Dołącz do czytelników
Brak wyników

Okiem praktyka & konsumenta

28 maja 2019

NR 21 (Maj 2019)

Czy sztuczna inteligencja opanuje ludzkość?

169

Ze sztucznej inteligencji korzystamy dzisiaj już wszyscy – mniej lub bardziej świadomie. Dla niektórych to fakt przerażający, zagrażający naszej suwerenności. Najpewniej jednak wynika to z niewiedzy. Mimo iż dzisiejsze zastosowania są już naprawdę imponujące (np. rozpoznawanie mowy, obrazu lub języka mówionego), to raczej nie musimy się na razie obawiać ataku inteligentnych i autonomicznych humanoidów.

To, co dziś nazywamy sztuczną inteligencją, to tak naprawdę praktyczne zastosowanie i połączenie zaawansowanej matematyki i możliwości obliczeniowych współczesnych komputerów. Naukowcy oczywiście pracują nad systemami, które będą odczuwały, rozumiały itd. Niemniej obecnie jednak nie ma w tej materii sukcesów. Rozumienie ludzkiego języka przez maszynę to dzisiaj algorytm, który oblicza prawdopodobieństwo, że człowiek miał na myśli konkretną akcję na podstawie tysięcy innych fraz, które wcześniej były wprowadzone do systemu i odpowiednio pokategoryzowane. 

Ten proces nazywa się uczeniem lub trenowaniem sieci neuronowej. Słowo trenowanie jest tutaj raczej bardziej zbliżone rzeczywistości, ponieważ np. sieć wytrenowana do rozpoznawania liczb na zdjęciach, nie będzie potrafiła m.in. rozpoznać liter czy przedmiotów. Mówiąc inaczej, algorytm nie będzie potrafił nadać znaczenia lub znaleźć nowego zastosowania do wyników swojej pracy. To oznacza, że na szczęście maszyny jeszcze nie przejmą kontroli nad ludzkością, za to ogromnie ułatwiają nam bardzo wiele dotychczasowych działań. 

Obecnie sztuczną inteligencję wykorzystuje się głównie do:

  • analizy tekstu naturalnego człowieka (natural language understanding – NLU),
  • rozpoznawania zdefiniowanych obiektów na obrazie,
  • rozpoznawanie mowy,
  • kategoryzacji i wartościowania treści – obrazów i tekstów,
  • przewidywania wyników na podstawie ogromnych zbiorów danych (np. przewidywania powodzi).

Bad robot!

Zastosowanie samych botów nie jest wcale nowością. „Głupie” – nieinteligentne – boty znamy np. z czatów z wirtualnym doradcą (zazwyczaj nawet animowanym!), odpowiadającym na najczęstsze pytania klientów (FAQ). Zazwyczaj nie było to nic więcej niż tylko inna forma zapisu listy pytanie – odpowiedź. Bot nie był w stanie zrozumieć pytania, jeśli miało literówki lub było skonstruowane minimalnie inaczej, niż przewidział to programista. Właściwie najlepiej radziły sobie tylko z prostymi poleceniami i nie miały szansy rozpoznać wypowiedzianego lub odręcznie zapisanego polecenia.

Dodanie poruszającej się ludzkiej twarzy miało oswoić człowieka z maszyną i spotęgować wrażenie, że rozmawiamy z człowiekiem. Jednak schematyczność i sztywność widać było od razu. Nawet dzisiaj, mimo że jesteśmy z NLP (natural language processing) o wiele dalej, to trudno powiedzieć, że jakiś algorytm przechodzi test Turinga. Słyszałem, co prawda, o eksperymentach, w których chatbot udawał niezbyt dobrze mówiące po angielsku dziecko i udawało się oszukać człowieka, że rozmawia faktycznie z drugim człowiekiem. Jednak z mojej perspektywy to nadal tylko sprytna iluzja, a nie ogólna sztuczna inteligencja.

Nie zmienia to faktu, że np. oglądanie robota Sophia u Jimmiego Fallona1 może wprowadzić w zdumienie i zachwyt. Są momenty, w których naprawdę można mieć wrażenie, że Sophia myśli i ma emocje. Warto też zobaczyć, jak wyglądają jej odpowiedzi w mniej kontrolowanym środowisku2. 

Oceniając owoce pracy nad sztuczną inteligencją, trzeba pamiętać, że mamy tendencję do szukania podobieństw i wzorców tam, gdzie ich nie ma. Doszukując się np. znajomych kształtów w chmurach na niebie czy w fusach po kawie, zjawisko to nazywa się efektem Elizy. Robot, który odpowiada człowiekowi, że coś go denerwuje, robi tak, ponieważ tak go zaprogramowano. Warto więc pamiętać, że dzisiaj inteligencja sztucznej inteligencji jest iluzją i naszą ludzką interpretacją. 

