Od pew­ne­go cza­su coraz czę­ściej poja­wia­ją się publi­ka­cje na temat zasto­so­wy­wa­nia tech­no­lo­gii sztucz­nej inte­li­gen­cji (AI, ang. arti­fi­cial intel­li­gen­ce) i ucze­nia maszyn­ko­we­go (ML, ang. Machine lear­ning, rozu­mia­ne jako ucze­nie się maszy­no­we). Pojawiają się pro­jek­ty takie jak auto­ma­ty­za­cja czy robo­ty­za­cja pro­ce­sów biz­ne­so­wych. Projekty tego typu mają czę­sto na celu ogra­ni­cza­nie zaan­ga­żo­wa­nia ludzi, jed­nak więk­sze korzy­ści osią­ga się gdy wdro­że­nia nasta­wia­ją się na wspar­cie ludzi i mini­ma­li­za­cje popeł­nia­nych błędów.

W roku 2023:

System AI: ​„Zaprojektowany sys­tem, któ­ry gene­ru­je dane wyj­ścio­we, takie jak tre­ści, pro­gno­zy, zale­ce­nia lub decy­zje dla dane­go zesta­wu celów zde­fi­nio­wa­nych przez człowieka”.

źr.: key defi­ni­tions in ISO/IEC 22989, https://​www​.holi​sti​cai​.com/​n​e​w​s​/​i​s​o​-​i​e​c​-​2​2​9​8​9​-​f​o​u​n​d​a​t​i​o​n​a​l​-​s​t​a​n​d​a​r​d​-​o​n​-​a​i​-​o​p​e​n​-​s​o​u​rce

Wstęp

Najpierw kil­ka klu­czo­wych pojęć:

sztucz­na inte­li­gen­cja: dział infor­ma­ty­ki bada­ją­cy regu­ły rzą­dzą­ce zacho­wa­nia­mi umy­sło­wy­mi czło­wie­ka i two­rzą­cy pro­gra­my lub sys­te­my kom­pu­te­ro­we symu­lu­ją­ce ludz­kie myśle­nie (źr. Słownik Języka Polskiego PWN)

ucze­nie maszy­no­we (ang. machi­ne lear­ning): jest nauką łączą­cą takie dzie­dzi­ny jak infor­ma­ty­ka i robo­ty­ka. Głównym celem ucze­nia maszy­no­we­go jest roz­wój sztucz­nej inte­li­gen­cji poprzez samo­do­sko­na­le­nie się sys­te­mu na pod­sta­wie dostar­czo­nych danych (czy­li doświad­cze­nia) i zdo­by­wa­nie wie­dzy. (źr. Mfiles​.pl)

deep lear­ning: pro­ces, w któ­rym kom­pu­ter uczy się wyko­ny­wa­nia zadań natu­ral­nych dla ludz­kie­go mózgu, takich jak roz­po­zna­wa­nie mowy, iden­ty­fi­ko­wa­nie obra­zów lub two­rze­nie pro­gnoz. Zamiast orga­ni­zo­wać dane i wyko­ny­wać sze­reg zde­fi­nio­wa­nych rów­nań, w przy­pad­ku deep lear­ning kom­pu­ter zbie­ra pod­sta­wo­we para­me­try doty­czą­ce danych i przy­go­to­wu­je się do samo­dziel­ne­go ucze­nia, poprzez roz­po­zna­wa­nie wzor­ców z zasto­so­wa­niem wie­lu warstw prze­twa­rza­nia. (źr. SAS Inst.)

robot: urzą­dze­nie zastę­pu­ją­ce czło­wie­ka przy wyko­ny­wa­niu nie­któ­rych czyn­no­ści (SJP PWN)

Te poję­cia (tak­że robo­ty­za­cja, auto­ma­ty­za­cja), coraz czę­ściej poja­wia­ją się w prze­strze­ni publicz­nej, nie mają one jed­nak ści­słych defi­ni­cji, powyż­sze uzna­łem za repre­zen­ta­tyw­ne w kon­tek­ście publi­ka­cji pra­so­wych. Zestawmy je teraz z definicją:

Inteligencja: zdol­ność rozu­mie­nia, ucze­nia się oraz wyko­rzy­sty­wa­nia posia­da­nej wie­dzy i umie­jęt­no­ści w sytu­acjach nowych.

