Uczenie maszynowe obejmuje coraz więcej dziedzin naszego życia, wkraczając zarówno do świata rozrywki, jak i poważnego biznesu. Analitycy przewidują, że machine learning, a ogólniej mechanizmy sztucznej inteligencji (AI), będą w najbliższych latach motorami napędowymi innowacji zachodzących w obszarze nowych technologii. Wprawdzie największe światowe koncerny rozwijają rozmaite modele uczenia maszynowego, ale nie wszystko idzie po myśli developerów, a także firm, które próbują wykorzystać nowinki z szeroko pojętej sztucznej inteligencji.

Według analityków Gartnera aż 85 proc. projektów związanych z wdrożeniem AI kończy się fiaskiem. Dzieje się tak z kilku przyczyn. Trudności wzrastają wraz z ilością danych, tymczasem IDC prognozuje, że w latach 2019–2025 zwiększy się ona aż sześciokrotnie i osiągnie poziom 175 ZB. Kolejną, typową już bolączką branży IT jest brak wykwalifikowanych kadr. Na całym świecie pracuje wprawdzie około 300 tys. inżynierów AI, jednak Tencent ocenia, że deficyt w tej grupie specjalistów wynosi około 99 proc. Poza tym AI zaczyna obejmować obszary, w których algorytmy nie decydują o trywialnych sprawach, takich jak wygrana z człowiekiem w grze go, lecz odpowiadają za pracę robota produkcyjnego czy sterowanie autonomicznymi pojazdami.

– Jednym z kluczowych zadań, przed którymi stają firmy i instytucje, jest wprowadzenie modeli machine learningu do produkcji. Szczególnie dotyczy to złożonych rozwiązań, w których przypadku mamy do czynienia z przepływem i obróbką dużej ilości danych. Podobnie jak w procesie tworzenia aplikacji, również w budowaniu modeli uczenia maszynowego istnieje presja czasu. Szybkie opracowanie wydajnego rozwiązania pozwala uzyskać przewagę konkurencyjną – tłumaczy Eero Laaksonen, CEO Valohai.

Machine learning w formie usługi

Sceptycy patrzą na rozwój sztucznej inteligencji z dużym niepokojem. Z jednej strony obawiają się, że zabierze ona wielu ludziom miejsca pracy, z drugiej zaś pogłębi dominację wielkich koncernów IT w gospodarce światowej. Wprawdzie nie można wykluczyć żadnego z wymienionych scenariuszy, aczkolwiek istnieją przesłanki, które pozwalają z umiarkowanym optymizmem patrzeć na rozwój AI. W Dolinie Krzemowej pojawia się mnóstwo firm opracowujących projekty, które mają ułatwiać tworzenie modeli uczenia maszynowego, a także powszechne wykorzystywanie rozwiązań bazujących na sztucznej inteligencji.

Jednym z przykładów tego trendu jest rozwój usług Machine Learning as a Service. Analitycy Markets and Markets przewidują, że w 2021 r. ten segment rynku osiągnie wartość 3,75 mld dol. Usługi tego typu oferują zarówno giganci – Amazon EC2 P3 i Cloud GPU by Google, jak i start-upy Valohai czy One Panel. Budowanie modeli uczenia maszynowego wymaga ogromnej ilości danych, a także potężnych jednostek obliczeniowych. O ile wielkie koncerny, takie jak Facebook, Uber i Tesla, całkiem dobrze radzą sobie z tego typu wyzwaniami, o tyle w przypadku średnich czy mniejszych przedsiębiorstw są to bariery często nie do pokonania. Daniel Scott, współzałożyciel One Panel, twierdzi, że stworzona przez jego start-up platforma zautomatyzuje i usprawni realizację projektów związanych z uczeniem maszynowym. Tym samym staną się one dostępne dla przedsiębiorców niezależnie od ich wielkości i lokalizacji.

One Panel bazuje na systemie Kubernetes, dzięki czemu developerzy mogą pracować nad projektami w środowisku lokalnym lub dowolnego dostawcy chmury. W skład platformy wchodzą skalowalna siatka danych, narzędzia do testów syntetycznych, środowisko symulacyjne i GPU, zoptymalizowane pod kątem modelowania molekularnego.

Oferujemy rozwiązanie umożliwiające developerom budowanie, testowanie i wdrażanie modeli głębokiego uczenia maszynowego w wysoce skalowalnym środowisku. Z naszej platformy, która debiutowała w 2017 r., korzysta dwa tysiące użytkowników. Szczególnie dużo klientów mamy w Indiach. Cenią oni sobie łatwość uruchomienia usługi – mówi Rush Tehrani, CEO w One Panel.

