Wprowadzenie do Data Science #2 – 
12 zastosowań sztucznej inteligencji

W poprzednim artykule z tej serii nauczyliśmy się rozróżniać pojęcia nierozerwalnie związane z tematyką sztucznej inteligencji. Dziś porozmawiamy mniej o teorii, a więcej o praktyce. Tematem wpisu są możliwości, jakie daje nam współczesna technologia w rozwoju naszych biznesów. Firmy coraz częściej do swoich codziennych praktyk wprowadzają koncepcję Data-Driven Business, czyli sposobu prowadzenia organizacji opartego o wiedzę wynikającą z danych, nie z domniemań czy marzeń. 

Liczba informacji nas otaczających bywa przytłaczająca – często je gromadzimy ale nie wiemy co z nimi zrobić, gubimy się w ich ogromie. Te firmy, które potrafią wyselekcjonować wartościowe dane, a następnie je przeanalizować i wyciągnąć z nich wnioski, zyskują ogromną przewagę nad konkurencją. W jaki sposób to robią? Najczęściej wykorzystują do tego zaawansowane, lecz coraz bardziej przystępne algorytmy sztucznej inteligencji.

W tym artykule omówię problemy, przy rozwiązaniu których topowe firmy wykorzystują magię AI. To dobra okazja do przemyślenia tego, w jaki sposób sztuczna inteligencja może pomóc usprawnić Twój biznes i przynieść Ci zyski oraz szeroko pojęty rozwój.

12 wyzwań, którym sprosta sztuczna inteligencja

Często lubimy ułatwiać sobie życie – nie ma w tym nic dziwnego. Dzięki automatyzacji obniżamy koszty, przyspieszamy procesy i ułatwiamy dostępność. Jeśli na tym etapie jeszcze nie wiesz, jak możesz wykorzystać możliwości sztucznej inteligencji w swoim biznesie, jest to najwyższy czas aby poszerzyć horyzonty i zainspirować się do działania. Poniżej wypunktowałem 12 najpowszechniejszych wyzwań, z którymi zmagają się różne branże na całym świecie.

Rekomendacja produktów

Jednym z najpopularniejszych przykładów zastosowania sztucznej inteligencji są wszelkiego rodzaju systemy rekomendacyjne. Najczęściej występują one w sklepach jako sugestie kolejnych produktów na podstawie obecnego koszyka, historycznych zakupów lub produktów, które przeglądamy. Występują również w popularnych serwisach VOD i streamingowych jako sugestie kolejnych produkcji filmowych czy muzyki.

Optymalizacja procesów

Obecnie algorytmy sztucznej inteligencji doskonale wspomagają człowieka w budowaniu i optymalizacji procesów. Mogą na podstawie pewnych informacji zbudować je samodzielnie lub zaproponować udoskonalenia rozwiązania, które już istnieje. Zadania optymalizacji to jedne z najbardziej podstawowych sposobów wykorzystania SI. Doskonałym przykładem w codziennym zastosowaniu mogą być: proces planowania planu lekcji w szkołach, wykorzystania sal na uczelniach wyższych, wykrywanie słabych punktów i optymalizacja złożonych procesów produkcyjnych, czy chociażby optymalizacja drogi dojazdowej w codziennie przez nas wykorzystywanych mapach Google lub Apple.

Wykrywanie oszustw, spamu i anomalii

Gdy zbiór danych jest ogromny, a w dodatku ciągle rośnie w czasie rzeczywistym, bardzo trudno jest dostrzec zachowania, które odbiegają od normy. Obecne algorytmy pozwalają wyszukiwać anomalie i podejmować odpowiednie kroki w celu ich przeciwdziałania. Systemy te są przeważnie rozwiązaniami, które uczą się wraz z coraz większą liczbą informacji i zmieniających się danych oraz warunków zewnętrznych. Zastosowania znajdą zarówno w systemach bankowych, ubezpieczeniowych, skrzynkach pocztowych i rozwiązaniach ostrzegających przed różnymi katastrofami, np. erupcjami wulkanów czy trzęsieniami ziemi. 