(na podst.: https://​kom​.edu​.pl/​i​n​t​e​l​i​g​e​n​c​j​a​-​c​o​-​t​o​-​t​a​k​i​e​go/)

Pojęcie inte­li­gen­cji tak­że nie ma ści­słej defi­ni­cji, jed­nak powyż­sza defi­ni­cja zawie­ra dwa klu­czo­we poję­cia: rozu­mie­nie oraz wyko­rzy­sta­nie umie­jęt­no­ści. Oba są dome­ną ludzi, ludz­kiej inteligencji.

Oprogramowanie gro­ma­dzi i prze­twa­rza dane, dane te mogą nieść infor­ma­cje, ale wie­dza to zbiór danych zro­zu­mia­łych dla czło­wie­ka. To co odróż­nia czło­wie­ka od maszy­ny to to, że czło­wiek rozu­mie poję­cia a maszy­na je jedy­nie prze­cho­wu­je i prze­twa­rza jako dane, a nie jako ​„sło­wa”. Warto tu zwró­cić uwa­gę na to, że pod poję­ciem kom­pu­te­ro­we­go roz­po­zna­wa­nia mowy czy obra­zu rozu­mie­my auto­ma­tycz­ną zamia­nę gło­su (dźwię­ku) lub obra­zu na tekst, a nie rozu­mie­nie ​„tego co sły­chać” lub ​„widać”. Tak więc nawet, jeże­li nie potra­fi­my wska­zać wyraź­nej gra­ni­cy mię­dzy inte­li­gen­cją sztucz­ną i tą praw­dzi­wą, wie­my, że ta gra­ni­ca jed­nak jest.

Algorytmy i ich ​„inteligencja”

Obecna moda na sztucz­ną inte­li­gen­cję jest w moich oczach tyl­ko kolej­ną falą mody. Stosunkowo nie­daw­no była podob­na moda na ​„mar­ke­ting auto­ma­tion” (tak­że robo­ty­za­cja, inna nazwa na to samo?). Entuzjaści auto­ma­ty­za­cji (robo­ty­za­cji) pod­kre­śla­ją to, że maszy­ny są w wie­lu zada­niach szyb­sze od czło­wie­ka, nie męczą się. Wskazują, że moż­li­we jest, by algo­ryt­my same się dosko­na­li­ły (machi­ne lear­ning, algo­ryt­my gene­tycz­ne, itp.). Renesans sie­ci neu­ro­no­wych (deep lear­ning itp.) dał czę­ści ludziom wia­rę w to, że maszy­na nas dogo­ni a nawet, że jest od nas: ludzi, lep­sza. Niewątpliwie jest szyb­sza, ale prze­wa­gą czło­wie­ka (homo sapiens) nigdy nie była szyb­kość czy siła, więc to sztucz­ne zawo­dy: czło­wiek nie ści­ga się z maszy­ną (robo­tem) i nie pró­bu­je być od niej ani szyb­szy ani sil­niej­szy.

Od pew­ne­go cza­su w dzie­dzi­nie sztucz­nej inte­li­gen­cji, regu­lar­nie poja­wia­ją się poję­cia onto­lo­gia i język OWL (OWL ang. Web Ontology Language), język ze skład­nią opar­tą na XML, a seman­ty­ką opar­tą na logi­ce opi­so­wej (ang. descrip­tion logics). OWL słu­ży do opi­sy­wa­nia danych w posta­ci onto­lo­gii i budo­wa­nia w ten spo­sób tzw. Semantycznego Internetu. Problem w tym, że mode­le seman­tycz­ne (onto­lo­gie) są tak zło­żo­ne, że są pro­ble­my z ich imple­men­ta­cją. Po dru­gie onto­lo­gia ma sens z per­spek­ty­wy czło­wie­ka, któ­ry rozu­mie poję­cia (inter­pre­tu­je sło­wa), ale maszy­na może co naj­wy­żej prze­twa­rzać dane. Jednym z moich ulu­bio­nych przy­kła­dów nie­mo­cy inte­li­gen­cji maszyn, budo­wa­nej na mode­lach onto­lo­gicz­nych jest poniż­szy przy­kład tak zwa­nej kon­tek­sto­wej (sko­ja­rze­nio­wej) rekla­my w pew­nym por­ta­lu (przy­kład tak zwa­ne­go ​„mar­ke­ting auto­ma­tion” czy­li robo­ta, któ­ry bez udzia­łu czło­wie­ka wyświe­tla sko­ja­rzo­ne rekla­my): pew­ne sło­wa klu­czo­we w tek­stach są uwy­dat­nia­ne, jeże­li zosta­ną auto­ma­tycz­nie sko­ja­rzo­ne z tre­ścią (sło­wa­mi klu­czo­wy­mi) rekla­my, efek­ty potra­fią być zaskakujące:

Czy sztuczna inteligencja może uczynić systemy ERP lepszymi?

