Superinteligencja

Obecną erę informacji można pieszczotliwie nazwać „czasem rozkwitu maszyn”. Fundamenty zarządzania danymi, inteligencji biznesowej i sprawozdawczości spowodowały ogromne zapotrzebowanie na zaawansowaną analitykę, modelowanie predyktywne, systemy uczące się i sztuczną inteligencję. Niemal w czasie rzeczywistym potrafimy uruchamiać skomplikowane zapytania i metody statystyczne stosowane do zarządzania ogromną iloścą różnorodnych informacji.

Jednak mimo nadziei, jakie wiążą się z wielkimi zbiorami danych, jeśli nie ma nad nimi kontroli, takie zbiory mogą stać się źródłem chaosu i frustracji na polu intelektualnym i finansowym. Analitycy przewidują, że do roku 2020 cyfrowy świat rozrośnie się do 40 zettabajtów ze względu na pięćdziesięciokrotny wzrost wolumenu danych należących do przedsiębiorstw.1 Zaawansowane technologie mogą mieć skutek rozpraszający, jeśli nie są odpowiednio ukierunkowane. W tej sytuacji wiodące firmy zdecydowały się zrobić coś nieoczekiwanego - koncentrują się na konkretnych, ograniczonych pytaniach, które wywołują znaczące konsekwencje w zakresie biznesu. Następnie,

firmy te wykorzystują wnioski dla potrzeb danych, narzędzi i technik. W ten sposób potencjał maszyny został zaprzęgnięty w celu osiągnięcia wymiernych rezultatów i możliwych do wykorzystania wniosków. Jednak prawdziwe efekty przynosi dopiero wykorzystanie takich wniosków w praktyce i zmiana sposobu myślenia oraz zachowania w punkcie, gdzie podejmuje się decyzje i przeprowadza procesy. Właśnie w tym momencie wkracza superinteligencja.

Jak w Odysei kosmicznej: Otwórz drzwi śluzy, HAL Burzliwa debata toczy się dziś wokół etycznych i socjologicznych następstw związanych ze sztuczną inteligencją i zaawansowaną analityką.2 Przedsiębiorca i futurysta Elon Musk powiedział kiedyś: „Musimy być niezwykle ostrożni w sprawie sztucznej inteligencji. Potencjalnie, jest bardziej niebezpieczna niż broń jądrowa.”3 W najlepszym wypadku, pewne zawody mogą zostać zastąpione inteligentną automatyką, a w konsekwencji całkowicie zniknąć. Prace nad stworzeniem samouczącej się inteligencji ogólnego zastosowania trwają, ale długofalowe skutki jej powstania wcale nie są jasne. W międzyczasie

Superinteligencja Siła w rękach ludzi

Rośnie poziom skomplikowania technik analitycznych, a firmy stosują systemy uczące się i modelowanie predyktywne do zarządzania coraz bardziej złożonymi i coraz większymi zestawami danych. Sztuczna inteligencja to już rzeczywistość. Jednak bardziej obiecującym polem jej wykorzystania nie jest bynajmniej zastąpienie ludzi, ale raczej wzmocnienie ich umiejętności i możliwości. Jeżeli superinteligencja będzie tworzona celem zasilenia wiedzy jednostki ludzkiej i w sposób płynny wdrożona w punkcie oddziaływania biznesowego, zaawansowana analityka może pomóc rozwinąć naszą inteligencję dla potrzeb skuteczniejszego podejmowania decyzji.

Superinteligencja

97

techniki z tej dziedziny można wykorzystywać celem uzupełnienia świadomości, analizy i przekonania, z jakim osoba - czy to pracownik, czy partner w biznesie czy nawet klient - wykonuje swoje zadania.

