Uczenie maszynowe - science-fiction czy element naszej rzeczywistości?

Dlaczego mielibyśmy pozwalać decydować maszynom i opierać się na ich inteligencji? Jesteś fanem science-fiction? Jeśli tak, rzućmy okiem na naszą - nie tak odległą - przyszłość. Przyszłość, w której „uczące się i myślące maszyny” znacznie ułatwiają nam pracę lub nawet całkowicie wykonują ją za nas.
Artykuł archiwalny opublikowany 14.08.2018. Niektóre informacje mogą być już nieaktualne i niezgodne ze stanem faktycznym. Osoby zainteresowane prosimy o kontakt.

Poniższy artykuł może Cię zainteresować, nawet jeśli nie jesteś fanem science-fiction. Dzięki niemu zobaczysz, że już teraz na co dzień spotykamy się ze sztuczną inteligencją. Kto wie, być może przedstawione poniżej informacje zainspirują Cię do włączenia uczenia maszynowego do Twoich urządzeń elektronicznych, co pozwoli Ci uzyskać znaczną przewagę nad konkurencją.

Sztuczna inteligencja to nic nowego...
Czy myślisz, że sztuczna inteligencja i uczenie maszynowe to zupełna nowość? Technika głębokiego uczenia, z ang. Deep learning, wykorzystywana przez maszyny do nauki na podstawie doświadczeń bez potrzeby dodatkowego programowania, została zastosowana już w 1955 roku przez Arthura Samuela. Miał on przed sobą wielkie wyzwanie - chciał nauczyć komputer grać i wygrywać w warcaby. Ale jak można nauczyć grać w warcaby lepiej niż gra się w nie samemu? Samuel po prostu pozwolił grać dwóm komputerom po przeciwnych stronach. Dzięki temu w latach 70. komputer był w stanie pokonać mistrzów gry w warcaby.

W ówczesnych czasach zdolność obliczeniowa komputerów stanowiła duży problem. Głębokie uczenie, jedna z najpowszechniej stosowanych metod uczenia się maszyn, wymaga znacznej ilości danych. Tak więc, im więcej danych i powtórzeń komputer będzie miał do dyspozycji (metodą prób i błędów), tym lepsze będą wyniki nauki. Z całą pewnością komputer Samuela nie nauczył się wygrywać po 10 czy nawet po 100 partich. Warto zauważyć, że obecnie mamy technologię i komputery z mocą obliczeniową wystarczającą na wykorzystanie algorytmów głębokiego uczenia. A szybkość uczenia się będzie rosła w sposób wykładniczy!

Zapomnij o programowaniu

Wiele opracowywanych i konstruowanych przez Ciebie urządzeń opiera się na tradycyjnym programowaniu (JEŻELI-TO-W PRZECIWNYM WYPADKU). Tak więc, „jeżeli dany warunek jest spełniony, wówczas zrób tak, w przeciwnym razie zrób tak”. Oczywiście, taki sposób postępowania jest skuteczny, ale naszym zamiarem jest, aby maszyny wykonywały bardziej złożone i skomplikowane zadania, dla których odgórne zaprogramowanie sposobu działania jest niemal niemożliwe.

Najlepszym przykładem jest rozpoznawanie obrazów. Chcemy nauczyć maszynę rozpoznawać prosty przedmiot, na przykład stół.

1. Jeżeli chcielibyśmy stworzyć program…
musielibyśmy opracować skrypt, w którym zdefiniujemy, co następuje: „Jeżeli przedmiot jest prostokątny i ma cztery nogi, to jest to stół”. Ale co, jeśli stół jest okrągły? OK, dodamy taką okoliczność do skryptu ... A co, jeśli stół będzie mieć tylko jedną wielką nogę pośrodku? OK, taki przypadek również dodamy do skryptu ... A co w przypadku, gdy będzie to okrągła ława bez nóg?

2. Uczenie maszynowe
stosuje zupełnie inne podejście. Wykorzystuje modele matematyczne do wyszukiwania podobnych znaków w danych. Na początku człowiek pomaga maszynie w nauce rysując kilka rodzajów stołów. Na podstawie cech stołu, maszyna próbuje wyróżnić rysunki przedstawiające stół z dużej grupy różnych rysunków. Człowiek potwierdza lub zaprzecza, że na rysunku widać stół. Na podstawie tych ocen, maszyna modyfikuje swój algorytm rozpoznawania stołu. Po kilku powtórzeniach, rozpoznawanie może być już całkiem dokładne.

