+ BLOG

Sztuczna inteligencja dla początkujących

zjedź niżej

Przenieśmy się w czasie. Jest rok 1950. Świat podnosi się po wielkiej wojnie i wchodzi w fazę błyskawicznego rozwoju. Właśnie wtedy brytyjski matematyk, Alan Turing, pracownik naukowy Uniwersytetu w Manchesterze i badacz algorytmów, otwiera jedną ze swoich prac słowami: "Proponuję rozważyć pytanie – czy maszyny mogą myśleć?".

Czym jednak jest myślenie? To kwestia dla filozofów, nie dla matematyków. Dlatego Turing opracowuje koncepcję gry naśladowczej i formułuje nowe pytanie: "Czy istnieją możliwe do wyobrażenia komputery cyfrowe, które sprawdzą się w imitacji gry?".

Na czym polega gra, której reguły opracował Turing? Jej istotą jest zadawanie pytań w języku naturalnym. W konwersacji udział biorą dwie osoby, mężczyzna i kobieta, przebywający w oddzielnych pomieszczeniach, oraz prowadzący, zwany sędzią. Sędzia zadaje pytania w taki sposób, aby ustalić płeć uczestników - przy czym każdy z nich będzie mylić tropy, udawać kogoś innego lub demaskować drugą osobę. Nadrzędnym celem tak skonstruowanej gry naśladowczej jest wiarygodne określenie, który z uczestników jest maszyną, a który człowiekiem. Jeśli maszyna przeszła test Turinga, znaczy to, że jest w stanie imitować ludzkie zachowanie podczas rozmowy. Naukowiec postawił tezę, że maszyny wcześniej czy później przejdą test. Oszacował nawet datę: około 2000 roku maszyny z pamięcią o pojemności 109 bitów (około 119 MB) oszukają 30% sędziów w czasie pięciominutowej konwersacji. Oceniał też, że uczenie maszynowe stanie się znaczącą gałęzią technologii, a fraza "myśląca maszyna" przestanie być postrzegana jako wewnętrznie sprzeczna.

Naukowiec pomylił się zaledwie o kilkanaście lat - komputer przeszedł test w czerwcu 2014 roku (a więc 14 lat po oszacowaniu Turinga) podczas eksperymentu przeprowadzonego w Londynie. Bot stworzony przez Władimira Weslowa i Jewgienija Demczenko "udawał" wtedy 13-letniego chłopca. Kilka minut rozmowy w formie czatu wystarczyło, aby przekonać sędziów, że program jest człowiekiem. Dziś mamy 2021 rok - od czasu pierwszego opisu testu Turinga minęło 71 lat. Jaki jest aktualny stan rozwoju sztucznej inteligencji? Jak działa i do czego służy w praktyce? I czy maszyny przejmą już wkrótce władzę nad światem?

To już nie film

Rozwój sztucznej inteligencji nie zatrzymał się oczywiście na dokonaniach Alana Turinga. Jej koncepcja ewoluowała, a sam termin „sztuczna inteligencja” wymyślił amerykański informatyk John McCarthy w 1956 r. Określił ją jako „naukę i inżynierię tworzenia inteligentnych maszyn”. W miarę upływu czasu stało się jasne, że konstruowanie takich urządzeń musi być działaniem interdyscyplinarnym, wykorzystującym aktualne osiągnięcia m.in. z zakresu inżynierii oprogramowania, psychologii, filozofii, neuronauki, kognitywistyki, lingwistyki, ekonomii, teorii sterowania, prawdopodobieństwa, optymalizacji, logiki, statystyki i wielu, wielu innych.

Pamiętacie nasz ostatni tekst na temat internetu rzeczy? IoT jeszcze kilkanaście lat temu mogło sprawiać wrażenie efektu specjalnego z filmu science fiction, a dziś jest częścią naszej codzienności. Ze sztuczną inteligencją jest podobnie – otacza nas ze wszystkich stron, a my często nawet nie uświadamiamy sobie, że rozmawiamy z botami albo korzystamy z rozwiązań bazujących na technologii uczenia maszynowego. Nawiasem mówiąc, oba terminy - sztuczna inteligencja, AI (artificial inteligence) oraz uczenie maszynowe, ML (machine learning) często wymienia się jednym tchem. Słusznie, ponieważ są one ze sobą ściśle powiązane. AI to – ogólnie rzecz biorąc - całokształt rozwiązań symulujących ludzkie rozumowanie i wyciąganie wniosków, zaś ML polega na "karmieniu" maszyny dużą ilością danych, z których czepie ona wiedzę i przez to pomaga doskonalić system sztucznej inteligencji. Rozwój AI wspomaga też robotyka - urządzenia sterowane przez oprogramowanie AI są autonomiczne i nie potrzebują instrukcji od człowieka.