Motywy nie są w pełni altruistyczne… ale nie są też samozachowawcze. Jak mawiał Albert Einstein: „Nie wszystko, co można obliczyć, liczy się i nie wszystko, co się liczy, można obliczyć.”4 Trudno skodyfikować semantykę biznesową, kulturowe osobliwości czy przebłyski kreatywności. Dlatego też, choć żelazo i sylikon (warstwa maszynowa) zaawansowanej mocy obliczeniowej i technik analitycznych ewoluują element węglowy (ludzki) nadal posiada znaczenie krytyczne w procesie odkrywania nowych wzorów i wynajdywania pytań, które trzeba postawić. Podobnie jak technologie autopilotażu nie zastąpiły ludzi, świat superinteligencji umożliwia pracownikom robienie tego, co robią najlepiej: interpretowania i reagowania na szerszy kontekst w opozycji do stosowania standardowych reguł, które można skodyfikować i maszynowo zautomatyzować.

Aby ziściła się taka wizja świata, analityka musi podporządkować się priorytetowi użyteczności. Przykładowo, jak dostarczyć wnioski konkretnej jednostce wypełniającej konkretną rolę w konkretnym czasie, aby zwiększyć jej inteligencję, sprawność czy poprawić jej osąd? Czy sygnały z urządzeń mobilnych, noszonych na ciele czy z systemu inteligentnego otoczenia (z angl. ambient computing) można włączyć do procesu decyzyjnego? Czy wynikającą z nich analizę da się sprawnie i kontekstowo dostarczyć osobie na podstawie tego, kim jest, gdzie się znajduje i co robi? Czy analityka tekstu, mowy i wizji może zaoferować nowe sposoby interakcji z systemem? Czy rozwiązania z zakresu rzeczywistości rozszerzonej lub wirtualnej mogą ożywić spostrzeżenia i wnioski? W jaki sposób zaawansowana wizualizacja może wspierać eksplorację danych i odkrywanie wzorców gdy to najbardziej potrzebne? Gdzie można wykorzystać przetwarzanie języka naturalnego nie tylko po to, aby zrozumieć częściowo ustrukturyzowane i nieustrukturyzowane dane (wydobywać znaczenie i formułować hipotezy), ale również aby zachęcić do interakcji konwersacyjnej z systemami zamiast interakcji za pośrednictwem zapytań, skryptów, algorytmów czy konfiguratorów raportów?

Amplified intelligence daje organizacji przewagę konkurencyjną oraz możliwości wprowadzenia znacznych usprawnień. Odkrycia, planowanie scenariuszy czy modelowanie mogą docierać bezpośrednio tam, gdzie są potrzebne dzięki kontekstualnym wskazówkom, takim jak lokalizacja, zachowanie w przeszłości i intencje w czasie rzeczywistym. W ten sposób kompetencje analityczne przesuwają się i nie należą już tylko do kilku specjalistów, którzy pracują w ramach funkcji zaplecza bazując na teoretycznych, przybliżonych modelach tego, jak działa biznes. Zamiast tego, inteligencja może być wykorzystana w czasie rzeczywistym potencjalnie przez każdego i tam, gdzie jest najbardziej potrzebna. Rezultatem jest systemowe przejście od zachowania typu „odczyt bodźca i reakcja” do rozwiązań proaktywnych i predyktywnych. Taka zmiana może skutkować ograniczeniem zależności od starych procedur operacyjnych i instynktu. Punkt ciężkości przemieszcza się do opartych na faktach decyzji wspieranych zaawansowanymi narzędziami i kompleksowymi danymi, które są proste w odbiorze dzięki inteligencji maszynowej potrafiącej wyciągać wnioski.

Śmiało w górę, na szczyt Superinteligencja jest dziś w powijakach, ale potencjał jej zastosowania jest olbrzymi. Społeczność medyczna może obecnie dzięki niej analizować miliardy danych sieciowych w celu przewidywania jak będzie rozprzestrzeniać się wirus. Można dziś badać rozmowy telefoniczne, SMSy i wiadomości poczty elektronicznej pod kątem identyfikacji potencjalnych terrorystów. Rolnicy mogą wykorzystywać dane zebrane przez sprzęt prawie z każdej grządki w celu zwiększenia swoich plonów.5 Firmy funkcjonujące w sektorach takich jak prawo, rachunkowość czy opieka zdrowotna są w stanie dać czołowym specjalistom możliwość korzystania z badań, diagnostyki i studiów przypadków, co mogłoby wyposażyć wszystkich zainteresowanych w wiedzę na temat wiodących praktyk organizacji oraz doświadczeń akademickich, klinicznych i praktycznych. Wykrywanie nadużyć i ryzyka, konserwacja prewencyjna oraz wydajność w ramach całego łańcucha dostaw to kolejne obszary, na których możliwe jest stosowanie rozwiązań z zakresu amplified intelligence. Programy militarne nowej generacji są dziś tak konstruowane, aby w czasie rzeczywistym, w trakcie walki, zapewniać udoskonaloną widoczność, słyszalność i świadomość

