ŁADOWANIE

Wpisz by wyszukać

Niewidzialna rewolucja

Udostępnij

Wydaje się naturalne, że prędkość Internetu z roku na rok rośnie, jakość połączeń jest coraz wyższa, operatorzy oferują coraz bardziej wymyślne usługi. Jednak w cieniu telewizyjnych reklam i billboardów dokonuje się kolejna rewolucja przemysłowa.

Według Europejskiego Komitetu Ekonomiczno-Społecznego, jednego z głównych organów doradczych Unii Europejskiej, reprezentującego interesy pracowników i pracodawców, liczba zastosowań i inwestycji w dziedzinie sztucznej inteligencji w ostatnich latach rośnie w tempie wykładniczym. Wartość tego rynku wynosi obecnie około 664 miliony dol. Zdaniem członków komitetu do 2025 roku udział ten wzrośnie prawie stukrotnie – do blisko 40 mld dol.

Ale, jak wynika z badania firmy doradczej McKinsey przytaczanego w raporcie „Iloraz Sztucznej Inteligencji” firmy Microsoft oraz Think-Tanku Polityka Insight, spośród trzech tys. świadomych zagadnienia AI decydentów korporacyjnych z dziesięciu krajów i czternastu sektorów, tylko 20 proc. z nich wdrożyło znaczące w tym zakresie rozwiązania, 40 proc. eksperymentuje, a pozostali przyglądają się, nie mając przekonania do korzyści z AI.

Generalnym celem badań i rozwoju AI jest automatyzacja inteligentnych zachowań, takich jak rozumowanie, gromadzenie informacji, planowanie, uczenie się, manipulacja, komunikacja, sygnalizacja, a nawet marzenie, twórczość i postrzeganie. Ale pojęcie to obejmuje także wiele bardziej szczegółowych funkcji i procesów, takich jak samodzielnie poszerzająca swoją wiedzę i zdolności na bieżąco architektura systemów obliczeniowych (Cognitive Computing – algorytmy poznawcze), uczenie maszynowe (algorytmy przyswajające sobie wiedzę dotyczącą możliwości i sposobów wykonania poszczególnych zadań i poleceń), odpowiadająca za wygodną, szybką i maksymalnie bezbłędną współpracę człowieka z maszyną rozszerzona inteligencja (Augmented Intelligence), czy robotyka łącząca AI z takimi naukami jak mechanika, automatyka, elektronika, sensoryka, cybernetyka i informatyka.

– Tymczasem na razie nie istnieje nawet precyzyjna i powszechnie przyjęta przez uczestników rynku definicja zjawiska sztucznej inteligencji – zauważa Artur Gajda, informatyk pracujący na rzecz małych i średnich przedsiębiorstw. – Ale z całą pewnością wiadomo, że w ostatnim czasie poczyniono znaczne postępy na tym polu, za co odpowiadają przede wszystkim bardzo szybki wzrost mocy obliczeniowej komputerów, coraz większa dostępność zbiorów informacji i dynamiczny rozwój uczenia maszynowego.

Spodziewane zyski

Uczenie maszynowe (z ang. Machine Learning, w skrócie ML) to specjalne algorytmy, które same uczą się wykonywania poszczególnych, konkretnych zadań i nie muszą być do nich programowane. Metoda, generalnie, polega na przetwarzaniu dużych ilości danych treningowych, na których podstawie uczą się rozpoznawać wzorce zachowań, obiektów, ścieżki myślenia i opisywać dotyczące ich zasady.

Najbardziej istotnym elementem ML jest tzw. poznanie głębokie, które wykorzystuje wzorowane na działaniu ludzkiego mózgu sieci neuronowe (Neural Networks). Tego rodzaju struktury przyswajają wiedzę dzięki systematycznie powtarzanym ćwiczeniom, więc duże znaczenie w ich rozwoju odgrywają informacje zwrotne, na przykład oceniające. Dzięki opartej na takim procesie ewolucji system (za pośrednictwem algorytmu) może stosunkowo szybko stać się autonomiczny, w pewien sposób się usamodzielnić, i pozyskać zdolność samodzielnego poszerzania wiedzy, umiejętności i dostosowywania się do otaczającego go środowiska.

Badania naukowe i rozwój w dziedzinie sztucznej inteligencji od pewnego czasu koncentrują się jednak, prócz samego gromadzenia wiedzy, na rozwoju takich procesów jak rozumowanie, planowanie, komunikacja i percepcja sensoryczna (przede wszystkim wzrokowa i słuchowa), co doprowadziło do opracowania bardzo wielu praktycznych zastosowań sztucznej inteligencji, takich jak na przykład wirtualny asystent czy autonomiczny samochód.

