Wyzwania i ograniczenia związane z rozwojem AI

W ciągu kilku ostatnich lat sztuczna inteligencja (AI) zagościła w różnych branżach. W tym czasie nastąpił gwałtowny wzrost liczby narzędzi, aplikacji i platform opartych na AI i uczeniu maszynowym (ML). Technologie te wpłynęły na ochronę zdrowia, produkcję, prawo, finanse, handel detaliczny, nieruchomości, księgowość, marketing cyfrowy i wiele innych dziedzin. Jakie wyzwania stoją przed nami w niedalekiej przyszłości? Czy sztuczna inteligencja na stałe rozgości się w naszym życiu? O zdanie zapytaliśmy Agatę Biel – inżyniera AI/ML w Comarch.

Inteligentna automatyzacja procesów 

Sztuczna inteligencja jest coraz częściej wykorzystywana do automatyzacji procesów i odciążania ludzi od wykonywania powtarzalnych, monotonnych czynności, pozwalając na zajęcie się bardziej kreatywnymi problemami. Przykładem takiego działania są moduły OCR w systemach księgowych, które pozwalają na automatyczne  czytanie zawartości dokumentów (np. faktur, rachunków) i przyporządkowanie danych do odpowiednich kategorii na podstawie zdjęcia lub skanu.

Takie rozwiązanie wymaga od człowieka jedynie zatwierdzenia poprawności danych, zamiast manualnego przepisywania informacji do systemu. Obecnie coraz popularniejsze stają się również chatboty (zwłaszcza tworzone z wykorzystaniem LLM - Large Language Model), które, na przykład, mogą   asystować  użytkownikowi podczas korzystania z używania programu, odpowiadając na pytania, pomagając nawigować po systemie lub wykonując za niego proste akcje. Wykorzystanie  takich asystentów daje przewagę pomocy 24/7, a nie tylko w określonych godzinach czasu pracy asysty technicznej  oraz łatwość interakcji i krótki czas oczekiwania na odpowiedź.

Firmy i organizacje z pewnością będą wciąż dążyły do wprowadzania kolejnych automatyzacji, jako że, w dłuższej perspektywie, takie działanie pozwala   optymalizować wydatki, czas i zasoby. Z kolei sztuczna inteligencja wraz z jej stale rosnącymi  możliwościami i kompetencjami umożliwia poszerzenie zakresu, realnych do wprowadzenia,  automatyzacji.

Sztuczna inteligencja dla spersonalizowanych usług

Wraz ze stale rosnącą konkurencją na rynku, firmy stale podejmują działania w celu zdobycia nowych, jak i utrzymania obecnych,  klientów. By oferować produkty i usługi jak najlepiej dopasowane do odbiorcy, przedsiębiorstwa często decydują się na skorzystanie z pomocy sztucznej inteligencji. Jedną z możliwości oferowanych przez najnowsze technologie są rekomendacje, czyli ułatwianie odkrywania produktów, na podstawie upodobań użytkownika, osób o podobnych cechach do danego użytkownika lub też na podstawie podobieństwa do innych produktów. Innym przykładem zastosowania algorytmów ML jest dopasowywanie promocji i ofert na podstawie cech i zainteresowań użytkownika.

Również w związku z rozwojem dziedziny NLP (Przetwarzanie języka naturalnego), sztuczna inteligencja jest coraz częściej wykorzystywana do personalizacji treści oraz komunikacji z klientami, w celu dobrania najbardziej trafnej wiadomości, a także jej tonu i wydźwięku, które pozwolą na zainteresowanie użytkownika ofertą. Podstawą wszystkich tych działań jest oczywiście analiza danych o klientach, segmentacja klientów oraz produktów i usług, a także wyciąganie wniosków na ich podstawie.

Pojazdy autonomiczne

Prace nad wprowadzeniem do użytku pojazdów autonomicznych trwają od lat 80. ubiegłego wieku. Niewątpliwie progres poczyniony przez ten czas, a zwłaszcza od chwili upowszechnienia się rozwiązań z dziedziny ML, jest imponujący. Choć zdecydowana większość ludzi wciąż porusza się samochodami wymagającymi kontroli przez użytkownika, to firmy prowadzące badania nad pojazdami autonomicznymi, testują rozwiązania, które choć wciąż wymagają nadzoru człowieka, to powoli zbliżają nas do oddania kierownicy w ręce oprogramowania. 

