Den umělé inteligence a strojového učení
Na konferenci „Den umělé inteligence a strojového učení“, kterou v Praze uspořádala společnost společnost KPC-Group, vystoupili vedle analytiků Gartner také zástupci tuzemských organizací se zkušenostmi při nasazování chatbotů v bankovní sféře, řízení vývoje umělé inteligence a strojového učení ve farmaceutickém odvětví, nasazováním robotické automatizace procesů nebo řešením pro prediktivní údržbu využívajícím analýzu zvuku pomocí AI.
Čtyři hlavní překážky umělé inteligence
S klíčovou prezentací na konferenci vystoupil viceprezident výzkumu Gartner Alexander Linden. Umělá inteligence podle něj v dohledné době většinu odvětví zásadně nepromění. Bude ale významně přispívat k jejich obchodním výsledkům – ať už cestou úspor, růstem obratu nebo obojím. Umělá inteligence už dnes umožňuje, prostřednictvím svých technických disciplín jako je strojové a hluboké učení, využít data při řešení nejrůznějších úloh, jako je automatizace řízení, rozpoznávání vzorů nebo zlepšení interakce se zákazníky.
„Podstatou strojového učení je mapování dat za účelem hledání odpovědí na některé klíčové otázky byznysu – například kolik výrobků bude prodáno nebo zda zákazník zruší kontrakt. Výstupem je často prostá odpověď ano či ne, 0 nebo 1. Proces, kterým se strojové učení využívající neuronové sítě k této odpovědi dostane, může být založen na řadě abstrakčních vrstev a algoritmů – a z pohledu byznysu se může zdát obtížně pochopitelným a cizím.” vysvětluje Dr. Linden.
Potenciálně cizí či nepochopitelná povaha strojového učení je jednou ze čtyř hlavních překážek umělé inteligence, na něž Alexander Linden ve své přednášce upozornil. Tři zbývající jsou extrémně rychlé tempo inovací, závažný nedostatek odborníků a konečně řada konkrétních úskalí jako nedostatek dat, neschopnost vysvětlit, jak došla AI k určitému rozhodnutí, nebo problémy s předpojatostí AI (jež obvykle vzniká ve fázi „učení”).
Umělá inteligence podle Dr. Lindena nepromění většinu odvětví k nepoznání – přinejmenším ne v dohledné době. Podniky z ní ale budou profitovat celou řadou způsobů v oblastech jako je marketing a prodej díky zlepšení postupů, jak získávat nové a udržet stávající zákazníky, v oblasti cenotvorby a uživatelských rozhraní, zákaznických služeb a podpory. Ve výrobě bude AI využívána k omezení neplánovaných či zkrácení plánovaných odstávek, zvýšení míry automatizace a pro systémy včasného varování či prediktivní údržbu. AI také znatelně zvýší produktivitu zaměstnanců, zlepší předpovědi poptávky nebo přesnost systémů detekujících podvody. Stručně řečeno: umělá inteligence pomůže podnikům zlepšit obchodní výsledky na výnosové i nákladové straně výsledovky.
Natural Language Processing
Anthony Mullen, ředitele výzkumu Gartner, poté nastínil budoucnost interakcí vedených v přirozeném jazyce mezi námi (spotřebiteli, zákazníky a zaměstnanci) a chatboty či virtuálními asistenty. Podle Anthony Mullena budou lidé do dvou let trávit v průměru více času diskusí s boty a virtuálními asistenty než se svým životním partnerem. Budeme s nimi diskutovat nákupech a prodejích, vyjednávat, podávat jejich prostřednictvím stížnosti a uzavírat kontrakty. Technologie pro zpracování přirozeného jazyka (NLP – Natural Language Processing) se stanou součástí naší pracovní rutiny a budou šetřit čas tzv. bílých límečků, pracovníků ve znalostní sféře, převzetím řady rutinních a dokonce i některých nerutinních úloh.
Jazyk je nejpřirozenější formou mezilidské interakce. S tím, jak se technologie pro zpracování přirozeného jazyka rychle rozvíjejí, stávají se podle výzkumu společnosti Gartner celosvětově třetím nejčastěji podporovaným typem projektu v oblasti umělé inteligence (AI). „NLP může pomoci zvládnout řadu hlavních úloh, pro které organizace zavádějí AI, jako je zvyšování efektivity, snižování nákladů a zlepšování zákaznické zkušenosti,” vysvětluje Anthony Mullen. „Organizace, jež řeší NLP projekty, jich mají v průměru 6-7 ve fázi příprav či ostrého provozu.”
Postupně se mění i preference samotných zákazníků, jak naznačil průzkum Gartner zaměřený na AI, v němž byli zákazníci dotazování, zda by pro různé interakce upřednostnili chatbota resp. virtuálního asistenta, nebo lidský protějšek. Výsledky byly velmi překvapivé – 38 % respondentů ve Spojených státech již dnes preferuje AI v oblasti zákaznických služeb, 35 % v roli finančního poradce, 33 % jako výpomoc při nákupu, 30 % pro kariérní poradenství nebo jako trenéra fitness. Důvěra v AI v oblastech, jako je právní poradenství, učení nebo zdravotní péče, zatím zůstává poměrně nízká – hluboko pod úrovní 20 %.
NLP technologie, konverzační rozhraní a virtuální asistenti již vstoupili do našich životů prostřednictvím chytrých telefonů a specializovaných domácích zařízení. „Do roku 2022 budou zákazníci orientovaní na nové technologie (angl. early adopters) mít v průměru čtyři virtuální osobní asistenty, jichž se budou moci zeptat na radu. Půjde jak o univerzální asistenty typu Alexa, tak o specializované, jako je fitness trenér Vi,” vysvětluje A. Mullen.