Różnicę pomiędzy tradycyjnym programowaniem a uczeniem maszynowym najlepiej ilustruje poniższy schemat:

obr2172_p029cb074bd3b.jpg
obr2172_pcdf2abb0905d.jpg


Do tej pory opracowywaliśmy programy, które generują dane wyjściowe na podstawie sygnałów wejściowych. Wynikiem uczenia maszynowego jest sam program, który sam się udoskonala w oparciu o dane wyjściowe.

A mimo to wciąż stoją przed nami wyzwania, takie jak rozpoznawanie przeszkód przez autonomiczne środki transportu, tłumaczenie pisemne i ustne, prawidłowa diagnostyka medyczna, itd. Czy możesz sobie w ogóle wyobrazić, jak napisać taki program przy pomocy tradycyjnego programowania? W jaki sposób opisałbyś w programie sposób na odróżnienie pieszego od drzewa? To prawie niemożliwe!

W praktyce pierwszym pionierem A.I. (artificial intelligence - sztuczna inteligencja) zdecydowanie firma Google. Czy pamiętasz, jaki niedoskonały początkowo był ich tłumacz, gdy próbował tłumaczyć tekst słowo w słowo? Obecnie całe tłumaczenie jest wynikiem uczenia maszynowego, a dodatkowo mamy możliwość redakcji tłumaczenia bezpośrednio w oknie wynikowym. W ten sposób dajemy maszynie kolejne dane pozwalające na modyfikację programu i jego ulepszenie. A dzieje się to bez interwencji człowieka-programisty. A czy byłbyś w stanie wyobrazić sobie zaprogramowanie intuicyjnej wyszukiwarki internetowej? Gdyby mechanizm wyszukiwania Google nie był oparty na A.I., możesz mi wierzyć, wolałbyś go nie używać, ponieważ nie byłby w stanie dać Ci wyników odpowiadających Twoim oczekiwaniom. Obecnie nie wpisujemy 1-2 słów w oknie wyszukiwarki, ale całe zdania i pytania. :-)

Dlaczego mielibyśmy pozwalać decydować maszynom i opierać się na ich inteligencji?
Pisaliśmy już o tym w artykule na temat przemysłu 4.0. Celem czwartej rewolucji przemysłowej jest personalizacja i adaptacja indywidualnych wymagań. W dzisiejszym świecie wszyscy chcemy czuć się komfortowo jako indywidualiści, ale jest nas tak wielu. Bez personalizacji i „adaptacji” nie będzie to możliwe. Człowiek nie jest w stanie dostosować procesów do miliardów osób na świecie. Ale maszyny wyposażone w A.I. mogłyby to zrobić

Maszyny z A.I. nie zapominają, dzięki czemu na podstawie historii mogą lepiej planować przyszłość. Maszyny z A.I. nie mają uprzedzeń, mogą odłożyć emocje na bok i nie oceniać ludzi na podstawie ich zachowania ani w oparciu o ogólne wrażenia (wiek, płeć, wyniki ankiety). Dlaczego większość reklam i ofert samochodowych skierowana jest dla mężczyzn, skoro ponad 60% zapytań z wyszukiwarek w telefonach komórkowych pochodzi od kobiet?

A. I. jest w stanie przygotować indywidualną ofertę dla każdej kolejnej osoby w oparciu o zainteresowania odczytane z ich zachowania. My jako ludzie, bardzo często sami nie wiemy, czego tak naprawdę chcemy. Natomiast maszyny mogą w przyszłości to wiedzieć w oparciu o nasze zachowanie. Osobiście uważam, że sztuczna inteligencja może pomóc mężczyznom lepiej zrozumieć kobiety i podpowiedzieć im, w jaki sposób reagować, stosownie do sytuacji (i oczywiście kobietom zrozumieć mężczyzn) :-)


Chcę spróbować wykorzystać A.I. Jak to zrobić?

