IDC szacuje, że do 2018 ponad połowa projektowanych aplikacji będzie posiadała wdrożenia z zakresu sztucznej inteligencji, zaś do 2020 roku AI w narzędziach biznesowych w samych tylko Stanach Zjednoczonych przyniesie nawet 60 mld USD oszczędności.
Według raportu Global TMT Predictions, autorstwa Deloitte, w tym roku wzrośnie o jedną czwartą liczba producentów oprogramowania dla przedsiębiorstw, wykorzystującego techniki kognitywne (cognitive computing). Mowa o takich funkcjach jak np.: komputerowe rozpoznawanie obrazu, przetwarzanie języka naturalnego oraz techniki uczące się, czyli machine learning.
– Narzędzia z zakresu AI, a ściślej machine learning, wykorzystujemy i rozwijamy również w naszej firmie. Zaprojektowana przez nas platforma DMP behavioralengine.com, czyli silnik behawioralny, uczy się zachowań internautów, a następnie wyświetla im reklamę spersonalizowaną do ich preferencji i potrzeb. To największe narzędzie do analityki Big Data w tej części Europy. Dziennie gromadzi i przetwarza ponad 5 terabajtów surowych danych, dostarczając reklamodawcom precyzyjnych, anonimowych informacji o profilach internautów: ich wieku, płci, pochodzeniu, zachowaniach w Sieci, zainteresowaniach etc. W zasięgu naszego narzędzia znajduje się obecnie ponad 70 mln urządzeń, 20 mln realnych użytkowników oraz 500 tys. witryn. W praktyce oznacza to, że skonstruowana przez nas myśląca maszyna rozpoznaje właściwie każdego polskiego internautę i uczy się od jego zachowania. Targetowana reklama w Internecie to tylko ułamek potencjalnych zastosowań naszego narzędzia – tłumaczy Piotr Prajsnar, CEO Cloud Technologies, największej platformy Big Data w tej części Europy.
Światowi giganci IT doskonale wiedzą, że machine learning to najbliższa przyszłość biznesu i przemysłu. IDC twierdzi, że rynek aplikacji wykorzystujących analitykę predyktywną, wliczając w to uczenie maszynowe, będzie rósł o 65 proc. szybciej, niż rynek aplikacji, które takiej funkcjonalności nie posiadają. Shawn DuBravac, główny ekonomista i szef działu badań w Consumer Electronics Association (CEA), zwiastuje wręcz nadejście „drugiej epoki cyfrowej”, której głównym katalizatorem będzie właśnie machine learning, zasilany dzięki Big Data.
– W skrócie rzecz ujmując: w machine learning chodzi o nauczenie komputerów wnioskowania, planowania, przewidywania i uczenia się. Celem jest nauczenie maszyny myślenia zbliżonego do tego, jakim dysponuje człowiek, a nawet więcej: myślenia zintensyfikowanego, bardziej efektywnego. „Mózgiem” maszyny są algorytmy, zasilane szeregiem różnorodnych danych, czyli Big Data. Dzięki nim komputer jest w stanie podjąć najbardziej optymalną (najbardziej racjonalną) decyzję sam z siebie, bez konieczności nadzorowania całego „procesu myślowego” przez człowieka. To, co wcześniej leżało w gestii obowiązków pracownika firmy, dzisiaj równie efektywnie może zostać wykonane przez odpowiednio zaprogramowaną maszynę, zasilaną przez dane oraz algorytmy. Mówimy tu oczywiście o myśleniu rachującym, kalkulującym, przebiegającym w pewien uschematyzowany sposób. To myślenie zalgorytmizowane za sprawą Big Data, czyli już ponad 8 Zettabajtów danych, z których składa się dzisiejszy Internet. Kluczem jest oczywiście dostęp do odpowiednich danych oraz zastosowanie takiego algorytmu, który w pełni zautomatyzuje decyzje maszyny, wyeliminuje z jej „procesu myślowego” wszelką przypadkowość i pozwoli uczyć się na podstawie tych danych, które do niej dostarczamy – mówi Piotr Prajsnar.
Niebawem na łamach magazynu „Science” pojawi się artykuł Ruslana Salakhutdinova, profesora informatyki na Uniwersytecie w Toronto oraz Joshuy Tenenbauma, profesora wydziału kognitywistyki i nauk o mózgu oraz „ośrodka badań nad mózgiem, umysłem i maszynami” z Massachusetts Institute of Technology (MIT). W tej pionierskiej pracy Salakhtudinov oraz Tenenbaum zaprezentują opracowany przez siebie algorytm, którego implementacja pozwoli maszynom nie tylko na uczenie się i szybsze wyciąganie wniosków, lecz również na… kreatywność. Komputer napotykający na nowe zagadnienie sprawdzi najpierw, czy miał już do czynienia z podobną sytuacją wcześniej, a następnie – bazując na swoich „doświadczeniach”, czyli pamięci cyfrowych operacji – wyciągnie wnioski z minionych procesów i dopasuje postępowanie do aktualnej sytuacji, eliminując potencjalne błędy. Ważniejszy jest jednak fakt, że będzie również w stanie generować zupełnie nowe informacje: wymyślać/wytwarzać racjonalne scenariusze, których wcześniej nie miała w swojej pamięci. Będzie tworzyć innowacyjne rozwiązania. Będzie w stanie projektować, czy też – mówiąc ludzkim językiem – „myśleć perspektywicznie”.
– Biznes kładzie dzisiaj nacisk na rozwój nowej dyscypliny w naukach ścisłych, jaką jest cognitive computing, czyli całokształt działań skoncentrowanych wokół automatyzacji i autonomizacji pracy komputerów, zdolnych do samodzielnego uczenia się i koordynowania swojej pracy. Inteligentne maszyny będą musiały jednak wykorzystywać dane, pozwalając nie tylko na bieżącą korektę strategii biznesowej, lecz również na przewidywanie przyszłości z większą dozą dokładności niż kiedykolwiek przedtem. Dlatego też w ciągu najbliższych dwóch lat 7 na 10 przedsiębiorstw zamierza zwiększyć wydatki na analizę dużych zbiorów danych. Gartner twierdzi, że do 2020 roku aż 80 proc. procesów biznesowych uda się zmodernizować właśnie dzięki wykorzystaniu zaawansowanej analityki danych – tłumaczy Piotr Prajsnar, CEO Cloud Technologies.
Wykorzystanie nowoczesnych technologii w biznesie jest również podstawą idei Przemysłu 4.0, której celem jest zwiększenie konkurencyjności lokalnego przemysłu. Zakłada ona wytworzenie danego produktu w wirtualnym świecie, zanim jeszcze powstanie on fizycznie i trafi do klienta. Dzięki temu może być on dowolnie konfigurowany względem potrzeb konkretnego klienta. Przemysł 4.0 ma pozwolić na opłacalne wytwarzanie produktów nawet w pojedynczych ilościach. Nie będzie to możliwe bez wykorzystania zintegrowanych systemów IT. Niemałą rolę odgrywają w tym właśnie machine learning i Big Data.
Jeśli uczenie maszynowe ma przyspieszyć nadejście cyfrowej rewolucji w biznesie i przemyśle, biznesu 2.0 i „Smart Factory”, jeśli sztuczna inteligencja ma stanowić element rozwiązań systemów typu Business Intelligence w firmach, to jedyną opcją, która jest w stanie to umożliwić, jest równoległy rozwój narzędzi do analityki Big Data.
fot. pixabay.com
