Hlavní navigace

Díky cloudu je nasazení umělé inteligence mnohem snazší

14. 6. 2021

Sdílet

 Autor: IBM
Překvapivě dostupnost AI technologií není v současné době zdaleka největší překážkou nasazení umělé inteligence ve firmách. Mezi nejčastější patří právě nedostatek znalostí a zkušeností, nedostupnost a kvalita dat, a problémy související s provozem AI, říká Petr Vaculík, manažer evropského kompetenčního centra IBM pro umělou inteligenci.

V jakých oblastech zaznamenává AI největší úspěchy a v jakých je nejčastěji vyžadována?

Umělá inteligence v zásadě nachází své uplatnění všude tam, kde se pracuje s velkými objemy dat a informací, nebo tam, kde je významný podíl manuální práce při jejich zpracování. Tato data mohou být jak strukturovaná (strukturované informace v databázích firem), tak i nestrukturovaná (smlouvy, obrázky, komunikace se zákazníkem apod.).

Díky obrovskému nárůstu výpočetních kapacit a dostupnosti řady AI služeb si se všemi těmito typy dat si dokáže umělá inteligence velmi dobře poradit a setkáváme se s ní v našem běžném životě častěji, než bychom si mohli myslet. Naši navigaci v autě řídí umělá inteligence, ovlivňuje výsledky vyhledávání na internetu, cílí na nás reklamy, pomáhá s překlady do cizího jazyka a doporučí nám, na jaký film se večer podívat.

Ve firmách nacházíme umělou inteligenci například ve formě virtuálních asistentů (chatbot a voicebot), který dokáže odpovídat na řadu dotazů zákazníků nebo i řešit složitější případy, např. blokaci kreditní karty, umí pomoci s přihlášením do internetového bankovnictví apod. Umělá inteligence dokáže také rozpoznat téma a typ dokumentu nebo emailu, extrahovat z nich důležité údaje a tyto automaticky zapsat do podnikových systémů. Příkladem může být i automatická analýza smluv, kdy AI upozorní na „podezřelé“ pasáže. A pomáhá i s automatizací schválení žádosti o hypotéku nebo vyřízením pojistné události. V bankovnictví dále patří mezi nejčastější implementace identifikace podvodného jednání nebo analýza rizik. V oblasti výroby dokáže umělá inteligence řídit výrobní linku a predikovat její selhání nebo třeba pomocí využití obrazových dat kontrolovat kvalitu výstupního produktu, v logistice naplánovat optimální nakládku kamionu a jeho trasu a v oblasti marketingu optimalizovat cílení těch správných kampaní na správné zákazníky. A velmi slibnou a rozvíjející se oblastí je IoT, kdy umělá inteligence dokáže využívat údaje z řady čidel a pomáhat například při řízení dopravy ve městech.

 

Jak složité je naučit se pracovat s AI a nasadit ji ve firmě?

Překvapivě dostupnost AI technologií není v současné době zdaleka největší překážkou nasazení umělé inteligence ve firmách. Mezi nejčastější patří právě nedostatek znalostí a zkušeností, nedostupnost a kvalita dat, a problémy související s provozem AI.

Specifikum AI implementací je právě v tom, že nasazením do provozu práce nekončí, ale je třeba neustále monitorovat kvalitu výsledků a umělou inteligenci kontinuálně učit. Stejně jako se lidé učí celý život, učí se i produkty založené na umělé inteligenci.

Naučit se pracovat s umělou inteligencí (v užším slova smyslu) příliš složité být nemusí, často k tomu stačí 2-3 nadšení datoví vědci, kteří dokážou vymyslet velmi zajímavé implementace. To, co složité je, je vybrat ty správné AI případy užití pro danou firmu, mít dostupná kvalitní data, tyto implementace integrovat do IT prostředí firmy, škálovat a udržovat a být schopen měřit jejich přínosy. AI je velmi zajímavá oblast, často zatížená řadou předsudků od nedůvěry po přehnaná očekávání. Můžete implementovat AI tam, kde to před vámi udělali jiní, ale zároveň je řada nápadů, které čekají na své objevení. A pro výběr, prioritizaci a implementaci těch „správných“ případů užití využíváme s našimi zákazníky metodu IBM Garage, která na jedné straně podporuje out-of-the-box nápady a inovace, a na druhé straně je dokáže dotahovat do podoby finálního udržitelného produktu.

