Sztuczna inteligencja (AI) ma zastosowanie w praktycznie każdym sposobie korzystania z inżynierii komputerowej. Począwszy od algorytmów używanych do grania w gry planszowe po pracę maszyn zdolnych do kreatywnego myślenia. Koncepcja tego, co owe myślenie ma oznaczać, zmieniała się w toku rozwoju cywilizacji i człowieka. A jak zmieniały się wyobrażenia o technologii opartej na AI? Dziś zamiast mówiących robotów wykorzystywanych do pilotowania statków kosmicznych, sztuczna inteligencja pracuje w bardziej subtelny sposób. Jakie wyzwania i możliwości otwierają się przed nią w dobie Industry 4.0 ? Czym AI wspiera procesy odbywające się w środowiskach przemysłowych – w tym w polskim przemyśle? Oraz jakie znaczenie dla cyberbezpieczeństwa ma uczenie maszynowe i Deep Learning?

Figurka po prawej stronie to miniatura znanego z serii filmów „Gwiezdne wojny”, droida o imieniu R2D2. Jego postać stworzono w 1977 r. i nadal stanowi wyobrażenie o zaawansowaniu przyszłej techniki i sztucznej inteligencji.

Wymyślony przyjaciel ożywa czyli krótka historia AI

W starożytności zastanawiano się nad granicą możliwości twórczych człowieka. Rzymski poeta Owidiusz opisał w swoich dziełach postać Pigmaliona, pragnącego by stworzona przez niego rzeźba kobiety ożyła. Jest to przykład bardzo romantycznego wyobrażenia o powołaniu do życia wykreowanej formy. Zazwyczaj chodziło o wykorzystanie inteligentnego bytu do własnych celów – głównie pracy. Na przełomie XVII/XVIII w. filozofowie zastanawiali się nad ujarzmieniem prostych, mechanicznych zasad według których działa świat. Pojawiła się koncepcja matematycznego języka (Leibniz), sprowadzającego każdą procedurę do serii prostych kroków. W ten sposób mogła być ona wykonywana przez istoty i twory podległe człowiekowi. Jak wiemy, pomysły te nie miały szans sprawdzić się w ówczesnych czasach. Posłużyły za to jako podwaliny współczesnej techniki m.in. teorii algorytmów i języków programowania.

W 1921 roku świat po raz pierwszy usłyszał termin „robot” w czeskiej sztuce R.U.R. autorstwa Karela Čapeka . W następstwie jeszcze przed wojną roboty zaczęły pojawiać się na ekranach kin (film Metropolis) a krótko po wojnie Isaac Asimov  napisał opowiadanie „Ja, robot”. Zawarł w nim kilka propozycji, mających na celu zdefiniowanie postawy inteligentnej maszyny względem człowieka. Z całą pewnością obecnie wymaga ona modyfikacji i dostosowania do współczesnych realiów, ale przez długi czas stanowiła podstawę do rozważań na temat bezpieczeństwa człowieka w pracy z inteligentną maszyną.

W 1945 r. w eseju „As We May Think” Vannevar Bush zaproponował system, który miałby wzmacniać wiedzę i zrozumienie ludzi. Pięć lat później Alan Turing napisał artykuł na temat maszyn zdolnych do symulowania zachowań ludzkich i posiadających umiejętności robienia inteligentnych rzeczy, takich jak gra w szachy. Znany jest również test Turinga, którego idea sprowadzała się do konwersacji ludzie – maszyny. Założeniem testu była demaskacja komputera lub odwrotnie – wprowadzenie w błąd uczestników dyskusji, że jest on istota ludzką. Dopiero w 1956r. John McCarthy użył sformułowania  „sztuczna inteligencja”, tuż po tym jak powstał pierwszy program „myślący podobnie jak człowiek” – Logic Theorist.

Plakat reklamujący sztukę R.U.R. w teatrze marionetek w Nowym Jorku, 1939 r. [źródło]

Nieustanne postępy i odwieczne przeszkody

Głównymi osiągnięciami sztucznej inteligencji w ciągu ostatnich sześćdziesięciu lat były postępy w algorytmach wyszukiwania i uczenia maszynowego. To, co większość ludzi uważa za „prawdziwą sztuczną inteligencję”, nie doświadczyło szybkich postępów w ciągu ostatnich dziesięcioleci. Pionierzy AI od zawsze zastanawiali się, czy jest możliwe aby komputerowy program okazał się bardziej inteligentnym od człowieka? Problem definiowania inteligencji okazał się być tak dużym wyzwaniem, że przyczynił się do zaniechania amerykańskich badań nad sztuczną inteligencją w latach 80-tych. Pogłębił go jeszcze tzw „efekt AI” polegający na odrzuceniu przez ludzi koncepcji, że programy, komputery czy maszyny mogą myśleć.

