A ak sci-fi neobľubujete, aj tak bude tento článok pre vás zaujímavý. Po jeho prečítaní si totiž uvedomíte, že s umelou inteligenciou sa v podstate už bežne stretávate. A možno v ňom nájdete aj inšpirácie ako Machine learning zakomponovať do vašich elektronických zariadení a získať tak výraznú konkurenčnú výhodu.
Umelá inteligencia nie je nič nové...
Myslíte si, že umelá inteligencia a učiace sa stroje je horúca novinka? Techniku Deep learning, pomocou ktorej sa stroje učia na základe predchádzajúcich skúseností a bez explicitného programovania, uplatnil už v roku 1955 Arthur Samuel. Mal pred sebou veľkú výzvu, chcel naučiť počítač hrať a vyhrať Dámu. Ale ako naučiť niečo exaktne konajúce hrať dámu lepšie ako on sám? Jednoducho nechal hrať dva počítače proti sebe a na základe veľkého množstva odohraných partií nakoniec počítač dokázal v 70-tych rokoch porážať majstrov v tejto hre.
Problémom v tej dobe bol ale výpočtový výkon počítačov. Deep learning, Učiace sa stroje ako jedna z najčastejšie používaných metód pri učení sa strojov totiž predpokladá dostatočný objem dát. Teda čím viac dát a opakovaní (pokus-omyl), tým presnejšie je učenie. Určite by sa Samuelove počítače nenaučili vyhrávať v dáme po 10 či 100 hrách. Avšak dnes už máme k dispozícii technológie a počítače s dostatočným výpočtovým výkonom na kvalitné využívanie algoritmu Deep learning. A rýchlosť učenia bude exponenciálna!
Zabudnime na explicitné programovanie
Mnohé zo zariadení, ktoré vyvíjate a vyrábate alebo používate, sú postavené na tradičnom explicitnom programovaní (IF-THEN-ELSE). Teda “ak je splnená taká podmienka, potom vykonaj toto, inak urob toto”. To je úplne v poriadku, avšak postupne chceme prenášať na stroje zložitejšie a zložitejšie úlohy, pre ktoré je takmer nemožné naprogramovať obslužný softvér explicitne. Najlepším príkladom je rozoznávanie obrázkov. Chceme naučiť stroj rozoznať na obrázku nejaký jednoduchý predmet, napríklad stôl.1. Pri explicitnom programovaní
Napísali by sme skript, kde zadefinujeme: “pokiaľ je to objekt obdĺžnikového tvaru a má 4 nohy, tak je to stôl.” Ale čo ak je ten stôl okrúhleho tvaru? OK, doplníme túto podmienku do skriptu... A čo ak to bude stôl, ktorý má len jednu veľkú nohu v strede? OK, doplníme aj túto podmienku do skriptu.. A čo ak to bude oválny konferenčný stolík bez nôh?
2. Machine learning využíva úplne iný prístup
Využíva matematické modely, ktoré v dátach hľadajú podobné znaky. Na začiatku človek pomáha stroju v učení. Označí zopár obrázkov, na ktorých je stôl.Na základe podobných čŕt stroj skúsi vytriediť z veľkého množstva určitú skupinku obrázkov so stolom. Človek potvrdí, resp. vyvráti, či na obrázkoch je stôl. Stroj si podľa týchto hodnotení upraví svoj algoritmus rozoznávania stola na obrázku. A po niekoľkých opakovaniach dokáže byť už obslužný program dosť presný. Rozdiel medzi tradičným programovaním a machine learning najlepšie demonštruje táto schéma:
Doteraz sme písali programy, ktoré na základe vstupov generovali výstupné dáta. Výstupom machine learning je samotný program, ktorý sa sám zdokonaľuje na základe výstupných dát. A to pred nami stoja výzvy ako napríklad rozpoznávanie prekážok pre autonómne dopravné prostriedky, preklady a tlmočenie, správna diagnostika v medicíne... Viete si vôbec predstaviť na to napísať obslužný program tradičným explicitným programovaním? Ako by ste explicitne napísali softvér, ktorý rozozná chodca od stromu? Takmer nemožné!