Sieci neuronowe są uczone, by identyfikować otoczenie (m.in. światła, pieszych, drzewa, znaki) i przebieg drogi oraz analizować sytuację na drodze i przewidywać zagrożenia. Podstawą takich rozwiązań są oczywiście ogromne ilości danych zbieranych podczas prowadzenia samochodu przez człowieka. W celu ich rejestracji wykorzystywane jest połączenie rozmaitych sensorów, radarów i kamer, a w celu ich przetworzenia, analizy i dalszego użycia stosowane są zaawansowane algorytmy Computer Vision. 

Poziom skomplikowania sytuacji na drogach w realnych warunkach, który często nie jest prosty do przetworzenia przez niedoświadczonych kierowców, z pewnością stanowi wyzwanie pod kątem automatyzacji prowadzenia pojazdów. Dlatego droga do upowszechnienia tego typu rozwiązań jest wciąż daleka i wymaga dalszych prac po stronie m.in. specjalistów AI. 

Mechanizmy rozpoznawania twarzy

Algorytmy ML służące do identyfikacji osób na podstawie zdjęć lub wideo na dobre wpisały się w nasze codzienne życie. Działanie tego typu modeli polega na analizie i porównywaniu rysów twarzy, odległości (np. między oczami) i kształtów (np. kości policzkowych, uszu, nosa) oraz innych cech osobistych takich jak głębokość oczodołów, kontur warg czy karnacja, w celu rozpoznania twarzy. W założeniu działania te mają na celu naśladowanie ludzkich umiejętności i możliwości. 

Na co dzień z technologią rozpoznawania twarzy spotykamy się przy weryfikacji tożsamości np. dostęp do kont bankowych, logowanie do aplikacji, uwierzytelnianie, dostęp do biur. Funkcjonują już również rozwiązania pozwalające na wstęp na wydarzenia bez papierowych lub elektronicznych biletów, jedynie na podstawie weryfikacji wizerunku. Ponadto rozpoznawanie twarzy pomaga służbom przy identyfikacji m.in. osób zaginionych, w celu szukania sprawców przestępstw oraz przy kontrolach granicznych.

AI w ochronie zdrowia 

Medycyna jest dziedziną wiedzy i życia, w której błędy i przeoczenia mogą mieć tragiczne skutki dla pacjentów. W ostatnich latach sztuczna inteligencja staje się coraz większym wsparciem dla lekarzy i innych przedstawicieli branży medycznej. Poprzez analizowanie danych medycznych, np. symptomów chorobowych lub skanów medycznych, i zestawianie ich z wiedzą domenową taką jak np. objawy charakterystyczne dla danej choroby lub wygląd i umiejscowienie zmian chorobowych, AI pomaga lekarzom w szybszym i skuteczniejszym stawianiu diagnozy. W konsekwencji, jej użycie potencjalnie przekłada się na lepsze rokowanie dla pacjenta oraz optymalizację pracy lekarzy. 

Monitorowanie parametrów życiowych i stanu zdrowia z wykorzystaniem rozwiązań AI, pozwala natychmiastowo reagować w razie niepokojących objawów, pozytywnie wpływając na poczucie bezpieczeństwa pacjentów oraz na usprawnienie procesu pomocy pacjentom w nagłych wypadkach. 

Należy jednak zauważyć, że rolą AI w medycynie jest wsparcie profesjonalistów, a nie ich całkowite zastąpienie. Wraz z rozwojem nowych algorytmów i rozwiązań, w kolejnych latach, medycy będą w stanie oferować trafniejszą i lepszą opiekę.

