Informacje przedstawione w artykule mogą zainspirować Cię do wdrożenia sztucznej inteligencji i uczenia maszynowego do Twoich procesów biznesowych. Użycie nowoczesnej technologii przełoży się na uzyskanie zdecydowanej przewagi w rzetelnym monitoringu produktów w sieci.
Co kryje się pod nazwą, która jeszcze kilka lat temu kojarzyła się nam jedynie z filmami SF? W 1956 roku John McCarthy (amerykański informatyk) na użytek seminarium naukowego opisał swoją koncepcję „myślących maszyn”. Od tego czasu rozmaite dziedziny nauki starają się wytłumaczyć i poznać fenomen terminu sztuczna inteligencja SI (Artificial Intelligence, AI).
Czym jest sztuczna inteligencja?
Sztuczna inteligencja dąży do budowy maszyn, które będą miały poszczególne cechy ludzkiego umysłu, takie jak:
- umiejętność rozumienia języka,
- wnioskowanie,
- podejmowanie decyzji (bez kompletu informacji),
- rozpoznawanie obrazów,
- rozwiązywanie problemów,
- uczenie się.
SI to możliwość naśladowania przez maszyny lub algorytmy procesów, decydujących o inteligencji człowieka. Dlatego sztuczną inteligencję możemy podzielić przez wzgląd na jej uniwersalność na:
Słabą sztuczną inteligencję (Week/Narrow AI)
Sztuczna inteligencja umiejąca rozwiązać problem, określone wąskie zadanie (w sposób zbliżony lub lepszy niż człowiek). Spotykamy się z nią, używając:
- asystenta głosowego (np. Siri),
- programu do tłumaczenia (np. Google Translator),
- systemów price intelligence (np. LivePrice),
- polecanych pod kątem preferencji użytkownika pozycji (np. Netflix),
- wyświetlanie dopasowanych reklam w wyszukiwarce (np. Google),
- inteligentnych samochodów (np. Tesla).
Silną sztuczną inteligencję (Strong AI)
Sztuczna inteligencja, która dysponuje wszechstronną wiedzą i zdolnościami poznawczymi. System ten potrafi samodzielnie myśleć, rozumieć świat, uczy się i w niczym nie ustępują ludzkiej inteligencji. Oczywiście ten rodzaj SI jeszcze nie istnieje.
Najczęściej SI rozumiemy jako systemy zaprogramowane przez człowieka, które działają racjonalnie i potrafią samodzielnie wykonywać powierzone zadania. Niewątpliwie ogromne zbiory danych, olbrzymia moc obliczeniowa komputerów oraz nowe algorytmy umiejące wykorzystać te zasoby są motorem napędowym przy pracy nad SI.
Dlatego, prężny rozrost technik informacyjnych i komputerowych spowodował, że SI przestaje być terminem z dziedziny fantastyki. Zaczyna posiadać praktyczne zastosowania w życiu codziennym.
W jakich dziedzinach można SI wykorzystać?
Rozwiązania oparte na inteligentnych urządzeniach i algorytmach funkcjonują w wojskowości, komunikacji, informatyce czy marketingu (np. systemy price intelligence). W związku z tym, według specjalistów kolejne branże również przygotowują się do korzystania z SI – medycyna, edukacja, handel, szkolnictwo, rolnictwo, transport, rozrywka czy energetyka.
Jak przyznają specjaliści z Capgemini – jesteśmy zaledwie na początku ery sztucznej inteligencji. Im szerzej ją wykorzystujemy, tym bardziej kształtują się społeczne wyobrażenia, oczekiwania i lęki związane z jej skutkami. Niewątpliwie rozwój systemów i urządzeń autonomicznych budzi wiele emocji i jedno jest pewne, jesteśmy dopiero na początku drogi, która pomoże nam odkryć dobrodziejstwa związane z zastosowaniem sztucznej inteligencji.
Czym jest uczenie maszynowe?