Jeśli uważasz, że nadszedł czas wdrożenia sztucznej inteligencji w Twoich aplikacjach i urządzeniach, najlepiej jest podzielić ten proces na 3 etapy.

1. Uczenie się - w jaki sposób i na jakich danych?Spróbuj oprzeć swoje podejście na wyeliminowaniu otwartego programowania. Możesz być zaskoczony, ale w chwili obecnej technologie oparte na uczeniu maszynowym są dostępne za darmo. Dostępne są różnorodne platformy i środowiska na licencji open source. Czy znasz na przykład takie?
TensorFlow

Torch
Caffe
AML (Amazon Machine Learning) Apache Mahout

itp.

Wiele rozwiązań opartych na chmurze (Google Cloud, Microsoft Azure, czy Amazon AWS) korzysta bezpośrednio z tych platform.

Ważne jest, aby dokładnie wiedzieć, czego chcę nauczyć maszyny oraz jakie dane chcę do nich wprowadzić. Samo uczenie maszynowe bez wystarczającej ilości danych jest bezużyteczne. Na początku możesz spróbować czegoś prostego, tak na próbę. Na przykład, taki szalony pomysł dla wszystkich: jeżeli w swojej firmie masz stołówkę, możesz samemu porównać dane z karty dań z zestawieniem nieskonsumowanych posiłków lub pozwolić maszynie z A.I. zaproponować lepsze menu na przyszłość :-)

2. Opracowanie i stworzenie rozwiązania
Na bazie jakiej technologii (HW, SW)? Jaka będzie struktura rozwiązania?
Być może nie zdziwi Cię fakt, że obecnie wszystko jest w chmurze. Serwery, repozytoria danych i moc obliczeniowa są centralizowane w chmurze w celu zwiększania naszych możliwości. Centralizujemy, aby zwiększyć wydajność. Posiadanie własnej infrastruktury IT w firmie jest dzisiaj bardzo kosztowne, natomiast koszty utrzymania wysokiej jakości usług w chmurze dzielą się na wiele podobnych firm. Mówimy o tak zwanej ekonomii współdzielenia.

Po co używać rozwiązań takich jak chmura w swoim urządzeniu?
Niech jako przykład posłuży jeden z produktów firmy Amazon. Czy znasz ich „inteligentne pudełko” Echo Dot z Alexą? Jest to niewielkie urządzenie, które reaguje na ludzki głos i odpowiada na Twoje pytania. A możesz pytać naprawdę o wszystko... Gdyby Amazon wbudował taką inteligencję w samo urządzenie, musiało by ono mieć ogromne zdolności obliczeniowe i kosztowałoby setki, jeśli nie tysiące dolarów. Tymczasem kosztuje ono 30-40 dolarów.
A wiesz, dlaczego? Ponieważ w gruncie rzeczy jest to „prymitywne” urządzenie z mikrofonem, głośnikiem i łączem internetowym. Urządzenie wysyła zapytanie do serwera w chmurze. To tam znajduje się serce i mózg całego systemu, przekształcający mowę na tekst, przeszukujący internet, przekształcający odpowiedź na mowę Twojej „Alexy” i wysyłający nagranie do urządzenia. Samo urządzenie jedynie odtwarza sam zapis głosowy. 

Nie potrzebujesz potężnego komputera i zaawansowanego oprogramowania w samym urządzeniu. Dlatego możesz je sprzedawać po 30 dolarów. A ponieważ sprzedajesz ich wiele, koszt centralnego rozwiązania w chmurze rozkłada się na wszystkie sprzedane urządzenia. Ekonomia współdzielenia sięga jeszcze dalej... Amazon wykorzystuje serce systemu w chmurze nie tylko na potrzeby swoich urządzeń, ale oferuje również tę usługę za opłatą dla każdego, kto chciałby je wdrożyć we własnych urządzeniach. Dzięki temu koszt utrzymania systemu jest dzielony także z urządzeniami niezależnych firm. Czy wciąż wahasz się z decyzją na temat integracji swoich produktów z chmurą?

3. Korzyści - jakie korzyści i zalety oferuje dane rozwiązanie?
Czy Twój produkt z A.I. polepszy komuś komfort życia? A być może dzięki A.I. będziesz mógł uratować czyjeś życie poprzez eliminację ograniczeń pracy ludzkiej? Oto kilka przykładów:

Uczenie maszynowe - science-fiction czy element naszej rzeczywistości?

