Polski Związek Motorowy
Adamed
Polska Agencja Prasowa
Astor
IFX Payments
TEB Edukacja
Fundacja Moc Pomocy
Elemental Holding
French Touch
Polski Komitet Normalizacyjny
TU
Bergakademie Freiberg
Bank Nowy BFG
Narodowe Centrum Promieniowania Synchrotronowego SOLARIS
Astorino Kawasaki Robotics
DTK&W Zespół Ogłoszeniowy
Opegieka
Crazy shop
PartyBox
WUOZ w Krakowie
Uniwersytet Medyczny w Łodzi
Grupa Mo
Jeleniogórska Organizacja Turystyczna
eFitness
Instytut Badań Literackich PAN
Danhoss
Fundacja Sztuki, Przygody i Przyjemności ARTS
Opennet.pl
Centrum Medyczne Intermed
Centrum Rozwoju Edukacji Edicon
Winner Europe
Po amputacji
MamMoc.pl
EtnoStoria
Widzisz Wszystko
EMKA Project
NowaLed ILL
Eco Light LED
LoxiMide
Fundacja AVLab.pl
RCC Nova
Vector Controls
Virtual SMS
Parus Holdings
Biuro Partner
Optime.AI
M2M Team
Sztuczna inteligencja to gałąź informatyki zajmująca się tworzeniem systemów wykonujących zadania w sposób logiczny, czyli tak jakby zostały zrobione przez racjonalną, inteligentną osobę. Sztuczna inteligencja próbuje odzwierciedlić działanie ludzkiego mózgu, a dokładnie sposób w jaki odbiera i interpretuje różne bodźce. Pojęcie AI jest bardzo szerokie i odnosi się m.in. do robotów naśladujących zachowanie człowieka, autonomicznych samochodów czy też wirtualnych asystentów, wyszukiwarek, programów do rozpoznawania obrazu, głosu i twarzy.
Sztuczną inteligencję wykorzystuje się w wielu rozwiązaniach wspierających działalność różnych branż. Poniżej prezentujemy przykładowe zastosowania AI.
W branży e-commerce stosuje się narzędzia do analizy dużych zbiorów danych, które wykorzystuje się do budowania prognoz sprzedaży i tworzenia systemów rekomendacji. Programy wyświetlające klientom propozycje produktów działają w oparciu o algorytmy przewidujące zachowania konsumentów. System analizuje właściwości najczęściej przeglądanych artykułów, a następnie rekomenduje klientowi podobne produkty. Natomiast rozwiązania prognozujące sprzedaż usprawniają procesy logistyczne i magazynowe.
Oprócz systemów rekomendacji branża e-commerce korzysta również z innych możliwości, jakie daje sztuczna inteligencja. Przykładem jest aplikacja Asos, która umożliwia wyszukiwanie produktów na podstawie zdjęć. Wystarczy, że użytkownik doda fotografię lub zrzut ekranu artykułu, który mu się spodobał, a program przeanalizuje obrazek i wyświetli podobnie wyglądające produkty dostępne w asortymencie sklepu.
Rozwiązania sztucznej inteligencji mają zastosowania w medycynie i opiece zdrowotnej. Niektóre specjalistyczne szpitale korzystają z systemów do wykrywania nieprawidłowości na obrazach medycznych. Dzięki temu minimalizuje się ryzyko postawienia błędnej diagnozy przez lekarzy. Technologię AI wykorzystuje się również podczas analizy olbrzymiej liczby danych klinicznych.
Chiński robot Xiaoyi był pierwszą maszyną, której udało się zdać narodowy egzamin lekarski na poziomie 76%. Początkowo robot zajmował się tylko gromadzeniem i analizowaniem danych. Xiaoyi zwracał uwagę specjalistów na złe wyniki badań, które nie mieściły się w przyjętej normie i mogły świadczyć o chorobie. Z czasem maszyna została udoskonalona do tego stopnia, że teraz sama wyciąga wnioski i stawia trafną diagnozę. Xiaoyi wspiera pracę chińskich lekarzy i pomaga im zidentyfikować choroby pacjentów i dobrać odpowiednią metodę leczenia.
