Prijazna umetna inteligenca 

Prijazna umetna inteligenca 

Umetna inteligenca se prepleta skozi vedno več področij našega življenja – od industrije in mobilnosti, pa vse do medicine.  Poglejmo, kaj vse umetna inteligenca danes že zmore in kakšni so obeti za prihodnost. 

Iz revije Hi!tech 1/19, avgust 2019

Če se je pred nekaj leti umetna inteligenca (UI) zdela bolj obljuba kot pa resničnost, je danes postala že del našega vsakdanjika. Najdemo jo v obliki pogovornih asistentov na naših pametnih telefonih, pomaga nam pri iskanju ugodne letalske vozovnice ali pa pri uravnavanju jakosti luči v naši dnevni sobi. S pomočjo UI lahko izmed tisoče počitniških fotografij izberemo tiste, na katerih so družinski člani. V mestih in na avtocestah se, čeravno še v testni fazi, prevažajo avtonomna vozila, ki so sposobna samostojno sprejemati odločitve v prometu.  

Vse to zveni zelo obetavno in pričakovanja so dejansko visoka. UI namreč ni zgolj računalniški program, ki togo izvaja ukaze, ampak se uči s pomočjo tako imenovanih nevronalnih mrež, ki posnemajo človekove možgane, in se tako, v realnem času,  neprestano izboljšuje. Ko nakupujemo v spletnih trgovinah, nam UI na podlagi naših klikov ponuja vedno bolj ustrezne produkte. Če gledamo filme v spletnih videotekah, nam program ponudi druge podobne filme na osnovi naših prejšnjih ogledov. Marsikomu se to včasi zdi že moteče, saj imajo ljudje občutek, da jih nekdo opazuje. Toda kdo ne bi bil vesel pomočnika v situaciji, ko je nekoliko zmeden ali pa se mu mudi? Danes kognitivne sisteme uporabljajo zdravniki pri postavljanju diagnoz, zavarovalničarji pri pravilnem ovrednotenju tveganj, ali pa meteorologi pri napovedovanju vremena.   

UI lahko v letu 2030 k svetovnemu gospodastvu prispeva do 15,7 bilijonov dolarjev. 

Medicinski strokovnjaki se pri postavljanju diagnoz lahko oprejo na kognitivne sisteme. 

Umetna inteligenca

Z izrazom umetna inteligenca v ožjem smislu označujemo aplikacije, ko stroji izvajajo naloge, za katere so običajno potrebne intelektualne sposobnosti človeka, kot so učenje, presojanje in reševanje težav. V ta namen obstajajo orodja in tehnične rešitve, s katerimi človek lahko bolje opravlja naloge, saj razširjajo spekter njegovih zmožnosti.

 

Strojno učenje

Strojno učenje je proces, v katerem se izoblikuje "inteligenca" naprave: računalniki se učijo, kako na podlagi algoritmov in nestrukturiranih podatkov prepoznavati vzorce ter na osnovi tega "znanja" samostojno sprejemati odločitve. Končni cilj je, da se stroji učijo iz podatkov in izkušenj ter vedno bolje izvajajo svoje naloge.    


Globoko učenje
Pri globokem učenju gre za uporabo globinskih nevronalnih mrež. Računalnik pri tem posega po podatkih iz več globinskih nivojev hkrati ter pri tem prepoznava povezave med njimi, sprejme ustrezne zaključke ter poda napovedi oziroma odločitve. S pomočjo samoučečih se algoritmov lahko računalnik samostojno rešuje tudi kompleksne nelinearne probleme ter deluje brez navodil. 

UI postopoma spreminja družbo

Toda kako ta revolucionarna tehnologija vpliva na naše delovno okolje, družbo in gospodarstvo? Na katerih področjih dela bodo v prihodnjih letih in desetletjih inteligentni stroji izpodrinili človeka in kateri novi poklici bodo nastali zaradi UI? Kako lahko podjetja izkoristijo UI za vstop na nove trge in svojim kupcem ponudijo nove storitve, s katerimi bodo povečali svojo produktivnost in učinkovitost? To so zapletena vprašanja, na katera pa digitalni asistent v pametnem telefonu danes zagotovo še nima odgovora. Eno je jasno: UI bo trajno spremenila našo družbo. Kot kaže študija družbe Roland Berger, so posledice za gospodarstvo lahko velike: inteligentni, digitalno povezani sistemi v procesnih verigah bi samo v Zahodni Evropi do leta 2035 lahko prispevali k dodatni rasti v višini okoli 420 milijard evrov. Družba PriceWaterhouseCoopers pa je v študiji izračunala, da bi UI v letu 2030 k svetovnemu gospodarstvu lahko prispevala do 15,7 bilijonov dolarjev.