   W Stanach Zjednoczonych sztuczna inteligencja zaczęła diagnozować udar mózgu. Nawet   
   doświadczony radiolog potrzebuje przeciętnie 30-60 minut, aby na podstawie wyników
   tomografii komputerowej zdiagnozować u pacjenta udar mózgu. Problem w tym, że po 12
   minutach pojawiają się pierwsze uszkodzenia mózgu. System, w którym zgromadzono
   ogromne ilości danych historycznych w formie obrazów z tomografów wraz z opisem, czy u
   pacjenta zdiagnozowano udar, może teraz zdiagnozować u pacjenta udar mózgu w ciągu 15 sekund! Inny zespół, również z pomocą A.I., w oparciu o ogromną ilość zdjęć historycznych nowotworu i sąsiadujących komórek, potrafi zdiagnozować wczesne stadia nowotworu, nawet w sytuacji, gdy człowiek nie jest w stanie dostrzec zmian na zdjęciu. Ograniczeniem człowieka jest jego pamięć. A.I. nie ma takiego problemu, a dodatkowo potrafi korzystać ze swojej pamięci znacznie szybciej!


Uczenie maszynowe - science-fiction czy element naszej rzeczywistości?

   Dzisiejsze systemy A.I. potrafią przetłumaczyć Twoją mowę na inny język. I nie mamy tu na
   myśli zwykłego tłumaczenia wykładu. Systemy korzystające z głębokiego uczenia są w
   stanie modulować głos i w zasadzie mówić w obcym języku Twoim głosem. Oczywiście, nie
   mamy tutaj do czynienia z rozwiązaniem idealnym, ale stworzono już podstawy, a systemy
   będą się uczyć z szybkością postępującą w sposób wykładniczy.


Uczenie maszynowe - science-fiction czy element naszej rzeczywistości?

   Wiele możliwości na wykorzystanie maszyn ze sztuczną inteligencja odnajdziemy w
   rolnictwie. Pewien deweloper rozwiązań sprzętowych opracował przyrząd dołączany do
   ciągnika jako „przyczepa”. Dzięki zastosowaniu głębokiego uczenia, przyrząd ten nauczył się,
   jak powinna wyglądać zupełnie zdrowa roślina, a jak wyglądają chwasty, ślady szkodników
   lub chorób roślin. W ciągu 1 minuty maszyna skanuje 5000 roślin i ocenia, czy rośliny
   należy nawodnić lub czy istnieje potrzeba zastosowania oprysków. Podlewanie lub opryski
 nie są więc stosowane dla całej uprawy, ale miejscowo dla każdej indywidualnej rośliny. Jedna maszyna jest w stanie przeanalizować dziennie 20 hektarów i dopasować działanie do 2,5 biliona roślin rocznie. A jakie wynikają z tego korzyści dla ludzkości? Przy wielkości dzisiejszych globalnych gruntów rolnych moglibyśmy wytwarzać 5 razy więcej posiłków przy jednoczesnym zmniejszeniu zużycia wody i pestycydów o 90%!


Epilog. Ale czy jest jakieś „ale”...?

Zastanówmy się, co inteligentne maszyny potrafią już dziś. Potrafią czytać, pisać, słuchać i mówić, wyszukiwać dane, gromadzić i łączyć informacje. Pewnie w niektórych przypadkach nie robią tego tak dobrze, jak człowiek, ale umożliwiliśmy im uczenie się i ciągłe udoskonalanie. W sposób wykładniczy!  

80% populacji w nowoczesnych krajach rozwiniętych pracuje w branży usługowej, w której płacimy za coś, czego można nauczyć maszyny (na przykład zarządzanie transportem publicznym, przygotowywanie posiłków, diagnozowanie chorób, itp.). Czy jesteśmy gotowi na utratę pracy przez 80% ludzi? Nie minęły dwa lata od naszego artykułu na temat automatyzacji w przemyśle 4.0, w którym przypuszczaliśmy, że praca ludzi przeniesie się w kierunku przetwarzania danych.
Niestety, to również nie jest już prawdą. Pokazaliśmy maszynom, w jaki sposób mogą nauczyć się pracować z danymi, analizować je i oceniać. Obecnie mówi się, że człowiek będzie potrzebny do tzw. „podejmowania działań”, tj. podejmowania decyzji i tworzenia algorytmów.  


obr2172_p47e32107fc4d.jpg
obr2172_peb6a3237ed95.jpg

Ale czy faktycznie tak będzie?
Czy nie powinniśmy już zaczynać myśleć o nowych strukturach społecznych i gospodarczych naszego społeczeństwa? Co będzie stanowiło sens życia wielu ludzi, jeżeli nie praca?

