A mesterségesintelligencia-technológiák gyors térhódításával a vállalatok is átalakulnak. Mit várhatunk 2017-ben a céges MI-től, melyek a legsürgősebben megoldandó problémák?
Az adatrobbanás előtt
Napjaink infokom technológiáinak egyik legdivatosabb, gyakran az ürességig csépelt jelzője az „intelligens”, legyen szó otthonról, ruháról, közlekedésről, vagy éppen egy vállalatról.
A kifejezést a stratégiai tervezés, vállalkozói innováció és a technológiai változások kezelésének kérdéseivel foglalkozó James Brian Quinn használta először, és egyben az egyik, 1992-es könyvének címe is. A technológiát és új szolgáltatásparadigmákat az üzleti teljesítmény javítására használó menedzsment-megközelítést értett rajta. A számítási infrastruktúrának „hatékonyan” kell begyűjteni a tudást, az intelligencia felhasználásának és a környezetre vonatkozó versenyképes információnak a kombinációja a kivételes siker kulcsa – fogalmazta meg Quinn.
Minél több információhoz férünk hozzá, annál sikeresebb a döntéshozás.
A Honda volt Quinn egyik 1999-es példája a korai intelligens vállalatra: a cég átütő sikerét sok tevékenységének kiszervezése (outsourcing) hozta el, amellyel lehetővé vált, hogy a fejlesztésre és a gyártásra összpontosítson. Az Apple szintén eredményesen élt a kiszervezés lehetőségével: már 1995-ben a gépalkatrészek 70 százalékát így állította elő, az almás cég mérnökei pedig a designra, logisztikára és termékek összerakására fókuszálhattak.
Big data 2017
Aztán ránk köszöntött a big data, az irdatlan adatsorok kora, majd a mesterséges intelligencia reneszánsza. Az adatok korábban soha nem látott mértékben és tempóban szaporodnak világszerte. Komoly probléma viszont, hogy – becslések alapján – az online található adat 90 százaléka szerkesztetlen szöveg, amelyből manuálisan egyre bonyolultabb hasznos információt kinyerni, részben vagy teljesen automatizált folyamatokra van szükség. Eredményes üzletekhez vezető hatékony (nyelvi) elemzésük vállalatok elemi érdeke. Ebben segítenek a mind gördülékenyebb mesterségesintelligencia-módszerek.
Cégvezetőségek nagyon sokat, versenyelőnyhöz vezető, vagy azt növelő, a vállalati stratégiát megváltozató információvagyonok felhalmozásában való támogatást várnak a 2017-es MI-újításoktól. Ahhoz azonban azonosítani és meg is kell érteni ezeket a technológiákat, hogy hol kínálnak növekedési lehetőséget, hol vezetnek markáns digitális szakadékhoz. Két alapkérdést fogalmaznak meg: érett-e az MI-technológia arra, hogy pluszértéket adjon a vállalatnak, és ha igen, mire kell összpontosítani az értékteremtéshez?
A Rage Frameworks az ismeretalapú vállalati automatizáció és szolgáltató MI megoldások egyik meghatározó szereplője felsőszintű üzleti vezetőkkel készített felmérést az MI 2017-es és későbbi céges hasznosulásairól. 82 százalékuk szándékszik MI-t használni idén, mindössze 7 százalékuk nem. A maradék 11 valószínűleg élni fog a technológiával.
Adat helyett nyelvnek lássák a szöveget!
Az érvelést és a visszakövethetőséget (miért pont ezzel a megoldással állt elő a program?) 55 százalékuk, a természetesnyelv-értést 53 tartja legfontosabb lehetőségnek.
Az érvelés és visszakövethetőség sok vállalati alkalmazásban nélkülözhetetlen az MI széleskörű elterjedéséhez. A mai számítógépes statisztikai megközelítések viszont nem egyértelműek, nem derül ki belőlük világosan, hogy miért ezt, és miért nem azt javasolja a program. Ha ajánlásai nem is intuitívak, lehetetlen visszakeresni, honnan származnak. Vagy vakon megbízunk benne, vagy más lehetőségek után nézünk. A teljes átláthatóságban sokat segíthetnek a mélytanulás nyelvi alkalmazásai.
Az MI egyelőre képtelen úgy feldolgozni a nyelvet, mint az ember. Azon egyszerű oknál fogva teljesít rosszabbul a természetesnyelv-feldolgozásban, mert a számítógépes statisztika inkább adatokként, és nem szövegként kezeli a nyelvet, megértés helyett mintafelismeréssel próbálja adatokká alakítani, és tanulni a mintákból. Így aztán nem tud sokat kezdeni a szövegkörnyezettel, relevanciával, és adattá alakítás közben is sok a veszteség.
Egyértelmű vállalati megközelítés, természetesnyelv-feldolgozás helyett természetesnyelv-értés kellene, hogy az MI nyelvi szerkezeteiből (és ne szavaiból) interpretálja, alapgondolatokig fejtse vissza a szöveget.
Az üzleti intelligenciával (business intelligence) átfedések ellenére sem összetévesztendő vállalati MI piaca hatalmas tempóban növekszik. Alkalmazásai viszont csak az említett problémák orvoslásával lehetnek sikeresek.
Afrika is igyekszik bekapcsolódni a mesterségesintelligencia-versenybe a hiányos infrastruktúra és finanszírozás ellenére. A kutatók azonban leszögezik, hogy semmiképpen sem úgy, ahogyan azt a Nyugat szeretné.
Raskó György szavainak megítélése túlmutat a hagyományos politikai törésvonalakon – hívta fel a figyelmet a Századvég kutatásában.
Az Egyesült Államokban legutóbb egy tinédzser halálát kérték számon a mesterséges intelligencián! Az AI veszélyei egyre fenyegetőbbek.
Nem csak jobbról kapja a kemény kritikát a TISZA Párt elnöke, a baloldal is elhatárolódik Magyartól, aki saját szimpatizánsait is megveti.
Aztán jött a kijózanító felismerés.
Bár elvileg a mesterséges intelligencia mögött álló nagy nyelvi modellek pártatlanok, egy kutatásból kiderült, hogy vannak kétségek efelől.
Afrika is igyekszik bekapcsolódni a mesterségesintelligencia-versenybe a hiányos infrastruktúra és finanszírozás ellenére. A kutatók azonban leszögezik, hogy semmiképpen sem úgy, ahogyan azt a Nyugat szeretné.
„A feszültség fokozódása érezhető” – mondta a szlovák védelmi miniszter.
