Tekst oryginalnie został opublikowany na stronie dataevangelists.ai.

W dniach 18 i 19 kwietnia wybrałam się na konferencję BIG DATA & AI (program kongresu) w Warszawie, którego byliśmy patronem medialnym.

Konferencja jest utrzymana w duchu biznesu i nie można jej odmówić różnorodności firm i tematów przedstawionych w skondensowanej formie. Nie znajdziemy tutaj zatem przełomowych, najnowszych odkryć, bo nie taki jest cel i założenie. Dostajemy za to pogląd na to jak aktualnie wygląda rynek AI w Polsce i możemy poznać niektóre z polskich startupów oferujące produkty wykorzystujące algorytmy uczenia maszynowego. Dla przedsiębiorców, którzy rozważają wykorzystanie rozwiązań sztucznej inteligencji daje odpowiedź na pytanie, gdzie jesteśmy jeśli chodzi o spektrum praktycznych zastosowań dostępnych aktualnie na rynku i daje pogląd, którzy gracze już w to weszli. Jak na każdej konferencji jest oczywiście również możliwość networkingu i wymiany doświadczeń.

Celowo pominęłam tematykę RODO, myślę że media wystarczająco nas zalewały informacjami w tym temacie, a nie miałabym do dodania nic odkrywczego na tą chwilę.

Oficjalny highlight z wydarzenia [03:27]:

https://www.youtube.com/watch?time_continue=2&v=cc2q0IGS3tA

Use Case’s

AI i FBI

Wystąpienie przedstawiciela FBI w Polsce umożliwiało posłuchanie jak “lekko” przerysowane są “Kryminalne zagadki…” wprost z pierwszej ręki. Aktualnie 3 priorytetem FBI są cyberataki, co tylko potwierdza skalę problemu. Mówiono o symulacjach cyberataku w Polsce, o tym jak organizacje działają w darknecie podpisując kontrakty oraz umowy zupełnie jak legalne firmy ???? Jako jedne z większych zagrożeń cyberatakami podano możliwości przejęcia samochodów autonomicznych, czy zautomatyzowanych urządzeń medycznych.

FBI chce coraz bardziej wykorzystywać możliwości sztucznej inteligencji. Aktualnie wykorzystują ją już do analizy behawioralnej, wyszukiwania wzorców, rozpoznawania mowy i obrazów jednak jak wspomniano jest to jeszcze bardzo mały zakres i stopień wykorzystania. Jednak plany są szerokie. Chcą m.in. zautomatyzować analizę i wykrywanie podejrzanych tweetów. Przy użyciu NLP oraz innych algorytmów wykrywających zależności będą też analizować przesłuchania i budować grafy zależności między ludźmi i wydarzeniami, by wspomóc proces prowadzenia śledztw. Potencjał widzą również w wspomaganiu analizy odcisków palców przy pomocy AI, aktualnie duża część tej pracy wykonywana jest wciąż manualnie. Szerokie wykorzystanie wizji komputerowej ma wspomagać m.in rozpoznawanie złodzieji.

Mimo zauważania wyraźnych benefitów technologii AI przedstawiciel FBI nie krył, że jego pryzmat patrzenia na rozwiązania sztucznej inteligencji jest głównie patrzeniem na zagrożenie, które niesie, taka praca ????

Cyberbezpieczeństwo

Grey Wizard swoją prezentację rozpoczął od slajdu z hasłem “tylko A.I. może powstrzymać hakerów jutra”, co w zestawieniu z prezentacją przedstawiciela z FBI potwierdza tylko powtarzaną mantre: technologia to tylko narzędzie, wykorzystywać można ją w różnych celach. Uczenie maszynowe pozwala na wykrywanie wzorców niebezpiecznych zachowań i ochronę przed nimi. Największym benefitem jest jednak to, że uczenie maszynowe jest w stanie szybciej adaptować się do nowych form zagrożeń, ciągle zmniejszając konieczność tworzenia szeregu manualnych reguł, które szybko ulegają dezaktualizacji.