Ta Rewolucja Przemysłowa (Przemysł 4.0) różni się od poprzednich. Po każdej rewolucji przemysłowej następował ogromny wzrost produkcyjności, ale również następował okres stabilizacji. Obecnie mówimy o rewolucji w uczeniu się maszyn, które będzie postępować wykładniczo i prawdopodobnie stabilizacja nigdy nie nastąpi.

I oczywiście cały czas należy pamiętać o środkach bezpieczeństwa. W jakim stopniu jesteśmy w stanie zagwarantować, że określona grupa ludzi nie będzie nadużywać A.I. i wykorzystywać zdobyte dane na swoją korzyść? Maszyny wyposażone w sztuczną inteligencję są jak dzieci - naśladują zachowanie rodziców (ludzi). Być może 80% bezrobotnych powinno być stopniowo kierowanych do pracy w obszarze bezpieczeństwa. Ponieważ wszystkim wielkim wynalazkom przyświecały dobre i szlachetne intencje...


A co A.I. oznacza dla ciebie i dla nas?
Obecnie nie chodzi już o to, czy w Twoich aplikacjach lub urządzeniach znajdzie się miejsce dla A.I. Pytaniem jest, czy będziemy jednymi z pierwszych liderów technologicznych w branży i odniesiemy z niej korzyści, czy też będziemy gonić za odjeżdżającym pociągiem.

Mamy dla Ciebie nieobowiązkową pracę domową :-) Spróbuj przeprowadzić w swojej firmie burzę mózgów na temat sposobów osadzenia A.I. w Waszych urządzeniach. Być może spojrzysz w okno i stwierdzisz: „sztuczna inteligencja tutaj? - nie da rady”. Ale bycie wizjonerem i pionierem na rynku gwarantuje przewagę nad konkurencją i sukces firmy!

Z przyjemnością wspomożemy Cię naszymi komponentami w zakresie HW. Chętnie opowiemy o dostępnych opcjach w zakresie A.I. podczas naszych wyjątkowych warsztatów, które przygotowujemy wraz z firmą Microsoft. Będziemy próbować zbudować model urządzenia łączącego naszą wiedzę na temat sprzętu z wiedzą Microsoftu na temat oprogramowania, które będzie pracować w chmurze i wykorzystywać sztuczną inteligencję.

Bardziej szczegółowe informacje dostępne wkrótce!


Rastislav Talárovič
Head of Marketing Department & Google Partners Trainer 

Nie przegap tych artykułów!

Czy spodobały Ci się nasze artykuły? Nie przegap żadnego! Zajmiemy się wszystkim za Ciebie i chętnie sami Ci je dostarczymy.

Czy wyrażasz zgodę na zapisywanie plików cookies?
Witamy na stronie internetowej SOS electronic. Zanim zapoznasz się z naszą witryną, chcielibyśmy prosić Cię o udzielenie zgody na zapisywanie plików cookies w Twojej przeglądarce. Twoja zgoda umożliwi nam wyświetlanie strony bez błędów, pozwoli na monitorowanie jej wydajności i generowanie dodatkowych statystyk. Oprócz tego możemy przedstawić Państwu ofertę naszych produktów i usług „szytych na miarę”. Pliki cookies udostępniamy również stronom trzecim. Mimo to zapewniamy Ci stuprocentowe bezpieczeństwo.
Właściwe działanie strony internetowej
Bardziej stabilna kontrola techniczna
Lepsza oferta marketingowa

Więcej informacji o plikach cookies
Więcej na temat przetwarzania danych osobowych

Niezbędne Tylko wybrane Zaakceptuj wszystkie pliki cookies