Jeśli myślicie, że myśli tylko człowiek, to chyba nie przemyśleliście tego zbyt dobrze. Myślą też maszyny. I to od niemal pół wieku. Początki uczenia maszynowego (machine learning) sięgają lat ’70. To wówczas stworzono inteligentny program do szkolenia zawodników szachowych. Oprogramowanie komputerowe coraz częściej potrafi się uczyć i podpowiadać człowiekowi rozwiązania. Techniki maszynowego uczenia stanowią dziś jedną z najdynamiczniej rozwijających się gałęzi AI (Artificial Intelligence). IDC szacuje, że do 2018 ponad połowa projektowanych aplikacji będzie posiadała wdrożenia z zakresu sztucznej inteligencji, a do 2020 roku AI w narzędziach biznesowych w samych tylko Stanach Zjednoczonych przyniesie nawet 60 mld USD oszczędności.

Dzisiaj uczenie maszynowe wykorzystywane jest choćby przez Google do optymalizacji wyników wyszukiwania czy w ramach technologii monitorujących i ustalających politykę cenową. Magenta – tak nazywa się jeden z najświeższych projektów wystartowanych przez Google. Google’owski Alphabet pracuje aktualnie nad sztuczną inteligencją, która ma ambicje… Zostać artystą. I na podstawie zaawansowanych algorytmów komponować „własnoręcznie” treści audiowizualne.

Z kolei Microsoft wykorzystuje uczenie maszynowe i możliwości chmury obliczeniowej Azure w ramach wirtualnej asystentki Cortana, która jest w stanie rozpoznać komendy głosowe wydawane przez użytkownika komputera oraz reagować na nie tak, jak zareagowałaby „prawdziwa” asystentka, z krwi i kości.

To tylko niektóre przykłady uczenia maszynowego z całej plejady, jednak niezależnie od dziedziny, w której się pojawiają, takie rozwiązania z założenia mają służyć człowiekowi i ułatwiać mu życie – jak na razie funkcję tę najlepiej wykorzystuje biznes.

AI pod różnymi postaciami

Sztuczna inteligencja wielu osobom przywodzi na myśl postać humanoidalnego robota, z którym można porozmawiać jak z drugim człowiekiem. O ile myślące roboty, dostępne w powszechnym użytku, wciąż są jeszcze pieśnią przyszłości, o tyle inteligentne oprogramowanie komputerowe to już teraźniejszość. Tego rodzaju narzędzia nie są wprawdzie „sztuczną inteligencją” sensu stricte, ale algorytmy przez nie wykorzystywane pozwalają na analizę ogromnych zbiorów różnorodnych danych, których człowiek albo nie dostrzega, albo nie jest w stanie przetworzyć za pomocą siły własnego mózgu.

– Machine learning, czyli uczenie maszynowe, leży u podstaw sztucznej inteligencji. Inteligentne algorytmy oraz samouczące się oprogramowanie narzucają pewien kierunek, w którym podąża dzisiejszy biznes. Jeszcze nie tak dawno temu mało kto wierzył, że maszyna będzie zdolna pokonać człowieka w jakiejś grze logicznej, tymczasem dzisiaj to człowiekowi trudniej jest „ograć maszynę” Przykład? Ostatnio program AlphaGo wygrał pierwszą rundę meczu z mistrzem świata w Go podczas zawodów w Seulu. Stało się to możliwe właśnie dzięki zastosowaniu uczenia maszynowego, które odnosi się do zestawu algorytmów matematycznych tworzących modele, opisujących wzory i cechy danych. Maszyna jest w stanie takie dane przetworzyć zdecydowanie szybciej, niż ludzki mózg – wyjaśnia Piotr Prajsnar CEO Cloud Technologies, polskiej spółki, która specjalizuje się w analityce Big Data i zastosowaniu uczenia maszynowego w reklamie online.

Polacy dobrymi nauczycielami maszyn

Biznes i machine learning to od kilku lat całkiem zgodna para. Pozyskiwanie informacji na temat klientów oraz ich preferencji zawsze pozwalało zdobyć przewagę nad konkurencją. W tej chwili problemem nie jest już zdobycie danych, lecz przekształcenie ich gigantycznej ilości w wartościową wiedzę. I tu właśnie z pomocą przychodzą zaawansowane algorytmy i uczenie maszynowe.

