- W uczeniu maszynowym i uczeniu głębokim dane tekstowe muszą być przekształcone na dane numeryczne, ponieważ algorytmy uczenia maszynowego i głębokiego pracują wyłącznie na liczbach. Proces ten jest kluczowy, ponieważ modele ML i DL uczą się wykrywać wzorce na podstawie matematycznych operacji na danych liczbowych.
W każdej rozprawie doktorskiej trzeba wypełnić jakąś lukę badawczą w dotychczasowej wiedzy, czyli znaleźć istotny problem do rozwiązania. W moim przypadku ta luka dotyczyła braku automatycznych metod transformacji danych w modelach głębokiego uczenia, które wspierają podejmowanie decyzji. Do tej pory programiście mnóstwo czasu zabierało testowanie różnych metod transformacji danych. Zrobiłam taki model, który w zależności od typu zmiennych, wybiera najlepszą metodę transformacji. Najlepszą, czyli jaką? Czyli taką, która pozwala osiągnąć modelowi najwyższą dokładność (miarę oceny modelu), co do tej pory było robione ręcznie i było czasochłonne. Zabierało to od kilku godzin do nawet kilku dni, w zależności od skomplikowania sytuacji. Do weryfikacji opracowanej metody automatycznej transformacji danych wykorzystałam rzeczywisty zbiór danych pozyskany od przedsiębiorstw leasingowych. Brałam udział w projekcie finansowanym w ramach bonu na innowacje, który dotyczył opracowania modelu prognozowania spłacalności rat leasingowych z wykorzystaniem głębokiego uczenia. Opracowany model został wdrożony w systemie wspomagania decyzji w przedsiębiorstwach leasingowych.
- To zaczyna się robić bardzo skomplikowane. Może podsumuję swoim językiem, co z tego zrozumiałem, a pani oceni, czy dobrze. Otóż pani stworzyła algorytm, który przyspiesza wydanie decyzji - w tym przypadku dotyczącej leasingu. Pani algorytm powoduje, że decyzja będzie obarczona minimalnych błędem, zbliżonym do zera...
- Na razie to wszystko prawda.
- Zwykle gdy ktoś decyduje o przyznaniu komuś innemu leasingu, dostaje w tym celu zestaw różnych informacji, jak np. wykształcenie, zarobki, wiek itp. Te wszystkie dane trzeba przekształcić, dokonać ich transformacji, aby algorytm mógł je porównać, czyli odpowiednio zapisać w wersji cyfrowej. Pani algorytm przyspiesza proces wybory optymalnego sposoby transformacji danych, co pozwala zdecydowanie szybciej podjąć ostateczną decyzję.
- W dużym uproszczeniu właśnie o to chodzi.
- Uff. Jak pani widzi, nie jest lekko. To w końcu mamy się bać sztucznej inteligencji czy raczej czekać na jej rozwój z nadzieją? Bo z jednej strony ma nam pomagać, np. nas leczyć, z drugiej - jak nas straszą - odbierać pracę.
- Sztuczna inteligencja jest potężnym narzędziem, które niesie ze sobą zarówno ogromne korzyści, jak i potencjalne zagrożenia. Wiele zależy od tego, jak odpowiedzialnie i świadomie będzie rozwijana oraz stosowana. Każda nowa technologia - podobnie jak kiedyś wprowadzenie płatności kartą - początkowo wywołuje obawy, lecz odpowiednie zarządzanie ryzykiem pozwala na maksymalne wykorzystanie jej zalet.
Kiedy wprowadzono płatności kartą, obawy dotyczyły m.in. kradzieży danych, nadużyć finansowych i braku prywatności. Jednak odpowiednie mechanizmy, takie jak szyfrowanie, tokenizacja czy systemy wykrywania oszustw pozwoliły zminimalizować te zagrożenia. Dziś płatności kartą są nie tylko bezpieczne, ale i niezwykle wygodne, co zrewolucjonizowało handel i codzienne życie.
SI, podobnie jak każda przełomowa technologia, niesie ze sobą ryzyko. Wymienię może te najważniejsze zagrożenia.
Złośliwe wykorzystanie AI - np. w cyberatakach lub tworzeniu deepfake`ów.
Utrata prywatności - analiza danych osobowych przez algorytmy może prowadzić do inwazji na prywatność.
Nieprzewidziane konsekwencje decyzji AI - jeśli systemy są źle zaprojektowane lub uczą się na stronniczych danych, mogą generować niesprawiedliwe wyniki.
