aA

Sztuczna inteligencja wypełnia rynek

sztuczna inteligencja

Sztuczna inteligencja od pewnego czasu mocno zaznacza swoją obecność na rynku. Specjaliści twierdzą, że jeżeli rozwój tej technologii utrzyma się na obecnym poziomie, to do 2021 roku wartość całej branży SI wyniesie 72 mld dolarów. Do czego wkrótce doprowadzi sztuczna inteligencja i jak wpłynie na rynek?

Od 2017 roku obserwujemy na rynku profuzję aplikacji i narzędzi, w których wykorzystywana jest sztuczna inteligencja – SI (ang. artificial intelligence, AL). Coraz więcej firm decyduje się na wdrożenie SI w przeróżnych środowiskach. Są to jednak głównie małe projekty, choć nie tylko, pozwalające zaznajomić się z nowoczesną technologią. Niemniej, każdy taki projekt poszerza wiedzę na temat jej możliwości i ograniczeń. Dlatego też analitycy, w ciągu najbliższych lat, spodziewają się sporego wzrostu liczby większych wdrożeń rozwiązań opartych o sztuczną inteligencję. Specjaliści z Singularity University oraz firmy analitycznej Deloitte twierdzą, że rynek SI będzie rósł z roku na rok o 55,1%. W rezultacie w 2021 roku ma osiągnąć wartość 72 mld dolarów, czyli ponad 260 mld zł.

Sztuczna inteligencja – bariery wdrożeniowe

Choć wiele firm widzi ogromny potencjał w rozwiązaniach opartych o sztuczną inteligencję, związany przede wszystkim ze zwiększeniem ich konkurencyjności i przyspieszeniem niektórych procesów, to nadal ich większa część widzi poważne bariery. W 2017 roku przedsiębiorstwo Teradata zleciło firmie badawczej Vanson Bourne wykonanie badania. Z wyników przedstawionych w raporcie „State of Artificial Intelligence for Enterprises” wynika, że 80% respondentów już wdraża lub planuje wdrożenie technologii opartych o sztuczną inteligencję. Co więcej, 30% ankietowanych zamierza zwiększyć na nie wydatki w ciągu najbliższych 3 lat.

Jest też druga strona badania, otóż aż 91% badanych przedsiębiorstw widzi poważne bariery i kłopoty, które hamują wdrożenia. Dla 40% najtrudniejszy do przejścia jest brak odpowiedniej infrastruktury IT. Z kolei 30% uważa, że główną barierą jest brak wykwalifikowanych pracowników, którzy mogliby zarządzać systemami SI. Niewiele więcej, 33% jest zdania, że obecnie dostępne rozwiązania są dopiero w początkowej fazie rozwoju. 19% wątpi w to, że sztuczna inteligencja przyniesie jakiekolwiek korzyści biznesowe. Co ciekawe 20% obawia się, iż wdrożenie tej technologii doprowadzi do utraty pracy i źle wpłynie na morale pracowników.

Inną barierą powszechnego zastosowania systemów SI jest brak możliwości wykazania, w jaki sposób sztuczna inteligencja doprowadziła do podjęcia konkretnych decyzji. Istotne znaczenie ma tutaj stworzenie rozwiązań pozwalających na przeprowadzanie audytów działania inteligentnych systemów. Przykładowo, jeżeli rozwiązanie oparte o IS spowoduje zagrożenie dla człowieka z powodu podjęcia nieodpowiedniej decyzji oprogramowania, to konieczny jest dostęp do mechanizmów pozwalających przeanalizować przyczyny tej decyzji i w szybkim czasie wyeliminować błędy. Dzisiejsze systemy wykorzystujące mechanizmy sztucznej inteligencji działają często jak „czarne skrzynki”. Jednak analiza zawartych w nich danych jest niezwykle trudna, a często nawet niemożliwa.

Sztuczna inteligencja w polskim przemyśle?

Mimo iż wdrożenie mechanizmów SI jest trudne i kosztowne, to specjaliści twierdzą, że bardzo prawdopodobne jest, iż w niedługim czasie sztuczna inteligencja „rozleje” się po zachodnich fabrykach. W Polsce ten proceder może postępować trochę wolniej. Powód? Sporo rodzimych przedsiębiorstw nie odrobiło jeszcze lekcji z zakresu czwartej rewolucji przemysłowej, zostając tym samym nieco w tyle. Według raportu ASD Consulting, aż 84% polskich firm przemysłowych zbiera dane ręcznie, a ¼ z nich przetwarza je analogowo. Tylko 16% respondentów wspomaga się kodami kreskowymi i systemami skanowania. Niecałe 12% gromadzi cyfrowe informacje w sposób całkowicie zautomatyzowany.

W celu unowocześnienia polskich przedsiębiorstw wrocławska spółka wspierająca przedsiębiorstwa produkcyjne w cyfryzacji – DSR oraz firma specjalizująca się w rozwoju i adaptacji rozwiązań opartych na metodach SI – Alphamoon.ai stworzyły projekt AL 4Factory. W ramach tej inicjatywy realizują pogłębione audyty w firmach produkcyjnych. Ich głównym założeniem jest wyłonienie tych obszarów działalności, które nadają się do optymalizacji za pomocą sztucznej inteligencji.

Nie należy się jednak martwić tym, że roboty pozbawią ludzi miejsc pracy. Według twórców raportu, w niedalekiej przyszłości ludzka i sztuczna inteligencja będą się wzajemnie uzupełniać. Zarówno jedna, jak i druga będzie dostarczać unikatową wartość wypływającą z jej wyjątkowych, mocnych stron.