Trendy technologiczne 2015: Połączenie biznesu oraz IT

98

narzędzierewizyjne

system i narzedzie

wyszukiwania

narzędzia kontekstu

narzędzie synonimu

urządzenie

sieć

Interakcja konwersacyjna to umiejętność zrozumienia i udzielania odpowiedzi na szereg pytań w ramach dialogu. Narzędzia analityczne wywodzą strukturę zapytania, a także zamiar, poprzez analizę składniową, wyszukiwanie semantyczne, synonimy, a przede wszystkim poprzez kontekst opierając sia na wnioskach pochodzących z poprzednich zapytań i wskazówkach podsuwanych przez zachowanie, otoczenie i znajomość procesów biznesowych.a

Technologia wspierająca programowanie neurolingwistyczne (NLP) i interakcje konwersacyjne

wybranepary

krok 2 Następnie narzędzie rewizyjne wybiera i używa synonimów celem utworzenia zrewidowanych zapytań. Używanie synonimów i kontekstu celem rozszerzenia zapytań pozwala systemowi zaoferować najbardziej odpowiednie i użyteczne odpowiedzi w konwersacji.

krok 1 Narzędzia synonimu i kontekstu otrzymują określone zapytania terminowe, generują, sortują i porządkują potencjalne synonimy dla tych terminów korzystając z zasad zawartych w bazach danych i poprzednich zapytań.

Źródło: a Danny Sullivan, “Google’s Impressive ‘Conversational Search’ Goes Live On Chrome,” 22 maja 2013 r., http://searchengineland.com/googles-impres-sive-conversational-search-goes-live-on-chrome-160445, data dostępu: 14 października 2014 r.; Abhijit A. Mahabal et al, “United States Patent 8,538,984 B1: Synonym Identification Based on Co-occuring Terms,” 17 września 2013 r., http://www.google.com/patents/US8538984, data dostępu: 14 października 2014 r.

oryginalne zapytanie

wyniki wyszukiwania

oryginalne zapytanie

wyniki wyszukiwania

parysynonimów

KONWERSACYJNY PROCES WYSZUKIWANIA

zrewidowanezapytania

wybranepary

warunkizapytania

sytuacyjną – od map, przez rozpoznawanie twarzy, po zaawansowane systemy kontrolowania broni.6

Te i inne obszary obfitują w możliwości. Z perspektywy działu IT, superinteligencja daje możliwość podkreślenia roli, jaką IT może odgrywać w szerzej pojmowanej podróży analitycznej i ukierunkowywaniu postępu na rejony, które pozwolą osiągać realne i wymierne korzyści. Z technicznego punktu widzenia, takie postępy wymagają zaplecza danych, narzędzi i procesów, aby wykonywać funkcje zarządzania danymi bazowymi, modelowania i analizy. Jednak postępy te to również odejście od prostego gromadzenia danych historycznych na rzecz platformy

dającej możliwość uczenia się, przewidywania i eksploracji. Amplified intelligence umożliwia pracownikom koncentrację na szerszym kontekście jednocześnie pozwalając technologiom skupić się na obszarach standardowych zasad podlegających kodyfikacji i niezależnemu wykonywaniu.