Masovni podatki in UI sta glavni gonili Industrije 4.0. Inteligentne programske rešitve lahko iz množice podatkov, ki jih proizvaja neka tovarna, razberejo trende in vzorce, s pomočjo katerih lahko tovarna izboljša učinkovitost svoje proizvodnje ali zmanjša porabo energije. Naprave se same prilagajajo novim pogojem in se tako neprestano optimizirajo brez pomoči upravljavca. Bolj ko so naprave med sabo povezane, bolj se UI uči branja "med vrsticami" in tako odkriva številne kompleksne povezave v sistemih, ki jih človek še ni odkril, ali pa jih več ne more odkriti. Od zahtev uporabnika pa je odvisno, ali obdelava podatkov poteka v oblaku ali lokalno (npr. na robu omrežja oz. edge computing).

MindSphere, Siemensov odprti IoT operacijski sistem v oblaku, omogoča povezovanje produktov, naprav, sistemov in strojev. Je eden od glavnih pogojev za uporabo UI v industriji, saj omogoča obsežno analizo množice podatkov, nastalih v okviru interneta stvari (IoT), njihovo uporabo za optimizacijo, simulacije in sprejemanje odločitev. Digitalni dvojčki omogočajo virtualno preizkušanje različnih scenarijev in sprejemanje inteligentnih odločitev za, na primer, optimizacijo proizvodnje. Na podlagi digitalne kopije obdelovalnega stroja in pripadajočega proizvodnega procesa bo UI v prihodnje na primer lahko prepoznala, ali ravnokar izdelani predmet ustreza specifikacijam kakovosti in katere proizvodne parametre je potrebno še prilagoditi, da bodo tudi naslednji izdelki enake kakovosti. Na ta način bo proizvodnja še bolj zanesljiva in učinkovita, podjetja pa bolj konkurenčna. Pri tem velja opozoriti na naslednje: s stopnjo povezanosti naprave v omrežje se povečuje tudi potreba po kibernetski varnosti. Tudi pri tem lahko pomaga UI. Če nadzorni program zazna vzorec sumljivih signalov, ki ponavadi napovedujejo napad, lahko hitreje in učinkoviteje, kot na primer to stori človek, organizira ustrezno obrambo pred napadom.

UI v energetskem in zdravstvenem sistemu

UI pa ne koristi samo upravljavcem tovarniških postrojev, ampak tudi družbi kot celoti, na primer na področju energetske oskrbe. UI lahko elektroenergetskim podjetjem pomaga, da kljub vedno bolj decentralni prozvodnji električne energije zagotovijo nemoteno oskrbo z elektriko iz obnovljivih virov. Prednosti za zdravstveni sistem se kažejo na področju naprednega zdravljenja oziroma terapij po meri na osnovi analize medicinskih podatkov posameznika. Urbana območja, v katerih bo po izračunih Združenih narodov do leta 2050 živelo že do 70 odstotkov celotnega prebivalstva našega planeta, pa bodo lahko uporabljala UI za bolj gospodarno porabo virov. Ta bo mogoča na osnovi analize virov podatkov urbanega življenja, kot so promet, poraba električne energije ali klimatske naprave. To bi mestom omogočilo razvoj platform mobilnosti, s pomočjo katerih bi prebivalci svoje vsakdanje poti lahko opravljali brez uporabe avtomobila. Manj avtomobilov pa pomeni tudi več življenjskega prostora in posledično višjo kakovost bivanja.  

Siemens nudi sisteme UI tudi na področju avtomatske optimizacije plinskih turbin. Sistem se na osnovi pogojev obratovanja turbine priuči, kako proizvajati manj elektrike in s tem tudi manj dušikovega oksida. Na enak način Siemensova UI izboljša zmogljivost vetrnih turbin. Pri napovednem vzdrževanju vlakov UI programi omogočajo skrajšanje časa neobratovanja vlakov, ko so le-ti na vzdrževanju. UI pomaga celo pri težki konfiguraciji postavljalnic za železniške postaje (glej portret raziskovalne skupine Configuration Technologies pri Siemens Avstrija na strani 36). Na področju medicinske tehnike omogoča izvajanje operacij na podlagi animiranih posnetkov v realnem času, zdravnikom pa med drugim pomaga tudi pri analizi tisočih rengtenskih posnetkov. V bližnji prihodnosti pa bomo zagotovo imeli opravka z avtonomnimi tovarnami, operacijskimi roboti in inteligentnimi digitalnimi asistenti. 

"Umetna inteligenca je sedaj prišla do točke, ko lahko sproži naslednji val tehnoloških prebojev v kateri koli panogi,” je prepričan Michael May, vodja tehnološkega področja za analizo podatkov in umetno inteligenco pri Siemens Corporate Technology. Po njegovem mnenju je globoko učenje, oziroma umetna inteligenca z učečičimi se nevronalnimi mrežami, danes "sicer dosegla najvišjo točko grafa navdušenja, a popolnoma odpove v smislu konteksta. Tu bi se lahko uporabila tehnologija grafov znanja (ang. Knowledge Graphs), s čimer bi se v primerjavi z globokim učenjem odprle popolnoma nove možnosti."