 

Proponowane przez ten start-up rozwiązanie automatyzuje infrastrukturę AI i przepływy pracy, ułatwiając zespołom globalną kooperację i wdrażanie rozwiązań gotowych do produkcji. Programiści za pomocą platformy budują m.in. modele, które pozwalają radiologom szybciej i łatwiej wykrywać zmiany nowotworowe.

Jednym z rywali One Panel jest firma Valohai. Ten powstały trzy lata temu fiński start-up, żeby znaleźć się w centrum wydarzeń i być bliżej inwestorów z Doliny Krzemowej, otworzył biuro w San Francisco. Eero Laaksonen uważa, że kluczem do poprawy jakości życia jest automatyzacja procesów, a do tego celu prowadzą mechanizmy głębokiego uczenia. Valohai oferuje Machine Learning as a Service dla twórców budujących modele i aplikacje na dużą skalę, choć nie ma żadnych przeszkód, żeby z usługi korzystały mniejsze podmioty. Developerzy i badacze danych mogą pracować w zespołach, wymieniających się wiedzą czy danymi, a co ważne, wszystkie procesy są rejestrowane i dokumentowane. To pomaga w przestrzeganiu procedur testowych i zabezpiecza projekt w przypadku odejścia z firmy jego autorów.

– Wyjątkowo szybki wyścig technologicznych obserwujemy chociażby w segmencie samochodów elektrycznych, w którym niebagatelną rolę odgrywają modele głębokiego uczenia. Nie inaczej jest w medycynie, gdzie dzięki algorytmom udaje się szybciej wykrywać choroby nowotworowe – podkreśla Eero Laaksonen.

Głębokie uczenie maszynowe to proces złożony i wymagający przeprowadzenia wielu operacji. Do najważniejszych należą ustalenie na podstawie prób i błędów ilości danych potrzebnych do  zbudowania modelu, analiza mocy obliczeniowej sprzętu, tak by jak najszybciej otrzymać wyniki, czy prześledzenie terabajtów plików w celu weryfikacji zmian wprowadzonych do modelu.

Z platformy Valohai korzysta jedna z kanadyjskich firm do monitorowania toksycznych treści online. Współpracuje przy tym z organizacją Canadian Homeland Security, walczącą z pornografią dziecięcą. Inne przypadki obejmują automatyzację konserwacji w sieciach energetycznych, modele prognostyczne w finansach czy prognozy obciążeń dla sieci telekomunikacyjnych.

Inteligentny cement

Eric Xing, CEO Petuum, przyznał w rozmowie z serwisem internetowym GeekWire, że chce, by jego firma odgrywała taką rolę w segmencie AI jak VMware na rynku wirtualizacji. Start-up nie zamierza tracić czasu na opracowywanie niszowych produktów dla wąskich grup odbiorców, lecz dostarczać uniwersalne rozwiązania. Jego założyciele uważają, że sztuczna inteligencja powinna być ustandaryzowana. Zanim to nie nastąpi, trudno będzie wprowadzać na masową skalę produkty bazujące na AI. Petuum zatrudnia 180 osób, z czego aż 30 ma doktoraty z AI. Jednak nie tylko silna ekipa pozwala włączyć się do gry na nowo tworzącym się rynku. Start-up, mimo że działa zaledwie od trzech lat, zebrał od funduszy venture capital 108 mln dol., a w gronie największych inwestorów znajduje się SoftBank. Flagowym produktem Petuum jest platforma Symphony, stanowiąca podstawę do tworzenia, adopcji i obsługi własnych rozwiązań AI. Jej modułowa budowa pozwala na zastosowanie systemu w produkcji przemysłowej, usługach finansowych, służbie zdrowia czy branży chemicznej.

Zazwyczaj tworzenie projektów i aplikacji AI wymaga pomocy przynajmniej kilku programistów. W rezultacie są to rozwiązania pracochłonne, drogie i trudne do odtworzenia, a tym samym niedostępne dla większości firm. Chcemy to zmienić – tłumaczy Qirong Ho, CTO Petuum.

Kluczowym klientem start-upu jest meksykański Cemex, jeden z największych światowych dostawców cementu. Proces produkcji tego materiału jest niezwykle złożony i wymaga dokładnej kontroli, przeprowadzanej 24 razy na dobę. Petuum wdrożyło system Industrial AI-pilot, integrując go bezpośrednio z systemami monitoringu zakładu. Rozwiązanie pozwoliło producentowi poprawić wydajność i oszczędność energii o 7 proc., a branżowy magazyn „International Cement Review” uznał wdrożenie Petuum za projekt roku. Start-up konsekwentnie realizuje swoją strategię dążącą do popularyzacji i upowszechnienia się AI. Uzupełnienie oferty stanowią neuroboty (Kaibot, Chimbot, Chicbot, Pixbot), wstępnie przeszkolone modele służące do automatycznego rozpoznawania mowy, identyfikacji obrazów czy przymierzania odzieży.

