Artificial Intelligence

Od XVIII wieku ważnymi motorami wzrostu gospodarczego i jakości życia ludzi są innowacje technologiczne. Najbardziej przełomowe z nich nazywane są „technologiami ogólnego zastosowania”. W tej kategorii mieszczą się takie przełomowe technologie jak: maszyna parowa, silnik spalinowy, elektryczność. Każda z tych technologii stała się katalizatorem kolejnych fal innowacji, szans biznesowych i udogodnień w życiu ludzi.

W obecnej epoce najważniejszą technologią ogólnego zastosowania jest sztuczna inteligencja (AI – Artificial Intelligence), a zwłaszcza uczenie maszynowe (ML – Machine Learning), czyli zdolność urządzenia (np. algorytmu programu komputerowego) do ciągłego doskonalenia własnego funkcjonowania bez konieczności korzystania z ludzkich instrukcji, jak ma wykonać zadane prace. W ciągu zaledwie kilku ostatnich lat technologia ML stała się o wiele efektywniejsza i szeroko dostępna. Już dziś jesteśmy w stanie tworzyć systemy, które uczą się same, jak poprawnie wykonać zadania.

W ostatnich latach, do szczególnie znaczących sukcesów AI i w szczególności ML bardzo przyczyniła się metoda nazywana głębokim uczeniem (Deep Learning), która bazuje na sieciach neuronowych. Algorytmy pochodzące z głębokiego uczenia mają znaczącą przewagę nad wcześniejszymi generacjami algorytmów używanych w ML. Potrafią dużo efektywniej wykorzystać duże zbiory danych.

Opanowanie sztuki nienadzorowanego (przez człowieka) uczenia maszynowego (w szczególności głębokiego uczenia), otworzą przed ludźmi ekscytujące możliwości. Urządzenia mogłyby wtedy rozwiązywać złożone problemy przy użyciu nowych sposobów, pomagając nam dostrzec wzorce, których nie jesteśmy jeszcze świadomi.

Innym, małym, ale wciąż rosnącym obszarem badań w tej dziedzinie jest uczenie przez wzmacnianie (reinforcement learning). To podejście jest wbudowane w systemy, które osiągnęły mistrzowski poziom w grach wideo produkowanych przez Atari i w grach planszowych w rodzaju „Go”. Pomaga ono również optymalizować zużycie energii (np. w centrach danych) czy tworzyć strategie obrotu akcjami.

Głębokie uczenie przez wzmocnienie jest najbardziej obiecującym w ostatnim czasie typem ML. Odbywa się ono na kilku poziomach sztucznych sieci neuronowych przy wykorzystaniu pewnej metody behawioralnej – systemu nagród i kar. W przeciwieństwie do rozwiązań wykorzystujących typowe metody uczenia maszynowego, nie wymagają one ludzkiego nadzoru.

Wszystko wskazuje na to, że zarówno w świecie biznesu jak i w życiu ludzi i społeczeństw nastał czas ruchów tektonicznych spowodowanych postępem technologicznym związanym z AI.

Według rozpoczętych już trendów, sztuczna inteligencja a zwłaszcza uczenie maszynowe, jest w naszych czasach najważniejszą technologią ogólnego zastosowania. O znaczeniu tych innowacji dla biznesu, gospodarki i ludzi zdecyduje nie tylko ich bezpośrednie zastosowanie, ale także ich zdolność do uaktywnienia i inspirowania twórców innowacji i komplementarnych rozwiązań.

Na podstawie:

  • „Harvard Business Review”, Grudzień 2017 – Styczeń 2018
  • McKinsey Global Institute „Artificial Intelligence – The Next Digital Frontier?”