Wielkie korporacje wciąż jednak zwlekają z powszechnym wprowadzeniem i stosowaniem AI. Według analityków Harvard Business Review (HBR) w 2016 roku łączna wartość nakładów na tego rodzaju rozwiązania wyniosła około 26-36 mld dol. i nie zmieniła się w zasadzie od 2013 roku. W tym czasie wysokość wszystkich wydatków inwestycyjnych przedsiębiorstw potroiła się. Eksperci są jednak przekonani, że takie technologie jak uczenie maszynowe oraz przetwarzanie języka naturalnego zaczynają udowadniać swoją wartość, szybko stając się centralnym elementem technologicznym w przedsiębiorstwach. Przynajmniej część rozwijanych obecnie, konkretnych projektów, w najbliższej przyszłości doczeka się pełnej integracji z dotychczasowymi strukturami w firmach, ale dynamika rozwoju będzie różna.

Stawce ma przewodzić branża usług telekomunikacyjnych i finansowych. Wydatki na AI w tych sektorach w ciągu najbliższych lat mają rosnąć o ponad 15 proc. rocznie, czyli przekraczać międzybranżową średnią aż o siedem punktów procentowych. Nic dziwnego. Około jedna trzecia przedsiębiorstw stosujących na dużą skalę poszczególne rozwiązania z zakresu AI (lub opierających na niej swoje procesy) w ubiegłym roku osiągnęła wzrost przychodów (technologie wykorzystywane są głównie do zdobycia większego udziału w rynku lub poszerzenia zakresu działania).

Pionierzy AI o 3,5 razy częściej niż inni deklarują oczekiwany wzrost zysku (marży) nawet o około pięć proc. rocznie. – Analizy udowodniły, że AI już obecnie bezpośrednio wpływa na poprawę zysku, oferując zwrot z inwestycji podobny do powiązanych z nią rozwiązań cyfrowych, takich jak Big Data czy zaawansowane technologie analityczne – twierdzi Brian McCarthy, analityk HBR.

Fabryka przyszłości

Jednak nawet w branży produkcyjnej AI to obecnie nie tylko roboty, ale przede wszystkim tzw. usługi kognitywne (ang. Cognitive Services) umożliwiające zastosowanie w przemyśle technologii rozpoznawania głosu, obrazów i dźwięków. Opracowany przez Microsoft model Connected Factory to koncepcja Fabryki Przyszłości, która może być zrealizowana przy wykorzystaniu obecnie dostępnych technologii.

Pomysł polega na zintegrowaniu wszystkich poziomów przedsiębiorstwa produkcyjnego, począwszy od parku maszynowego, poprzez poziomy sterowania i kontroli, aż po warstwy zarządzania procesami i przedsiębiorstwem. Dzięki nowoczesnym rozwiązaniom nawet w istniejących już systemach cyfrowych i urządzeniach produkcyjnych można implementować na przykład identyfikację poprzez odcisk palca czy rozpoznanie twarzy lub głosu pracownika.

Istotnym kierunkiem jest także diagnostyka wizyjna, w trakcie której algorytm rozpoznaje określone sytuacje na podstawie analizy obrazu. Coraz większe zainteresowanie przedsiębiorstw dotyczy wykorzystania technologii rozszerzonej rzeczywistości (ang. Augmented Reality), która sprawia, że na świat rzeczywisty nakładane są hologramy cyfrowe rozszerzające perspektywę obserwatora lub dostarczające mu dodatkowych informacji. Dzięki poszczególnym aplikacjom i urządzeniom, takim jak na przykład okulary HoloLens firmy Microsoft, możliwa jest choćby implementacja tzw. cyfrowego bliźniaka (ang. Digital Twin), będącego dokładnym odwzorowaniem istniejącego w świecie analogowym urządzenia, linii produkcyjnej czy nawet całej fabryki. – Technika tego rodzaju ułatwia prototypowanie, zmniejsza koszt testowania gotowego produktu oraz znacznie ułatwia jego projektowanie – wyjaśnia Jarosław Zarychta, Senior Business Development Manager z Microsoftu. – Zastosowanie rozszerzonej rzeczywistości w przemyśle może być wykorzystane w samym produkcie albo podnosić efektywność całego łańcucha wartości. Technologia cyfrowa jeszcze nigdy nie była tak dostępna jak obecnie.

Turbointernet

Aby zastosowania sztucznej inteligencji były możliwe, konieczne jest jednak wdrożenie innych, blisko spokrewnionych z nią technologii. Trudno wyobrazić sobie firmę przyszłości bez szerokiego wykorzystania nowego standardu połączeń internetowych, sieci 5G. Ostateczne standardy sieci i urządzeń są jeszcze opracowywane, ale w Polsce już trwają przygotowania do ich wdrożenia.

Kluczową kwestią są odpowiednie zasoby częstotliwości. Według założeń Ministerstwa Cyfryzacji w pierwszej fazie rozwojowej 5G ma opierać się na trzech głównych pasmach: 700 MHz, 3,4-3,8 GHz i 26 GHz. Minister Anna Streżyńska, poprzednia szefowa tego resortu, zainicjowała Porozumienie na rzecz Strategii 5G dla Polski, którego celem jest stworzenie podstaw współpracy pomiędzy państwem, nauką i biznesem na rzecz wdrożenia tej technologii. Według analizy „Przemysł+” przygotowanej przez naukowców Szkoły Głównej Handlowej na zlecenie Ministerstwa Cyfryzacji nowy standard połączeń zapewni: szybkość (umożliwi dostęp do mobilnego Internetu, który może osiągać prędkość nawet do 100 Gbps), niezawodność (łączność nowej generacji będzie odporna na zakłócenia i dużą liczbę jednoczesnych połączeń) oraz praktycznie brak opóźnień (w przypadku połączeń mobilnych to zaledwie kilka milisekund). Sukces rozwoju sieci 5G będzie jednak zależał również od spójności polityki na poziomie całej Unii Europejskiej. Według jej założeń w 2025 roku wszystkie obszary miejskie i główne szlaki transportowe mają już być pokryte zasięgiem nowej technologii.