Dane klientów, personalizacja i marketing

Cloud Technologies mówiło jak wykorzystują uczenie maszynowe w onAudience.com do wzbogacania danych CRM poprzez przewidywanie wieku czy innych danych demograficznych przy niepełnych danych klienta. Oczywiście nie zabrakło informacji, że narzędzie jest jak najbardziej zgodne z RODO. Rozwiązanie wzbogaca dane przy korzystaniu m.in z cistaeczek, cookie-matching, id-matching. Wyzwaniem pozostaje tu jednak wciąż ciężki do odfiltrowania szum powodowany przez boty.

Quarticon zwrócił uwagę, że firmy często zbierają dane bez refleksji nad ich jakością i wartością w aspekcie wykorzystania biznesowego. Przedstawił  jak powinien wyglądać proces generowania wartości z danych zaczynając od zdefiniowania problemu do rozwiązania, poprzez pozyskanie danych, odkrywanie wiedzy przy pomocy ML, autonomizacji działań, kończąc na wspomnianej wartości dla biznesu. Wymienił możliwości wykorzystania silników rekomendacyjnych w ecommerce takie jak: spersonalizowane rekomendacje podczas zakupów, czy generowanie personalizowanych newsletterów podając korzyści zwiększenia sprzedaży o 14% u konkretnych klientów po 3 miesiącach korzystania.

Polski startup Synerise podkreślił znaną prawdę, iż klienci lepiej traktowani więcej kupują i chętniej dzielą się pozytywnymi odczuciami w social media i pokazało jak rozwiązania napędzane sztuczną inteligencją mogą w tym pomóc. Padły przykłady wysyłania zniżek na produkty podobne do zakupionych wcześniej i zwiększenie tym samym prawdopodobieństwo zakupu produktu, którym klient nie zainteresowałby się nie mając atrakcyjnej oferty, czy też wykorzystania wizji komputerowej do tworzenia rekomendacji produktów np. rekomendowanie sukienki, która pasuje do stylu klientki poznanego na podstawie poprzednich zakupów, czy wyszukiwań.

Chatboty

Sentione przedstawiło case study wykorzystania chatbotów do automatyzacji odpowiedzi w centrach obsługi klienta. Opowiedziano jak przełożyli wiedzę z danych zdobytą przy ich głównej działalności, czyli analizie sentymentu do analizy zapytań klienta z użyciem word2vec i algorytmów deep learning. Pracownik odpowiadający na zapytania klienta dostawał dzięki temu podpowiedź jaka odpowiedź jest najbardziej relewantna. Nie był to przykład pełnej samoobsługi, jednak jest to usprawnienie, które wpływa pozytywnie na czas obsługi zapytań przez pracowników i jest pomocne również biorąc pod uwagę aspekt dużej rotacji pracowników w centrach obsługi klienta.

AI w medycynie

Telemedico to platforma, która umożliwia zdalny kontakt pacjenta z personelem medycznym, mająca na celu redukcję niepotrzebnych wizyt lekarskich i dająca możliwość kontaktu z lekarzem bez względu na miejsce przebywania. Ten polski startup wykorzystuje rozwiązania uczenia maszynowego do ułatwiania bardziej dokładnych diagnoz. Telemedico ma w planach stawianie kiosków telemedycznych m.in w biznesparkach, gdzie konsultacja odbywałaby się w formie wideo-konferencji. Kioski miałyby umożliwiać również otrzymanie e-recept. Firma zarabia na umowach z ubezpieczycielami.

ML w sektorze publicznym

Ciekawy przypadek wykorzystania zaprezentował przedstawiciel DELL EMC, ciekawy ze względu na miejsce zastosowania: Administracja publiczna Słowenii. Warto docenić dojrzałość tego kraju jeśli chodzi o wykorzystania i edukację w zakresie nowych technologii. Uczenie maszynowe zostało tam wykorzystane w pilotażowym projekcie w celu m.in poprawy wydajności pracy pracowników. Algorytmy wyszukiwały wzorce zachowań i pozwoliły na znalezienie miejsc, gdzie można zastosować usprawnienia. Projekt pozwolił również na znalezienie możliwości obniżenia kosztów w obszarze zamówień publicznych w ramach ministerstwa. Myślę, że nasz rząd mógłby zaczerpnąć nieco inspiracji ????