Wspólnym wysiłkiem Nacisk na użyteczność i wykorzystanie sprawia, że w ramach nowego podejścia do zarządzania informacją (Information Agenda) pracę zespołów multidyscyplinarnych przedkłada się ponad wysiłki pojedynczych badaczy. Takie nowe ujęcie zarządzania

Superinteligencja

99

informacjami powinno skupić się na wspieraniu użytkowników końcowych poprzez dogłębne zrozumienie ich podróży, kontekstu oraz sposobów, dzięki którym można wzbogacić i przekształcić pracę przez nich wykonywaną. Na podobieństwo rewolucji w zakresie zaangażowania użytkownika, jaka niedawno miała miejsce w ramach systemów transakcyjnych, rozwiązania z zakresu superinteligencji mają swój początek na poziomie użytkownika i idą w dół zamiast wędrować w górę od modelu danych i analityki. Aby zapoczątkować procesy z użytkownikami, organizacje powinny najpierw sformułować to zasadnicze kłopotliwe pytanie, które – jeśli znajdzie się na nie odpowiedź – może znacząco poprawić sposób wykonywania pracy przez konkretną osobę. Proces powinien także zrozumieć jak odpowiedź na takie pytanie mogłaby wpłynąć na to, w jaki sposób dana osoba wykonuje działalność biznesową – w którym miejscu prawdopodobnie będzie potrzebować informacji, w jakim formacie, kiedy i za pośrednictwem jakiego kanału.

Liderzy firm zainteresowani usprawnieniem procesów decyzyjnych mogą korzystać z systemów uczących się oraz innych podejść z zakresu amplified intelligence celem wypracowywania nowych pomysłów rozwojowych dla swoich organizacji. Superinteligencja jest zatem nieodzowna, jeśli organizacja pragnie odnieść sukces konkurencyjny na świecie, niezależnie od branży, w jakiej działa. Firma Uber ze Stanów Zjednoczonych korzysta z wielkich zbiorów danych w celu dopasowywania pasażerów i usług samochodowych.7 Tesco - europejska sieć sklepów spożywczych - używa wielkich zbiorów danych do

wychwytywania nieproporcjonalnie dużych ilości transakcji zakupowych dokonywanych przez nowe rodziny i rodziców.8 Efektywne scenariusze należy tak opracowywać, aby ich wdrożenie przynosiło widoczne rezultaty, które przenikną do zakresu, rozwiązań oraz rozwoju etapowego, gdzie rozwiązania są testowane w scenariuszach wziętych z rzeczywistości.

Najlepsze rozwiązania prawdopodobnie będą wywodzić się ze scenariuszy, w których technologię czy analitykę uznano za nierealną lub zbyt skomplikowaną do wykorzystania. Nowe możliwości pojawiają się, gdy podejmowanie decyzji opartych na informacjach zaczyna wykraczać poza domenę najwyższej kadry kierowniczej firmy wyposażając menadżerów, zespoły sprzedażowe, zespoły obsługi technicznej i innych pracowników zajmujących się bezpośrednią obsługą klienta w proste narzędzia, które angażują szczególnie złożoną inteligencję. Najlepiej byłoby, gdyby udoskonalić i poszerzyć inteligencję obliczeniową o inteligencję zbiorową tworząc w ten sposób swoistą pętlę przyczynowo skutkową, w ramach której także ludzie wzbogacają zaawansowane modele i narzędzia. Nadal może i powinna kwitnąć zaradność i kreatywność jednostek, jednak celem ma być wzajemne doskonalenie: w miarę postępu analityki maszynowej, użytkownicy będą mieć więcej możliwości pracy nad niuansami i wartościowymi zadaniami. W proporcji do wzrostu poziomu szczegółowości i wagi tych prac, użytkownicy będą przekazywać informacje zwrotne do systemu. Efekt: sztuczna inteligencja będzie wzbogacać ludzką celem przekształcenia inteligencji biznesowej.

Trendy technologiczne 2015: Połączenie biznesu oraz IT

100

Przeniesienie nauki z laboratorium do ery cyfrowej Uniwersytet Minnesota (UMN) od pięćdziesięciu lat zachęca do działań innowacyjnych w dziedzinie informatyki w ochronie zdrowia. W miarę poszerzania zasięgu swoich badań związanych z informatyką w odpowiedzi na trendy, takie jak rozwój technologiczny i rosnące zapotrzebowanie na usługi opieki zdrowotnej o niższych kosztach, ale o wyższym standardzie, kierownictwo UMN zdało sobie sprawę z potrzeby wprowadzenia scentralizowanej biomedycznej platformy informatycznej (BMI) na skalę całego uniwersytetu, która efektywnie i sprawnie obsłuży rosnące zapotrzebowanie na dane wśród badaczy UMN oraz ich partnerów z kręgu nauk medycznych.