Segmentacja klientów

Żaden biznes działający na ogromną skalę nigdy nie będzie w stanie dostosować swojej oferty idealnie dla każdego spośród tysięcy, czy milionów klientów. Z pomocą przychodzi sztuczna inteligencja, która na podstawie zdefiniowanych cech szuka zależności i stara się zdefiniować zbliżone zachowania w formie grup, tzw. segmentów. Dzięki poznaniu swoich klientów, ich potrzeb, zachowań i wyborów wiele sklepów (ale nie tylko) jest w stanie przygotować specjalną ofertę dla poszczególnych grup klientów charakteryzujących się podobnymi zwyczajami. W ten sposób działają właśnie personalizowane promocje, komunikaty, reklamy czy dostosowana do wymagań obsługa klienta. Poza tym, segmentacja umożliwia działania najbardziej opłacalne pod kątem konkretnej grupy klientów oraz szybkie dostosowywanie do zmieniającego się rynku.

Budowanie wizerunku firmy

Analiza sentymentu – termin, który w ostatnich latach bardzo zyskuje na popularności. Poprzez jej użycie można wyrazić próbę ocenienia wydźwięku emocjonalnego wypowiedzi. Stosuje się ją np. w badaniach ankietowych, obserwacji wpisów na mediach społecznościowych, czy opinii klientów. Za jej pomocą definiuje się, czy wypowiedź jest pozytywna, neutralna, czy negatywna – jest to więc doskonały pomysł w przypadku pracy nad wizerunkiem firmy. Monitorując Internet i analizując zebrane dane pod względem ich wydźwięku, jesteśmy w stanie budować relację z klientami – również tymi tymczasowo niezadowolonymi – odpowiadając na negatywne opinie, umacniamy naszą pozycję i przedstawiamy się w dobrym świetle, nawet jeśli wcześniej nie do końca sprostaliśmy jego oczekiwaniom.

Automatyzacja obsługi klienta

Każdy klient chce być traktowany wyjątkowo – lecz gdy biznes się rozrasta, nie zawsze jesteśmy w stanie zapewnić sobie bezpośredniego kontaktu z odbiorcami. Z pomocą przychodzą nam jednak boty, które potrafią porozmawiać z nimi, wysłuchać i zaproponować rozwiązanie problemu. Jest to bardzo wygodna opcja zarówno dla klientów (pozwala nam uniknąć czytania regulaminów, przeglądania FAQ, w tym przeklikiwania się przez kolejne strony w poszukiwaniu odpowiedzi na nurtujące pytanie) jak i dla firm, które w ten sposób mogą oszczędzić duże sumy pieniędzy, jednocześnie nie tracąc na jakości obsługi. Bot interpretuje nasze pytania w języku naturalnym i natychmiastowo, podsuwając gotowe rozwiązania 24 godziny na dobę!

Praca z obrazem i wideo

Jest to obszar tak szeroki, że możliwe w nim zastosowania można liczyć w tysiącach. Sztucznej inteligencji możemy użyć do wyszukiwania niepożądanych obiektów czy wad produkcyjnych na zdjęciach, analizy emocji ludzi na filmach wideo oraz wykrywania na nich ruchu. Rozwiązanie to pozwala również na grupowanie ogromnej liczby zdjęć lub klatek wideo, np. na podstawie kolorystyki lub występujących zdarzeń i obiektów, a następnie przypisywanie do nich etykiet. W końcu, możemy użyć SI do budowania wizualizacji 3d w oparciu o zdjęcia satelitarne kończąc. Jako że zastosowań jest tak wiele, to właśnie temu zagadnieniu przyjrzymy się dokładnie w kolejnym artykule z serii.

Odczytywanie tekstów

Na osobną kategorię zasługuje analiza obrazu pod względem rozpoznawania pisma. Obecne systemy OCR są w stanie odczytać zarówno druk maszynowy, jak i pismo ręczne. Potrafią przetwarzać tekst ze zdjęć i skanów na w pełni edytowalną i uporządkowaną treść. Bardzo często wykorzystuje się je do takich zastosowań jak automatyczne sortowanie listów, konwertowanie odręcznych notatek na wersję elektroniczną czy chociażby tłumaczenie tekstów na inne języki w czasie rzeczywistym z kamer w naszych smartfonach. Od czasu wprowadzenia rozwiązań opartych na analizie tekstu, studenckie przygotowania do sesji stały się prostsze – nieczytelne notatki z wykładów pożyczone od kolegi nie są już problemem, czyniąc z OCR zbawienie dla studentów!