Przykłady

Przyjrzyjmy się bliżej niektórym możliwościom (skupiam się głównie na chatbotach), jakie możemy dzisiaj zaobserwować w zastosowaniach marketingowych. Obecnie na pewno najczęściej pojawia się przetwarzanie języka naturalnego (NLP). Chodzi o sytuacje, w których np. użytkownik chce dowiedzieć się, jakie usługi świadczy dana firma. Może wtedy zapytać: „Jakie usługi świadczy firma Acme?”, natomiast jest to dość mało prawdopodobne. Bardziej prawdopodobne będzie, że spyta: „Czy można u Was kupić buty?” lub: „Jakie buty macie w ofercie?”. 

Tutaj wkracza rola sztucznej inteligencji. Ma ona rozpoznać intencję użytkownika, odpowiedzieć na pytanie i ewentualnie dalej poprowadzić go do procesu zakupowego. Algorytmy machine learningu potrafią wyszukać słowa klucze (również w odmianach). Potrafią np. zniwelować problem literówek lub slangu. Wybierają scenariusz, którym użytkownika należy poprowadzić i jeśli potrzeba, mogą też skierować go do żywego konsultanta.

Brzmi to dość prosto. Wyobraź sobie do tego np., że algorytm w międzyczasie może sprawdzić coś w Google, wyszukać historię zamówień użytkownika, pogodę, jaką ma za oknem, nastrój, w jakim jest, itd. – a Ty możesz zaprojektować odpowiednią reakcję na te wszystkie czynniki i to zawsze z takim samym prawdopodobieństwem. Robi się więc dużo więcej możliwości. Wszystko to w dzień i w nocy, a jeśli chodzi o przepustowość, to właściwie sky is the limit. 

Rewolucja dla call center i obsługi klienta w ogóle ma miejsce już dzisiaj. Ogromną w tym zasługę ma kilka usług, które umożliwiły bardzo łatwe integracje i korzystanie z już wytrenowanych sieci neuronowych do własnych potrzeb. Takie zadanie realizują np. DialogFlow, Botfuel, Amazon Lex czy opensource’owa Rasa. Wszystkie przypadki użycia, jakie wskazuję poniżej, bazują na rozwiązaniu od Google, czyli:

1. Domino’s Pizza, 2016 r.
Amerykańska sieć pizzerii działająca na całym świecie, w tym w Polsce. Umożliwia zamówienie pizzy przez Facebook Messanger. Wykorzystanie chatbota nie ogranicza się tylko do złożenia zamówienia, lecz użytkownik otrzymuje także informację zwrotną, co się dzieje z jego zamówieniem.
Dokładny opis case study znajduje się na stronie: //dialogflow.com/case-studies/dominos/

2. Holenderskie linie lotnicze KLM, 2017 r.
KLM swojego bota nazwało Blue Bot. Poszli też o krok dalej, nadając mu elementy osobowości – jest kobietą, pomocną, uprzejmą i profesjonalną.
Najpierw wdrożony został bot, który pozwalał klientom na wyszukanie lotów, a później rozszerzono go o porady dotyczące pakowania – np. na podstawie pogody w miejscu docelowym może polecić wzięcie płaszcza przeciwdeszczowego.
Dokładny opis case study znajduje się na stronie: //dialogflow.com/case-studies/klm/
 


 

3. Ticketmaster, 2017 r.
Największy na świecie dystrybutor biletów na wydarzenia wykorzystał chatbota, żeby udostępnić użytkownikom możliwość wyszukania wydarzeń oraz od razu zakupu biletów przez powiązane konto. Ticketmaster wykorzystał tutaj wieloplatformowe możliwości DialogFlow, prezentując integrację z Facebook Messenger, Amazon Alexa, Google Assistant i Cortana.
Opis case study znajduje się na stronie: //dialogflow.com/case-studies/ticketmaster/

4. Onet, 2019 r.
I na koniec rozwiązanie z naszego rodzimego rynku. Korzystając z tych samych co powyżej rozwiązań, Onet udostępnił polecenie dla Asystenta Google, dzięki któremu możesz zapytać się o najświeższe wiadomości. Wystarczy, że aktywujesz asystenta, mówiąc „Ok Google” i potem „Zapytaj Onet o wiadomości”. Wkroczy tutaj rozpoznawanie mowy i przetwarzanie języka naturalnego, żeby odtworzyć dla Ciebie przygotowane przez Onet aktualne informacje.
Jak to działa, możesz zobaczy...

Pozostałe 70% treści dostępne jest tylko dla Prenumeratorów

Co zyskasz, kupując prenumeratę?
  • 6 wydań magazynu "Nowa Sprzedaż"
  • Dodatkowe artykuły niepublikowane w formie papierowej
  • Dostęp do czasopisma w wersji online
  • Dostęp do wszystkich archiwalnych wydań magazynu oraz dodatków specjalnych
  • ...i wiele więcej!
Sprawdź

Przypisy