi może nam się realnie wymknąć spod kontroli, jeśli nie zostanie ona przez nas odpowiednio, i na czas, ukształtowana.
Choć temat wyzwań związanych z AI wymieniam jako trzeci, to właśnie o obawach, regulacjach, edukacji, a także o etyce, podczas WSAI’17 rozmawiano najczęściej. W tej części konferencji najbardziej dało się zauważyć, jak istotne jest, by prace nad regulowaniem zasad tworzenia (coraz bardziej) inteligentnych algorytmów prowadzone były przez środowisko akademickie wspólnie ze światem biznesu i organizacjami rządowymi oraz think tankami – każda z tych stron rzucała nowe światło na dyskutowany temat.
Ralf Herbrich z Amazona trafnie zauważył, że większość społeczeństwa nie jest w stanie dostrzec wokół siebie choćby fragmentów AI, nie mówiąc nawet o zrozumieniu podstawowej systematyki tej dziedziny. Jako że #techhumanized to projekt edukacyjny, poniżej załączam definicję popartą istniejącymi przykładami zastosowania poszczególnych obszarów AI. Herbrich dodał, że ludzie nie kojarzą, że Amazon Echo, Google Home, także Siri, to najbardziej „rynkowe” przykłady użycia AI – zostały im bowiem przez producentów zaprezentowane jako Asystenci Głosowi. Nikt natomiast nie rozmawia o technologii, jaka za nimi stoi. Pierwsze pytanie od publiczności po pierwszym panelu konferencji dotyczyło definicji Sztucznej Inteligencji i Nauczania Maszynowego (sic!) i różnicach między nimi.
Rob High z IBM zwrócił uwagę na to, że choć dostrzec można wiele niebezpieczeństw, technologia kognitywna powinna być rozwijana i służyć przede wszystkim umacnianiu zdolności poznawczych człowieka. W kontekście rozwoju AI, Gary Marcus, z Uniwersytetu w Nowym Jorku, zajmujący się sieciami neuronowymi, mówił o tym, jak daleko nadal jesteśmy od tego, co z inteligentną technologią chcielibyśmy robić (podkreślając, że od tzw. Strong AI jesteśmy naprawdę daleko). To, czym najczęściej fascynuje się dziedzina sci-fi, wciąż pozostaje poza naszym zasięgiem (na zdjęciu po lewo to, co dziś już można robić, po prawo tzw. future visions):
Marcus przyznał również, że branża AI na świecie pełna jest świetnych matematyków, lecz niewielu z nich wie, jak działa proces nauki u dziecka, a to część niezbędna do pracy nad Sztuczną Inteligencją. Swoje wystąpienie (jedno z najlepszych podczas WSAI’17) zakończył, odnosząc się do potrzeby włączania do prac nad AI ekspertów z jak największej liczby dziedzin: potrzebujemy międzynarodowego projektu – instytutu CERN dla AI. Niezwykle cenne słowa w kwestii odpowiedzialności za tworzone algorytmy wypowiedział wspominany wcześniej Marco Vernocchi z Accenture. Jego zdaniem u podstaw wszelkich prac z tego obszaru powinny znajdować się: transparentność, uczciwość, odpowiedzialność, bezstronność oraz zorientowanie na człowieka. Jako obserwator trendów i zmian technologicznych w pełni się z tym zgadzam.
Stuart Russell, profesor z Uniwersytetu Kalifornijskiego, który uważa, że systemy oparte o AI będą podejmowały lepsze decyzji niż ludzie liczy, że uda się do tego doprowadzić, poprzez przestrzeganie trzech bazowych praw:
W przeciwnym razie nie jest wykluczone, iż w przyszłości będzie mogło dochodzić do podobnych sytuacji i rozmów na linii robot-człowiek (hipotetyczne wypowiedzi po lewo należą do inteligentnego algorytmu, po prawej stronie kwestie wypowiadane przez człowieka):
Spytany o swoją największą obawę związaną z nieetycznym zastosowaniem AI, Russell odpowiedział, że zdecydowanie jest nią broń autonomiczna.
Na koniec drugiego dnia konferencji, Joanna Bryson z University of Bath przedstawiła trzy główne źródła potencjalnej stronniczości systemów AI (w dużym uproszczeniu – faworyzowania lub dyskryminacji przez zaawansowane algorytmy np. na tle płciowym, rasowym, wiekowym itd.). Temat ten postrzegany jest jako jedno z największych zagrożeń, wynikających z rozwoju technologii AI. Bath twierdzi, że stronniczość może zostać:
– zaabsorbowana przez algorytm automatycznie z kultury codziennej na drodze nauczania maszynowego (algorytm nabywa uprzedzenie w wyniku przetwarzania danych do których ma dostęp),
– wprowadzona do algorytmu poprzez ignorancję tego zagrożenia przez zespół pracujący nad nim,
– wprowadzona do algorytmu celowo, jako część procesu deweloperskiego (uprzedzenia algorytmu są w tej sytuacji z góry zaplanowane).
Zdaniem Bath najbardziej skuteczną metodą unikania sytuacji, w której algorytm mógłby dyskryminować określoną grupę społeczną, jest jak najszybsze i najlepsze wypracowanie odpowiednich regulacji prawnych, związanych z tworzeniem samouczących się algorytmów.
Konkluzja
Nie da się ukryć, że technologia bazująca na rozwiązaniach z zakresu Sztucznej Inteligencji w niedalekiej przyszłości ma podstawy, by stać się game-changerem, czynnikiem, występującym w każdej dziedzinie biznesu, jak i w naszym codziennym życiu. Tym bardziej niezwykle ważnym jest, by sfera biznesu w dalszym ciągu włączała się w trwający dialog na temat wpływu rozwoju tej technologii na rynek pracy, edukację i społeczeństwo. Środowisko naukowe, przedsiębiorcy oraz ustawodawcy muszą nieustannie współdziałać, by wywierać pozytywny wpływ na rozwój całej branży AI i razem decydować o bezpiecznym kierunku, w którym ona podąża. Zmiany zachodzące w obszarze Sztucznej Inteligencji nie wpływają bowiem jedynie na sektor technologiczny – ich następstwa odczuwalne będą przez miliony ludzi w następnych pokoleniach. Wielokrotnie podkreślano to podczas WSAI’17 i w kolejnych latach, kluczowych dla rozwoju oraz kształtowania norm związanych ze Sztuczną Inteligencją, z pewnością nie powinno się o tym zapominać.
Disclosure: przed publikacją zdjęć slajdów z poszczególnych prezentacji, upewniłem się u organizatora, że jako osoba z tzw. mediów mogę to zrobić w ramach projektu edukacyjnego, którym #techhumanized zdecydowanie jest.
#techhumanized powered by T-Mobile – projekt długofalowej kooperacji między twórcą i marką, której celem jest obserwacja zmieniającego się świata technologii, przybliżanie innowacji i kierunku ich rozwoju, a także wyjaśnianie, jak te zmiany wpłyną na nasze życie. Jak zmienią je za kilka, kilkanaście lub kilkadziesiąt lat.
Pozostałe teksty w ramach projektu:
C2 Montreal Commerce+Creativity Highlights
(Augmented+Virtual) Reality check
MWC: Kluczowe trendy
Amy Webb: Naucz się słuchać i zrób z tego użytek (rozmowa)
Odzież zoptymalizowana pod kątem użytkowników miasta
SXSW 2017: Kluczowe tematy i wnioski
SXSW 2017: The Weird And Wonderful
VR World 2017: stan rynku AR/VR/MR
VR World 2017: Playbook