Urządzenia i maszyny w firmach produkcyjnych muszą być regularnie sprawdzane i konserwowane, aby uniknąć awarii przerywających i opóźniających prace. Oprócz tradycyjnej metody zarządzania sprzętem polegającej na ustaleniu harmonogramu przeglądu maszyn, wykorzystuje się programy, które w czasie rzeczywistym badają i analizują stan sprzętu a w razie wystąpienia jakiś problemów informują o potrzebie przeprowadzenia konserwacji danego urządzenia.
Do monitorowania stanu maszyn wykorzystuje się m.in. kamery. Firma Landing.ai dostarcza rozwiązanie, które kontroluje stan urzędzeń przy pomocy niezwykle czułych kamer wykrywających mikroskopijne uszczerbki. System rozpoznaje ubytki, oznacza je i przekazuje informację o ich wystąpieniu.
Banki należą do instytucji zaufania publicznego, dlatego muszą szczególnie dbać o bezpieczeństwo danych klientów. Niektóre podmioty finansowe korzystają z programów do rozpoznawania twarzy w celu identyfikacji tożsamości. Ta forma weryfikacji jest nie tylko wygodniejsza, ale również zwiększa bezpieczeństwo usług bankowych. Instytucje finansowe coraz częściej sięgają po wirtualnych asystentów, którzy odpowiadają na standardowe pytania klientów.
Część osób rezygnuje z usług doradców finansowych na rzecz robo-doradców. Robo-doradztwo nie jest niczym innym jak oprogramowaniem zarządzającym portfelem aktywów. Program ocena portfel inwestycyjny klienta oraz jego zachowania dotyczące m.in. stopnia dopuszczalnego ryzyka oraz wielkości zysku i na tej podstawie podpowiada dokonanie odpowiedniej alokacji środków pieniężnych z uwzględnieniem zasad dywersyfikacji portfela. Robo-doradcy mogą również samodzielnie zarządzać finansami i dokonywać zmian inwestycyjnych. Przykładem jest platforma FINAX umożliwiająca pasywne inwestowanie w fundusze ETF.
Programy oparte na sztucznej inteligencji wykorzystywane są także w edukacji, aby przyśpieszyć i podnieść efektywność nauki. Znanymi rozwiązaniami z tego obszaru są tzw. wirtualni korepetytorzy, którzy przygotowują uczniów do sprawdzianów i egzaminów. Dużym atutem jest stały dostęp do “nauczyciela” i możliwość realizowania materiału o dowolnej porze.
Dzięki wykorzystaniu AI aplikacja Duolingo dołączyła do grona najpopularniejszych programów do nauki języków obcych z liczbą pobrań przekraczającą 300 milionów. Jeśli użytkownik chce rozpocząć naukę danego języka, z którym miał już kiedykolwiek do czynienia, na początku musi wypełnić test kwalifikujący do kursu prowadzonego na odpowiednim dla niego poziomie. Egzamin rozpoczyna się od bardzo prostych pytań. Jeśli użytkownik udziela prawidłowych odpowiedzi, system zadaje mu coraz trudniejsze pytania. W momencie, gdy program rejestruje błędne odpowiedzi, następuje powrót do prostszych pytań. W ten sposób system określa poziom znajomości języka przez użytkownika. Dodatkowo aplikacja wykorzystuje technikę głębokiego uczenia, aby spersonalizować naukę i zoptymalizować proces przyswajania wiedzy poprzez częste powtórki materiału. Użytkownicy w każdym momencie mogą porozmawiać z chatbotami, dzięki czemu przezwyciężają strach przed mówieniem i podnoszą umiejętności konwersacji.