Pro podniky budou konverzační agenti způsobem, jak snížit provozní náklady a zvýšit produktivitu či dostupnost služeb zákazníkům. Příkladem virtuálního asistenta, který zlepšuje dostupnost služeb zákazníkům a zároveň zvyšuje produktivitu, je Nuance Nina VA nasazený australským úřadem duševního vlastnictví pro online příjem patentových přihlášek. Virtuální asistent patentového úřadu eliminuje nutnost prohledávat rozsáhlá menu a dokáže zdárně a plně vyřešit až 80 % zákaznických dotazů.
Umělá inteligence v praxi
Jak lze zvuky snímané z mechanických zařízení jako jsou průmyslové stroje, motory nebo eskalátory využít pro včasnou detekci závad a plánování servisních zásahů dříve, než dojde k poruše, představil na konferenci Pavel Konečný z české společnosti Neuron soundware. Její řešení pracuje, zjednodušeně řečeno, na principu převodu zaznamenávaného zvuku na spektrogram kombinující frekvenční analýzu zvuku a čas a jeho následném zpracování do zvukových map; ty jsou následně pomocí metod umělé inteligence analyzovány. Postupně je vyvinut algoritmus, který slouží pro monitoring zařízení v reálném čase a jenž pomáhá včas odhalit možné závady. Řešení Neuron soundware zavádějí například Airbus, Siemens nebo Volkswagen a postupně nachází využití v řadě dalších odvětvích jako je energetika, utility nebo doprava.
Že softwaroví roboti mohou ve finančním odvětví pomoci snížit provozní náklady, zvýšit efektivitu a provozní flexibilitu nebo lépe využívat schopnosti a znalosti zaměstnanců, vysvětlil Martin Franc, zakladatel společnosti Agnostix, která v České spořitelně pomáhala vytvořit kompetenční centrum robotiky a zavést robotickou automatizaci procesů (RPA, Robotic Process Automation) – tedy softwarové roboty, kteří například pracují s tradičními aplikacemi podobně, jako by s nimi pracoval běžný zaměstnanec. Česká spořitelna v současné době používá RPA v podobě patnácti „robotických jednotek“ pro automatizaci 19 aplikací. Roboti zpracovávají denně okolo 2 000 „lidských“ úloh jako je zpracování dokumentace klientů, správa hypoték, sestavování reportů, skóring a další. RPA je podle France také ideální přípravou na nasazení umělé inteligence v nejrůznějších oblastech – ať už jde o chatboty či virtuální asistenty v oblasti interakce s klienty, inteligentní OCR a analýzu obrazových dat při zpracování vstupních dokumentů nebo podporu a automatizaci rozhodování pomocí kognitivních systémů či prediktivní analýzy.
Josef Holý z pražského IT Hubu globální farmaceutické společnosti MSD vysvětlil, že jednou z nejdůležitějších otázek u projektů využívajících umělou inteligenci je jednoduché „proč“ – umožňuje totiž řídit vývoj s ohledem na jasný cíl, například zlepšení zákaznické zkušenosti, tedy kombinovat požadavky byznysu s potřebami zákazníků. Zdůraznil také zásadní roli dat a datových vědců či analytiků v projektech využívajících techniky umělé inteligence – data jsou totiž základním „studijním materiálem“ pro trénink AI. Podniky by se podle něj proto měly zaměřit na příležitosti k oportunistickému sběru dat, který využila například automobilka Tesla pro vývoj autopilota – systému (částečného) autonomního řízení, kdy díky senzorům a plnému připojení modelu S byla schopna sebrat data z kamer, telemetrie a další údaje o řízení ze 45 milionů ujetých mil během pouhých šesti měsíců. Oproti tomu se projektu samořiditelného auta Google, který sbíral data o řízení pouze z malé flotily experimentálních vozů, podařilo sebrat za 6 let data z pouhého 1,5 milionu ujetých mil.
Zkušenosti s nasazením různých typů chatbotů v další velké finanční instituci shrnul Jan Vichr z Komerční banky. Ta v posledních měsících vyzkoušela prodejního asistenta na svém webu, propagovala své akce pomocí botu ve Facebook Messengeru, připravuje virtuálního asistenta bankovních poradců a nastupujícím zaměstnancům dala k dispozici virtuálních pomocníka, jehož úkolem je pomoci jim při orientaci v novém pracovním prostředí. Jan Vichr na základě zkušeností banky doporučuje volit chatboty jako vhodné řešení konkrétního problému, spíše než hledat možné příležitosti k jejich nasazení – a vždy uvažovat o možných alternativách jako je zlepšení uživatelského rozhraní stávajících systémů, nebo redesign stávajících podnikových procesů.
Odpovědnost umělé inteligence a dostupnost dat pro její trénování
Během tiskového brífinku a závěrečné panelové diskuse, které byly též součástí programu Dne umělé inteligence a strojového učení, byly nastoleny například otázky odpovědnosti AI v situacích, kdy přebírá lidské role (u nichž byla doposud odpovědnost za rozhodnutí či konání na konkrétním člověku), nebo výhod, které může nasazení AI přinést například ve snížení počtu chyb v oblastech, jako je lékařská diagnostika. Opakovaně také zazněla otázka, zda a jakou roli by měl hrát stát v podpoře technologií pro zpracování přirozeného jazyka – například cestou uvolnění obrovského množství dat v podobě záznamů vysílání a jejich doslovných přepisů, na nichž v současné době „sedí“ veřejnoprávní Český rozhlas a jež by v případě zpřístupnění mohla být využita pro trénink hlasových rozhraní a konverzačních systémů v češtině.