Więcej informacji o tym projekcie:

https://www.itu.int/net4/wsis/stocktaking/projects/Project/Details?projectId=1486127590

https://www.oecd.org/governance/observatory-public-sector-innovation/innovations/page/bigdataanalysisforhrefficiencyimprovementatministryofpublicadministrationofrepublicslovenia.htm

Banki i Ubezpieczenia

Bank zachodni WBK dzięki rozwiązaniom uczenia maszynowego stawia predykcje, którzy klienci przestaną płacić. Zaznaczono, że “oczywiście można byłoby nadal używać klasycznych metod” do segmentacji klientów jednak użycie uczenia maszynowego jest niekwestionowanie bardziej efektywne.

PKO BP skupiło się na ukazaniu benefitów z bycia dużym, a co za tym idzie posiadaniu dużej ilości informacji o szerokiej bazie klientów. Duża ilość danych pozwala im m.in na lepszą analizę trendów na poziomie całego rynku, analizę przepływów pomiędzy branżami umożliwiającą zidentyfikowanie (i sfinansowanie) stabilnych użytkowników obrotu, analizę ryzyka wśród klientów i to nie tylko ich banku oraz ocenę klienta na podstawie oceny otoczenia np. w okolicy, gdzie mieszka potencjalny kredytobiorca mieszkają głównie wiarygodni kredytobiorcy.

BIK przedstawił jakie ciekawe korelacje kryją dane kredytowe. Mówiono m.in o wykorzystaniu danych kredytowych przy ubezpieczeniach komunikacyjnych (publikacja na ten temat). Na podsatwie danych kredytowych można m.in ocenić potencjalną bezwypadkowość. W drugą stronę im starszy klient ma samochód tym jest wiarygodniejszym kredytobiorcą. Osoby z wysokim BIK są mniej wiarygodni dla branży telekomunikacyjnej.

EY przedstawiło case study wykorzystania ML do wykrywania ryzyka kradzieży tożsamości klientów bankowych:

Firma konsultingowa podała również wykorzystanie algorytmów drzew decyzyjnych do zwiększenia dokładności estymacji rezerw w firmie ubezpieczeniowej.

Ostatnie zaprezentowane wykorzystanie dotyczyło użycia wizji komputerowej przy weryfikacji danych ubezpieczanego pojazdu na podstawie zdjęć. Przy 3mln polis wymagających dokumentacji zdjęciowej i 9-18mln powiązanych z nimi zdjęć do weryfikacji algorytmy głębokiego uczenia dają przynajmniej perspektywę wykonalności tego zadania. To usprawnienie, które daje firmom ubezpieczeniowym w przypadku wypadku również możliwość sprawdzenia, czy ubezpieczony samochód to ten sam, który odniósł szkodę.

DEBATY

Podczas pierwszego dnia przewinęło się kilka wypowiedzi reprezentanta Ministerstwa Cyfryzacji. Chęci są (trzeba być optymistą :)), ale poza przygotowanym wystąpieniem widać brak większego zrozumienia technologii.

Regulacje i rozwój

Temat regulacji prawnych poruszono na jednej z debat. Padły pomysły wprowadzenie zregularyzowanej inspekcji społecznej i możliwości administarcji przez samo społeczenstwo m.in decydowanai, czy użytkownik sam chce korzystać z silnika rekomendacji. Padło pytanie, czy rzeczywiście instytucje prawne powinny odpowiadać za regulacje i nawiązano do teorii Michael’a Sandela iż nie da wypracować się jednej wspólnej teorii etycznej, zwłaszcza między państwami, która by działała. Ciekawe koncepty, ale nadal budzą sporą dozę pytań. Z głównych benefitów rozwoju sztucznej inteligencji wspomniano ułatwienie komunikacji, tłumaczeń w czasie rzeczywistym, automatyzacja otoczenia m.in. autonomiczne samochody i szeroko pojętą oszczędność czasu

Przyszłość pracy

Zaznaczę, że odczucia do debat często mam mieszane, gdyż niestety rzadko utrzymują poziom wartościowych treści. Przyznam, że była to najprzyjemniejsza i rzeczowa debata wydarzenia i duży wpływ miały na to zarówno wiedza i charyzma moderatora Krzysztofa Blusza jak i dobrany zestaw prelegentów.

