Planowanie autonomiczne i szeregowanie

Bardzo często spotykamy się z problemem organizacji własnego czasu. Wiemy, że niektóre zadania mają dla nas określony priorytet wykonania, więc najpierw staramy się wykonywać te najważniejsze. Nie zawsze jest to jednak kryterium decydujące, ponieważ istotny jest również czas, który musimy poświęcić na realizację zadania. Czasem bardziej opłaca się wykonać kilka zadań o niższym priorytecie niż jedno o nieco wyższym. Zależy nam na tym, abyśmy – przede wszystkim – byli bardziej wydajni.

Przykładem wykorzystania AI mogą być różne rozwiązania biznesowe. Popularny kalendarz zaczął podpowiadać, ile czasu warto zarezerwować sobie na spotkanie z daną osobą – do przygotowania takich szacunków wykorzystuje informacje na temat wcześniejszych spotkań, w których braliśmy udział my oraz inny dany użytkownik.

Wraz z rozwojem sztucznej inteligencji pojawiają się kolejne systemy autonomiczne mające zdolność uczenia się na podstawie sytuacji zaistniałych w przeszłości, adaptowania oraz generowania nowych, lepszych rozwiązań.

Sztuczna inteligencja w świecie gier

Ludzie od lat wymyślają różnego rodzaju gry wymagające od graczy zręczności, inteligencji oraz umiejętności planowania. Jedną z najstarszych gier są szachy, które pojawiły się w Indiach w latach 70. VI w. naszej ery. Reguły gry w szachy nie są skomplikowane, ale do wygrania partii wymagane jest przewidywanie kilku ruchów do przodu i dostosowywanie strategii do posunięć przeciwnika.

R2aJr4OTR9MOm1

Fotografia przedstawia komputer Deep Blue.
Jest to duże czarne prostokątne urządzenie z przezroczystym frontem przez które widać świecące diody.
W lewym górnym rogu urządzenia znajduje się napis: IBM.

Przed pojawieniem się maszyn inteligentnych programy grające w szachy rozpatrywały każdy możliwy ruch. Wadą takiego podejścia jest to, że najlepszy wybór – w perspektywie dwóch ruchów do przodu – może nie być optymalny. Niestety, liczba potencjalnych ruchów jest ogromna i możliwości obliczeniowe komputerów nie pozwalają na podjęcie decyzji już w perspektywie czterech ruchów do przodu.

Wraz z rozwojem sztucznej inteligencji firma IBM zbudowała maszynę o nazwie Deep Blue, która w 1997 roku wygrała mecz ze światowym mistrzem Garri Kasparowem. Jednak na tym nie koniec. W ciągu następnych lat firma Google opracowała AlphaGo, czyli komputer grający w go – w starochińską grę planszową. On również pokonał byłego mistrza świata w tej dyscylinie.

Wkrótce zaczęły pojawiać się coraz bardziej skomplikowane gry komputerowe. Tytuły takie jak League of Legends, Starcraft czy Dota są znane na całym świecie. Regularnie przeprowadzane są międzynarodowe turnieje o tytuł najlepszego gracza bądź zespołu. Również i do tych gier powstały maszyny inteligentne, które grają na mistrzowskim poziomie. Trenerzy zawodowych zespołów wykorzystują je do szkolenia zawodników.

Autonomiczne sterowanie pojazdami

Pojazdy, które jeżdżą same bez kierowcy, wydają się wyjęte z fantastyki naukowej. Jednak wraz z rozwojem sztucznej inteligencji wizja ta staje się coraz bardziej rzeczywista.

Autonomiczne samochody są obecnie konstruowane przez kilka dużych koncernów samochodowych. Kierująca nimi sztuczna inteligencja jest już tak zaawansowana, że pojazdy te zostały dopuszczone do testowania i uczenia się na drogach publicznych. Upowszechnienie się takich samochodów pozostaje więc kwestią czasu.

Jednym z największych atutów autonomicznych samochodów jest ich sprawność w wykrywaniu niebezpieczeństw na drodze. Czas potrzebny komputerowi do podjęcia decyzji jest bardzo mały, nie sprosta mu refleks żadnego człowieka.

Natomiast przykładem wprowadzonego już na szeroką skalę zastosowania sztucznej inteligencji w motoryzacji jest asystent pasa ruchu. System ten wspomaga utrzymanie pojazdu w pasie ruchu. Asystent śledzi oznaczenie poziome na jezdni i zapobiega niezmierzonej i niezasygnalizowanej zmianie pasa jezdni. Ostrzega kierowcę przed niebezpieczeństwem poprzez sygnał dźwiękowy czy wibrację kierownicy, a w niektórych wypadkach sam koryguje manewr, przywracając samochód na środek dotychczas zajmowanego pasa.

Diagnostyka medyczna

W medycynie pojawia się niezwykle duża liczba wzorców. Choroby są wykrywane podczas obserwacji specyficznych objawów pacjentów. Analiza zawartości krwi pozwala na wykrywanie m.in. anemii, odwodnienia czy białaczki. Dodatkowo do leczenia trzeba zastosować odpowiednie leki, których działanie może różnić się w zależności od pacjenta.