Celem UMN było, aby informatyka stała się pomostem, który przyspieszy wdrażanie odkryć do praktyki klinicznej oraz przekształci realizację usług opieki zdrowotnej celem poprawy zdrowia populacji. Platforma BMI mogła pomóc uniwersytetowi w osiągnięciu tego celu, po części dzięki udostępnieniu badaczom medycyny klinicznej i translacyjnej danych klinicznych i próbek biologicznych, a także dzięki ułatwieniu im dostępu do zintegrowanych biomedycznych zasobów i narzędzi informatycznych.

W roku 2010 Instytut Informatyki Zdrowia UMN [Institute for Health Informatics] we współpracy z Instytutem Nauk Klinicznych i Translacyjnych [Clinical and Translation Science Institute] UMN rozpoczął wieloletnie prace nad stworzeniem biomedycznej platformy informatycznej opierającej się na pakiecie rozwiązań analitycznych i hurtowni danych, który łączy dane kliniczne, finansowe i badawcze dla potrzeb badań obserwacyjnych i analiz predyktywnych. Nowa platforma umożliwia dostęp do informacji na temat ponad 2,1 miliona pacjentów, które pochodzą z lokalnych elektronicznych systemów medycznych. Platforma jest również wyposażona w przydatne narzędzia, takie jak proste w obsłudze interfejsy umożliwiające tworzenie zapytań

odnośnie historii chorób pacjentów bez możliwości identyfikacji pacjenta, narzędzia wychwytywania danych w celu wprowadzania danych pochodzących z ankiet pacjenta, zintegrowany system zarządzania testami klinicznymi oraz bezpieczną aplikację sieci społecznościowej przeznaczoną do użytku ponad czterech tysięcy badaczy UMN i jednostek partnerskich uniwersytetu. Krótko mówiąc, celem platformy jest wzmocnienie inteligencji każdego z interesariuszy poprzez umożliwienie im wspólnej pracy z wykorzystaniem systemów współpracy.

Wraz ze wzrostem świadomości w zakresie platformy informatycznej rośnie też ilość i poziom zaawansowania wniosków badawczych. Badacze, inni użytkownicy i informatycy widzą dane w znacznie szerszej perspektywie, co pozwala na wzbogacenie harmonogramu prac badawczych UMN oraz umożliwia poprawę jakości opieki zdrowotnej dzięki współpracy z innymi systemami usług zdrowotnych i uniwersytetami.

Wizje przyszłości Wykorzystując zaawansowany sprzęt typu smart glass, analitykę i narzędzia zaplecza technicznego globalna firma z sektora naftowo-gazowego stworzyła pilotażową platformę zwiększającą efektywność pracowników wież wiertniczych. Celem było wypracowanie sterowanych głosowo mechanizmów wspomagających pracę, dostarczenie wsparcia decyzyjnego oraz automatyzacja organizacji pracy osób wykonujących zadania w oddalonych lokalizacjach. Platforma funkcjonuje w następujący sposób: gdy przestają działać urządzenia w szybie naftowym, czujniki wykrywają problem i przesyłają wiadomość do najbliżej usytuowanej jednostki serwisowej za pośrednictwem inteligentnego szkła (smart glass). Następnie, zespół ds. analityki dostarcza najważniejszych informacji diagnostycznych odnośnie problemu. Takie informacje, wzbogacone dzięki potężnym możliwościom analitycznym wykorzystanym przy odczycie danych z czujników