Prvým praktickým priekopníkom A.I. (artificial intelligence - umelá inteligencia) je určite Google. Spomínate si, aký nedokonalý bol ich prekladač na začiatku pri explicitnom prekladaní po slovách? Dnes je za celým prekladom machine learning a vy máte možnosť priamo pri výsledku prekladu upraviť tento preklad. Dávate tak ich stroju ďalší podnet na úpravu programu, a tým aj na jeho zlepšenie sa. A to sa deje bez ľudského programátorského zásahu. Alebo vedeli by ste si predstaviť programovať explicitne také intuitívne vyhľadávanie na webe? Ak by nebol Google vyhľadávač dnes postavený na A.I., verte, už by ste ho asi ani nechceli používať. Nebol by totiž schopný poskytnúť vám relevantný obsah k tomu, čo ste hľadali. Dnes už totiž nepíšeme do vyhľadávania 1-2 slová, ale rovno celé vety a otázky. :-)
A prečo to nechať na stroje a ich inteligenciu?
O tomto sme už nedávno písali v článku o Industry 4. 0. Cieľom 4. priemyselnej revolúcie je personalizácia a prispôsobovanie sa na mieru individuálnym požiadavkám. V dnešnom svete sa všetci chceme cítiť komfortne ako individuality, no zároveň je nás na svete veľmi veľa. A tak to bez personalizácie a “customizácie” nepôjde. Nie je v ľudských silách prispôsobovať postupy miliardám jednotlivcov na svete. Ale stroje s A.I. by to dokázať mohli.
Stroje s A.I. nezabúdajú, a preto na základe histórie dokážu lepšie predikovať budúcnosť. Stroje s A.I. nemajú predsudky, dokážu dať bokom emócie a hodnotia ľudí na základe ich správania a nie všeobecných predpokladov (vek, pohlavie, či výsledky prieskumov). Prečo je väčšina reklám a ponúk na auto zameraná na mužov, keď viac ako 60% vyhľadávaní o autách na mobiloch robia ženy?
A.I. dokáže pre každého jednotlivca pripraviť individuálnu ponuku na základe jeho záujmu prejaveného v jeho správaní. My ako ľudia mnohokrát sami nevieme, čo by sme chceli. A stroje by to v budúcnosti na základe nášho správania mohli vedieť. Verím, že umelá inteligencia pomôže mužom pochopiť ženy a napovie im, ako správne reagovať v danej situácii (a samozrejme aj naopak, ženám pochopiť mužov). :-)
Chcem to s A.I. skúsiť. Ako na to?
Ak si myslíte, že dozrel čas na to, aby ste do svojich aplikácií a zariadení implementovali prvky umelej inteligencie, je dobré rozdeliť si to do 3 častí:1. Učenie sa - ako a na akých dátach?
Skúste svoj prístup postaviť na eliminovaní explicitného programovania. Možno vás to prekvapí, ale v súčasnosti sú technológie postavené na Machine learning dostupné bezplatne. Vo svete sú k dispozícii rôzne open source platformy a frameworky. Poznáte napríklad tieto?
TensorFlow
Torch
Caffe
AML (Amazon Machine Learning) Apache Mahout
a pod.
Mnohé cloudové riešenia (ako napr. Google Cloud, Microsoft Azure, či AWS od Amazonu) priamo tieto frameworky už obsahujú. Dôležité je vedieť, čo presne chcem učiť tieto stroje a akými dátami ich budem zásobovať. Lebo samotný Machine learning bez dostatočného množstva dát je nepoužiteľný. Môžete začať s niečím úplne jednoduchým, len za účelom testovania. Napríklad jeden bláznivý nápad za všetky: Ak máte vo firme jedáleň, mohli by ste dávať dohromady dáta z jedálneho lístka s množstvom neskonzumovaného jedla a nechať na A.I. návrh jedálneho lístka v budúcnosti :-)
2. Návrh a vybudovanie riešenia - na akých technológiách (HW, SW) a ako bude vyzerať štruktúra riešenia?
Asi Vás už neprekvapí, že dnes je všetko v cloude. Servery, úložiská, dáta, výpočtový výkon centralizujeme do cloudových centier, aby sme znásobovali naše možnosti. Centralizujeme za účelom zvyšovania efektívnosti. Mať dnes svoju IT infraštruktúru priamo vo firme je veľmi nákladné, a tak náklady na kvalitnú prevádzku IT služieb v cloude sa rozrátajú na viacero takýchto firiem ako je tá moja. Hovoríme o tzv. zdieľanej ekonomike.