Sztuczna inteligencja w transporcie wykorzystywana jest m.in.do budowania autonomicznych pojazdów. Tesla, Ford, Honda, Mercedes i Hyundai należą do grupy firm prowadzących badania rozwojowe tych samochodów. Oprócz samodzielnie poruszających się pojazdów osobowych testuje się w pełni zautomatyzowane pociągi i ciężarówki. Rozwiązania bazujące na AI od lat stosowane są w samolotach. Mowa tutaj o autopilocie, z którego korzysta się podczas lotu w sprzyjających warunkach. Urządzenie nie tylko steruje samolotem, ale również kontroluje wszystkie parametry takie jak ciśnienie czy wysokość lotu.
Programy oparte na sztucznej inteligencji wykorzystywane są także do zarządzania transportem publicznym. The Train Brain jest systemem przewidującym opóźnienia pociągów. Rozwiązanie w czasie rzeczywistym monitoruje przebytą trasę i na podstawie lokalizacji kolejki oraz czasu przyjazdu i odjazdu z konkretnych stacji, szacuje opóźnienia.
Ze względu na zdolności systemów AI do naśladowania ludzkich zachowań wyróżnia się dwie podstawowe grupy: słabą i silną sztuczną inteligencję.
Słaba AI, która jest również znana pod nazwą wąskiej sztucznej inteligencji, odnosi się do systemów, które konkretnie zdefiniowane zadania wykonują lepiej od człowieka. Rozwiązania kontrolują procesy i prawidłowo wykonują czynności, dzięki ustalonej wcześniej strukturze. Mimo to programy nie działają świadomie i nie przypominają funkcjonowania ludzkiego mózgu.
Silna AI odnosi się do systemu, który działa w taki sam sposób jak ludzki umysł i tym samym przewyższa człowieka w jakimkolwiek zadaniu intelektualnym. Obecnie silną sztuczną inteligencję można zobaczyć jedynie w filmach science fiction opowiadających o robotach, które myślą, odczuwają emocje i podejmują samodzielne decyzje.
Firmy coraz chętniej sięgają po rozwiązania bazujące na sztucznej inteligencji, ponieważ dostrzegają ich liczne zalety. Poniżej przedstawimy najważniejsze korzyści stosowania rozwiązań opartych o AI.
Sztuczna inteligencja pracuje przez cały czas o każdej porze dnia i nocy. Dzięki temu na bieżąco odpowiada na zapytania i stale analizuje nowe dane. W przeciwieństwie do człowieka nie męczy się oraz nie bierze urlopów. Dodatkowo stale pracuje na tym samym wysokim poziomie i nie popełnia ludzkich błędów wynikających ze zmęczenia, rozproszenia uwagi czy też pobieżnej znajomości tematu.
Niektóre rozwiązania zastępują czynności wykonywane dotychczas przez człowieka. W ten sposób firmy ograniczają liczbę etatów, a w rezultacie ponoszą mniejsze koszty wynagrodzenia wszystkich pracowników. Oczywiście sama budowa programów stosujących sztuczną inteligencję jest bardzo kosztowna. Dodatkowo dochodzą jeszcze wydatki związane z utrzymaniem i rozwojem systemu. Mimo to inwestycja po upływie odpowiedniego czasu często staje się opłacalna.
Wzrost sprzedaży może wynikać z ciągłości oferowanej usługi, np. stałego dostępu do wirtualnych sprzedawców lub z personalizacji produktów. Rozwiązania bazujące na AI wykorzystują algorytmy, które na podstawie wyszukiwanych dotychczas produktów, oferują klientowi podobne artykuły. W ten sposób programy rekomendują konsumentowi towar, który powinien trafić w jego gust i go zainteresować. Systemy rekomendacji stosuje się przede wszystkim w branży e-commerce, aby zachęcić klientów do większych zakupów.