Rozmówcy debatowali o tym jak AI będzie tworzyło nowe miejsca pracy w myśl stwierdzenia: nudne prace znikają i pojawiają się bardziej interesujące. Społeczeństwo dzieli się na dwa typy jeśli chodzi o postęp technologii: ludzie idący z trendem i Ci, którzy stoją po drugiej stronie barykady, którzy narzekają.

Maciej Witucki, Prezes zarządu Work Service S.A. podkreślił, że aktualnie “nie widać tego zabierania pracy”. Rzemieślnicy, którzy wykonują jednostkowe rzeczy nie stracą pracy.

Zaznaczono, że użycie sztucznej inteligencji może znacznie pomóc w branżach, gdzie mamy deficyt zatrudnienia: np. mała ilość onkologów – wsparcie wykrywania raka przy użyciu uczenia maszynowego może pomóc w tej zatrudnieniowej luce. Mówiono również o tym, iż większym zagrożeniem jest aktualny stan demograficzny i związane z nim braki kadrowe. Padło nawet stwierdzenie, iż „sztuczna inteligencja może nie zdążyć na czas” oraz zapewnienie, że per saldo w długim okresie czasu rosnące rynki pracy dodają miejsc pracy nawiązując do raportu McKinsey.

Jacek Dąbrowski stwierdził, że każda duża firma w przeciągu kilku lat stanie się firmą technologiczną nawet producent wędlin. Podkreślił, że istotne byśmy już na etapie edukacji przygotowywali do obcowania z technologią również osoby z kierunków humanistycznych.

Mimo wszystko AI może być również ułatwieniem do obcowania ludzi starszych z nowymi technologiami np. dla 50 letniego lekarza, który jestem specem w swym fachu, ale niekoniecznie mistrzem klawiatury. Możliwości uzupełniania dokumentacji podczas wizyt za pomocą wyklikiwalnych opcji, czy rozpoznawania mowy może znacznie usprawnić efektywność pracy. Twórcy AI powinni też zwrócić uwagę by budować w swych rozwiązaniach AI jak najbardziej przyjazny w korzystaniu interfejs użytkownika i nieustannie usprawniać go bazując na ich zachowaniach.

Jeśli chodzi o edukację to skłaniano się ku opinii, iż wiedza o sztucznej inteligencji nie jest do przekazania przez nasz aktualny system edukacji, wszystko jest w rękach ludzi, którzy są entuzjastami danych (czyli również w Twoich drogi czytelniku :)).

Pracownicy w przyszłości będą odgrywać również rolę nauczyciela sztucznej inteligencji pokazując sztucznej inteligencji jak wykonują swoją pracę, by algorytmy mogły się nauczyć jej optymalnego wykonywania. Zaznaczono jednak, że maszyny nie zrobią tego za co musi wziąć odpowiedzialność człowiek, więc prace regulowane wciąż będą potrzebowały decyzji ludzkiej choćby na końcu drogi.

Spodobało mi się podsumowanie debaty słowami z Casablanki: “This is just beggining of wonderful friendship” (“To dopiero początek wspaniałej przyjaźni”)

AI w rolnictwie

Z jednej z pozostałych debat utkwił mi w głowie ciekawy przykład AI w rolnictwie, gdzie dzięki czujnikom, które mają krowy i danym odnośnie jakości mleka algorytm pozwala podjąć decyzje, w którym miejscu najlepiej je wypasać ????

====

Kolejna edycja Kongresu odbędzie się jesienią 2018r. w Warszawie.

Autorem tekstu jest Monika Koprowska, Data Evangelists