Prečo začať využívať vo svojich zariadeniach cloudové riešenia?
Najjednoduchšie si to ukážeme na príklade produktu od Amazonu. Poznáte ich “inteligentnú krabičku” Echo Dot s Alexou? Ide o malé zariadenie, ktoré reaguje na ľudský hlas, odpovedá na vaše otázky. A môžete sa pýtať naozaj čokoľvek... Ak by túto inteligenciu integrovali do samotného zariadenia, vyžadovalo by si to vysoký výkon a to zariadenie by stálo stovky, ak nie tisícky dolárov. Ono však stojí 30-40 dolárov.
A viete prečo? V podstate je to len “primitívne” zariadenie s mikrofónom, reproduktorom a pripojením na internet. Nahrá vašu otázku a odošle ju na server do cloudu. Tam je srdce a hlava celého riešenia, ktoré pretransformuje reč do textu, vyhľadá na internete, výsledok prevedie do reči vašej “asistentky” Alexy a nahrávku pošle do zariadenia. Samotné zariadenie už potom nahrávku len prehrá.
Nepotrebujete mať počítač s výpočtovým výkonom a sofistikovaným obslužným softvérom priamo v zariadení. A práve preto ho môžete predávať za 30 dolárov. Predáte ich veľa, a tak náklady na centrálne riešenie v cloude rozrátate na všetky predané zariadenia. A ideme v zdieľanej ekonomike ďalej... Amazon nielenže využíva to srdce riešenia v cloude pre svoje zariadenia, ale za určitý poplatok ponúkne túto službu komukoľvek, kto by ju chcel implementovať do svojich vlastných zariadení. A tak sa náklady na srdce riešenia rozrátajú aj na ďalšie zariadenia tretích strán. Ešte stále váhate nad zapojením cloudu?
3. Prínos - aký prínos a výhody bude mať dané riešenie?
Zlepšíte niekomu životný komfort svojím riešením s A.I.? Alebo dokážete s A.I. nebodaj zachraňovať životy, pretože eliminujete obmedzenia, ktoré sú v ľudskej práci?
Za všetky skúsime uviesť zopár reálnych príkladov:
V USA začali pri diagnóze mozgovej cievnej príhody využívať umelú inteligenciu. Totiž aj
veľmi dobrému neurorádiológovi trvá v priemere 30-60 minút, kým zo snímok z CT-čka
identifikuje, či má pacient mozgovú príhodu. Problém je, že už po 12 minútach začína
dochádzať k prvým poškodeniam mozgu. Systém, do ktorého zhromaždili obrovské množstvo
historických dát vo forme CT snímok so závermi, či išlo alebo nešlo o mozgovú príhodu,
teraz dokáže diagnostikovať mozgovú cievnu príhodu do 15 sekúnd!
Iný tím s pomocou A.I. zase na základe veľkého množstva historických snímok tumorov a okolitých buniek dokáže v predstihu identifikovať vznikajúci rakovinový nádor, aj keď ho na snímke ešte človek nepozoruje.
rýchlejšie! Už dnes sú dostupné A.I. systémy, ktoré dokážu tlmočiť vašu reč do cudzieho
jazyka. A to nehovoríme o obyčajnom simultánnom tlmočení. Systém s pomocou deep
learning sa dokáže naučiť modulovať váš hlas a v podstate bude v cudzom jazyku hovoriť
vašim hlasom. Samozrejme, ešte to nie je dokonalé, ale základ je daný a systémy sa budú
učiť exponenciálnou rýchlosťou.
Veľký priestor na využitie strojov s umelou inteligenciou je v poľnohospodárstve. Firma
zaoberajúca sa vývojom HW vyvinula zariadenie, ktoré sa pripojí za traktor ako nejaká
“vlečka”. Toto zariadenie sa naučilo metódou deep learning všetko o tom, ako má vyzerať
perfektná zdravá plodina, ako vyzerá burina, prípadne iné príznaky prítomnosti škodcov či
rastlinných chorôb. V priebehu jednej minúty oskenuje 5000 rastlín a vyhodnotí, či je
potrebné strieknuť na plodinu vodu alebo nejaký chemický postrek. Závlaha či postrek sa
tak neaplikuje plošne na celé pole, ale lokálne pre každú rastlinku individuálne. Jedno zariadenie dokáže takto prejsť 20 hektárov denne a ošetriť 2,5 trilióna rastlín ročne. A prínos pre ľudstvo? Pri súčasnej výmere celosvetovej poľnohospodárskej pôdy by sme vedeli vyprodukovať 5-násobne viac jedla pri súčasnom znížení spotreby vody a pesticídov o 90%!