 

S jakými technologiemi se člověk musí naučit pracovat, pokud chce používat AI?

Na trhu je obrovská škála produktů a technologií, které umožnují implementace AI, a není jednoduché se v nich vyznat. Liší se například podle účelu použití (technologie pro porozumění přirozené řeči, obrazu, zvuku apod.). Jiné nástroje se používají pro přípravu dat, jiné pro vlastní modelování a trénování, a jiné pro nasazování, provoz a monitoring. Existují specializované nástroje pro jeden konkrétní proces, například pro optimalizaci kampaní. A mimo to je třeba umět programovat. Nejčastěji v Pythonu pro datové vědce a v Java nebo JavaScriptu pro vývojáře.

 

Jaké nástroje pro práci s AI jsou dostupně v ČR?

V podstatě všechny celosvětově dostupné technologie jsou dostupné i v ČR. V dnešní době je většina nástrojů dostupných v cloud prostředí, což velmi usnadňuje jejich použití. Jsou snadno, rychle a relativně levně k dispozici. To také vede k tomu, že pokusů o implementace AI je velmi mnoho, téměř každý den narazíte v novinách na nějaký článek na toto téma. Je skvělé, že díky tomuto posunu a demokratizaci dostupnosti technologií dochází k usnadnění inovací.

Specifikum naší země je v tom, že nemluvíme jedním ze světových jazyků, ale česky. A to přináší určitá úskalí. V oblasti zpracování přirozené řeči, kde je porozumění danému lokálnímu jazyku naprosto klíčové, to omezuje šíři použitelných produktů. Výbornou podporu češtiny má např. IBM Watson, který patří v této oblasti mezi lídry na trhu.

 

Jaké byste doporučil specialistům, kteří by chtěli s AI začít?

Když pracujete v AI, tak je třeba mít otevřenou hlavu a schopnost neustále se učit nové věci. Technologicky i z pohledu business implementací je tato oblast nesmírně dynamická a taky zábavná.

Z pohledu konkrétních technologií existují dvě cesty. Specialista, který chce začít s AI, najde nepřeberné množství volně dostupných open-source produktů, se kterými dokáže vytvořit velmi zajímavé implementace. Touto cestou se často ubírají univerzity a jejich studenti. Vedle toho existují sady AI služeb v cloudu, které pokrývají obvykle celý životní cyklus tvorby umělé inteligence, jako například IBM Watson. Pro použití těchto cloudových aplikací pak často není ani nutná detailní znalost programování, jež je v prvním případě nezbytná.

Pokud bych měl být konkrétní a doporučit nějaké produkty pro úplné začátečníky, tak například při tvorbě virtuálního asistenta bych doporučil využít IBM Watson asistenta. Když přijímáme lidi do týmu na pozici konverzačního konzultanta, dostávají za úkol připravit jednoduchého chatbota. A většina z nich to díky dostupnosti školících materiálů i vlastní technologie zvládá velmi dobře. A pokud by se někdo chtěl ponořit do oblasti data science, je úplným základem znalost Pythonu a dostupných knihoven pro modelování.

 

Jak robustní infrastrukturu vyžaduje nasazení AI do podniku?

Díky využití cloudových technologií jsou nároky na vlastní infrastrukturu výrazně nižší než dříve. Firmy mají na cloudu možnost pronajmout si výpočetní a datové prostředky téměř bez omezení. Moderní cloudová řešení mají velmi vysokou dostupnost a nízké doby odezvy. Pro většinu implementací umělé inteligence pak tato řešení plně postačují. I naši největší virtuální asistenti v Evropě s desítkami miliónů odbavených hovorů ročně jsou vytvořeni na cloudových technologiích.