Nawiasem mówiąc, IoT oraz AI często działają razem - przykładem takiej synergii może być autonomiczny samochód Google. Sztuczna inteligencja zainstalowana w pojeździe gromadzi obrazy ulic i analizuje je, co pozwala jej unikać przeszkód i przewidzieć potencjalne korki. To nie wszystko - korzysta też z wyliczeń, parametrów i odpowiednich algorytmów, aby w razie konieczności zatrzymać auto. Uwaga: samochody autonomiczne są potencjalnym celem cyberprzestępców, podobnie jak inne urządzenia z sieci IoT.

Rodzaje AI

Aktualnie dzielimy sztuczną inteligencję na dwa rodzaje:

✅ Słaba AI (zwana też wąską, od zakresu zdefiniowanych zadań) - nazwa nieco myląca, ponieważ w rzeczywistości jest to najwyżej rozwinięty obecnie rodzaj AI, wykorzystywany np. w osobistych asystentach cyfrowych, automatach tłumaczeniowych czy wspomnianych już pojazdach autonomicznych. Służy do wykonania precyzyjnie określonych zadań i radzi sobie z nimi na poziomie porównywalnym do ludzkiego, nie wykazuje jednak żadnych cech, które wskazywałyby na rozwój emocji.

✅Silna AI - konstrukt (wciąż jeszcze) teoretyczny, na który składają się ogólna sztuczna inteligencja (Artificial General Intelligence, AGI) oraz sztuczna superinteligencja (Artificial Super Intelligence, ASI). W tej pierwszej maszyna posiadałaby inteligencję równą ludzkiej oraz samoświadomość ze zdolnością myślenia abstrakcyjnego i planowania. Natomiast druga koncepcja jest obliczona na znaczne przewyższenie ludzkich możliwości, również w zakresie umiejętności społecznych. Gdyby takie inteligencje już funkcjonowały, moglibyśmy zacząć się ich... bać. "Superinteligentna AI będzie świetnie radzić sobie z osiąganiem celów, a jeśli te cele nie będą spójne z naszymi, to będziemy mieli problem" – tak mówił o tym słynny brytyjski fizyk Stephen Hawking w czerwcu 2016 roku, podczas sesji pytań i odpowiedzi zorganizowanej przez magazyn WIRED i Nokię.

To nie wszystko. Można też popatrzeć na AI pod kątem jej funkcji – mamy tu do czynienia z pewnym stopniowaniem, od najniższego do najwyższego poziomu:

4️⃣ AI reaktywna - inteligencja z potężną mocą obliczeniową, która działa w czasie rzeczywistym, ale nie ma "pamięci", pojmowanej w ludzki sposób - nie może zatem odwołać się do "wspomnień". Popularnym przykładem reaktywnej AI jest Deep Blue firmy IBM, maszyna, która pokonała arcymistrza szachowego Garry'ego Kasparova w 1997 roku.

3️⃣ AI z ograniczoną pamięcią - system gromadzący "wspomnienia" i podejmujący decyzje na podstawie wniosków z przeszłości. Niemal wszystkie istniejące aplikacje bazujące na AI należą do tej kategorii - są trenowane z wykorzystaniem dużej ilości danych, które przechowują w pamięci operacyjnej.

2️⃣ Teoria umysłu - aktualny przedmiot pracy ośrodków badawczych z całego świata. AI na poziomie teorii umysłu będzie w stanie lepiej zrozumieć jednostki, z którymi wchodzi w interakcje, poprzez rozpoznawanie ich potrzeb, emocji, przekonań i procesów myślowych. Chociaż sztuczna inteligencja emocjonalna jest już rozwijającą się branżą i obszarem zainteresowania czołowych badaczy AI, osiągnięcie poziomu teorii umysłu będzie wymagało rozwoju także w innych gałęziach AI. Dzieje się tak, ponieważ aby naprawdę zrozumieć ludzkie potrzeby, maszyny AI będą musiały postrzegać ludzi jako jednostki, których umysły mogą być kształtowane przez wiele czynników, zasadniczo "rozumiejąc" ludzi.

1️⃣ Samoświadome AI - ostatni etap rozwoju sztucznej inteligencji, istniejący jedynie hipotetycznie lub jako koncept kulturowy. Pamiętacie replikantów i testy empatii z "Łowcy Androidów" Ridleya Scotta? Samoświadome maszyny - takie jak w filmie - będą w stanie nie tylko zrozumieć i wywołać emocje u tych, z którymi wchodzi w interakcje, ale także posiadać własne emocje, potrzeby, przekonania i potencjalnie pragnienia.