Uczenie maszynowe (Machine Learning, ML) to możliwość samodoskonalenia się systemów na bazie wyników i danych. Dlatego jednym z kluczowych założeń SI jest możliwość samoistnego doskonalenia się przez maszyny (np. przy podejmowaniu decyzji, rozpoznawaniu wzorców).
Sztuczna inteligencja uczy się na bazie wyraźnych instrukcji nadawanych przez programistę. Dlatego przed podjęciem działania maszyna otrzymuje próbne dane, które pozwalają jej się doskonalić. ML pozwala maszynie korzystać z analizy, wzorów, obserwacji, samokształcenia i zdobywania praktyki. W przeciwieństwie do człowieka SI może gromadzić doświadczenia z tysięcy równoległych działań, jeżeli moc obliczeniowa danego komputera jest wystarczająca.
Jak można nauczyć maszynę?
Jeżeli chcemy, aby sztuczna inteligencja rozpoznawała np. obrazy z kotem… Jak możemy nauczyć maszynę rozpoznawać obraz?
Wykorzystując modele matematyczne, wyszukujemy znaki i podpowiadamy systemowi, jak wygląda kot. Na podstawie zbioru otrzymanych cech, maszyna wyodrębnia z grupy obrazów te, które przedstawiają kota. Potwierdzamy lub zaprzeczamy, że na rysunku widnieje kot. W związku z tym, na podstawie przebytych prób, system udoskonala swój algorytm i przy zwielokrotnieniu powtórzeń takich podejść… zaczyna dokładnie rozpoznawać kota.
Maszyny polepszające swoje umiejętności są niezwykle wydajne i potrafią wykonywać czynności niedostępne dla człowieka. Jednym z założeń ML jest program, który udoskonala swoje działanie na podstawie danych wyjściowych.
Czy PriceIA może wspomóc monitoring konkurencyjnych produktów w sieci?
Sztuczna inteligencja może zostać nauczona do rozpoznawania i parowania produktów podobnych lub identycznych np. na zdjęciach asortymentu w e-sklepie. Dlatego aplikacja price intelligence LivePrice udostępnia moduł PriceIA, który wspomaga monitoring konkurencji i porównywanie produktów podobnych.
Analogicznie jak w przypadku uczenia maszynowego do rozpoznawania obrazków z kotem, możemy nauczyć system, aby spostrzegał i monitorował produkty po konkretnych elementach:
- Kodach producenta.
- Kodach EAN.
- Atrybutach.
- Obrazach.
Jeżeli dystrybutor chce monitorować e-sklep, który nie używa kodów EAN, może to zrobić dzięki parowaniu obrazów w systemie LivePrice. Algorytm narzędzia price intelligence stosuje do analizy obrazu sieci neuronowe, które identyfikują charakterystyczne cechy danego produktu i wyszukują tożsame ze wskazanego sklepu. Dzięki tej funkcjonalności można również monitorować produkty pokrewne, podobne (np. w branży odzieżowej lub jubilerskiej).
Aplikacja price intelligence LivePrice umożliwia Ci najbardziej rozwinięte technologicznie śledzenie produktów w sieci.
Jaką przyszłość ma sztuczna inteligencja?
Według Think Tank The Artificial Intelligence Quotient, do 2019 roku, poszczególne kraje przeznaczyły na projekty związane z użyciem SI w sektorze publicznym ok. 152 mld USD. Polska w tym rejestrze plasuje się na 27 miejscu.
O sztucznej inteligencji mówi się z roku na rok więcej. Dlatego oczekujemy, że stanie się ona naszym sprzymierzeńcem. Medycyna już odnosi pierwsze sukcesy, gdyż inteligentny algorytm potrafi stawiać trafne diagnozy onkologiczne. Marzymy o inteligentnych drogach, autach czy domach.
Reasumując, spekuluje się, że już wkrótce SI zmieni charakter wielu zawodów, odciąży lub zastąpi przy pracy człowieka. McKinsey Global Institute przewiduje, że zyski z rozwiązań opartych o SI do 2030 r. mogą całościowo wynieść nawet 13 bilionów dolarów (prawie 50 bilionów złotych).