Część ekspertów uważa, że potknięcia na polu rozwoju sztucznej inteligencji wynikają z niedoszacowania trudności podstawowych problemów. Przykładem jest pozyskiwanie wiedzy przez człowieka. Nie zawsze polega ono na odkrywaniu faktów i łączeniu związków między różnymi zdarzeniami. Często uczymy się poprzez praktykę, metodę prób i błędów, ale i bolesne doświadczenia. Przełożenie tego na matematyczny język, tak jak to założył Leibniz, nie zawsze jest wykonalne. Ponadto wciąż istnieje wiele nierozwiązanych problemów technologicznych, do których dochodzą różne ograniczenia np. wydajnościowe. Jednak pomimo wyzwań, sztuczna inteligencja odnajduje się w wielu aspektach naszego życia.

Co sztuczna inteligencja robi dla nas na co dzień?

Wiemy nie od dziś, że sztuczna inteligencja rozpoznaje mowę . Każdego dnia powstaje coraz więcej systemów, które mogą transkrybować ludzki język, docierając do setek tysięcy odbiorców za pośrednictwem interaktywnych systemów głosowych i aplikacji mobilnych. Wygląda na to, że konkurencja Siri i Asystenta Google będzie rosnąć w siłę.

Skoro AI potrafi reagować na to co „słyszy”, to równie dobrze może odpowiadać na to co „widzi”. Znalezienie ludzkiej twarzy czy rozpoznanie obrazu nie stanowi już dla niej wyzwania. Podobnie jak interpretacja pytań i udzielanie odpowiedzi na czacie. Program AI zdolny do interakcji z ludźmi wykorzystywany jest do obsługi klienta i wsparcia – chatbot. Wiele firm korzysta z tej opcji poprzez wbudowane komunikatory na swoich stronach internetowych.

Oprócz interpretowania języka, sztuczna inteligencja potrafi także go wymyślić. Generowanie języka naturalnego to subdyscyplina AI, która konwertuje dane na tekst, umożliwiając komputerom precyzyjne przekazywanie pomysłów. Znajduje zastosowanie do generowania raportów i podsumowań rynkowych. Przydaje się też w marketingu do generowania treści.

“Elektryczne szorowanie” – 1899 r. autorstwa Jean-Marc Côté. Tak wyobrażano sobie, że będą wyglądać urządzenia gospodarstwa domowego w roku 2000. Warto odnotować, że w 1990 powstała firma iRobot, producent najpopularniejszych inteligentnych odkurzaczy, a flagowy produkt Roomba pojawił się w sprzedaży w roku 2002. Rzeczywistość okazała się przewyższać wyobrażenia francuskiego artysty. [źródło]

Zastosowaniem sztucznej inteligencji jest również dzisiaj badanie historii zakupów konsumentów i wpływanie na ich decyzje od strony marketingowej. Stanowi to element zarządzania decyzjami, które wiele korporacji wykorzystuje również w wewnętrznych procedurach. W środowiskach biznesowych AI pomaga zachować zgodność, poprzez wsparcie narzędzi analitycznych i automatyzację procesów.

Sztuczna inteligencja wspiera też rozwój technologii, gdzie szczególną rolę odgrywa uczenie maszynowe (Machine Learning – ML). Ta gałąź sztucznej inteligencji opiera się na rozpoznawaniu wzorców i zdolności do samodzielnego czerpania wiedzy z doświadczenia. Dzięki temu umożliwia tworzenie prognoz na podstawie dużych ilości informacji. Od małych i średnich firm po duże międzynarodowe korporacje, każda organizacja gromadzi dane, a dzięki dedykowanemu oprogramowaniu są one konsolidowane i oceniane. Uczenie maszynowe rozpoznaje charakterystykę i relacje oraz wykorzystuje algorytmy do uzyskiwania uogólnień. Dlatego też technologia machine learning znalazła swoje szczególne miejsce w procesach przemysłowych.

