Sztuczna inteligencja jako usługa - stoimy przed przełomem, który zmieni biznes

Zanim biznes będzie mógł skorzystać z mechanizmów sztucznej inteligencji potrzebny jest człowiek - data scientist - który będzie w stanie odpowiednio ją zaaplikować. Jak wynika z badania SAS, firmy przygotowują się do wdrożenia SI, ale stają przed problemem braku kadr. Z jednej strony automatyzacja zabiera bowiem pracę, ale z drugiej tworzy nowe zawody.

Karol Kopańko, Spider's Web: Czy posiadanie data scientisty jest dziś koniecznością?

Patryk Choroś, Business Development Director w SAS Polska: Absolutnie. Jego obecność pozwala optymalizować koszty realizowania różnych przedsięwzięć. Data scientist przez swoją umiejętność rozumienia biznesu i wykorzystania danych powinien partycypować w kreowaniu produktu i procesie tworzenia oferty biznesowej. Dzięki jego pracy z wykorzystaniem sztucznej inteligencji organizacja może przeobrazić się z naśladowcy w innowatora.

Dużo się mówi o tym, że sztuczna inteligencja pozbawi ludzi pracy, ale przecież zarazem stworzy nowe zawody, np. takiego data scientist, który będzie w stanie zautomatyzować część procesów. Czy dzięki temu wzrośnie efektywność działania firmy?

Jeden data scientist przy wykorzystaniu SI jest w stanie zastąpić 5 innych osób. Jest też oczywiście droższy. Trzeba jednak pamiętać, że proces automatyzacji podejmowania decyzji przestaje być wyróżnikiem na rynku. Robi to każdy, kto chce na nim jeszcze pozostać, co udowodniło nasze badanie (większość przedsiębiorstw przygotowuje się do wdrożenia sztucznej inteligencji - przyp.red.).

Z jednej strony przestajemy potrzebować szeregowych analityków, którzy decydowaliby o przyznaniu kredytu, a zamiast nich pojawia się popyt na data scientistę, który zaaplikuje SI, zautomatyzuje cały proces i będzie go nadzorował.

Co to znaczy aplikować SI?

To znaczy identyfikować miejsca, gdzie można wykorzystać jej działanie; rozumieć w jaki sposób zbudować rozwiązanie informatyczne, które będzie działało automatycznie; wiedzieć jak wybrać odpowiednie metody matematyczne.

Jednak wciąż do generalnej sztucznej inteligencji jest nam dość daleko.

Oczywiście, wciąż najczęściej zastosowanie danej SI jest bardzo wąskie. Widać jednak pewne przełomy w tym procesie. Podam przykład. Niedawno algorytmy OpenAI zostały nauczone zasad gry w Go, ale już samej strategii nie. Jest to znaczna różnica w porównaniu np. do Watsona, który przed pokonaniem Kasparowa analizował tysiące innych pojedynków. OpenAI grało więc samo ze sobą, aż w końcu osiągnęło poziom wyższy od człowieka.

To przykład uczenia bez nadzoru: zostawiamy algorytm samemu sobie i niech wykombinuje odpowiedź na zagadkę. Samodoskonalenie jest zaś cechą sztucznej inteligencji. Tu zadziałało, choć znów w bardzo wąskim obszarze.

Jak w takim razie na tym przełomie może skorzystać biznes?

Podam tu kolejny przykład, algorytmu, który sam nauczył się poprawiać rozdzielczość zdjęć.

Brzmi jak „wyostrzanie” z amerykańskich filmów kryminalnych.

I tak działa. Algorytm nauczył się w jaki sposób zdjęcia twarzy ulegają agregacji do obrazów 8x8 i później mógł bez problemów przeskalować je do rozdzielczości 32x32. Co ważne, nie widział wcześniej oryginalnych zdjęć w pełnej jakości.

Magia! Choć z drugiej strony każda nowoczesna technologia, której nie rozumiemy, wydaje się czarami.

Problem pojawia się kiedy musisz wytłumaczyć jej działanie. Powiedzmy, że nagranie z kamery CCTV jest dowodem w sądzie. Do zwiększenia jego jakości wykorzystuje się zaś wspomniany wyżej algorytm. Skąd mamy pewność, że jest on bezbłędny skoro nie wiemy jak działa?

Wielomian, który jest wynikiem działania algorytmów data-minigowych możemy wyjaśnić bez problemu. Człowiek jest w stanie objąć go głową. SI już nie. Dopiero niedawno amerykańska organizacja DARPA podjęła wyzwanie wyjaśnienia sposobu działania SI. Chce sprawić, aby jej algorytmy były zrozumiałe dla człowieka.

Czyli sama organizacja nie jest w stanie wytłumaczyć logiki swojego postępowania.

Pytanie brzmi: czy jestem skłonny oddać kluczowe decyzje w moim biznesie algorytmowi, którego nie rozumiem - regułom, których nie jestem w stanie w żaden sposób audytować.

Właśnie dlatego jak dziś spojrzymy na aplikacje SI do wsparcia procesów biznesowych, to wszędzie, gdzie są procesy krytyczne, zawsze na końcu jest człowiek.

A człowiek nie jest najbardziej awaryjnym elementem układanki?

Człowiek może wziąć odpowiedzialność.

A SI nie może?

To już problem etyczno-filozoficzny, ale bardzo łatwo sprowadzić go na ziemię przykładem z autonomicznymi samochodami. Jeśli taki samochód ma wypadek, to kto bierze za niego odpowiedzialność?

Twórca SI.

Wówczas przystopowalibyśmy innowacyjność, bo nikt nie chciałby produkować takiej SI. Zbyt duża odpowiedzialność. Już teraz powszechnie stosujemy SI w chatbotach, call center, marketingu i pozycjonowaniu, ale nie zeszła jeszcze ona do rdzenia działalności, bo tam są ludzie.

Jak w takim razie mógłby wyglądać kontakt klienta z SAS-em, gdybyśmy tolerowali SI wszędzie?

Klient daje SI dostęp do swoich danych, a ona samodzielnie wraca ze wskazówkami. Dziś jest nieco inaczej, choć np. już  teraz oprogramowanie SAS-a zarządza w Play'u up-selliingiem, cross-sellingiem i churnem.

A może w przyszłości staniecie się firmą sprzedającą konsulting w formie SI?

To pytanie do zarządzających firmą. Wydaje mi się jednak, że droga SAS-a do Artificial intelligence as a Service (AIaaS) to jest otwarta, zwłaszcza patrząc na to, co dzieje się w innych branżach. Przykładowo producenci samochodów przestają być wytwórcami, a stają się operatorami logistycznymi.

Wtedy wyścig w biznesie wygra ten, kto ma lepszą SI?

Tak długo jak artificial intelligence nie będzie artificial innovation, tak człowiek nadal będzie niezbędny. Odpowiem na naszym przykładzie. Nasi klienci wiedzą, że oprócz świetnego oprogramowania, mamy też doświadczonych konsultantów. Dlatego decydują się z nami na współpracę.