A mesterséges intelligenciát (MI) ma már nem lehet megkerülni az üzleti életben, ezért érdemes tisztában lenni néhány olyan kifejezéssel, ami az MI kérdésköréhez tartozik. Dr. Barta Gergő, a Deloitte vezető menedzsere és MI szakértője segít tisztázni olyan fogalmakat, mint gépi tanulás és deep learning, megtudjuk miért lehetséges az MI alkalmazása, milyen területeken lehet felhasználni, valamint mik a legkeresettebb kompetenciák a sikeres MI adaptációhoz.
Tradicionális vs. intelligens szoftverfejlesztés
A tradicionális szoftverfejlesztés során az adatokat és a szabályokat mi visszük be a rendszerbe, majd ezek alapján kapjuk meg a válaszokat. Az intelligens szoftverfejlesztés vagy mesterséges intelligencia esetében az adatokat és a válaszokat visszük be a rendszerbe, a rendszer pedig ezek alapján alkotja meg a szabályokat, mintázatokat.
Tisztázzuk a fogalmakat
• Mesterséges intelligencia: Bár nagyon nehéz egy pontos definíciót adni, hiszen rengeteg értelmezés áll rendelkezésre, leggyakrabban úgy definiálják, mint az emberi racionalitás és gondolkodás modellezése. Az EU AI rendelete adat, algoritmus és számítási kapacitás összességeként definiálja.
• Gépi tanulás: A mesterséges intelligenciának egy részhalmaza. Lényegében adatvezérelt döntéshozás explicit szabályalkotás nélkül, vagyis nem mi találjuk ki a szabályokat, hanem a gép teszi bizonyos algoritmus alapján, a végén pedig ez alapján hozzuk meg a döntést. Tulajdonképpen ez egy döntéstámogató rendszer.
• Deep learning: Olyan technológiák összessége, mely természetes neurális hálók analógiájára épül fel. A képi feldolgozás, a hangfeldolgozás és a szövegfeldolgozásban alkalmazzák.
A gépi tanulás módszerei
• Felügyelt tanulás: A folyamat során a bevitt adatokat felcímkézzünk, vagyis megmondjuk a rendszernek, hogy az adott dolog mit jelent, így később a gép fel fogja ismerni.
• Felügyelet nélküli tanulás: Ennél a folyamatnál a bevitt adatok nincsenek felcímkézve, nem mondjuk meg a rendszernek, hogy mit jelentenek az adott dolgok, hanem a rendszernek kell szortíroznia az adatokat azáltal, hogy mintázatokat keres bennük.
• Megerősítéses tanulás: Vegyünk alapul egy virtuális vagy egy hardveres robotot, ami folyamatosan visszacsatolásokat kap a környezettől. Ha valami jót csinál, akkor jutalmat kap, ha pedig rosszat, akkor büntető pontot.
Egy kis történelem: miért tartunk most itt?
A mesterséges intelligencia definíciója már az 1950-es években is létezett. A hardver költségek az 1980-as években akár az 1 millió dollárt is elérték, vagyis ennyibe került 1 GB tárolási költsége. Manapság már sokkal olcsóbb az adattárolás, ez pedig lehetővé teszi az MI létezését. Míg az elmúlt években az adattárolási költségek lejjebb mentek, addig a GPU teljesítmény, vagyis a hardver kapacitások megnövekedtek. Az adattárolás megfizethetősége és a számítási kapacitások megsokszorozódása hozzájárul az MI széleskörű felhasználásához.
Az MI felhasználása az üzleti életben
A szakértő elmondta, hogy tulajdonképpen bárhol lehet használni az MI-t, ahol rendelkezésre állnak adatok. Külön kiemelte a HR-t, ahol olyan üzleti funkcióknál lehet alkalmazni, mint a munkahelyi tervezés támogatása, az emberi erőforrás, toborzás és tehetségek menedzselése, az alkalmazottak teljesítményének kezelése, illetve a munkavállalók bevonásának és megtartásának támogatása. A HR mellett az MI további felhasználási területei lehetnek az IT, az operáció, a pénzügy, a sales és marketing, valamint a kockázatkezelés.
Mi kell a sikeres MI adaptációhoz?
A Deloitte egyik felmérése alapján a megkérdezett vállalatok többsége (52%) szerint a mesterséges intelligencia kutatók járulnak hozzá leginkább a sikeres MI adaptációhoz. Őket követik a fejlesztők és a mérnökök (51%), az adatelemzők (49%), az adattudósok (45%), a programozók (40%) és végül az adatmérnökök (26%).