Wnioski z pierwszej linii forntu

Superinteligencja

101

oraz innych stosownych danych back-office, zawierają instrukcje jak krok po kroku dokonać naprawy sprzętu. Korzystanie z laptopa czy nieporęcznych papierowych podręczników użytkownika w celu segregacji, ustalenia priorytetów, diagnozy i usuwania usterek w uszkodzonym sprzęcie może wymagać zdjęcia rękawic i studiowania materiałów w poszukiwaniu rozwiązań. Jednak technologia smart glass pozwala specjalistom serwisowym zobaczyć potrzebne informacje w czasie rzeczywistym i na miejscu, co zwiększa ich efektywność, bezpieczeństwo i dokładność. Ponadto, za prostym ruchem ręki - dzięki opasce umożliwiającej sterowanie gestami - pracownik serwisu inicjuje wideokonferencję z personelem wsparcia technicznego poziomu trzeciego w siedzibie firmy. Specjalista zlokalizowany w siedzibie widzi to samo, co serwisant, może się z nimi porozumieć, a nawet przesłać instrukcje z adnotacjami, które wyświetlą się na rozszerzanym ekranie pracownika serwisu.

Serwisant jest też w stanie przesłać dane do centralnej bazy danych. Skinieniem głowy może prowadzić dziennik lub „odhaczać” ukończone zadania czy robić notatki głosowe w toku dokonywania naprawy. Potem do dziennika napraw uzyskuje dostęp kolejny technik naprawiający dany sprzęt w terenie. W ten sposób ważne informacje nie giną w dokumentacji, ale są poddawane cyfrowej organizacji i udostępniane osobom, którym są potrzebne.

Tego typu zastosowanie nie ogranicza się do pracowników na platformach wiertniczych. Na przykład w centrach dystrybucji kierowcy często przeprowadzają kontrole pojazdów przed ich uruchomieniem. W wielu przypadkach kierowcy muszą szukać elementów i objawów specyficznych dla poszczególnych pojazdów – zapamiętanie tego typu szczegółów jest wręcz niemożliwe bez wieloletniego szkolenia. Kontrole wirtualne za pośrednictwem smart glass mogą przeprowadzić kierowcę przez proces przeglądu przyspieszając procedurę oraz zwiększając jej dokładność i skuteczność.

Połączona siła pracujących technologii smart glass, analityki i systemów back-office (baz wiedzy czy systemów zarządzania magazynem) może pomóc organizacjom niemal z każdej branży w realizacji wizji udoskonalonych pracowników dostarczając informacji – niezależnie od czasu i miejsca.

Rozwiązywanie zagadek kryminalnych w czasie rzeczywistym W roku 2010 systemy danych Departamentu Policji w Los Angeles (LAPD) nie były w stanie potęgować umiejętności niemal dziesięciu tysięcy policjantów tam zatrudnionych.9 Uwięzienie danych w organizacyjnych silosach powodowało, że pracownicy departamentu musieli zręcznie manewrować szukając danych w wielu systemach – przy ograniczonych środkach – aby móc szybko integrować i analizować dostępne informacje. A w międzyczasie tropy wietrzały.

Przykładowo, analitycy przestępczości korzystali z systemu typu mainframe celem wydobycia danych pozyskiwanych w toku wywiadów środowiskowych, a z innego systemu w celu pozyskiwania informacji z wydziału komunikacyjnego. Oddzielny zespół odpowiadał za dane w ramach systemu automatycznego rozpoznawania tablic rejestracyjnych (samochody patrolowe LAPD wyposażono w skanery fotografujące tablice rejestracyjne przejeżdżających samochodów). W efekcie, czasem detektywi musieli czekać kilka dni na wyniki przeszukiwania systemu. Departament nie był w stanie zebrać danych nt. telefonów na numer 911 czy też policyjnych wezwań przyjmowanych przez radio dla potrzeb opracowania obrazu przestępczości w czasie rzeczywistym. Raporty trzeba było drukować i dostarczać ręcznie.10

Trendy technologiczne 2015: Połączenie biznesu oraz IT

102

Aby rozwiązać powyższe kwestie i wzbogacić możliwości swoich sił policyjnych LAPD przedsięwziął działania analityczne i wizualizacyjne w celu zintegrowania i przeprowadzenia analiz danych czerpanych z wielu różnych źródeł lokalnych, stanowych i federalnych. Inicjatywa ta znacznie poszerzyła możliwości analityków, oficerów, detektywów i dowództwa LAPD dostarczając dostosowanych do ich potrzeb informacji w miejscu popełnienia przestępstwa, podczas zatrzymania na drodze lub w komisariacie.