Bolj ko je naprava povezana v omrežje, toliko bolj je pomembna kibernetska varnost. Tudi tu ima umetna inteligenca pomembno vlogo. 

Mesta bi lahko razvila platforme mobilnosti, ki bi s pomočjo UI omejile rast obsega prometa.  

Znanje v kontekstu

Digitalni grafi znanja zajemajo podatke iz podatkovnih silosov in nato vzpostavijo povezave z različnimi viri podatkov. Na ta način lahko podajo odgovore, ki jih tehnologija globokega učenja doslej še ni zmogla. Njihova inteligenca presega človeško, saj lahko v delčku sekunde združijo in ovrednotijo znanje, ki ga noben človeški um ne zmore. Grafi znanja predstavljajo kvantni preskok za uporabo na različnih področjih, od fleksibilne proizvodnje, vzdrževanja naprav in postrojev, upravljanja dobavne verige oziroma integriranega, procesno usmerjenega načrtovanja in usmerjanja blagovnega, informacijskega in denarnega toka preko celotne vrednostne in dobavne verige, pa vse do energetske optimizacije stavb in napovednih analiz (ang. Advanced Diagnostics). S pomočjo takšnih grafov lahko z veliko večjo natančnostjo kot doslej svojo ponudbo prilagodimo potrebam kupcev. Nazoren primer tega so Siemensove plinske turbine. Pri njih sicer UI algoritmi na podlagi analize masovnih podatkov lahko prepoznajo določena pravila, na primer, da se določeni sestavni deli turbine sčasoma pokvarijo. Nasprotno pa sistem, ki za svoje trditve, podobno kot grafi znanja, uporablja dodatne informacije, kot so kraj izdelave sestavnega dela, kakšne temperature in pogoji vladajo v tamkajšnji proizvodnji ter kje je bil vgrajen, lahko oblikuje veliko bolj natančne trditve.   

UI tudi pomeni, da bodo roboti nekoč v prihodnosti sposobni izvajati številna opravila, ki so danes še v domeni človeka, in sicer bolje. Vendar pa se morajo tako politika kot tudi družba in gospodarstvo pripraviti na te spremembe: potrebujemo namreč načrte za uvedbo digitalne infrastrukture, ciljno usmerjeno ponudbo izobraževalnih programov ter ustrezno zakonsko ureditev, ki ne bo samo utirala pot napredku UI, ampak ta razvoj tudi usmerjala v pravo smer. 

UI se uči iz podatkov o načinu obratovanja plinske turbine in tako pomaga pri njeni optimizaciji. 

Proizvajalci lahko z uporabo UI svoje stroške za prehod na nove načine proizvodnje znižajo za do 20 %. 62 % velikih podjetij uporablja tehnologije na področju UI. 
PWC Global „Artificial Intelligence“, 2017

UI – preteklost in prihodnost

Umetna inteligenca (UI) –angleška ustreznica je artificial intelligence (AI), uporablja pa se tudi izraz cognitive computing oziroma kognitivno računalništvo -  je interdisciplinarno raziskovalno področje v okviru računalniške vede, ki glede na zadani cilj obdeluje rešitve s področja matematike, informatike, prepoznavanja govora in slik (računalniški vid) ter robotike. Odkar se je pojavila želja, da bi računalniki imeli človeške sposobnosti, kot so sočutje, veselje ali pripravljenost za pomoč, so se zgornjim področjem pridružili tudi modeli s področja psihologije in filozofije. In ker računalniški programi poleg drugih nalog sprejemajo tudi odločitve, na primer pri avtonomni vožnji ali pri upravljanju tveganj na področju zavarovalništva, je vključeno tudi področje prava, ki mora razrešiti številna vprašanja, predvsem na področju odškodninskih zahtevkov.

Računalniški strokovnjaki se že od druge polovice prejšnjega stoletja naprej ukvarjajo s programi, ki so tako podobni človekovi inteligenci, da le-to v določenih primerih uporabe lahko tudi nadomestijo. Po navdušenju v 80. letih in temu sledečemu razočaranju, znanem kot "zima UI", ko se napovedi niso uresničile, so spektakularni uspehi v zadnjem času prepričali raziskovalno skupnost na področju UI, da inteligentni stroji lahko prevzamejo naloge človeka, hkrati pa se razvijejo popolnoma nove tehnologije. Siemensovi raziskovalci so bili ob koncu 20. stoletja med prvimi, ki so uporabili umetne nevronalne mreže za inovativne rešitve, in sicer za optimiranje energetsko intenzivnih jeklarn. Danes Siemens na področju podatkovne analize in nevronalnih omrežij zaposluje približno 200 strokovnjakov. Pri tem uporabljajo postopke globokega učenja, ki operirajo z neštetimi simuliranimi nevtroni, ter razvijajo aplikacije UI za industrijo, pametna mesta, vlake, medicinsko tehniko, vetrne elektrarne ali distribucijo energije. S tem je Siemens pionir na področju umetne inteligence v industriji.