Ale to nie wszystko. Transformacja cyfrowa gospodarki uzależniona jest również od odpowiednio rozwiniętej infrastruktury światłowodowej. Odpowiedzią na to jest Narodowy Plan Szerokopasmowy (NPS) określający działania oraz środki konieczne do zapewnienia powszechnego dostępu do Internetu w Polsce. Zgodnie z jego założeniami do 2020 roku 16,5 mln Polaków ma uzyskać dostęp do szybkich usług szerokopasmowych (50 proc. ma mieć dostęp do prędkości rzędu 100 Mb/s). Koszt realizacji planu ma wynieść ok. 17,3 mld złotych, z czego dużą część stanowić będą inwestycje operatorów prywatnych.

Komisja Europejska zaproponowała nowy Kodeks Łączności Elektronicznej, obejmujący wybiegające w dalszą przyszłość i uproszczone przepisy zwiększające atrakcyjność inwestycji w nową infrastrukturę dla przedsiębiorstw. Do 2025 roku mogłyby one zwiększyć unijne PKB o 910 mld euro i umożliwić stworzenie 1,3 mln nowych miejsc pracy. Gra jest więc warta świeczki. Według opracowania wykonanego na zlecenie resortu przez naukowców SGH nowe standardy zapewnią szybki dostęp do globalnej sieci www, elektronicznych usług publicznych, znacząco poprawią jakość komunikacji, pobudzą rozwój nowoczesnej edukacji, badań i innowacji, jak również tworzenie jednolitego rynku cyfrowego.

Szybkie łącza cyfrowe są podstawą ekspansji takich dziedzin, jak telemedycyna, przetwarzanie wielkich zbiorów danych, edukacja cyfrowa, przemysł lotniczy, autonomiczne systemy transportowe i wiele innych.

Technologiczne wsparcie

Ale w tej nowej rewolucji technologicznej dużą rolę odgrywać będą także inne narzędzia, ściśle związane ze sztuczną inteligencją i siecią 5G. Kluczowy będzie także rozwój i upowszechnienie chmury obliczeniowej (Cloud Computing), modelu przetwarzania danych opartego na użytkowaniu usług dostarczonych przez usługodawcę (wewnętrzny dział lub zewnętrzna organizacja). Termin „chmura obliczeniowa” związany jest z pojęciem wirtualizacji fizycznej infrastruktury przetwarzania i przechowywania danych.

To skalowalna, wirtualna usługa, dająca wartość dodaną w postaci obniżenia progu cenowego złożonych, bardziej skomplikowanych rozwiązań IT, dużej elastyczności oraz łatwości implementacji, oferowana przez dostawców w oparciu o oprogramowanie oraz konieczną infrastrukturę fizyczną (nie są potrzebne licencje ani instalowanie i administrowanie oprogramowaniem, konsument płaci za użytkowanie usługi, na przykład korzystanie z arkusza kalkulacyjnego, nie musi nabywać na własność sprzętu ani software’u).

Na razie możliwości tej technologii wykorzystywane są w Polsce w niewielkim stopniu. Chmura służy przede wszystkim do obsługi poczty elektronicznej, przechowywania plików, hostowania baz danych, aplikacji – biurowych lub wspierających zarządzanie finansami. W rozwoju sztucznej inteligencji w gospodarce dużą rolę odegrają także technologie Internetu Rzeczy (z ang. Internet of Things, w skrócie IoT). Technologie radiowych identyfikatorów (RFID) już obecnie używane są w wielu przedsiębiorstwach, gdzie sterowanie łańcuchem dostaw jest podstawą funkcjonowania. Analitycy są zdania, że już niebawem powszechne stanie się stosowanie przez firmy różnego rodzaju biosensorów i bioidentyfikatorów, monitorujących na przykład jakość produktów spożywczych (zmiany temperatury czy przebiegu procesów gnilnych, aby w odpowiednim momencie wycofać wyrób ze sprzedaży).

Ale potencjalne zastosowania IoT w połączeniu z AI są znacznie szersze. Obejmują na przykład inteligentne, wyposażone w zestaw czujników maszyny, które same będą wiedziały, w jakim znajdują się aktualnie stanie i kiedy poszczególne podzespoły wymagać będą konserwacji czy wymiany. Kluczowe dla rozwoju sztucznej inteligencji są również wielkie zbiory informacji (BigData) oraz ich analiza.

Tagi:
Poprzedni artykuł
Następny artykuł

Zostaw komentarz

Your email address will not be published. Required fields are marked *