AI, którą można wytłumaczyć

Najbardziej popularne i zaawansowane obecnie algorytmy AI/ML, takie jak np. głębokie sieci neuronowe, transformery, czy LLM, tworzone są na obraz i podobieństwo naturalnych zjawisk i struktur, takich jak na przykład ludzki mózg. Choć te rozwiązania mają niezwykle potężne możliwości predykcyjne, interpretacja ich decyzji przez człowieka nie jest prosta i oczywista. Z technicznego punktu widzenia, działanie modelu sprowadza się do wykonywania operacji matematycznych, a ich dokładne parametry są ustalane w fazie treningu, podczas której uczymy model podejmować jak najlepsze decyzje. Mimo to, zazwyczaj nie jesteśmy w stanie stwierdzić, co dokładnie sprawia, że predykcja modelu jest taka, a nie inna. 

 „Prostsze” rozwiązania, takie jak drzewa decyzyjne, lasy losowe czy SVM, pozwalają na przeanalizowanie „sposobu myślenia” modelu oraz często na zwizualizowanie procesu decyzyjnego. Dzięki temu dają możliwość łatwiejszego dokonania potrzebnych zmian, na podstawie wiedzy domenowej, w celu lepszego działania modelu. Często klienci biznesowi mają większe zaufanie do tego typu rozwiązań przygotowanych przez specjalistów AI, jako że są w stanie zrozumieć, z czego wynikają predykcje modelu. 

Choć z pewnością klasyczne rozwiązania ML są popularne na rynku i zapewne wciąż będą wykorzystywane, to bardziej skomplikowane modele (sieci neuronowe, LLM) często oferują bardziej precyzyjne wyniki, jako że operują na milionach, a nawet miliardach parametrów, co pozwala na lepsze modelowanie warunków decyzyjnych.

Wybór rozwiązania jest często złożonym, rekursywnym procesem, a jego przebieg zależy od potrzeby biznesowej. Z kolei poziom skomplikowania modelu, ilość potrzebnych zasobów oraz możliwość dokładnego wyjaśnienia decyzji, wymaga szukania kompromisu. 

Etyka a AI

Wraz z rozwojem branży AI, a zwłaszcza rozpowszechnieniem użycia dużych modeli językowych, takich jak popularny ChatGPT, pojawiła się potrzeba debaty na temat odpowiedzialnego tworzenia i wykorzystywania rozwiązań sztucznej inteligencji. Rozwój technologii zwykle rodzi pewne niebezpieczeństwa, na które odpowiedzią (zazwyczaj po czasie) są regulacje prawne i kodeksy etyczne. Tak też jest w przypadku AI. Do stworzenia modeli AI/ML wykorzystywane są ogromne ilości danych, które pozyskiwane są, w zależności od sytuacji, od klientów, z ogólnodostępnych baz, są sztucznie generowane lub pozyskiwane z Internetu.

Najczęściej przed rozpoczęciem pracy nad projektami AI, firmy zatrudniają pracowników do walidacji i cenzurowania danych. Mimo to istnieje ryzyko, że sztuczna inteligencja uczona na informacjach pochodzących z naszego świata (który, chociażby historycznie nie gwarantuje pełnej równości i moralności zachowań), będzie propagowała podobne treści. Ponadto, jak każdą technologię, sztuczną inteligencję można wykorzystać do realizowania niemoralnych celów takich jak oszustwa czy inne przestępstwa. 

W związku z tym można się spodziewać, że w najbliższych latach, rady państw, Unii, czy światowych stowarzyszeń i organizacji, będą pracować nad zasadami mądrego wykorzystania najnowszych technologii w tym sztucznej inteligencji.

Staż IT w Comarch 

Staż IT w Comarch to świetna okazja na rozpoczęcie kariery w świecie IT. Co prawda w tym roku firma nie oferuje dedykowanego profilu AI/ML, niemniej jednak osoby, które chcą rozwijać się w obszarze sztucznej inteligencji znajdą projekty, w których na co dzień prowadzone są prace w tym obszarze. Sam staż oferuje możliwość nauki i rozwoju pod skrzydłami doświadczonych specjalistów IT.

Pracujemy w rozmaitych projektach wykorzystujących zarówno najnowsze i innowacyjne, jak i klasyczne, rozwiązania ML w dziedzinach takich jak np. NLP, Computer Vision, Time Series Forecasting. Do naszych flagowych rozwiązań należą m.in. Comarch ChatERP, czy Comarch OCR.