Z programů, které bychom dnes mohli označit za umělou inteligenci, jsou dnes asi nejznámější asistenční služby typu Apple Siri. Mnoho systémů z téže kategorie je ale před běžnými uživateli skryto, o to mocnější mohou být v prostředí podnikového IT.
Onkolog i webmaster
ZDNet ve speciálu věnovaném AI mj. vybírá 10 aplikací, které pokládá za prekurzory, z nichž v podnicích vznikne budoucí propojená infrastruktura. Konkrétně má jít o následující programy: IBM Watson, Mathematica, Slackbot, SAS Enterprise Miner, Grok, AutoPilot, CognitiveScale, Conversica, Amazon Machine Learning a The Grid. Mimo okruh příslušných specialistů jsou z těchto systémů známější zřejmě jen první dva. Watson na sebe upozornil především schopností poradit si s přirozeným jazykem ve hře Jeopardy (obdoba Riskuj), jde nicméně o komplexní systém, který dnes stanovuje lékařské diagnózy včetně onkologických případů nebo automatizuje provoz call center. Mnohé funkce Watsona zastanou i jiné aplikace, ovšem Watson je jednak komplexní sám o sobě, jednak základem rostoucího ekosystému – tak si to alespoň představuje IBM.
Program Mathematica by člověk za umělou inteligenci asi nepokládal (proč ne pak třeba Matlab?), to už spíše jiné projekty z dílny Stephena Wolframa týkající se vyhledávání. Ve Wolframově případě je ovšem trochu problém s tím, jak prezentuje své projekty, jeho přívrženci mají až charakter sekty. Totéž mimochodem platí i pro Wolframovu knihu A New Kind of Science, kde se snaží matematiku i svět prezentovat jako strukturu odvozenou od buněčných automatů.
Pojďme k dalším zmíněným příkladům. Conversica se podobá Watsonovi nebo programům Siri/Cortana. Jde opět o asistenta, tentokrát ale specializovaného na nakupování. Rozesílá e-maily na kontakty, které jsou k dispozici („leady“), vede komunikaci a v určitý okamžik případy předává obchodnímu zástupci. Aplikace se integruje do CRM systémů. Podobně Slackbot buduje profily nových uživatelů a skládá jim prostředí na míru, v tomto případě je ale určen spíše pro (nové) zaměstnance než zákazníky.
Asi málokdo by považoval za (komplexnější) AI asi program AutoPilot, který víceméně nahrazuje administrátora webového serveru. Grook je univerzálnější, snaží se monitorovat firemní IT jako celek, vytvářet datové modely nebo upozorňovat na neefektivity či chyby. The Grid je zase nástrojem, který z podkladů (textů, grafiky) má vytvořit funkční web, kde využívá např. strojového rozpoznávání obrazu. Dokáže prý rozumně pracovat s barvami a obrázky různě upravovat nebo obsah přesouvat mezi kategoriemi.
SAS Enterprise Miner i Amazon Machine Learning spadají do kategorie strojového učení. AML je v podstatě nástroj pro podporu rozhodování a tvorbu prognóz, který bychom řadili spíše do kategorie business intelligence než AI. Totéž pak platí pro CognitiveScale. Opět málokdo by je asi považoval za umělou inteligenci ve smyslu Turingova testu, nicméně z pohledu podniku to nevadí; i zaměstnanci zde vykonávají omezenou sadu činností. Není tedy třeba jediný program, který nahradí všechny profese současně, ale postačí specializované aplikace – tento přístup ostatně už pár desetiletí stojí za ideou expertních systémů.
Peníze, prognózy a analýzy
Pokud prozkoumáme další speciály ohledně využití AI v podnikové praxi, zmiňována je dnes často též robotika, především v oblasti skladového hospodářství – to ale na tomto místě pomiňme, protože jde o kategorii produktů mimo čistě softwarový svět. Zajímavá a často používané jsou systémy, které se na základě vzorů snaží o odhalování podvodného jednání. Behaviorální analýza je součástí bezpečnostních produktů již tradičně, nově se rozvíjejícím oborem je např. software pro rozpoznávání vzorů, které umožní identifikovat podvodnou finanční transakci.
Opět, je tohle klasická AI? Nicméně není asi třeba se hádat o slova. Uvedený přehled svědčí především o tom, jaké činnosti se dnes dají na podnikové úrovni automatizovat. Conner Forrest na ZDNet vhodně příslušné aplikace označuje za „prekurzory“. Zatím totiž vykonávají určité činnosti a komunikují přitom s lidmi, respektive s lidmi jako uživateli klasických softwarových systémů. V ne všech případech je dnes ve skutečnosti nasazení takto pokročilých řešení efektivní ve smyslu různých metodik o návratnosti investic, nákladů na vlastnictví nebo metrik výkonu. Zajímavé a snad i revoluční to ovšem začne být, až tyto aplikace pokryjí větší část ekosystému a budou spolupracovat hlavně mezi sebou.
Nástup umělé inteligence vede k tomu, že přibývá takto zaměřených start-upů a současně kapitálu, který do nich proudí. Data Bloombergu a CBS Insight ukazují strmý nárůst hlavně v loňském roce, kdy fondy rizikového kapitálu vložily do těchto projektů 300 milionů dolarů. Některé technologie řazené do umělé inteligence, třeba autonomní auta, se dle Gartneru ovšem nacházejí na vrcholu křivky přehnaných očekávání (Hype křivka a jiná strašidla, tisková zpráva Gartner). Jiná aktuální studie, tentokrát od analytické agentury Forrester Research, (citováno dle webu The Register) se věnuje prognóze zaměstnanosti do roku 2025. Závěr zní, že technologie pro automatizaci více pracovních míst vytvoří, než jich zničí. Deloitte mírně oponuje: bez ohledu na celkový počet míst řada profesí zmizí, podobně jako při předcházejících technologických zlomech i zde budou „poražení“.
Hrubá síla místo chytrosti
A nakonec, Charles McLellan na ZDNet si pokládá otázku, proč aplikace AI nepřišly na trh už třeba před 10 lety. Dospívá k závěru, že nenastal žádný přelom ani zásadní objev, jedná se prostě o záležitost rostoucího výpočetního výkonu. Algoritmy pro strojové učení, respektive příslušné neuronové sítě, podle něj se zvláštní výhodou využívají akceleraci pomocí grafické karty. Druhým hardwarovým faktorem je pokles ceny úložného prostoru, kdy je nyní snadné mít pro učící se program dostatečný objem dat. Obdobou Moorova zákona je zde tzv. Kryderův zákon, podle něhož se hustota dat na disku zdvojnásobí každé dva roky; kolem roku 2010 se zde exponenciálně rostoucí křivka nicméně poněkud zadrhla.
