Blog

Najlepsze zastosowania machine learningu w codziennym życiu

  • Kamil Skuza

    9 min czytania
Najlepsze zastosowania machine learningu w codziennym życiu Data utworzenia: 14 kwietnia 2022

Uczenie maszynowe towarzyszy nam na każdym kroku, choć nie zawsze zdajemy sobie z tego sprawę.

Ułatwia nam życie podczas zakupów, podróżowania, podpowiada ciekawe utwory muzyczne i filmy, a nawet zapobiega wypadkom samochodowym, przestępstwom czy zawałom serca. W jaki sposób? Dzięki danym, oczywiście.

Uczenie maszynowe to obszar sztucznej inteligencji, która dzięki doświadczeniom (czyli ekspozycji na dane) jest w stanie automatycznie uczyć się, doskonalić, bardziej precyzyjnie interpretować dane oraz sytuacje, a w rezultacie przepowiadać przyszłość (oczywiście mamy na myśli predykcje z liczb, nie wróżenie z fusów lub gwiazd).

1. Ruch drogowy

Wczesne wykrywanie kolizji – samochody marki Tesla mają wbudowane kamery do monitorowania innych pojazdów, rowerzystów i uczestników ruchu. Dzięki komputerowi pokładowemu, sztucznej inteligencji i stałego podłączenia do Internetu (przez który łączą się z centralnymi serwerami Tesli), samochód jest w stanie ostrzec kierowcę przed zbliżającym się niebezpieczeństwem, a nawet zapobiec wypadkowi. Jak?
Kilkaset tysięcy samochodów tej marki codziennie przemierza łącznie kilka milionów kilometrów. Na podstawie rejestracji i analizy tak wielu obrazów, samochody „wiedzą”, że gdy pojazd przed nimi np. zbyt często i nierówno hamuje, albo zjeżdża lekko na pobocze – to może dojść do wypadku. Wówczas Tesla informuje kierowcę o niebezpieczeństwie i albo nakazuje zwolnić, albo automatycznie to robi, aby zwiększyć odległość od poprzedzającego go pojazdu.
To oczywiście zasługa serwera Tesli i samouczenia się maszyn, które na podstawie tysięcy zarejestrowanych nagrań są w stanie przewidzieć niebezpieczną sytuację na drodze lub wypadek zanim ten się wydarzy.

2. Zdrowie

Monitorowanie pracy serca – to przykład tożsamy z poprzednim, tyle że tutaj nie mamy kamery, a czujniki, które zbierają informacje o zachowaniu serca (częstotliwości uderzeń, itp.) pacjenta. Dzięki temu, że urządzenie do monitorowania pracy serca może komunikować się z serwerem firmy farmaceutycznej, która ją wyprodukowała, dane o pacjencie (oczywiście anonimowo) są porównywane z innymi wynikami z całego świata. Dzięki temu czujniki mogą w porę zaalarmować człowieka, że jego tętno zbliża się do niebezpiecznego poziomu, po którym może nastąpić np. wylew, zawał, lub po prostu zatrzymanie akcji serca. Tak niewielkich rozmiarów urządzenie może uratować życie.
Niecodzienne zachowania ciała – podobnie zresztą działają niektóre inteligentne opaski sportowe i inteligentne zegarki, które obserwując odstające od normy zachowanie ciała (przykładowo, ktoś zemdlał, albo porwała go lawina w górach i w błyskawicznym czasie przebył kilkaset metrów), może poinformować o tym wypadku konkretne osoby zapisane w książce telefonicznej lub automatycznie zadzwonić na numer ratunkowy 112 / 911. Jedną z takich sytuacji przedstawia w swojej reklamie Apple opowiadając o trzech historiach, które wydarzyły się naprawdę.

3. Zakupy online

Amazon, Allegro, Ceneo – praktycznie każdy większy sklep internetowy, portal aukcyjny, a nawet porównywarka cenowa korzysta z technologii uczenia maszynowego. Ogromną rolę odgrywają w tym słynne ciasteczka (cookies), które „zapamiętują” jakie strony przeglądaliśmy wcześniej, które sklepy odwiedzaliśmy i jakim produktom najdłużej się przyglądaliśmy. Nie wspominając o tym, co wcześniej po prostu kupiliśmy. Na podstawie takiej „mapy” zakupów, algorytmy potrafią wywnioskować jakie inne rzeczy mogłyby nam się przydać, spodobać, i jakie być może chcielibyśmy kupić. Takie sekcje na stronie jak „klienci kupili również”, „zazwyczaj kupowane razem”, lub „zobacz także” to teoretycznie może być podsumowanie koszyków zakupowych innych, poprzednich klientów sklepu… ale może to też być uszyta na miarę, w 100% pod nas, zachęta do zrobienia jeszcze większych zakupów, bo uczenie maszynowe potrafi przewidzieć (z różnym skutkiem) nasze zachowania i preferencje zakupowe. Jak widać, z machine learningiem w codziennym życiu jest jak z nożem – bywa pomocnym narzędziem, może też być narzędziem zbrodni. Wszystko zależy od nas, jak będziemy korzystać z funkcji samouczenia się maszyn.

W powyższej 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. Poniżej 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.

7.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/rozwiazania/altair/

Żródło:

  • Autor:

    Kamil Skuza

    Specjalista ds. marketingu

Spodobał Ci się artykuł? Udostępnij go!

Dziękujemy

Zobacz ostatnie wpisy

To dzięki Wam dążymy do doskonałości, w dostarczanych projektach i wspólnych wyzwaniach. Zapraszamy do czytania naszego bloga, dzięki któremu dowiesz się więcej o naszych realizacjach i doświadczeniu. Przeczytaj artykuły poświęcone cyfrowej transformacji biznesu, o systemach ERP i Business Intelligence. Poznaj ciekawe zastosowania technologii przyszłości w praktyce.

  • Blog

    Rozwijaj się w obszarze SAP: Aplikuj na letnie staże w BPX!

    Czytaj więcej

  • Blog

    Rewolucja w Business Intelligence dzięki ChatGPT i Qlik: Game Changer dla finansów, produkcji i decyzji wykonawczych

    Czytaj więcej

  • Blog

    Data Lineage – dlaczego warto znać Pochodzenie Danych?

    Czytaj więcej

  • Blog

    Wymagania sprzedażowo – finansowe a impakt na rekordy Master Daty

    Czytaj więcej

Skontaktuj się z nami

Porozmawiajmy! Interesują Cię nasze rozwiązania? Nasi eksperci odpowiedzą na wszystkie Twoje pytania.




    Administratorem Twoich danych osobowych jest BPX S.A. (KRS: 0000274149), a szerszą informację o przetwarzaniu danych osobowych przez BPX S.A. możesz znaleźć w Polityce Prywatności.

    • SAP
    • Qlik
    • Infor
    • enova365
    • Teta
    • RGM
    • Power BI
    • Altair
    • Semarchy
    • K4
    • Inphinity
    • Vizlib
    • Tricentis Tosa