Medycyna jest dziedziną, która zaczyna wspomagać się sztuczną inteligencją. Obecność wzorców pozwala na prowadzenie procesu nauczania maszyn inteligentnych, mogących asystować lekarzom przy pracy. Zadaniem maszyn jest obliczanie prawdopodobieństw występowania danych chorób i wskazywanie odpowiednich leków. Wykorzystywana jest przy tym statystyka poprzednich zachorowań i wyleczeń.

Wieloskalowe planowanie logistyczne

Planowanie logistyczne jest procesem podejmowania znaczących decyzji odnoszących się do procesów i zasobów logistycznych. Spotykamy się z nim w dziedzinach takich jak obsługa klienta, dystrybucja, logistyka produkcji, transport albo przepływ materiałów.

W małej skali planowanie logistyczne może być wykonywane przez ludzi, a cały proces zajmuje rozsądną ilość czasu. Jednak przy dużych projektach staje się to bardzo pracochłonnym zadaniem. Zanim pojawiła się sztuczna inteligencja, algorytmy logistyczne bazowały na różnych mechanizmach heurystycznychheurystykaheurystycznych. Prawdziwym przełomem stało się pojawienie maszyn inteligentnych. Przyswajały one wiedzę, opierając się na istniejących systemach logistycznych, a następnie je usprawniały.

Dzięki nim powstały ulepszone systemy trasowania oraz zarządzania dystrybucją produktów. Wciąż rozwijające się czatboty świetnie się sprawdzają w działach obsługi klienta. Sztuczna inteligencja również pomaga w planowaniu przechowywania i przemieszczania towaru w magazynach.

Dowodzenie twierdzeń

Wszystkie wymienione osiągnięcia sztucznej inteligencji były czysto praktyczne. Jednak maszyny inteligentne znajdują również zastosowanie w matematyce. Jest to dziedzina pełna ścisłych reguł. Przy dowodzeniu twierdzeń wszystko musi się zgadzać i nie ma miejsca na brak formalności.

Dzięki sztucznej inteligencji powstała nowa dziedzina matematyki, zwana matematyką eksperymentalną. Maszyny inteligentne bazując na przyswojonych definicjach oraz twierdzeniach, dokonały już znaczących odkryć, takich jak nowy sposób wyznaczania rozwinięcia dziesiętnego liczby pi.

R1ZbpVMyJx8KW

Ilustracja przedstawia schemat.
Od dwóch połączonych bloków 1. Założenia, 2. Teza, wychodzi strzałka do bloku 3. Dowód, następnie od tego bloku wychodzi strzałka do: Potwierdzenie albo zaprzeczenie postawionej tezy.

Największy sukces w tej dziedzinie osiągnęła maszyna zbudowana przez firmę Google. Proces uczenia był przeprowadzony z wykorzystaniem zbioru 10 200 twierdzeń. Następnie maszyna została przetestowana na 3217 nowych twierdzeniach, z którymi nie spotkała się w fazie uczenia; zdołała udowodnić 1251 z nich.

Jest to dowód na to, że maszyny inteligentne mogą być wykorzystywane także jako pomoc w badaniach naukowych.

Robotyka

Sztuczna inteligencja jest masowo wykorzystywana w robotyce. Pozwala ona na tworzenie zaawansowanych robotów przemysłowych oraz tzw. robotycznych ramion wykorzystywanych przykładowo do naprawy statków kosmicznych znajdujących się na orbicie. Dodatkowo sztuczna inteligencja pozwala również na tworzenie ulepszonych protez dla osób niepełnosprawnych.

Rozumienie języka

Maszyny inteligentne wykorzystuje się podczas pracy z dużymi zbiorami tekstów. Są one w stanie wydobywać kluczowe informacje, odpowiadać na zadane pytania i automatycznie tłumaczyć teksty. Sztuczna inteligencja nadaje im pewnego rodzaju umiejętność rozumienia tekstów, dzięki czemu mogą o wiele precyzyjniej wyszukiwać odpowiednie informacje.

Za przykład niech posłuży wyszukiwanie w bazie tekstów wszystkich zdań związanych z końmi. Moglibyśmy po prostu wyszukiwać słowa kluczowego koń, jednak pominęlibyśmy wtedy zdania dotyczące klaczy albo źrebaków. Systemy inteligentne w procesie uczenia nabywają z kolei umiejętność kategoryzowania słów i kojarzenia ich ze sobą. Dzięki temu rezultaty wyszukiwania są o wiele dokładniejsze.

Deepfake

W ciągu ostatnich kilku lat bardzo mocno rozwinęła się technologia obróbki obrazu oraz filmu nazywana deepfake. Dzięki wykorzystaniu uczenia maszynowego jest ona w stanie łączyć obrazy ludzkich twarzy w sposób niezwykle realistyczny. Z taką technologią wiąże się ogromne ryzyko rozprzestrzeniania się dezinformacji, która może wpłynąć między innymi na światową politykę.

Słownik