Sztuczna Inteligencja: Zarys Podstaw

O AI, czyli Sztucznej Inteligencji, jest bardzo głośno od kilku lat, ale termin Artificial Intelligence sięga lat ‘50 ostatniego wieku. Prof. McCarthy ochrzcił tę dziedzinę podczas konferencji zorganizowanej w Dartmouth College. Sama idea AI jest jeszcze starsza, ponieważ sięga dwudziestolecia międzywojennego, czyli blisko 100 lat temu. Dopiero teraz jednak temat zaczyna dojrzewać do zastosowań w praktyce. W prasie pojawia się już od paru lat mnóstwo ogólnikowych informacji o potencjalnych możliwościach AI, ale warto jednak zapoznać się z podstawowymi pryncypiami, które stoją za tą niezaprzeczalnie innowacyjną domeną IT. Definicji jest mnóstwo; AI to po prostu rodzaj automatyzacji, podczas której oprogramowanie na podstawie odpowiedniego algorytmu podejmuje samodzielną ‘decyzję’ opartą o logikę. ‘Decyzję’, ponieważ takowa jest uzależniona od wcześniejszych danych, na których to odpowiedni algorytm został przyuczony do danego zadania. W dużym uproszczeniu AI to zdolność oprogramowania do rozpoznawania pewnych sekwencji, kształtów a także anomalii.

Jednym z prostszych algorytmów jest model drzewa decyzyjnego, który można porównać do schematu blokowego aplikacji. Sprawdzane są kolejne następujące po sobie warunki. Jako przykład, oczywiście uproszczony, zostanie przedstawiony algorytm określania pogody. Łatwo zauważyć, że ładna pogoda występuje tylko kiedy jest słonecznie. Dodatkowymi warunkami jest niska wilgotność podczas słabej siły wiatru, albo wysoka wilgotność podczas dużej siły wiatru. Na podstawie tych kilku atrybutów można zbudować drzewo decyzyjne. 

Tak skonstruowana sekwencja jest w stanie odpowiedzieć na pytanie czy jest ładna pogoda polegając tylko na trzech parametrach. Przypadki biznesowe są dużo bardziej zaawansowane i wymagają analizy większej ilości parametrów, idea jednak pozostaje ta sama. 

Pytanie oczywiste to jakie może być praktyczne zastosowanie AI w firmie/organizacji. AI jest nadal bardzo nieporadne jako niezależne, wyrwane z kontekstu, rozwiązanie. Jeżeli jednak głównym zadaniem AI jest wspomaganie działań pracownika to taka kombinacja jest już o wiele bardziej produktywna. Z tego względu, że AI dostarcza pracownikowi analiz/sugestii z pewnych wąskich zakresów, a człowiek jest w stanie wykorzystać te informacje, aby poprawić produktywność jednocześnie weryfikując zalecenia AI w odniesieniu do danego kontekstu (ang. augmentation).