Zastosowanie AI w Industry 4.0

Sztuczna inteligencja w środowiskach przemysłowych ma nieograniczony potencjał. Od konserwacji prewencyjnej (pisaliśmy o niej tutaj) po automatyzację czynności personelu, AI umożliwia bardziej wydajną pracę, mniej podatną na błędy i o wyższej jakości. Nie ulega wątpliwości, że sektor produkcyjny jest liderem w stosowaniu technologii sztucznej inteligencji. Od znaczących cięć nieplanowanych przestojów po lepiej zaprojektowane produkty – analityka oparta na sztucznej inteligencji służy poprawie wydajności, jakości produktów i bezpieczeństwa pracowników. Przyjrzyjmy się jak rozkłada się zastosowanie sztucznej inteligencji w technologiach przemysłowych na świecie. W raporcie Smart Machines Market z maja 2014 BCC Research przedstawia swoje prognozy wzrostu na lata 2019-2024 poniżej:

Źródło: SIEMENS via EMERJ (łącza na końcu)

Według tego wykresu, przewidywany udział w rynku poszczególnych rozwiązań będzie kształtował się następująco:

  • Autonomiczne roboty (w tym pojazdy samobieżne) : 31% (3,582 mln – 13,927 mln)
  • Asystenci cyfrowi (np. Siri, automatyczni asystenci online) : 30% (2,175 mln – 8,075 mln)
  • Neurokomputery: 22% (1,590 mln – 4,685 mln)
  • Systemy wbudowane (systemy monitorowania i kontroli maszyn): 19% (0,877 mln –2,095 mln)
  • Systemy eksperckie (np. systemy wspomagania decyzji medycznych, inteligentna sieć) : 12% (7,055 mln – 12,433 mln)

Każde z wymienionych rozwiązań może znaleźć zastosowanie w sektorze produkcyjnym, który doskonale nadaje się do wykorzystania sztucznej inteligencji. Od procesu projektowego i wytwarzania po łańcuch dostaw i administrację – sztuczna inteligencja zmienia oblicze światowego przemysłu.

Technologie przynoszące korzyści

W inteligentnej fabryce procesy produkcyjne są połączone – maszyny, interfejsy i komponenty komunikują się ze sobą. W zakładach produkcyjnych systemy oparte na AI identyfikują obiekty na przenośnikach taśmowych i są w stanie automatycznie je sortować. Tego typu rozwiązania są również wykorzystywane w kontroli jakości: rozpoznają wady produktu, porównując je do wzorca. Dzięki czujnikom sztuczna inteligencja pomaga wychwycić zużycie energii przez poszczególne maszyny, przeanalizować cykle konserwacji, a następnie zoptymalizować je w następnym etapie. Dane eksploatacyjne wskazują, kiedy część musi zostać wymieniona lub gdzie może wystąpić usterka. Wraz ze wzrostem ilości danych system staje się lepszy w optymalizacji i dokładniejszych prognozach.

Automatyzacja procesów robotycznych wykorzystuje skrypty i metody, które naśladują i automatyzują czynności ludzkie w celu wsparcia procesów korporacyjnych. Jest to szczególnie przydatne w sytuacjach, gdy zatrudnianie ludzi do określonej pracy lub zadania jest zbyt drogie lub nieefektywne. Wiele się słyszy o zawodach, w których maszyny wkrótce całkowicie zastąpią ludzi. Biorąc pod uwagę oszczędności, jest to naturalna kolej rzeczy.

Cyfrowe modelowanie Twin / AI – inaczej „cyfrowy bliźniak” to konstrukcja oprogramowania, która wypełnia lukę między systemami fizycznymi a światem cyfrowym. Światowy gigant General Electric tworzy wirtualnych pracowników w oparciu o AI. Ich zadaniem jest monitorowanie silników lotniczych, lokomotyw i turbin gazowych oraz przewidywanie awarii za pomocą modeli oprogramowania w chmurze. W zasadzie „osoby” te są liniami kodu programu, ale najbardziej wyszukane wersje wyglądają jak trójwymiarowe rysunki wspomagane komputerowo, pełne interaktywnych wykresów, diagramów i punktów danych.

Cyfrowy bliźniak – wizualizacja. Źródło: NetworkWorld

Sztuczna inteligencja jest kluczowym elementem rewolucji Industry 4.0 i nie ogranicza się do użycia przypadków z hali produkcyjnej. Algorytmy sztucznej inteligencji formułują oszacowania zapotrzebowań rynku, szukając wzorców łączących czynniki lokalizacyjne, społeczno-ekonomiczne, wzorce pogodowe, zachowania konsumentów i inne. Informacje te są nieocenione dla przedsiębiorstw, ponieważ pozwalają im zoptymalizować m.in. zużycie energii, dostawy surowców i wykorzystanie zasobów ludzkich. Sztuczna inteligencja odnajduje swoje zastosowanie również w nowoczesnych rozwiązaniach security.

Jak sztuczna inteligencja wspiera cyberbezpieczeństwo?