Existují ale i implementace, kde je využití „on-premise“ prostředků v rámci vlastní infrastruktury požadováno zákazníkem a pak nástroje, které bychom používali na cloudu, můžeme nasadit i na servery zákazníka.

A u některých projektů je “on-premise” nasazení přímo nutné. Může se jednat o specifické požadavky na bezpečnost nebo častěji o projekty, kde je v on-line režimu přenášeno obrovské množství dat a je potřeba je velmi rychle v reálném čase zpracovat (typicky oblast IoT a řízení výroby). V těchto případech je někdy dokonce nutné, aby tzv. EDGE server, který tato data zpracovává, byl umístěn fyzicky velmi blízko vlastní výrobní lince. S trochou nadsázky si jej pak můžete představit jako server, který se nachází v místnosti hned vedle výrobní linky.

 

Uveďte prosím nejzajímavejší příklady nasazení AI u Vašich klientů?

Pro jednoho z našich zákazníků jsme vybudovali a společně provozujeme tzv. AI Factory, která dodává desítky implementací umělé inteligence s celosvětovým dopadem. Predikujeme například spotřebu jejích produktů v závislosti na počasí. Implementovali jsme i s mobilní aplikací pro diabetiky, která predikuje hladinu cukru v krvi diabetiků na základě dat z IoT čidel a chrání tím jejich zdraví. Pro jednoho z největších celosvětových hráčů na poli domácích spotřebičů jsme realizovali kompletní transformaci péče o zákazníky za využití cloud a AI technologií, to vše v několika evropských jazycích, kterými hovoří hlasový i textový virtuální asistent. Podařilo se nám úspěšně vybudovat jednoho z největších virtuálních asistentů v českém bankovnictví pro Českou spořitelnu. Během tří dnů jsme vytvořili virtuální sestru Anežku, která pomáhala zvládat první vlnu pandemie koronaviru v ČR. Velkému pojišťovacímu hráči pomáháme vyvíjet aplikaci pro rizikový scoring klientů. Pomáhali jsme na našem domácím trhu predikovat údržbu technických zařízení a také jsme nastavovali metodiku rozvoje AI ve firmě.

příloha_ovladnete_sva_data

Na závěr bych rád zmínil jednu oblast, která se při použití AI dostává do popředí a pro velké business implementace už je a stále více bude klíčovým faktorem úspěchu. Jedná se o etické použití AI. Co si pod tím představit?

Nikdo z nás nechce používat aplikace, které shromažďují naše data bez omezení, kde není vysvětlitelné, jak k danému doporučení došlo („explainability“), kde je zakomponována zaujatost do rozhodování („bias“ vs. „fairness“). Představte si, že vám banka neschválí žádost o hypotéku, nebo že vás nepřijmou do zaměstnání, a nebudou vám schopni vysvětlit proč. Může to být tím, ze model vyhodnotil ženu v určitém věku jako rizikovou žadatelku o práci, nebo že na základě vašich veřejných projevů na Facebooku vás banka vyhodnotila jako rizikového klienta. V obou případech se jedná o neetické využití umělé inteligence. Ve světě jsou známy případy, kdy podobné použití AI vedlo k odlivu zákazníků nebo k pokutám pro danou firmu. Aplikovat umělou inteligenci tak, aby byla férová, vysvětlitelná a nebyla zaujatá předsudky, je jedním z klíčových témat pro toto desetiletí. V IBM mu věnujeme velkou pozornost a naše projekty realizujeme tak, aby se podobným případům předcházelo. Také Evropská unie připravuje směrnice, které by měly použití AI regulovat. Nalézt rovnováhu mezi etickým využití AI, které ale nebude brzdit inovace a znevýhodňovat evropské firmy a zákazníky, bude jednou z největších výzev budoucích let.

Byl pro vás článek přínosný?