Epilóg alebo má to nejaké ale...?
Skúsme sa pozrieť, čo už dnes stroje s umelou inteligenciou dokážu. Vedia čítať a písať, počúvať a hovoriť, vyhľadávať veci, zbierať a integrovať vedomosti. Možno to v niektorých prípadoch nedokážu robiť tak dobre ako človek, ale dali sme im spôsob, ako sa to rýchlo dokážu učiť a neustále zdokonaľovať. A to exponenciálne!80% ľudí v moderných rozvinutých krajinách pracuje v službách, kde sú platení za to, čo učíme robiť stroje (napr. riadiť prostriedky hromadnej dopravy, pripravovať jedlo, diagnostikovať choroby, a pod.). Sme na to pripravení, že 80% ľudí by malo prísť o prácu? Ani nie pred dvoma rokmi, keď sme na tomto mieste písali o automatizácii v rámci Industry 4. 0. , sme predpokladali, že ľudská práca sa presunie viac na pozície prác s dátami. Žiaľ, už ani to podľa nás nie je pravda. Ukázali sme strojom, ako sa môžu učiť pracovať s dátami, analyzovať a vyhodnocovať ich. Teraz sa vraví, že ľuďom ostane priestor na tzv. “taking actions”, teda rozhodovanie a tvorbu algoritmov.
Ale je to naozaj tak?
Nie je teda práve teraz čas začať diskutovať o nových sociálnych a ekonomických štruktúrach našej spoločnosti? Čo bude zmyslom života pre mnohých ľudí, ak nie práca?
Táto priemyselná revolúcia (Industry 4.0) je totiž iná ako tie predchádzajúce. Po každej priemyselnej revolúcii nastal prudký nárast v produktivite, následne však sprevádzaný ustálením. Teraz hovoríme o revolúcii spojenou s machine learning, a tu predpokladáme exponenciálny rast, po ktorom zrejme nebude nasledovať stabilizácia.
V neposlednom rade je tu stále viac aktuálna otázka bezpečnosti. Do akej miery dokážeme garantovať, že istá záujmová skupina ľudí nezačne zneužívať A.I. a získané dáta vo svoj prospech? Stroje s umelou inteligenciou sú ako malé deti, akých rodičov (teda ľudí) budú mať, takou cestou sa vyberú. A možno práve do tejto oblasti bezpečnosti by sme mali postupne smerovať tých 80% nezamestnaných. Lebo všetky skvelé vynálezy vznikali s prvotne dobrým a ušľachtilým zámerom…
Čo znamená A.I. pre vás a nás?
Dnes už určite nestojí otázka, či je vo vašich aplikáciách a zariadeniach priestor na A.I. Otázka skôr znie, či budeme v branži medzi prvými technologickými lídrami a profitovať z toho, alebo len budeme dobiehať odchádzajúci vlak.
Máme pre vás dobrovoľnú domácu úlohu :-) Skúste si dať vo firme brainstorming na tému, ako viete A.I. zakomponovať do vašich zariadení. Možno sa pozriete von oknom a poviete si: “Neexistuje, umelá inteligencia a tu?” Mať ale takúto víziu a byť priekopníkom na trhu - to je zaručená konkurenčná výhoda a úspech!
Radi vám pri tom v HW časti pomôžeme s našimi súčiastkami. A ešte radšej sa s vami o možnostiach A.I. porozprávame na našich unikátnych workshopoch, ktoré pripravujeme s Microsoftom. Pokúsime sa postaviť modelové zariadenie, kde skĺbime naše HW znalosti so SW znalosti spoločnosti Microsoft a okoreníme to pripojením do cloudu s využitím prvkov umelej inteligencie.
Podrobnejšie informácie očakávajte už čoskoro!
Rastislav Talárovič
Head of Marketing Department & Google Partners Trainer
Nezmeškajte takéto články!
Páčia sa Vám naše články? Nezmeškajte už ani jeden z nich!
Nemusíte sa o nič starať, my zabezpečíme doručenie až k Vám.