Sztuczna inteligencja wraz z uczeniem maszynowym są obecnie wykorzystywane do przeniesienia cybersecurity w nowy wymiar. Następuje to w odpowiedzi na rosnący poziom incydentów bezpieczeństwa i naruszeń danych. Zadaniem AI jest na tym polu zapobieganie, wykrywanie i zapewnianiu jak najszybszych reakcji na ataki lub zagrożenia infrastruktury IT. Bezpieczeństwo oparte na AI łączy analizy behawioralne z zaawansowaną matematyką w celu automatycznego wykrywania nieprawidłowych zachowań w organizacjach. Algorytmy sztucznej inteligencji mogą też służyć do zatrzymywania złośliwego oprogramowania i łagodzenia szkód spowodowanych atakami zero-day.

Analizując logi z różnych źródeł, sztuczna inteligencja może wykryć, kiedy nadchodzą nowe zagrożenia. Podobnie, może również identyfikować trendy w pojawiających się malware i spyware. Dzięki temu nowe próbki złośliwego oprogramowania mogą być wykryte znacznie szybciej. Co więcej, organizacje będą miały czas na opracowanie metod zapobiegania, tak aby w przyszłości ich luki w zabezpieczeniach nie zostały wykorzystane.

Wykonując skanowanie infrastruktury, sztuczna inteligencja może też znaleźć luki w naszej infrastrukturze IT. Jak wiemy chociażby na przykładzie BlueKeep podatności bywają wykorzystywane przez cyberprzestępców na różne sposoby. AI może również pomóc w wykryciu przepełnienia bufora i “podejrzanie się zachowującej” aplikacji. Jeszcze innym obszarem, w którym sztuczna inteligencja może pomóc, jest ludzki błąd. Błędy pracowników to niektóre z głównych przyczyn naruszeń danych, a sztuczna inteligencja może wykryć je na czas i zapobiec np. wyciekom.

Sieci neuronowe mogą być używane w połączeniu z technikami ML do tworzenia nadzorowanych technologii uczenia się, w celu zwiększenia wykrywalności podejrzanych działań użytkowników.

Omawiając wsparcie sztucznej inteligencji dla cyberbezpieczeństwa nie sposób pominąć platform głębokiego uczenia się. Wykorzystują one technologię Deep Learning czyli unikalną formę uczenia maszynowego, która obejmuje sztuczne obwody neuronowe z różnymi warstwami abstrakcji. Mogą one naśladować ludzki mózg, przetwarzać dane i tworzyć wzorce do podejmowania decyzji. Obecnie Deep Learning jest używany głównie do rozpoznawania wzorców i klasyfikowania aplikacji, kompatybilnych z zestawami danych na dużą skalę.

AI a przemysł w Polsce

W zeszłym roku ASD Consulting opublikował raport „Wyzwania polskich przedsiębiorstw w erze Industry 4.0”. Jednym z głównych obszarów pytań badaczy były metody zbierania danych. Wiadomo, że wyznacznikiem przemysłowej rewolucji jest płynna wymiana informacji między poszczególnymi elementami procesów np. produkcyjnych. Przyjrzymy się zatem kilku wnioskom jakie płyną z tego raportu

Większość przedsiębiorców, którzy wzięli w nim udział, deklarowało swoją działalność jako firmę produkcji seryjnej (80%). Jako metodę zbierania danych, 43% respondentów podało „ręcznie w formie elektronicznej” a 25% „ręcznie w formie papierowej”. Tylko 12% zbierało dane automatycznie „za pomocą czujników zamontowanych na liniach”. Okazuje się, że metody ręcznego zbierania danych (elektronicznie bądź papierowo) przeważają w średniej wielkości organizacjach (51-250 pracowników). Małe organizacje (1-50 osób) stawiają na system skanerowy i kody kreskowe. Największy procent firm wykorzystujących automatyzację w procesach agregacji danych należy do firm zatrudniających ponad 250 pracowników. Niestety, jest to tylko 28%. Podobnie jak w przypadku średnich firm, nadal 43% dużych organizacji zbiera dane ręcznie.

Średnio wypadła ocena własna ankietowanych, bowiem ocenili oni te metody w większości na ocenę 3 (w 5-cio stopniowej skali). Z całą pewnością oznacza to świadomość, że organizacje nie posiadają najlepszych możliwych technologii. Respondenci wskazali też obszar przepływu informacji, jako ten, który ma największy potencjał do doskonalenia (76% odpowiedzi). Na kolejnych miejscach znalazły się wydajność (65%), jakość (38%) i terminowość dostaw (30%). Dostępność maszyn chciałoby poprawić 28% ankietowanych a poziom zapasów – 25%. Analitycy z ASD Consulting wskazali na ciekawą zależność: ,,Im wyższy stopień satysfakcji respondentów ze stosowanej metody gromadzenia danych, tym niższa potrzeba udoskonalania wydajności produkcji“. Możemy wywnioskować, że właściwe pozyskiwanie danych wpływa na jakość pracy i efektywność całej organizacji.

