Najlepsze zastosowania machine learningu w codziennym życiu – część II - BPX

W pierwszej części artykułu opowiedzieliśmy o tym, jak uczenie maszynowe może pomagać nam na co dzień podczas podróżowania, jak może monitorować nasze zdrowie i ostrzegać przed niebezpieczeństwem, oraz jak sprytnie zachęca nas do większej rozrzutności podczas robienia zakupów online. Dziś przyjrzymy się bliżej kolejnym udogodnieniom z jakich korzystamy niemal codziennie, choć nie zawsze zdajemy sobie sprawy, że stoi za nimi analizująca dane, błędy i anomalie – samoucząca się sztuczna inteligencja.

4. Edukacja

Powtarzanie materiału – zapewne odświeżanie nabytej już wiedzy przyprawia niektórych uczniów o palpitacje serca, zwłaszcza maturzystów. Jest to jednak nieunikniona i niezbędna część edukacji. Twórcy aplikacji do nauki języków obcych, Duolingo, zaadaptowali uczenie maszynowe do tego, aby sztuczna inteligencja uczyła się na podstawie analizy danych (odpowiedzi, błędów) użytkownika, po jakim czasie kursant zaczyna zapominać nabytą wcześniej wiedzę i w którym momencie należy mu wysyłać propozycję kursów przypominających zagadnienia z poprzednich lekcji. Rezultat? Naturalnie, pozytywny! Wszak utrwalanie wiedzy poprzez powtórzenia przynosi lepsze rezultaty niż przejście jednego szkolenia lub kursu i rozpoczynanie kolejnych.
Inteligentne uczenie się – platformy szkoleniowe, takie jak Udemy lub Coursera, albo biblioteki wiedzy Amazon AWS, korzystają z machine learningu po to, aby dowiedzieć się jak najwięcej o kursantach, aby zrozumieć na jakim są poziomie wiedzy. Dzięki temu propozycje kolejnych kursów są bardziej trafne, gdyż potrafią przewidzieć, czego jeszcze uczeń chciałby się dowiedzieć, o jakie obszary uzupełnić swoją wiedzę, albo w którym momencie zaproponować pogłębianie przerobionego już materiału.

5. Bezpieczeństwo w sieci

Większość filtrów antyspamowych, firewalli, ostrzeżeń przed złośliwym oprogramowaniem (malware) opartych jest właśnie o uczenie maszynowe. Jeśli otrzymujemy zbyt wiele podobnych do siebie wiadomości z niemal identycznych adresów mailowych to zanim się spostrzeżemy, sztuczna inteligencja się tym zainteresuje. Gdy dostaniemy miłą (niekiedy wręcz zbyt bezpośrednią) wiadomość na Instagramie, zawierającą dziwnie wyglądający link – a my zgłosimy to do supportu – możemy dodatkowo zaznaczyć opcję „Zablokuj [nazwa użytkownika] i nowe konta, które może utworzyć”. Dzięki temu nie tylko my jesteśmy odporni na nadchodzący spam pochodzący z konkretnego adresu sieciowego (IP), ale również szereg innych użytkowników, jeśli algorytm odpowiednio zinterpretował większą liczbę podobnych zgłoszeń.
Także w przypadku finansów uczenie maszynowe stoi na straży prawa. Przykładowo, PayPal wykorzystuje machine learning do zapobiegania praniu pieniędzy przez użytkowników, firmy i inne podmioty korzystające z cyfrowego obiegu pieniądza. Sztuczna inteligencja monitoruje i porównuje miliony przeprowadzanych transakcji i rozróżnia legalne od nielegalnych, pomiędzy kupującymi i sprzedającymi.