Przykładowo, osoby poszkodowane w pewnym napadzie zapamiętały tylko fragment numeru rejestracyjnego sprawcy i fakt, że to był szary Cadillac, co w mieście, w którym jeździ miliony samochodów, nie na wiele się przyda. Przy użyciu nowego systemu analitycy przestępczości ograniczyli liczbę

potencjalnych samochodów, a poszkodowani byli w stanie rozpoznać pojazd, którego zdjęcie znalazło się w systemie automatycznego rozpoznawania tablic rejestracyjnych. Dwa dni później detektywi zauważyli samochód – a następnie pojechali za nim – jak się okazało – ma miejsce kolejnego napadu. Podejrzanych aresztowano od razu.11 Dzięki superinteligencji w terenie, trop nie zdążył zwietrzeć.

Tego typu sukcesy napędzają rozwój zaawansowanej analityki w celu zwiększenia efektywności LAPD. Departament jest obecnie na etapie uruchamiania analityki na skalę całej organizacji – całemu procesowi towarzyszą liczne szkolenia i stałe wsparcie. Choć inicjatywa wiąże się z wieloma wyzwaniami i wydatkami, dzięki niej LAPD może wypełniać swoją misję, jaką jest ochrona życia i mienia mieszkańców i osób odwiedzających miasto12.

Superinteligencja

103

Nie ma wątpliwości, że komputery przejęły wiele obowiązków pracowników nisko i średnio wykwalifikowanych. Kasjerzy, pracownicy rejestrujący rezerwacje na lotniskach, robotnicy linii montażowych chętnie to potwierdzą. Jednak dotychczas osoby wysoko wykwalifikowane i posiadające dużą wiedzę czuły się stosunkowo bezpieczne. Komputery z pewnością zmieniły świat pracy umysłowej, ale przede wszystkim polegało to na wzbogaceniu pracy ludzi, a nie zajęciu ich miejsca.

Dziś pracownicy umysłowi muszą trzymać się na baczności. Technologie analityczne i inteligentnego przetwarzania

danych mogą podjąć niemal każdą decyzję z dużym stopniem dokładności i niezawodności. Począwszy

od pytań do teleturnieju Va banque po diagnozy nowotworów, czy decyzje w zakresie

ryzyka kredytowego – najwyraźniej nie ma dziedziny, której nie mogłyby podbić inteligentne maszyny.

Jak dotąd niezmiernie rzadkie były przypadki, żeby menadżer, pracownik merytoryczny albo specjalista z tego powodu stracił pracę. Zastosowanie zautomatyzowanych procesów decyzyjnych

było stosunkowo wąskie i zastąpiono nimi bardzo niewiele ról wcześniej wykonywanych

przez pracowników umysłowych. Przykładowo, choć automatyczna analiza obrazu jest w stanie

zidentyfikować pewne typy nowotworów, takie narzędzia są co najwyżej wykorzystywane jako „druga

para oczu” przy diagnozie radiologicznej.

Jeśli jednak moje dzieci planowałyby karierę prawnika, lekarza, księgowego, dziennikarza, nauczyciela lub specjalisty z wielu innych dziedzin, w zakresie których wypracowano już usługi zautomatyzowane lub częściowo zautomatyzowane, dałbym im pewną radę (na pewno by ją zignorowały!).

Poradziłbym, aby:

• dokładnie śledziły rozwój automatyki na wybranym polu, a także monitorowały które aspekty wybranej profesji najprawdopodobniej będą podlegać automatyzacji. Przykładowo, podejrzewam, że w dziedzinie dziennikarstwa, które już i tak jest trudnym obszarem ze względu na upadek słowa drukowanego, pierwszymi kandydatami są obszary wymagające sprawozdawczości numerycznej, takie jak sport i biznes. Sprawozdawczość w zakresie wyborów i sondaży politycznych również łączy się z pewnym ryzykiem. Z drugiej strony myślę, że dziennikarstwo śledcze czy ciekawostki to obszary dość bezpieczne.