Automatyzacja obsza­rów dzia­ła­nia nie stwa­rza­ją­cych ryzy­ka wyge­ne­ro­wa­nia szko­dli­wej dla fir­my decy­zji, nie jest niczym nowym, to co nazy­wa­my MRPII to nic inne­go jak wyko­rzy­sta­nie fak­tu, że w pew­nych obsza­rach pro­ble­mem jest wyma­ga­na szyb­kość obli­czeń a nie ich zło­żo­ność czy wręcz trud­ność, bo ryzy­ko złej decy­zji tu nie ist­nie­je. Niektóre modu­ły opro­gra­mo­wa­nia są wte­dy robo­ta­mi, któ­ry samo­dziel­nie i auto­ma­tycz­nie reali­zu­ją z góry okre­ślo­ne operacje.

Wiele się pisze o Big Data i auto­ma­tycz­nym wykry­wa­niu nad­użyć, jed­nak war­to wie­dzieć, że maszy­na daje co naj­wy­żej prze­słan­ki, decy­zje podej­mu­je (powi­nien) czło­wiek. Powyższy przy­kład rekla­my w Internecie jest tego dobit­nym przykładem.

Niewątpliwie postęp tech­no­lo­gicz­ny jest źró­dłem wzro­stu wydaj­no­ści, postę­pu­ją­ca auto­ma­ty­za­cja obni­ża kosz­ty i tak­że pod­no­si efek­tyw­ność, jed­nak są to wszyst­ko te obsza­ry dzia­ła­nia czło­wie­ka, w któ­rych nie miał on nigdy aspi­ra­cji na bycie lep­szym od maszyny.

Modne się sta­je zno­wu auto­ma­tycz­ne obsłu­gi­wa­nie kon­tak­tów z klien­tem. Każdy kto czę­sto zgła­sza nad­uży­cia na Facebooku i czy­ta odpo­wie­dzi wie, że to bar­dzo fru­stru­ją­ce (więk­szość takich zgło­szeń w FB obsłu­gu­ją automaty/roboty).

Wiele mecha­ni­zmów auto­ma­tycz­nej obsłu­gi klien­tów opie­ra się na zało­że­niu, że wiel­ka licz­ba takich kon­tak­tów pod­le­ga sta­ty­stycz­nym pra­wom, i moż­na sobie pozwo­lić ​„ofia­ry” bo jest ich na tyle mało, że zwięk­sze­nie efek­tyw­no­ści daje dodat­ni bilans korzy­ści z tej auto­ma­ty­za­cji. Zapewne sta­ty­stycz­nie tak, ale sta­ty­sty­ka, jako tyl­ko histo­ria, nigdy nie prze­kro­czy pro­gu jakim jest prze­wi­dy­wa­nie przy­szło­ści. Nie da się prze­wi­dzieć, któ­ry pyta­ją­cy to przy­szłe ​„zamó­wie­nie na milion”. Decyzja o auto­ma­ty­za­cji obsłu­gi klien­ta może być dobrą decy­zją, o ile jest to decy­zja świa­do­ma tego. Jednak nie raz obser­wu­ję u przed­się­bior­ców zachły­śnię­cie się ofer­tą tech­no­kra­ty, co nie raz skut­ku­je nie­ste­ty stra­ta­mi zamiast zysków.

Coraz czę­ściej wska­zu­je się na duży postęp tech­nicz­ny w obsza­rze roz­po­zna­wa­nia mowy, obra­zów i ucze­nia się maszy­no­we­go, jed­nak to jest pro­blem nadal z obsza­ru ryzy­ka i ety­ki zara­zem. Doskonałym, moim zda­niem, przy­kła­dem są filo­zo­ficz­ne dys­pu­ty na temat auto­no­micz­nych samo­cho­dów. Dyskusja jest czę­sto prze­no­szo­na na pole dywa­ga­cji o tym czy zabić moż­na sta­rusz­ka na pasach dla pie­szych czy mat­kę z dziec­kiem na pobo­czu. Tak posta­wio­ny pro­blem to czy­sto tech­no­kra­tycz­ny tok myśle­nia, pole­ga­ją­cy na uzna­niu nie­pod­wa­żal­no­ści zasto­so­wa­nia samej tech­no­lo­gii i jedy­nie oce­nie szko­dli­wo­ści skut­ków jej uży­cia. Znacznie mniej popu­lar­ne jest ist­nie­ją­ce i pro­ste roz­wią­za­nie tego dyle­ma­tu: bada­nia wska­zu­ją, że potrą­ce­nie pie­sze­go sta­no­wi dla nie­go mini­mal­ne ryzy­ko utra­ty zdro­wia lub życia o ile pojazd poru­sza się z pręd­ko­ścią nie wyż­szą niż 30km/h. Więc wystar­czy przy­jąć zasa­dę, że pojaz­dy auto­no­micz­ne mają ​„zakaz” poru­sza­nia się więk­szą pręd­ko­ścią i pro­blem zni­ka. Technokracja i biz­nes jed­nak pod­no­si, że tak wol­ny samo­chód nie znaj­dzie zbyt duże­go popy­tu na ryn­ku. Rozsądna odpo­wiedź powin­na brzmieć: trudno.