Jedną z metod uzyskania zaawansowanej analityki jest korzystanie ze sztucznej inteligencji. Raport ASD Consulting proponuje też rozwiązanie innych problemów za pomocą AI. Jest to np. konserwacja predykcyjna, która ma wspomóc utrzymanie ruchu.

W naszym poprzednim artykule zwróciliśmy uwagę na aspekt komfortu pracownika podczas obcowania w nowoczesną technologią. Nasze obawy znalazły potwierdzenie w rzeczywistości – połowa firm wskazała opór wśród pracowników jako jeden z największych problemów podczas wdrażania rozwiązań do zaawansowanej analizy.

Raport ASD Consulting pochodzi z czerwca 2018 roku i był dość szeroko komentowany – linki do artykułów interpretujących jego treść znajdują się na końcu artykułu. Nie będziemy powielać tutaj wniosków i opinii, które już dawno padły. Jesteśmy za to ciekawi jakie zmiany zaszły bądź zajdą na tym polu. Z pewnością opublikujemy aktualizację po otrzymaniu nowszych danych odnośnie wdrożenia Industry 4.0 w polskim przemyśle.

AI znakiem naszych czasów – ale jeszcze wiele przed nami

Sztuczna inteligencja nie jest już tylko wizją na przyszłość.  Wpływ AI na życie ludzi jest wielostronny. Codzienność wielu z nas wypełniona jest urządzeniami smart. Z drugiej strony, są też i przeciwnicy sztucznej inteligencji. Niektórzy słusznie obawiają się, że zastąpi ona ludzi w miejscu pracy. Nie zapominajmy jednak, że technologia AI ma również potencjał, aby w znacznym stopniu pomóc pracownikom. Zawody, które w dużym stopniu zależą od pracowników wiedzy, to miejsca, w których sztuczną inteligencja będzie mogła sprawdzić się jako narzędzie diagnostyczne.

Przez wiele lat duże centra danych i ogromne pojemności pamięci masowej były odległymi koncepcjami. Obecnie uczenie maszynowe i Deep Learning wykorzystują możliwości Big Data do optymalizacji procesów, znajdowania nowych rozwiązań i zdobywania nowych informacji. To otwiera przed współczesną techniką możliwości, jakich dotąd nie było. Sztuczna inteligencja wspiera rozwój oprogramowania i technologii służących bezpieczeństwu cybernetycznemu. Z kolei organizacje przemysłowe, w tym firmy produkcyjne, coraz częściej doceniają możliwości AI w zakresie przetwarzania i analizy danych.

Dzisiejszy rynek sztucznej inteligencji nie jest łatwy do oszacowania. Poza brakiem konsensusu w sprawie spójnej definicji „sztucznej inteligencji” jako terminu, pamiętajmy, że jesteśmy dopiero na początkowym etapie rozwoju tej dziedziny. Zwłaszcza, jeśli spojrzymy na jej możliwości i kondycję Industry 4.0 w Polsce.

Na zakończenie: raport ADS Consulting o przemysłowej rewolucji w polskim przemyśle – https://asdconsulting.pl/wp-content/uploads/2018/06/Raport-ASD-06-2018.pdf i kilka komentarzy: CRN.pl, PolskiPrzemysł, Newsweek.

Pozostałe źródła i linki

Streszczenie sztuki R.U.R. na angielskojęzycznej Wikipedii https://en.wikipedia.org/wiki/R.U.R.

Opracowanie i fragmenty „Ja, Robot” https://www.encyclopedia.com/arts/educational-magazines/i-robot

https://courses.cs.washington.edu/courses/csep590/06au/projects/history-ai.pdf

https://marketingibiznes.pl/it/historii-badan-nad-ai/

19 Artificial Intelligence Technologies To Look For In 2019

https://www.hannovermesse.de/en/news/key-topics/artificial-intelligence/

https://www.cio.com/article/3309058/5-ways-industrial-ai-is-revolutionizing-manufacturing.html

https://www.globalsign.com/en/blog/5-ways-cybersecurity-can-gain-from-ai/

https://www.networkworld.com/article/3280225/what-is-digital-twin-technology-and-why-it-matters.html

https://emerj.com/ai-sector-overviews/artificial-intelligence-industry-an-overview-by-segment

Dodaj komentarz

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