Jednak tak jak w przypadku płatności kartą, te zagrożenia można ograniczyć, stosując odpowiednie regulacje, zabezpieczenia techniczne i mechanizmy nadzoru. AI może być potężnym sprzymierzeńcem w walce z tymi samymi problemami, które teoretycznie może wywołać. Systemy AI są na przykład coraz skuteczniejsze w wykrywaniu cyberprzestępstw, choćby analizując anomalie w ruchu sieciowym i identyfikując potencjalne ataki hakerskie. SI może monitorować fałszywe treści w internecie, zapobiegając rozprzestrzenianiu się dezinformacji i manipulacji.
Podsumowując - ja sztuczną inteligencję widzę jako pozytywną przyszłość. AI, jeśli będzie odpowiednio zarządzana, może stać się siłą napędową pozytywnych zmian.
Sztuczna inteligencja może pomagać ludziom, ulepszając opiekę zdrowotną, sprawiając, że samochody i inne systemy transportu będą bezpieczniejsze (zmniejszenie liczby wypadków drogowych - automatyczne hamowanie; monitorowanie stanu zdrowia w czasie jazdy - czujniki monitorujące tętno), a produkty i usługi bardziej dostosowane do użytkownika (analiza danych użytkowników - AI zbiera dane o preferencjach, nawykach zakupowych, historii przeglądania i interakcjach użytkownika z produktami, aby lepiej zrozumieć, co mu się podoba).
- To może parę konkretnych przykładów dziedzin, w których sztuczna inteligencja na pewno może nam pomóc.
- Proszę bardzo. Może pomagać lekarzom. Przewidywania - niezgodność formy na podstawie obrazów medycznych mogą dotyczyć różnych zagadnień. Wymienię parę.
Diagnostyka chorób - np. wykrywanie nowotworów, chorób serca, zmian w mózgu.
Prognoza rozwoju choroby - np. przewidywanie postępu raka lub demencji.
Ocena skuteczności leczenia - ocena zmian w obrazach po terapii.
Planowanie operacji - np. lokalizacja guzów przed operacją.
Segmentacja narządów - np. wyodrębnianie struktur anatomicznych na obrazach.
Sztuczna inteligencja może czasami popełniać błędy, na przykład w wyniku błędów w danych treningowych lub niewłaściwego algorytmu, co może wprowadzić lekarza w błąd. Może to stanowić zagrożenie, szczególnie w krytycznych przypadkach, jeśli AI będzie traktowana jako ostateczna decyzja bez weryfikacji przez specjalistę.
Pod kątem miejsc pracy też widzę sztuczną inteligencję pozytywnie, ponieważ dzięki niej miejsca pracy będą bezpieczniejsze, ponieważ do niebezpiecznych zadań mogą służyć roboty, a nowe stanowiska pracy będą powstawać w miarę rozwoju i zmian branż opartych na sztucznej inteligencji. Sztuczna inteligencja może wpłynąć na niektóre zawody, ale niekoniecznie je wyprze całkowicie.
- A które "dzięki" niej mogą zniknąć lub zostać zautomatyzowane?
- Chodzi o prace rutynowe i powtarzalne - np. magazynierzy, kierowcy (autonomiczne pojazdy), kasjerzy, pracownicy produkcji. Te zawody mogą zostać częściowo lub całkowicie zautomatyzowane. W przypadku zawodów, które nie znikną, ale będą się zmieniać, można wymienić prace wymagające kreatywności, empatii i interakcji z ludźmi - np. nauczyciele, lekarze, artyści. AI wspomaga te zawody, ale nie zastąpi ludzi. Będą też rozwijały się zawody związane z technologią - inżynierowie, programiści, specjaliści ds. AI, którzy będą tworzyć i zarządzać systemami AI.
Z automatyzacją niektórych zawodów może pojawić się ryzyko utraty pracy w tych branżach, ale także pojawią się nowe miejsca pracy związane z rozwojem i zarządzaniem sztuczną inteligencją. Kluczem jest przystosowanie się do nowych technologii i nauka umiejętności, które są mniej podatne na automatyzację.
Jeśli chodzi o firmy, sztuczna inteligencja może umożliwić im rozwój nowej generacji produktów i usług, w tym w sektorach, w których przedsiębiorstwa europejskie mają już ugruntowaną pozycję. Chodzi o takie sektory:
gospodarka ekologiczna i o obiegu zamkniętym (AI może optymalizować procesy recyklingu (AI analizuje, jakie odpady trafiają do systemu (np. plastik, papier, metal) i w jakich ilościach, by lepiej zaplanować ich sortowanie i przetwarzanie), analizować zużycie zasobów i przewidywać potrzeby energetyczne, co pozwala na oszczędności energii i lepsze zarządzanie zasobami),
produkcja maszyn (AI wykorzystywana w systemach predykcyjnego utrzymania ruchu pozwala na wcześniejsze wykrywanie awarii maszyn, co zmniejsza przestoje i poprawia wydajność produkcji),
rolnictwo (wykorzystanie dronów i analiz obrazów przez AI pomaga monitorować uprawy, przewidywać choroby roślin i optymalizować nawadnianie, co zwiększa plony i zmniejsza zużycie wody),
opieka zdrowotna (o tym już mówiłam),
moda (AI analizuje dane o preferencjach klientów i przewiduje trendy, pomagając firmom projektować produkty, które będą cieszyć się dużym popytem, a także zarządzać zapasami),
turystyka (dzięki analizie danych o zachowaniach turystów AI może personalizować oferty wycieczek, optymalizować ceny biletów oraz przewidywać popularne cele podróży, co zwiększa sprzedaż i satysfakcję klientów).