Ze świata popkultury wróćmy teraz do rzeczywistości. Jakie zastosowania mają współczesne aplikacje z modułem AI?

Zastosowania

Programiści na całym świecie – również specjaliści DCG – wykorzystują technologię AI w szerokim zakresie problemów biznesowych, m.in w poniższych dziedzinach:

Analiza dokumentów
AI pozwala na kategoryzację danych w oparciu o treść dokumentów lub inne informacje (współrzędne, mapy). Przykład? Wiele platform pocztowych wykorzystuje sztuczną inteligencję, aby spam nie zaśmiecał skrzynki odbiorczej.

Wprowadzanie danych głosem oraz rozpoznawanie mowy
Czy wiesz, z kim rozmawiasz, gdy rozpoczynasz konwersację w mediach społecznościowych? Ten rodzaj AI jest zainstalowany w chatbotach (również rekrutacyjnych) lub asystentach głosowych, wybudzanych głosem i obsługujących proste komendy. Pozwala też generować wypowiedzi w języku naturalnym.

Prognozowanie na podstawie danych
To rozwiązanie, oparte na technice uczenia maszynowego (ML – Machine Learning), służy do analizowania dużych ilości danych i przekształcania ich w prognozy. Ma to zastosowanie np. w branży medycznej – dzięki AI zyskujemy pomoc w badaniach, testach, diagnozowaniu, leczeniu i monitorowaniu.

Rozpoznawanie obrazów
Przetwarzanie, analiza i klasyfikacja danych ze zdjęć lub filmów. Na obrazach przeprowadzana jest klasyfikacja, tekst zostaje odczytany, a położenie obiektów zidentyfikowane. Dzięki temu można np. rozpoznać defekty w infrastrukturze.

Optymalizacja procesów
Analiza informacji wytwarzanych na co dzień np. w sieci IT albo środowisku przemysłowym. Dzięki zaawansowanym algorytmom możliwe jest wykorzystanie tych danych, m.in. do identyfikacji procesów i procedur.

Perspektywy AI

Nie ma już odwrotu od rozwiązań AI, z czego zdają sobie sprawę zarówno specjaliści IT, jak i zwykli obywatele. Według badania Eurobarometru z 2017 roku, 61% Europejczyków przychylnie patrzy na sztuczną inteligencję i roboty, ale 88% twierdzi, że technologie te wymagają ostrożnego zarządzania.

DCG, jako partner technologiczny dla liderów rynku, pracuje i myśli w kategoriach przyszłości. Wiemy, że rozwój technologii opartych o AI jest nieuchronny, a dzięki pracy z najlepszymi widzimy też, że zarządy firm są w trakcie uruchamiania systemów opartych o sztuczną inteligencję lub zrobiły to już jakiś czas temu. Żadna firma nie chce przegrać wyścigu o palmę pierwszeństwa w tym zakresie. Walka o innowacje nasila się dosłownie z każdym miesiącem.

Oto przykłady projektów z komponentami AI, które realizujemy w tej chwili dla naszych Klientów:

✅Projekt, w ramach którego umieszczamy w portach morskich podłączone kamery. Opracowujemy i trenujemy modele wykrywające, czy i kiedy kierowcy ciężarówek opuszczają swoje pojazdy w niedozwolonych miejscach. Celem jest zapobieganie wypadkom, ponieważ bezpieczeństwo w portach to dość delikatna materia, a gra toczy się tu o ludzkie życie. Zajmiemy się modelami wizji komputerowej, a także implementacją łączności pomiędzy kamerą, urządzeniem brzegowym i Azure.

✅ Projekt pilotażowy dla agencji rządowej w jednym z krajów UE. Agencja zajmuje się rozwojem innowacji, a projekt wykorzystuje analizę tekstu w celu kategoryzacji wniosków o finansowanie badań.

✅ Projekt dla branży wydobywczej z zakresu automatyzacji nadzoru z wykorzystaniem wizji komputerowej.

✅ Projekt data science dla firmy dostarczającej sprzęt na place budowy. Kamery przy bramach wjazdowych na plac budowy wykorzystują modele, służące wykrywaniu i ostrzeganiu, jeśli pracownikom brakuje wyposażenia zapewniającego bezpieczeństwo. Kamery są podłączone do urządzenia brzegowego, które komunikuje się z Azure i automatycznie „wyrzuca” ostrzeżenia, jeśli przepisy bezpieczeństwa nie są spełnione.