Z raportu "Artificial Intelligence Market Size, Share & Trends Analysis Report" napisanego przez Grand View Research wynika, że od kilkunastu lat obserwujemy wzrost wykorzystania sztucznej inteligencji. W 2017 r. wartość globalnego rynku AI przekroczyła 16 mld dolarów, w 2018 r. wyniosła 21,5 mld, a w 2019 r. wzrosła do 39,9 mld dolarów. Z tego wynika, że coraz częściej buduje się rozwiązania oparte na sztucznej inteligencji. Poniżej przedstawimy najpopularniejsze frameworki wykorzystywane przy tworzeniu systemów bazujących na sztucznej inteligencji.
TensorFlow jest frameworkiem stosowanym w uczeniu maszynowym i sieciach neuronowych. Narzędzie zostało stworzone przez firmę Google, która korzysta z niego m.in. w programach do rozpoznawania obiektów lub mowy. TensorFlow jest dobrym narzędziem wizualizacji danych. W czytelny sposób prezentuje grafy obliczeniowe sieci neuronowych (computational graph), a także umożliwia wdrożenie obliczeń na jednej lub większej liczbie procesorów lub kart graficznych bez konieczności ponownego pisania kodu.
Microsoft Cognitive Toolkit znany wcześniej pod nazwą Microsoft CNTK zawiera narzędzia do tworzenia i trenowania algorytmów uczenia głębokiego. Posiada podobne funkcjonalności do rozwiązania Google, jednak pozwala na korzystanie z wielu serwerów jednocześnie, co skraca czas uczenia się maszyn.
PyTorch jest frameworkiem stworzonym przez Facebooka wykorzystywanym do budowy programów głębokiego uczenia. Atutem tego rozwiązania jest możliwość tworzenia dynamicznych grafów obliczeniowych i łatwego modyfikowania architektury sieci. Dodatkowo rozwiązanie można łatwo zintegrować z danymi umieszczonymi w tablicy NumPy.
Keras jest narzędziem do tworzenia sieci neuronowych, które wykorzystuje TensorFlow i Theano jako backend. W przeciwieństwie do wymienionych wyżej rozwiązań, Keras nie jest kompletną platformą wykorzystywaną do uczenia maszynowego, ale służy jako interfejs i ułatwia konfigurację sieci neuronowych niezależnie od frameworków, w których powstały.
Niektórzy błędnie utożsamiają sztuczną inteligencję z takimi pojęciami jak uczenie maszynowe, głębokie uczenie czy sieci neuronowe. W rzeczywistości te pojęcia tworzą podzbiór AI.
Uczenie maszynowe jest poddziedziną sztucznej inteligencji, a mianowicie jej zastosowaniem. Proces uczenia maszynowego polega na tym, że system na podstawie konkretnych instrukcji i dostarczonych informacji sam uczy się i analizuje dane. ML wykorzystuje się najczęściej do rozpoznawania obiektów. Program na początku otrzymuje dużą ilość przykładów na podstawie, których uczy się czym jest dany obiekt i jak on wygląda.
Głębokie uczenie jest podzbiorem uczenia maszynowego i zajmuje się rozpoznawaniem, opisywaniem i klasyfikacją danych. System samodzielnie wykrywa obiekty, które wcześniej poznał w ramach ML.
Sztuczne sieci neuronowe zostały zbudowane na wzór ludzkiego neuronu i składają się z trzech typów warstw: wejściowej (zbierającej i przekazującej dane), ukrytej (wykorzystującej proces uczenia się) i wyjściowej, która jest odpowiedzialna za przeprowadzenie analizy i wyciągnięcie wniosków. Każdy neuron odbiera bodźce i dokonuje własnych obliczeń. Technologii używa się m.in. do rozpoznawania twarzy, prognozowania pogody czy transkrypcji mowy na tekst.
Jeżeli masz ochotę dowiedzieć się więcej na temat tworzenia rozwiązań opartych o sztuczną inteligencją lub potrzebujesz wsparcia w swoim projekcie – napisz do nas przez formularz kontaktowy.