Wymienione chat boty można wdrożyć w ciągu kilku minut. Ich zastosowanie pozwala obniżyć koszty związane z uczeniem maszynowym o prawie 80 proc. w porównaniu z tradycyjnymi rozwiązaniami – mówi Qirong Ho.

 

Porozmawiać z danymi

Użytkownicy smartfonów wykorzystują zazwyczaj asystentów głosowych do prostych czynności, takich jak sprawdzenie prognozy pogody czy ustawienie budzika. Jednak funkcje wyszukiwania głosowego można wykorzystać również w poważnym biznesie, tak jak robi to Arystoteles, system opracowany przez specjalistów z Bouquet.ai.

Nasze narzędzie to AI chatbot, który działa na podobnej zasadzie jak Siri czy Alexa, z tą różnicą, że dostarcza informacje dotyczące prowadzonego biznesu. Jego użytkownicy nie muszą mieć wiedzy analitycznej – tłumaczy Adrien Schmidt, CEO Bouquet.ai.

Arystoteles wykorzystuje przetwarzanie języka naturalnego, zarządzanie kontekstowym dialogiem i zaawansowane analizy, a następnie dostarcza odpowiedzi za pomocą głosu i tekstu. Idea tego rozwiązania sprowadza się „do prowadzenia rozmowy z danymi”. Użytkownik może zadawać pytania w rodzaju: „Jakie przychody osiągnęła firma X w pierwszym kwartale 2019 r.?”, „Który z pracowników zrealizował najwięcej zamówień w lipcu bieżącego roku?”. Arystoteles może działać samoistnie lub przez Alexę, Siri czy Google Assistant. Rozwiązanie integruje się też z popularnymi narzędziami do komunikacji, takimi jak Slack, Workplace czy Skype. System współpracuje z ponad setką źródeł danych i baz danych. Inteligencja „greckiego filozofa” wzrasta wraz z liczbą zadawanych pytań, przy czym maksymalny czas odpowiedzi wynosi 30 sekund.

Automat zarządza infrastrukturą

Service desk jest z natury szybki i przyjazny dla klientów, choć nie zawsze zdaje egzamin. To wina przeciążenia personelu, który z tego powodu pracuje wolniej i popełnia błędy. Tymczasem z danych Gartnera wynika, że aż 85 proc. czynności związanych z zarządzaniem procesami dostarczania usług IT spoczywa na barkach ludzi. Ayehu, firma z 12-letnim stażem rynkowym, postawiła sobie za cel obniżenie tego współczynnika. Przemęczonych pracowników ma zastąpić platforma Ayehu NG bazująca na AI. Jej zadanie polega na automatyzacji wielu procesów związanych z kontrolą stanu infrastruktury IT. System już po pięciu sekundach od zgłoszenia problemu inicjuje niezbędne działania.

Naszym celem jest wyeliminowanie potrzeby rozmów telefonicznych między osobami odpowiedzialnymi za obsługę IT a ich klientami w środku nocy. Ich zadania przejmą w takich przypadkach systemy automatyzujące procesy. Jedną z ich zalet jest to, że się skalują, czego niestety nie można powiedzieć o pracownikach – tłumaczy Gabby Nizri, CEO Ayehu.

Wylicza on, że zastosowanie platformy pozwala średnio o 40 proc. zwiększyć efektywność wskaźnika FTE (Full Time Equivalent) i 98 proc. skrócić czas od momentu wystąpienia awarii do naprawy urządzenia. Platforma tworzy rodzaj hubu, integrując się z najpopularniejszymi systemami operacyjnymi, chatbotami, oprogramowaniem do monitoringu, a także aplikacjami bezpieczeństwa. Jej skalowalność pozwala na obsługę zarówno mniejszych podmiotów, jak i wielkich koncernów. Jedna z instytucji finansowych korzystająca z Ayehu NG posiada 60 tys. serwerów, przechowuje 72 PB danych i 10 tys. instancji bazy danych.

Warto dodać, że na liście referencyjnej tego dostawcy znajdują się m.in. Honda, PepsiCo, AIG czy General Electric. Wszystko wskazuje na to, że kierunek, który wytyczył Gabby Nizri, jest odpowiedni. Analitycy Gartnera prognozują, że do 2023 r. będzie zautomatyzowanych około 40 proc. czynności związanych z obsługą i zarządzaniem infrastruktury IT. A co z ludźmi?

Rynek cały czas będzie potrzebował wykwalifikowanych pracowników, pozostali zaś będą musieli poszukać nowego zajęcia – przyznaje jeden z inwestorów Ayehu.