Zastosowanie SI w różnych branżach

Sztuczna inteligencja ma niezwykle szerokie zastosowanie. Specjaliści próbują za jej pomocą ułatwić pracę ludziom z różnych branż. Nawet z tych, w których na pierwszy rzut oka zastosowanie SI jest bezużyteczne czy niemożliwe. Polska firma QZ Solutions stworzyła ziBees, czyli aplikację do zarządzania pszczelimi pasiekami opartą o sztuczną inteligencję. Analizuje ona wykonane smartfonem zdjęcia i przesyła pszczelarzowi informacje o potencjalnych infekcjach warrozą (groźna choroba rozwijająca się na pszczołach miodnych i ich larwach). Z kolei firma Future Processing z Gliwic opracowała system, który pozwala na wizyjną kontrolę jakości. Zastosowane mechanizmy uczenia maszynowego analizują zdjęcia oraz filmy i automatycznie wykrywają defekty oraz anomalie występujące w produktach. Następnie sygnalizują wykryte odstępstwa.

Sztuczna inteligencja wykorzystywana jest także w sporcie. Rozwiązanie holenderskiej firmy SciSports potrafi analizować nagrania z meczów piłki nożnej celem dostarczenia informacji o potencjale konkretnego zawodnika czy drużyny. System ułatwia w ten sposób poszukiwania zawodników na określone pozycje. Pomaga także w opracowywaniu założeń szkoleniowych i taktycznych. Co tydzień system analizuje potencjał i wartość ponad 200 tys. zawodników, „przeglądając” ponad 1500 meczów rozgrywanych w 210 ligach.

SI – technologia wspomagająca bezpieczeństwo

Rozwiązania wykorzystujące sztuczną inteligencję i uczenie maszynowe wykorzystywane są w dużym stopniu przez firmy dostarczające oprogramowanie bezpieczeństwa. Przykładem mogą być mechanizmy analizy behawioralnej, które wykrywają podejrzane zachowania aplikacji. Inne to mechanizmy głębokiego uczenia będące podstawą systemów bezpieczeństwa opartych na predykcji zagrożeń. Następne to mechanizmy analizy zachowań użytkowników, które dzięki wykorzystaniu uczenia maszynowego pozwalają na podział użytkowników ze względu na poziom ryzyka. Używane są także rozwiązania, które, poza wykryciem potencjalnego zagrożenia, potrafią wskazać podatne na nie zasoby oraz odfiltrować fałszywe alarmy, a realne zagrożenie zgłosić dostawcy usług.

Autonomiczne centra danych

Mechanizmy sztucznej inteligencji są obecnie testowane i wdrażane przez operatorów największych ośrodków przetwarzania danych. Specjaliści są zdania, że w ciągu najbliższych lat znajdą one masowe zastosowania. Głównym powodem są coraz bardziej skomplikowane systemy IT z uwagi na modne teraz środowiska hybrydowe, które wykorzystują usługi chmurowe i kolokacyjne oraz firmowe centra danych. Mało efektywny, tradycyjny sposób zarządzania środowiskami w wielu przypadkach musi zostać zastąpiony nowym, by firmy mogły nadążyć administrowaniem ciągle przyrastającymi danymi. W tym celu wykorzystuje się rozwiązania oparte o sztuczną inteligencję, które mają ogromny potencjał ułatwienia i uproszczenia zarządzania. Najczęściej są to mechanizmy uczenia maszynowego, które monitorują i automatyzują zarządzanie niektórymi segmentami środowiska.

W centrach danych montuje się czujniki, które zbierają dane o pamięciach masowych, routerach, przełącznikach, serwerach, urządzeniach do dystrybucji zasilania i samych zasilaczach. Następnie te dane analizują algorytmy, które wykorzystują właśnie uczenie maszynowe. Na bieżąco oceniają one wydajność systemów i w razie potrzeby reagują automatycznie, zmieniając parametry lub wysyłając administratorowi alarm. Jest to jednak stosunkowo trudne zadanie. Aby mechanizmy sztucznej inteligencji mogły działać efektywnie, to środowisko wymaga zainstalowania ogromnej liczby sensorów mierzących parametry pracy urządzeń. Dlatego właśnie sztuczna inteligencja nie jest jeszcze stosowana na masową skalę.

Tak czy inaczej, sama sztuczna inteligencja nigdy nie zapewni przedsiębiorstwom wszystkiego, co potrzebne do ich prawidłowego funkcjonowania. Może oczywiście wspomóc wiele procesów, optymalizując je, zarządzając zasobami czy tworzyć dokładniejsze i skuteczniejsze przewidywania. Jednak nigdy nie będzie działać autonomicznie, ponieważ potrzebuje czegoś, na czym może pracować. Bez innych podsystemów nie ma czego optymalizować i czym zarządzać. Dlatego zawsze potrzebne będą bazy danych czy systemy operacyjne, co nas bardzo cieszy. Mało tego, do prawidłowego działania inteligentnych systemów niezbędna jest niezwykle stabilna infrastruktura, którą zapewniamy.

Źródła:
https://www.computerworld.pl/news/Sztuczna-inteligencja-perspektywy-praktycznych-zastosowan,410931.html
https://www.computerworld.pl/news/AI-zmieni-radykalnie-oblicze-przemyslu,410856.html
https://www.computerworld.pl/news/Centrum-danych-automatyzacja-integracja-i-sztuczna-inteligencja,410713.html

Polecamy także:
Gartner potwierdza – sztuczna inteligencja fundamentem przyszłych systemów IT
Gartner potwierdza – sztuczna inteligencja fundamentem przyszłych systemów IT – część 2

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *