Miesiąc: sierpień 2023

https://aie24.pl/

Kiedy systemy sztucznej inteligencji upraszczają zadania zwiększające współpracę między ludźmi, odnosimy się na przykład do wszystkich zastosowań chatbotów przetwarzających język naturalny, inteligentnych agentów i uczenia maszynowego w celu zaangażowania klientów i pracowników. Na przykład chatboty, które mogą naśladować sposób, w jaki ludzie prowadzą rozmowy za pomocą poleceń głosowych i czatów tekstowych, oferują łatwiejszy sposób na zapewnienie wydajnej obsługi klienta. W takim przypadku człowiek może skupić się na odpowiadaniu na bardziej złożone pytania, pozostawiając chatbotom bardziej standardowe i rutynowe zadania. W wielu przypadkach firmy łączą systemy eksperckie z ludzką kreatywnością, tak że problemy wykraczające poza możliwości bota są przenoszone na agenta ludzkiego. Sztuczna Inteligencja lepsza w dziale obsługi klienta polega na tym, że potrafi dotrzeć do konkretnych konsumentów i zaspokoić ich szczególne tendencje. Dostarczanie klientom spersonalizowanych doświadczeń zwiększa lojalność wobec marki i zapewnia rozkwit firmy. Umożliwia także działom HR łączenie utalentowanych i inteligentnych pracowników (zespołów) w różnych organizacjach i działach, ostatecznie tworząc nowe metody udostępniania i wymiany cennych informacji.

https://aie24.pl/

Kiedy systemy sztucznej inteligencji rozszerzają złożone zadania, zastępując ludzi, mamy przypadek wglądu kognitywnego. Odnosi się to do wszystkich zadań związanych z wykrywaniem, zbieraniem danych ze środowiska i budowaniem z niego wiedzy. Ciekawy przykład został przeprowadzony przez Autodesk w jego laboratorium badawczym w To-ronto, jak przeprojektować przestrzeń w niewyobrażalny sposób, aby zmniejszyć ryzyko zarażenia wirusem podczas pandemii. Czujniki i kamery były w stanie zbierać dane dotyczące napływu, temperatury i zachowań ludzi w przestrzeni. Dane te zasilały algorytm sztucznej inteligencji, który był w stanie symulować wzorce kongregacji i zapewniły niewyobrażalny projekt przestrzeni.  Tak jest również w przypadku zastosowania sztucznej inteligencji w procesach marketingowych, aby umożliwić marketerom lepsze zrozumienie docelowych odbiorców poprzez szybką identyfikację historii zakupów w przeszłości, preferencje, oceny kredytowe i inne wspólne wątki za pośrednictwem analiz. Sztuczna inteligencja wspiera kierowników projektów w automatycznym zarządzaniu ryzykiem (przewidywanie i przewidywanie przyszłych zagrożeń poprzez monitorowanie i kontrolowanie zmian wydajności, terminów i rozwiązań), zarządzaniu zasobami oraz analityce predykcyjnej i kontrolingowej. Systemy sztucznej inteligencji zapewniają wgląd kognitywny i pozwalają menedżerom być bardziej kreatywnymi, efektywniej i terminowo realizować projekty oraz zwiększać współpracę organizacyjną (dzielenie się zasobami) i sojusze. Kiedy myślimy o HR, wykorzystanie AI może tworzyć nowe procesy definiowania wydajności pracowników, sugerowania szkoleń i podwyżek wynagrodzeń. To jest właśnie pomaganie. Ale pozwala też mieć widok 360° na kompetencje firmy, a następnie na tej podstawie sztuczna inteligencja, poprzez przyspieszone odkrywanie, może zasugerować idealne szkolenie dla każdego pracownika lub najlepsze strategie retencji, aby nadać priorytet pracownikom, którzy są w określony kontekst (tj. ryzyko retencji). Kiedy analizy predykcyjne są stosowane w procesach marketingowych lub finansowych, umożliwiają generowanie wzorców z danych lub informacji w organizacji w celu znalezienia i wykrycia potencjalnych zagrożeń i korzyści. Robi się to szybciej i dokładniej, ale pozostawia miejsce na ludzką kreatywność w znalezieniu najlepszego rozwiązania.

https://aie24.pl/

Gdy systemy sztucznej inteligencji są wykorzystywane do upraszczania powtarzalnych zadań i zastępowania ludzi, mamy do czynienia z automatyzacją zadań cyfrowych i fizycznych przy użyciu automatyzacji procesów AI. Proces produkcyjny korzysta z algorytmów sztucznej inteligencji i robotów, które służą do szybkiego i dokładnego składania produktów. Zamiast zlecać ludziom wytwarzanie poszczególnych części, a następnie składanie ich razem, inteligentne roboty mogą wykorzystywać uczenie maszynowe do tworzenia samego produktu na podstawie planu projektowego dostarczonego przez pracowników. Rezultatem jest krótszy czas produkcji i większa wydajność. Ponadto możemy zaobserwować kreatywność w predykcyjnym utrzymaniu ruchu. Systemy sztucznej inteligencji pozwalają przewidywać, kiedy lub czy funkcjonalny sprzęt ulegnie awarii, dzięki czemu jego konserwacja i naprawa może zostać zaplanowana przed wystąpieniem awarii. Dodatkowo system może automatycznie uruchamiać działania reorganizacyjne w przypadku uszkodzenia elementów wyposażenia. Podobnie zastosowania systemów sztucznej inteligencji do konserwacji zapobiegawczej umożliwiają producentom zwiększenie wydajności poprzez identyfikację potencjalnych przestojów i wypadków na podstawie analizy danych z czujników.

https://aie24.pl/

Proces to seria lub zestaw działań, które współdziałają, aby uzyskać wynik. Wiele procesów jest wykonywanych przez ludzi i są to powtarzalne zadania. Gdy weźmiemy pod uwagę wdrożenie opartych na regułach systemów sztucznej inteligencji i informatyki w tych powtarzalnych procesach poprzez automatyzację, mogą one znacząco pomóc zoptymalizować sekwencyjny zestaw działań, osiągając większą wydajność. W ten sposób ludzie mogą skupić się na reorganizacji inżynierii i badaniu nowych sposobów pracy. Dotyczy to każdego procesu, który ma powtarzalne i częste zadania, które muszą oszczędzać czas i być wydajne (tj. bezpieczeństwo lub łańcuch dostaw). W domenie bezpieczeństwa (czyli cyberbezpieczeństwa), gdy jesteś w środowisku chmury hybrydowej, czyli masz infrastrukturę w chmurze, pojawiają się nowe procesy (procesy generowane przez AI), które powstają dzięki szybko uczącej się AI i mają na celu zabezpieczenie organizacji. Podczas pandemii liczba natychmiastowych połączeń, które mieliśmy, była niewiarygodnie wyższa w porównaniu z przeszłością, a alerty były analizowane w czasie rzeczywistym przez sztuczną inteligencję. W przestrzeni bezpieczeństwa AI nieustannie tworzy nowe procesy, które sugerowano inżynierom, aby działały w nowy sposób (tj. zamiast analizować miliony połączeń AI była w stanie poradzić sobie z milionami prostych alertów, pozwalając inżynierom skupić się tylko na złożonych problemach ). Dzięki temu ogromnemu połączeniu na dużą skalę w czasie pandemii mogliśmy przetestować zupełnie nowe środowisko dla sztucznej inteligencji. Na przykład jest to obecnie wykorzystywane przez instytucje finansowe do wykrywania oszustw lub poważnych zagrożeń lub złożonych alertów. (Silvano Sansoni – dyrektor generalny, globalna sprzedaż cyfrowa, IBM). Wszystkie te systemy sztucznej inteligencji stosowane w określonych procesach nazywane są systemami eksperckimi lub aplikacjami komputerowymi tworzonymi w celu rozwiązywania złożonych problemów w określonej dziedzinie, na poziomie niezwykłej ludzkiej inteligencji i wiedzy specjalistycznej. Pełnią kilka funkcji i mogą doradzać, instruować i pomagać ludziom w podejmowaniu decyzji. W opiece zdrowotnej sztuczna inteligencja poprawia dokładność diagnozy, lepiej wyjaśnia i przewiduje wyniki oraz pomaga pacjentom we wszystkich fazach powrotu do zdrowia, poprawiając jakość leczenia. Co więcej, są już wykorzystywane także jako pomoc dla lekarzy w mikrochirurgii. Nawet jeśli te systemy eksperckie nie są w stanie zastąpić ludzkich decydentów, dysponując ludzkimi możliwościami, generując dokładne dane wyjściowe dla nieodpowiednich baz wiedzy i udoskonalania ich wiedzy, ich przyjęcie może pomóc ludziom lepiej wykonywać te zadania. Identyfikujemy dwa główne wymiary, poprzez które systemy sztucznej inteligencji mogą pomóc w przetwarzaniu kreatywności, jeden na poziomie zadań, a drugi na poziomie ludzi :

• Wymiar 1 – systemy AI mogą zastąpić człowieka lub stać się jego współpracownikiem.

• Wymiar 2 – Automatyzacja vs. rozszerzenie zadania: systemy AI replikują istniejące zadanie lub je rozszerzają. Na podstawie tych dwóch wymiarów wyróżniamy cztery rodzaje wpływu AI na procesy.

https://aie24.pl/

Przyspieszenie odkryć: sztuczna inteligencja wspomaga fazę badań, analizując ogromną liczbę książek, dokumentów, publikacji i patentów, aby przyspieszyć odkrywanie nowych rodzajów produktów i usług

Głębokie uczenie się produktów: za pomocą generatywnych sieci kontradyktoryjnych (GAN) sztuczna inteligencja może zostać wykorzystana do wypełnienia luki istniejącej między pragnieniami konsumentów a oferowaniem produktów.

Generowanie nowych rozwiązań i projektów: przy użyciu algorytmów uczenia się bez nadzoru możliwe jest tworzenie nowych obrazów cyfrowych, wideo, audio, tekstu lub kodu bez interwencji człowieka.

Zwiększenie możliwości przetwarzania danych: Za pomocą obliczeń kwantowych możliwe jest generowanie złożonych rozwiązań dzięki zwiększeniu szybkości i szybkości przetwarzania danych.

https://www.remigiuszkurczab.pl/aspergeraut.php

Umiejętności społeczne są trudne do zdefiniowania, nauczenia i oceny. Często są one ukierunkowane na wiele różnych sposobów i są rozwiązywane za pomocą pakietu strategii instruktażowych. Niektóre z powszechnie stosowanych podejść obejmują historie społecznościowe, karty zasad i modelowanie wideo. Historie społeczne, choć prawdopodobnie najczęściej stosowane z tych podejść, mają niewiele danych potwierdzających ich skuteczność. Chociaż pojawiły się doniesienia o sukcesie, nie jest jasne, czy same historie społeczne są odpowiedzialne za skutki. W rzeczywistości jest prawdopodobne, że za te efekty odpowiedzialne były inne, bardziej bezpośrednie procedury zmiany zachowania, stosowane w połączeniu z historiami społecznymi. Analizy składowe pomogłyby wyodrębnić unikalny wkład historii społecznych. Ponadto potrzebne są badania nad krytycznymi elementami historii społecznych jako podejście interwencyjne. Modelowanie wideo i skrypty społecznościowe mają dobre wsparcie empiryczne. Z klinicznego punktu widzenia zmienność w scenariuszach i modelach musi być uwzględniona jako część skutecznej interwencji. Karty zasad są interesującym kierunkiem klinicznym, szczególnie w połączeniu z odgrywaniem ról lub innymi technikami prób behawioralnych.

https://aie24.pl/

Systemy sztucznej inteligencji mogą również inspirować pracowników i pomagać im zwiększać kreatywność w zakresie projektowania nowych produktów wymagających wysokiego poziomu złożoności. Jako ilustracyjny przypadek możemy rozważyć projekt produktu chemicznego i biomolekularnego, który czerpie korzyści z zastosowania wspomaganych komputerowo strategii rozwiązywania problemów i mocy obliczeniowej w celu efektywnego rozwiązywania problemów w różnych skalach w miarę wzrostu złożoności i rozmiaru problemów. W tym kontekście nowe tryby obliczeń, takie jak obliczenia kwantowe, wpływają na kreatywne rozwiązania w projektowaniu produktów. Dotyczy to również środowisk przemysłowych (np. nastawnic kolejowych), w których sztuczna inteligencja umożliwia zwiększenie ludzkiej inteligencji i umożliwia nowe rozwiązanie bardzo złożonych problemów. Nowe układy kwantowe (rysunek 4.2) pozwalają również na realizację testów rynkowych w czasie rzeczywistym dla projektów innowacyjnych. Algorytmy docierają i reagują w czasie rzeczywistym na profesjonalistów zaangażowanych w innowacyjny projekt (np. przyszłych użytkowników, klientów, partnerów) na całym świecie. Kiedy powstaje prototyp nowej koncepcji/pomysłu, system sztucznej inteligencji może eksplorować i analizować ogromną ilość danych w sieci oraz dostarczać wskazówek dla potencjalnych zastosowań wspierających kreatywność produktów/usług. To działa w obie strony. Może to być zarówno firma poszukująca innowacji, jak i innowacja, którą można wykorzystać w różnych branżach. W ten sposób przedsiębiorca może być narażony na wszelkie możliwe innowacje, dodatkowe zasoby i dochody. Zdecydowałem się na wdrożenie tego systemu AI, ponieważ chcę mieć możliwość zobaczenia, kiedy finansuję innowację, jakie są wszystkie możliwe zastosowania, jakie mogę mieć.

(Bruno Bonnell – Sekretarz Generalny ds. Inwestycji, Francja 2030)

https://aie24.pl/

Niektóre bardziej autonomiczne modele generatywnych systemów AI umożliwiają generowanie nowych rozwiązań i nowych projektów bez interwencji człowieka. Ta technika nazywana jest generatywną sztuczną inteligencją lub dowolnym rodzajem sztucznej inteligencji, która wykorzystuje algorytmy uczenia się bez nadzoru do tworzenia nowych cyfrowych obrazów, wideo, audio, tekstu lub kodu bez interwencji człowieka. Jak opisano w rozdziale 2, generatywne systemy sztucznej inteligencji (takie jak GPT3, Chat-GPT, DALL•E i wiele innych) są już wykorzystywane przez artystów do tworzenia nowych dzieł sztuki i pomagają projektantom wspierać nowe pomysły i rozwiązania, wprowadzając nowe projekty na rynek. W 2019 roku znany projektant Philippe Starck współpracował z Kartell i Autodesk nad generatywnym projektem sztucznej inteligencji, który zaowocował produkcją „AI”. krzesło. System sztucznej inteligencji otrzymał od Starcka proste wyzwanie projektowe (wspieranie ciała przy jak najmniejszej ilości materiału i energii) i dzięki temu, co Starck nazwał „nowym językiem, nowym rodzajem wymiany”, system iterował i uczył się, aż do powstał produkt końcowy.

Wiele firm korzysta już z technologii generatywnych systemów sztucznej inteligencji w swoich strategiach rozwoju produktów. Im więcej danych w komputerze każdy ma, tym lepiej może przewidzieć, co konsumenci będą chcieli kupić. Informacje te pozwalają firmom na dokładniejsze prognozy sprzedaży i tworzenie produktów, które dokładniej spełniają wymagania klientów. Algorytmy uczenia maszynowego analizują trendy i preferencje konsumentów podczas opracowywania nowych produktów, pozwalając firmom z powodzeniem odgadnąć, czego chcą ich odbiorcy, zanim ktokolwiek inny.

Korzystanie z generatywnych systemów sztucznej inteligencji w opracowywaniu produktów pomaga firmom zaoszczędzić czas i pieniądze, ponieważ nie muszą przechodzić iteracji metodą prób i błędów, zanim ostatecznie wypuszczą produkt, którego ludzie chcą. Produkt tworzony jest na wstępie, unikając jakichkolwiek zmian po drodze. Jednak generatywne systemy sztucznej inteligencji, które są w stanie tworzyć dzieła sztuki i efekty wizualne, takie jak roboty AI-DA, DALL•E, Open AI i GPT, są tworzone przez ludzi, a prawdziwą kreatywność można zaobserwować u człowieka, który generuje monit.

Te generatywne systemy AI są imponujące ze względu na sposób, w jaki ludzie z nich korzystają, ale są połączeniem istniejących pomysłów. Tak więc prawdziwą kreatywność można zobaczyć w monicie lub danych wprowadzonych przez użytkownika w generatorach AI Art. Może to być fraza lub wiersz tekstu szczegółowo opisujący elementy używane przez sztuczną inteligencję do tworzenia obrazu.

(Luc Julia – dyrektor ds. naukowych, Grupa Renault)

Inne generatywne systemy sztucznej inteligencji (takie jak Codex) mogą generować kod. Oznacza to, że jeśli zamierzasz stworzyć grę i powiesz: „Pokaż mi na ekranie rakietę, która będzie lecieć od lewej do prawej”, system może wygenerować kod do napisania gry. Również w tym przypadku kluczowy jest monit, czyli sposób korzystania z narzędzia. Dane wyjściowe muszą być dostosowane przez człowieka, który musi wykonać kilka iteracji, ponieważ system pożycza z wielu różnych miejsc, a fragmenty kodu i wiele niespójności może wystąpić w zmiennych znajdujących się w kodzie. Wymaga to przejrzenia kodu i sprawdzenia nazw zmiennych, na przykład, aby były spójne we wszystkich różnych fragmentach kodu, które były używane przez Codex do realizacji bardzo prostego programu, dopóki nie pojawią się bardzo złożone podpowiedzi.

Wszystkie te generatywne narzędzia sztucznej inteligencji pozwalają generować wiele nowych pomysłów z twojego dzikiego mózgu. Wyniki generatywnych systemów sztucznej inteligencji mogą pokazać ci coś, o czym nawet nie pomyślałeś, kiedy generowałeś monit, więc tutaj jest kreatywność i wiesz, że możesz czerpać pomysły z tych systemów. To tak, jak z blenderem, jeśli coś włożysz, wciśniesz przycisk, a wtedy otrzymasz coś, czego nawet sobie nie wyobrażałeś, ale nie jest tak źle. Więc to jest trochę tego, co potencjalnie uzyskasz dzięki generatywnej sztucznej inteligencji, aby mieć pomysły na nowe produkty. (Luc Julia – dyrektor ds. naukowych, Grupa Renault)

https://aie24.pl/

Sztuczna inteligencja może również przyspieszyć odkrywanie nie tylko poprzez pomoc w fazie badawczej, ale także poprzez głębokie uczenie się produktu z wykorzystaniem Generative Adversarial Networks (GAN). Biorąc pod uwagę zestaw treningowy, ta technika uczy się generować nowe dane z tymi samymi statystykami, co w zbiorze treningowym. Pomysł polega na konkurencyjnym szkoleniu dwóch sieci neuronowych, gdzie pierwsza sieć generuje fałszywe próbki, a druga sieć rozróżnia, czy próbki są prawdziwe, czy fałszywe. Na przykład sieć GAN przeszkolona w zakresie obrazów może generować nowe obrazy, które wyglądają przynajmniej powierzchownie autentycznie dla ludzkich obserwatorów i mają wiele realistycznych cech. Sieci GAN służą do generowania nowych produktów z istniejących danych produktów. W tym przypadku, gdy modele generatywne i dyskryminacyjne zbiegają się, generator jest w stanie odtworzyć realistyczne buty. W ten sposób sztuczna inteligencja może zostać wykorzystana do wypełnienia luki między pragnieniami konsumentów a oferowaniem produktów.

https://aie24.pl/

Przyspieszenie odkrywania

Pierwszym sposobem, w jaki sztuczna inteligencja i nowe technologie (przetwarzanie kwantowe, chmura, internet rzeczy, urządzenia mobilne, punkty brzegowe) wpływają na projektowanie nowych produktów, jest umożliwienie przyspieszonego odkrywania, wspomaganie naukowców i inżynierów w procesie twórczym. Sztuczna inteligencja umożliwia analizę ogromnej ilości książek, dokumentów, publikacji i patentów w celu przyspieszenia odkrywania nowych rodzajów produktów i usług. W dziedzinie lotnictwa sztuczna inteligencja może pomóc w projektowaniu „lekkich” samolotów o mniejszym zużyciu węgla i paliwa w oparciu o materiały, które muszą spełniać kilka kryteriów środowiskowych. Przed fazą twórczą naukowcy i inżynierowie muszą opracować bardzo ważną fazę badań i dokumentacji wielu zespołów ekspertów. Ta faza była bardzo długa i trudna z setkami tysięcy artykułów, patentów i publikacji, które trzeba było przełknąć. Dzięki sztucznej inteligencji inżynierowie, konsultanci i architekci uzyskują informacje z różnych źródeł w czasie rzeczywistym. Jest to pierwszy krok kreatywności, ponieważ umożliwia bardzo naukowe, przyspieszone odkrycie. W przemyśle farmaceutycznym tworzenie leków wymaga bardzo długiego czasu (wielu lat) i kilku esejów klinicznych. W dzisiejszych czasach sztuczna inteligencja może zasugerować badaczom pewne kombinacje molekularne w krótkim czasie przyspieszając odkrycia. W tym przypadku systemy sztucznej inteligencji można sklasyfikować jako wspomaganą rozszerzoną sztuczną inteligencję. Accelerated Discovery zawsze dotyczy rozszerzonej sztucznej inteligencji, która pozwala nam tworzyć ponad sto nowych produktów, które są teraz w wersji beta. W ten sposób tworzymy sztuczną inteligencję, aby pomóc naukowcom i inżynierom szybko osiągnąć punkt innowacyjny, oszczędzając czas i pieniądze. ( Silvano Sansoni – dyrektor generalny, globalna sprzedaż cyfrowa, IBM)