Firma Google zaprezentowała ostatnio usługę Cloud Machine Learning, dzięki której wykorzystując chmurę obliczeniową można budować inteligentne aplikacje oparte na technologii maszynowego uczenia. Potrafiące one przewidzieć kiedy, dlaczego i jak często internauci będą klikać w reklamy danego typu. Również HPE zaoferowało ostatnio uczenie maszynowe w postaci usługi. To chmurowa platforma nosząca nazwę Haven OnDemand, której sercem są interfejsy API, pozwalające deweloperom budować aplikacje klasy enterprise – w tym również aplikacje mobilne – wykorzystujące machine learning.

Polskie firmy nie pozostają w tyle jeżeli chodzi o dostarczanie na rynek produktów i usług wykorzystujących uczenie maszynowe. Wspomniana wyżej warszawska spółka Cloud Technologies w ciągu zaledwie kilku lat stała się rynkowym liderem w zakresie rozwiązań Big Data właśnie dzięki zastosowaniu machine learning w swoich technologiach. Nie brakuje również rozwiązań oferowanych przez mniejszych przedsiębiorców i dotyczących konkretnych obszarów biznesowych, jak np. polityka cenowa.

Jednym z nich jest startup Dealavo, który wyrósł ze spółek CodiLime. Warszawska firma opracowała narzędzie, które potrafi uczyć się cen oraz zachowań konkurencji na rynku e-commerce.

Nasze oprogramowanie kierujemy do producentów, dystrybutorów oraz właścicieli sklepów, którzy sprzedają swoje usługi lub towary w kanale internetowym i mają problem z kontrolowaniem cen swoich kontrahentów oraz konkurencji – wyjaśnia Jakub Kot, CEO Dealavo – Odpowiednio zdefiniowane algorytmy pozwalają na zautomatyzowanie procesu pozyskiwania i analizy danych oraz dostarczanie ich do klientów w czasie rzeczywistym. Dane są zbierane z największych porównywarek cenowych, sklepów internetowych oraz portali aukcyjnych, a zastosowany przez nas mechanizm uczenia maszynowego tzw. fuzzy matching, umożliwia automatyczne znalezienie i dopasowanie produktów, nawet mimo różnic w ich nazwach, opisach czy kodach dodaje Jakub Kot z Dealavo.

Rozwiązanie polskich informatyków cieszy się już sporym zainteresowaniem międzynarodowych korporacji. Korzystają z niego m.in. Samsung, Acer, Remington czy ABC Data. Funkcjonalność tego typu inteligentnych systemów jest doceniana przez coraz więcej firm, które często mozolną, czasochłonną oraz nieefektywną pracę – chcą zastąpić wysiłkiem inteligentnych systemów.

Automat zamiast pracownika?

Big Data i analityka biznesowa niosą ze sobą niespotykane wcześniej możliwości. Dzisiaj właściwie każdy może mieć swojego firmowego „robota”. 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.

Bardzo często jednak w dyskursie na temat postępującej automatyzacji pracy pojawia się obawa, że maszyny czy inteligentne oprogramowanie zastąpią ludzi w ich pracy, a część zawodów, zwłaszcza tych wymagających niższych kwalifikacji, po prostu zniknie z rynku.  Choć IDC prognozuje, że rynek aplikacji wykorzystujących analitykę predyktywną, wliczając w to uczenie maszynowe, będzie rósł o 65 proc. szybciej niż rynek aplikacji nie posiadających takich funkcji, to nie oznacza to bynajmniej, że nagle będziemy mieli do czynienia z masowym bezrobociem. Jak przekonuje Jaromir Paszek z firmy BPSC, która ma na swoim koncie ponad 650 wdrożeń systemów wspierających zarządzanie, m.in. w firmach produkcyjnych:

– Nie powinniśmy obawiać się automatyzacji pracy. Rewolucji technologicznej sprzyja po pierwsze demografia. Po drugie, mimo systematycznie rosnącego stopnia automatyzacji, miejsc pracy wcale nie ubywa. Zakładając, że roboty zastępowałyby pracowników-ludzi, to kraje z najwyższymi wskaźnikami inwestycji w automatyzację powinny mierzyć się dzisiaj z rosnącym bezrobociem, a tak przecież nie jest – tłumaczy Jaromir Paszek.

Jeśli więc myślicie, że myślące maszyny zastąpią Was w pracy, to… poniekąd macie rację. Zamiast poświęcać czas na powtarzalne czynności, które wypełniały Wasz dzień pracy – będziecie mogli zająć się bardziej wymagającymi zadaniami. Albo po prostu zrobicie sobie kawę.