6. Inteligentne granie w gry

Pojedynek Garri Kasparowa z komputerem IBM i programem Deep Blue już w 1996 roku był przełomowy i sensacyjny. I choć wówczas szachista przegrał tylko jedną z sześciu partii, rok później uległ dwukrotnie, co symbolicznie uważa się za datę „pokonania człowieka przez program szachowy”. Ponadto, komputer Deep Blue potrafił analizować i uczyć się zachowania ludzi podczas meczów – wykorzystał to robiąc 7-minutowe pauzy (nawet tyle trwał jeden ruch komputera) w rozgrywce, aby skonsternować swojego przeciwnika. Dziś, niemal 30 lat po sportowo-intelektualnych zmaganiach człowieka ze sztuczną inteligencją, nikogo nie dziwi, że zaawansowane algorytmy są w stanie przewidzieć kolejne ruchy oponenta, a takie informacje przetwarzają w ułamku sekundy. W 2015 roku program DeepMind pokonał zawodowego gracza w starochińską grę planszową Go. Mowa tutaj jednak o wciąż ograniczonej planszy z ograniczoną ilością ruchów, i strategii. A co, gdyby sztuczna inteligencja wygrywała z ludźmi w grach zespołowych, na dodatek w grach wideo? To również, wbrew pozorom, już historia. W 2019 roku oprogramowanie OpenAI Five zwyciężyło z mistrzami świata w grę DOTA 2. Kazus jest o tyle bardziej interesujący, że gry typu MOBA to w skrócie: olbrzymia plansza/mapa gry, do wyboru jest ponad 100 postaci o różnych umiejętnościach, w grze ścierają się ze sobą dwie drużyny po 5 osób, a strategii na zwycięstwo jest… praktycznie nieskończona liczba kombinacji! Jak więc sztuczna inteligencja pokonała grupę zawodowców? Cóż, po prostu trenowała około 45.000 lat! Oczywiście na kilku komputerach jednocześnie, a mecze rozgrywane były w przyspieszonym tempie, po obu zaś stronach stała (jedna i ta sama) sztuczna inteligencja, nie człowiek. Co nam to daje? Poza widowiskiem jakim niewątpliwie nadal są pojedynki ludzi z komputerami, możemy wynieść naukę dla nas samych. Możemy analizować nowe taktyki, unikać porażek, sprawdzać nowe kombinacje, warianty rozgrywki, itp.

Biznes

W biznesie, niezależnie od wielkości firmy, machine learning może zrewolucjonizować pracę kilku działów, a nawet całej firmy. Analizując dane organizacji (sprzedaż, logistyka, finanse, marketing, itd.) uczenie maszynowe może przewidzieć np.:

  • jak długo będzie się sprzedawał konkretny produkt, kiedy jest najbardziej pożądany, a kiedy jest jego „sezon ogórkowy”,
  • ile potrwa realizacja zamówienia klienta, także mając na uwadze dodatkowe czynniki (pora roku, dostępność produktów i materiałów, wzrost cen, inflacja, logistyka),
  • jakie kolejne kroki podejmie na naszej stronie www klient i jak pomóc mu wybrać to, czego szuka lub może potrzebować (silniki rekomendacji, chatboty),
  • jak uniknąć finansowych fraudów, zanim do nich dojdzie; jak uniknąć sytuacji, w której klienci wykorzystują błędy w sklepie e-commerce’owym, aby kupić produkty poniżej ich rynkowej wartości,
  • i nie tylko!

Uczenie maszynowe pomaga analitykom dostrzec obszary wcześniej niezbadane lub przeoczone, a wszystko to – na bieżąco, w czasie rzeczywistym. I choć należy przy tym pamiętać, że sztuczna inteligencja wciąż się uczy np. kreatywności (albo odróżniania psa od fast foodu) i potrzebuje wsparcia człowieka, to jest dla każdego analityka lub użytkownika biznesowego nieocenionym wsparciem.

Z tego powodu przygodę z machine learningiem lepiej jest rozpocząć z zaufanym Partnerem, takim jak BPX. Jeśli chcesz sprawdzić jak uczenie maszynowe może pomóc Twojej firmie, skontaktuj się z nami: bpx@bpx.pl

Dowiedz się więcej o narzędziach do machine learningu: https://www.bpxglobal.com/solution/altair/

 

Autor:
Kamil Skuza

Bibliografia:

Zdjęcia:

Poprzedni wpis: Najlepsze zastosowania machine learningu w codziennym życiu – część I

Kontakt z Nami

W czym możemy Ci pomóc?

Wypełnij poniższe pola i wyślij formularz - odpowiemy niezwłocznie