Na zakończenie

Czy sys­tem ERP róż­ni się tu czym­kol­wiek od samo­cho­du? Moim zda­niem nie, jako auto­mat może przy­nieść tyle korzy­ści co i szkód. Obecny stan wie­dzy pozwa­la w moich oczach przy­jąć pro­stą zasa­dę: tam gdzie auto­ma­ty­za­cja nie stwa­rza ryzy­ka, z powo­dze­niem moż­na ją sto­so­wać, jed­nak czło­wiek ma nad maszy­na­mi tak wiel­ka prze­wa­gę ? swo­ją praw­dzi­wą a nie sztucz­ną inte­li­gen­cję, że prze­sad­ne eli­mi­no­wa­nie go z pro­ce­sów biz­ne­so­wych popro­wa­dzi raczej do upad­ku niż sukcesu.

Kończąc ten, dość filo­zo­ficz­ny, wątek jakim jest inte­li­gen­cja sys­te­mów ERP, powiem: kom­pu­ter to uni­wer­sal­ny mecha­nizm ale czło­wiek to nie jest tyl­ko mecha­nizm. System ERP nie będzie więc mądrzej­szy, ale szyb­szy owszem…

Artykuł uka­zał się w rapor­cie PERSPEKTYWY ERP 2019. ERP View. . Published March 7, 2019. Accessed March 8, 2019.

Narodziny ChatGPT

W roku 2022, na stro­nie ope​nai​.com, poja­wił się pro­dukt o nazwie ChatGPT. Bot pro­wa­dzą­cy roz­mo­wy. Wielu ludzi zachły­snę­ło się ​„traf­no­ścią” odpo­wie­dzi. Realnie jest to zakro­jo­ny na wiel­ką ska­lę Test Turinga (patrz tak­że: https://​www​.gov​.pl/​w​e​b​/​n​c​b​r​/​s​z​t​u​c​z​n​a​-​i​n​t​e​l​i​g​e​n​cja – czy-pamie­ta­my-o-tescie-turin­ga).

Pojawiły się zachwy­ty, któ­ry­mi tu nie będę poświę­cał cza­su. Znamienne i groź­ne moim zda­niem, są pla­ny upodmio­to­wie­nia sztucz­nej inte­li­gen­cji (AI, arti­fi­cial intelligence):

Rektor Uniwersytetu Gdańskiego powo­łał przy Wydziale Prawa i Administracji Centrum Prawa Nowych Technologii, któ­re będzie się zaj­mo­wać zagad­nie­nia­mi taki­mi jak: (1) tota­li­ta­ryzm cyfro­wy, (2) upodmio­to­wie­nie sztucz­nej inte­li­gen­cji czy (3) zauto­ma­ty­zo­wa­ne wyda­wa­nie orze­czeń i decy­zji. Więcej infor­ma­cji nie­ba­wem, ser­decz­nie zapra­szam do współpracy! 😉

źr.: https://​www​.lin​ke​din​.com/​f​e​e​d​/​u​p​d​a​t​e​/​u​r​n​:​l​i​:​a​c​t​i​v​i​t​y​:​7​0​1​0​6​8​6​8​7​0​3​0​5​0​1​7​8​56/

Kluczowy i nie­ukry­wa­ny już cel to zdej­mo­wa­nie odpo­wie­dzial­no­ści z pro­du­cen­tów sprzętu:

Prace na temat odpo­wie­dzial­no­ści AI pole­ga­ją mię­dzy inny­mi na opra­co­wa­niu obsza­ru odpo­wie­dzial­no­ści pro­gra­mi­sty, oso­by dostar­cza­ją­cej danych lear­nin­gu, inte­gra­to­ra, same­go algo­ryt­mu, itd. 

