Sztuczna inteligencja


Budujemy i wdrażamy oprogramowania oparte na sztucznej inteligencji, które automatyzują procesy i zwiększają efektywność funkcjonowania firmy. Rozwiązania AI wykorzystywane są w prawie każdym obszarze działalności, a w szczególności w sprzedaży, obsłudze klienta, marketingu, logistyce i finansach. Budujemy systemy oparte o uczenie maszynowe (machine learning) i głębokie uczenie (deep learning).

Stosowanie sztucznej inteligencji pozwala

chatbot

Zwiększyć efektywność działania firmy

moentyzacja

Obniżyć koszty

ładowanie

Zaoszczędzić czas

Wyszukiwanie błędów

Zminimalizować liczbę błędów


Rozwiązania oparte na AI

  • systemy rekomendacji,
  • chatboty,
  • wirtualni asystenci,
  • wyszukiwarki,
  • programy do rozpoznawania obrazów, obiektów, dźwięku i tekstu,
  • narzędzia do analizy dużej ilości danych,
  • prognozy.

Obszary

  • handel,
  • przemysł,
  • telemedycyna,
  • bankowość,
  • transport,
  • logistyka,
  • edukacja.

Nasi Klienci

Konsulting programistyczny dla Adamed przy tworzenia dedykowanego systemu do zarządzania badaniami
Adamed to jedna z największych polskich firm zajmujących się farmacją biotechnologią. Zajmuje się między innymi poszukiwaniem i badaniem nowych leków.

Firma postanowiła stworzyć dedykowany system do zarządzania dokumentacją badań medycznych. W ramach tego projektu pełniliśmy rolę konsultanta technicznego. Aktywnie uczestniczyliśmy w określeniu zakresu systemu, wyborze odpowiednich technologii i projektowaniu jego architektury.
Case study
Robotyczny system obróbki metalurgicznej dla TU Bergakademie Freiberg

Technische Universität Bergakademie Freiberg to najstarsza akademia górniczo-hutnicza na świecie, założona w 1765 roku. Celem projektu było stworzenie "Mechanicznego Kowala", który będzie obrabiał metal na dostępnych maszynach tak jak aktualni pracownicy.

Stworzyliśmy środowisko programistyczne oparte na RoboDK, w którym programuje się proces wysokopoziomowymi komendami. Oprócz sterowania ramieniem robota musieliśmy także zapewnić synchronizację z maszynami, z którymi robot współpracuje. Projekt został głównie zrealizowany przy użyciu języków programowania Python C++.
Case study

Czym jest sztuczna inteligencja?

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.

Sztuczna inteligencja

Przykładowe zastosowania sztucznej inteligencji

Sztuczną inteligencję wykorzystuje się w wielu rozwiązaniach wspierających działalność różnych branż. Poniżej prezentujemy przykładowe zastosowania AI.

E-commerce

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. 

Medycyna

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.

Przemysł

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.

Bankowość

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.

Edukacja

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. 

Transport i logistyka

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. 

Zastosowania sztucznej inteligencja

Rodzaje AI

Ze względu na zdolności systemów AI do naśladowania ludzkich zachowań wyróżnia się dwie podstawowe grupy: słabą i silną sztuczną inteligencję. 

Słaba sztuczna inteligencja

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 sztuczna inteligencja

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.


Korzyści płynące z AI

Firmy coraz chętniej sięgają po rozwiązania bazujące na sztucznej inteligencji, ponieważ dostrzegają ich liczne zalety. Poniżej przedstawimy najważniejsze korzyści stosowania rozwiązań opartych o AI.

Ciągłość procesów

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. 

Redukcja kosztów

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.

Zwiększenie sprzedaży

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.


Frameworki AI

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

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.

TensorFlow

Microsoft Cognitive Toolkit

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.

Microsoft Cognitive Toolkit

PyTorch

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.

PyTorch

Keras

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.

Keras

Dziedziny związane ze sztuczną inteligencją

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 (machine learning)

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 (deep learning)

Głębokie uczenie jest podzbiorem uczenia maszynowego i zajmuje się rozpoznawaniem, opisywaniem i klasyfikacją danych. System samodzielnie wykrywa obiekty, które wcześniej poznał w ramach ML.

Podkategorie sztucznej inteligencji

Sieci neuronowe

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.


Więcej na blogu