Analiza mowy

Pierwszym skojarzeniem ze sztuczną inteligencją i analizą mowy są wszechobecni asystenci głosowi, tacy jak asystent Google, Alexa czy Siri. Dzisiejsza technologia umożliwia nam prowadzenie z nimi rozmowy i wydawanie im poleceń. Obecnie są głównie miłym dodatkiem np. do sterowania inteligentnym domem lub zarządzeniem muzyką czy nawigacją w samochodzie, gdy nie chcemy odrywać wzroku od drogi oraz rąk od prowadzenia pojazdu. Coraz częściej słyszymy ich również na infoliniach, gdzie nie trzeba już klikać odpowiednich przycisków – wystarczą polecenia słowne, które zostaną zrozumiane i podjęta zostanie odpowiednia akcja. Sposób, w jaki sztuczna inteligencja zaczyna rozumieć ludzką mowę sprawia jednak, że możliwych przypadków użycia będzie z pewnością przybywać.

Sterowanie procesami

Procesy biznesowe w wielu firmach są bardzo rozbudowane i złożone. W wielu przypadkach jedynie człowiek może je kontrolować ze względu na ich skomplikowanie, zależność od czynników zewnętrznych i wielu niejednoznaczności. Współczesne algorytmy coraz częściej są jednak w stanie na tyle zrozumieć dany proces, aby móc obsługiwać nawet te najtrudniejsze przypadki. Mogą one integrować się z wieloma zewnętrznymi systemami, stale się uczyć i wyciągać wnioski z podejmowanych decyzji, przez co niejednokrotnie pozwalają nam uniknąć omyłek, które mógłby popełnić człowiek .

Prognozowanie popytu

Na podstawie zestawu danych uczących (historycznych) można oszacować następną wartość w sekwencji. Ten typ problemu jest często określany jako „przewidywanie”, szczególnie gdy jest stosowany do zmieniających się w czasie danych. Jednym z przykładów tego szacowania jest prognozowanie popytu na podstawie zestawu danych wejściowych, takich jak poprzednie dane dotyczące sprzedaży, nastrojów konsumentów czy nawet pogody Systemy informatyczne są w stanie w krótszym czasie, z większą precyzją i na postawie większej liczby informacji niż człowiek estymować kolejne zachowania.

Generowanie danych

Te problemy wymagają, aby system generował treści odpowiednio zbliżone do oryginalnych na podstawie danych uczących. Na przykład, system kompozycji muzycznej może zostać użyty do wygenerowania nowych utworów muzycznych w określonym stylu – po odpowiednim przeszkoleniu. Programy graficzne potrafią wygenerować obraz na podstawie jego otoczenia (usuwanie obiektów) lub wygenerować całkiem nowy obraz lub wideo jako złożenie zawartości i stylu malarskiego.

Pamiętaj! Liczy się pomysł

Jak widzisz, możliwości jakimi dysponujemy w obecnych czasach są niemal nieograniczone. Za chwilę polecimy na Marsa, dlaczego więc niemożliwe ma być rozwiązanie naszych ziemskich problemów tu i teraz? Ułatwia nam to technologia, skorzystajmy więc z niej! 

Aby szybko i sprawnie pokonać przeszkody należy je najpierw dokładnie zrozumieć. Odpowiednie przygotowanie i znajomość możliwości technologicznych jakimi obecnie dysponujemy sprawiają, że niemal każde wyzwanie jesteśmy w stanie podjąć i zakończyć sukcesem!

Pamiętaj, że czas poświęcony na uporanie się z problemami dnia codziennego i przejście na wyższy poziom automatyzacji to z pewnością dobrze zagospodarowany wysiłek, który w niedalekiej przyszłości przyniesie wymierne korzyści! 

W kolejnym artykule pokażemy jak różne rodzaje algorytmów radzą sobie z analizą obrazu i video. Wyjaśnię jak działa wyszukiwanie obiektów na obrazach, a jak ich opisywanie. Omówimy również możliwość stworzenia mapy na podstawie zdjęcia satelitarnego oraz rozważymy czy generowanie fotorealistycznych obrazów to przyszłość, a może już teraźniejszość?