źr.: https://www.linkedin.com/feed/update/urn:li:activity:7011310352357335040?commentUrn=urn%3Ali%3Acomment%3A%28activity%3A7011310352357335040%2C7011336407453417472%29&replyUrn=urn%3Ali%3Acomment%3A%28activity%3A7011310352357335040%2C7012770739535699968%29&dashCommentUrn=urn%3Ali%3Afsd_comment%3A%287011336407453417472%2Curn%3Ali%3Aactivity%3A7011310352357335040%29&dashReplyUrn=urn%3Ali%3Afsd_comment%3A%287012770739535699968%2Curn%3Ali%3Aactivity%3A7011310352357335040%29

W efek­cie dzi­siaj, gdy np. wadli­wy odku­rzacz spo­wo­du­je szko­dy np. na cie­le użyt­kow­ni­ka, to moż­na mieć rosz­cze­nia do jego pro­du­cen­ta, i uzy­skać zadość­uczy­nie­nie. Upodmiotowienie odku­rza­cza (bo ktoś mu wsta­wi do środ­ka kom­pu­ter i AI) spo­wo­du­je, że pokrzyw­dzo­ny będzie mógł pozwać w sądzie odku­rzacz, któ­ry ​„za karę” zosta­nie wyłą­czo­ny lub pod­da­ny uty­li­za­cji. Czy jako ludzie na praw­dę tego chce­my? Czy na praw­de chce­my cał­ko­wi­cie zwol­nić pro­du­cen­tów zaawan­so­wa­nych tech­no­lo­gicz­nie urzą­dzeń z wszel­kiej odpowiedzialności? 

Staje sie to groź­ne, bo fascy­na­cja tech­no­lo­gią to cecha głow­nie ludzi nie­ro­zu­mie­ją­cych jej isto­ty. Technokraci to ludzie czę­sto uzna­ją­cy wyż­szość algo­ryt­mu nad czło­wie­kiem, bo ​„czło­wiek jest omyl­ny”. Owszem jest, ale ma też jed­nak nadal nie­za­prze­czal­na prze­wa­gę na algo­ryt­ma­mi: inte­li­gen­cje i świa­do­mość, o czym zda­ja sie zapo­mi­nac tech­no­kra­ci. Mimo tego, że powsta­ło wie­le fil­mów opi­su­ją­cych skut­ki ​„wia­ry w nie­omyl­ność robo­tów” (Ja Robot, Terminator, …) nadal są ludzie chcą­cy powie­rzyć swo­je życie tym urządzeniom.… 

Obawiam się, że nadal praw­dzi­wa jest teza mówią­ca, że ludzie w swej masie zachwy­ca­ją się tym cze­go nie rozu­mie­ją i obda­rza­ją to Coś szcze­gól­ną nad­ludz­ką mocą: raz jest to Bóg Wszechmogący a raz Sztuczna Inteligencja. Im wię­cej zachwy­tów nad AI czy­tam, tym bar­dziej odno­szę wra­że­nie, że u wie­lu ludzi zacie­ra sie róż­ni­ca mię­dzy tymi dwo­ma Bytami.

„ChatGPT jest bar­dzo inte­li­gent­nym pro­gra­mem w tym sen­sie, że jest wyjąt­ko­wo inte­li­gent­nym pro­jek­tem, efek­tem zbio­ro­wej myśli wie­lu ludzi o nie­prze­cięt­nej inte­li­gen­cji. Natomiast pro­gram sam w sobie nie ma ani krzty inte­li­gen­cji, ani krzty inwen­cji. Jest takim samym pro­gra­mem jak każ­dy inny pro­gram reagu­ją­cy na pole­ce­nia użyt­kow­ni­ka (input) dokład­nie według wcze­śniej przy­go­to­wa­nych przez pro­gra­mi­stów, ści­śle okre­ślo­nych instrukcji.”

Andrzej Kisielewicz. (2023, July 18). Andrzej KISIELEWICZ: Bajki o sztucz­nej inte­li­gen­cji i praw­dzi­we zagro­że­nia. Wszystko co naj­waż­niej­sze. https://​wszyst​ko​co​naj​wa​zniej​sze​.pl/​a​n​d​r​z​e​j​-​k​i​s​i​e​l​e​w​i​c​z​-​b​a​j​k​i​-​o​-​s​z​t​u​c​z​n​e​j​-​i​n​t​e​l​i​g​e​n​c​j​i​-​i​-​p​r​a​w​d​z​i​w​e​-​z​a​g​r​o​z​e​n​ia/

Bardzo cie­ka­we i obra­zo­we wyja­śnie­nie gra­ni­czy mię­dzy inte­li­gen­cja i zro­zu­mie­niem a sztucz­na inte­li­gen­cją :

Źródła