Sztuczna inteligencja stosowana w usługach publicznych może obniżyć koszty i zaoferować nowe możliwości dla transportu publicznego (AI w autonomicznych pojazdach (autobusy, tramwaje) i inteligentnych systemach zarządzania ruchem (np. optymalizacja tras, unikanie korków) może zwiększyć efektywność transportu publicznego, zmniejszając emisję spalin i poprawiając dostępność transportu). Może też poprawić zrównoważony charakter produktów, co mogłoby przyczynić się do osiągnięcia celów Europejskiego Zielonego Ładu (AI analizuje cykl życia produktów, pomagając firmom projektować bardziej ekologiczne produkty, np. z mniejszym śladem węglowym, co przyczynia się do realizacji celów zrównoważonego rozwoju). Sztuczna inteligencja może wzmocnić demokrację, pomagając w walce z dezinformacją, cyberatakami i zapewniając dostęp do rzetelnych informacji. Może także wspierać różnorodność, np. eliminując uprzedzenia w rekrutacjach, wykorzystując dane do podejmowania obiektywnych decyzji. Sztuczna inteligencja może pomóc w zapobieganiu przestępczości i poprawie wymiaru sprawiedliwości, analizując dane szybciej i dokładniej. Może oceniać ryzyko ucieczki więźniów, przewidywać przestępstwa i wykrywać nielegalne zachowania w internecie, pomagając w walce z przestępczością i terroryzmem. Sztuczna inteligencja mogłaby być wykorzystywana do obrony i strategii ataku w hakowaniu i phishingu (rodzaj cyberataku, gdzie przestępcy podszywają się pod zaufane instytucje, firmy, osoby, by wyłudzić wrażliwe dane - hasła, numery kart kredytowych, dane logowania - ataki wykorzystują e-maile, wiadomości, esemesy, fałszywe strony internetowe lub komunikatory) lub do atakowania ważnych systemów w cyberwojnach.
- Czy istnieje jedna sztuczna inteligencja, czy może ich być mnóstwo i wkrótce czekają nas wojny nie z użyciem artylerii, tylko właśnie sztucznej inteligencji? Czy Polska rozwija swój model sztucznej inteligencji?
- Sztuczna inteligencja to nie jedna wielka "superinteligencja", tylko wiele różnych systemów, które działają niezależnie. Każda firma, państwo czy uczelnia może tworzyć własne modele AI do różnych celów - np. chatboty, systemy analizy danych, rozpoznawania twarzy czy autonomiczne pojazdy.
Jeśli chodzi o wojny AI - to już się dzieje, ale nie tak, jak w filmach. AI jest używana w cyberbezpieczeństwie, analizie danych wojskowych czy sterowaniu dronami. Państwa rywalizują o to, kto stworzy lepszą technologię, ale na razie to bardziej wyścig niż otwarty konflikt.
A czy Polska rozwija własną AI? Tak! Mamy firmy i uczelnie, które pracują nad modelami sztucznej inteligencji, np. do analizy języka, medycyny czy przemysłu. Może nie jesteśmy na poziomie USA czy Chin, ale na pewno się rozwijamy. W ogóle teraz jest dużo projektów na poziomie uczelnia, biznes, a taka współpraca jest bardzo ważna. U mnie na Uniwersytecie Ekonomicznym we Wrocławiu realizowany jest projekt WRO4digITal, który dotyczy Europejskiego Hubu Innowacji Cyfrowych (EDIH) z Wrocławia. Był utworzony przez konsorcjum 22 instytucji oferujących kompleksowe wsparcie w procesie transformacji cyfrowej. Dolnośląskie firmy z sektora MŚP mogą skorzystać z nieodpłatnych usług eksperckich i zmodernizować sposób produkcji lub świadczenia usług zgodnie z obecnymi trendami cyfryzacyjnymi. To obejmuje także współpracę międzynarodową.
Napisz komentarz
Komentarze