• zostały ekspertem w swojej wybranej dziedzinie najszybciej jak to możliwe. Stanowiska dla osób bez doświadczenia niosą ze sobą najwyższe ryzyko automatyzacji, ale ciągle potrzebni są eksperci do rozwiązywania najtrudniejszych problemów, udzielania porad czy opracowywania nowych zasad i wzorów.

• dogłębnie zrozumiały technologie, które najprawdopodobniej będą ważne w danej branży. W przypadku obszarów z dużą ilością danych liczbowych systemy uczące się to silny konkurent, w dziedzinach zdominowanych tekstowo. Automatyzacja prawdopodobnie pójdzie w stronę technologii inteligentnego przetwarzania danych.

Przede wszystkim, osobom pracującym na obszarach, do których wkracza automatyzacja poradziłbym: „zaprzyjaźnijcie się z komputerami”. Nauczcie się jak pracują, w czym są dobre i jakie są ich słabości. Jeżeli to możliwe, nauczcie się je modyfikować i doskonalić. Postarajcie się zrozumieć domniemane założenia leżące u podstaw ich reguł i modeli oraz w jakich okolicznościach takie założenia mogą przestać być prawdziwe.

W krótkiej perspektywie czasowej pracownicy intelektualni prawdopodobnie są bezpieczni, ale podejmowanie powyższych działań prawdopodobnie przyczyni się do sukcesu w karierze. W długiej perspektywie – wszystko może się zdarzyć!

Mój punkt widzenia

Thomas H. Davenport Profesor zwyczajny, Boston College Wykładowca Harvard Business School Niezależny starszy doradca Deloitte Analytics

Trendy technologiczne 2015: Połączenie biznesu oraz IT

104

Względy cyberbezpieczeństwa i prywatności powinny być poruszane podczas rozmów o analityce, szczególnie w świetle faktu, że superinteligencja przenosi wiedzę i wnioski bardziej bezpośrednio do serca – tam gdzie biznes jest rzeczywiście prowadzony. Informacje należy chronić i monitorować gdy są „w stanie spoczynku”, „w czasie przelotu” i „w użyciu”. W tych trzech scenariuszach występują różni aktorzy – czynniki korzystające z różnych platform i wymagające odmiennych technik bezpieczeństwa informatycznego. Co więcej, odnośnie każdego scenariusza trzeba wiedzieć jak uporać się z przypadkami niezgodnego z przeznaczeniem wykorzystania, jak reagować na naruszenia i jak wrócić do stanu normalnego wprowadzając lepsze środki bezpieczeństwa i nadzoru.

„W stanie spoczynku” – to tradycyjne pogląd na to, jak wygląda bezpieczeństwo informacji: w jaki sposób można chronić aktywa przed kradzieżą lub zagrożeniem? Ciągle potrzebne są zapory sieciowe, oprogramowanie antywirusowe, systemy wykrywania i zapobiegania nieautoryzowanemu dostępowi czy wtargnięciom, choć ich skuteczność spada w miarę, jak agresorzy doskonalą swoje narzędzia przechodząc od włamań do cyberprzestępstw ciągłych. W miejsce jawnych przestępstw, których oznaki można od razu dostrzec, atakujący uzyskują dostęp i stosują technikę wyczekiwania podejmując stopniowe, niemal niezauważalne czynności celem wykrywania obszarów najbardziej narażonych na niebezpieczeństwo i pozyskania dostępu do cennego IP.

Dodatkowy nacisk na sfery „w czasie przelotu” i „w użyciu” odzwierciedla zmianę sposobu, w jaki organizacje wykorzystują swoje dane bazowe. Informacje coraz częściej są przetwarzane mobilnie, potencjalnie za pośrednictwem urządzeń będących w posiadaniu osób indywidualnych. Kodowanie może pomóc przy transmisji i retencji danych. Zarządzanie w zakresie uprawnień, dostępu i tożsamości może też pomóc w odpowiednim kontrolowaniu czynności użytkownika, szczególnie, jeśli towarzyszy mu uwierzytelnienie dwuskładnikowe. Aplikacje, dane oraz / lub środki zapobiegawcze na poziomie urządzenia mają chronić przed atakami przeciwko sieci, sprzętowi czy też przeciwko innym instalowanym na urządzeniu aplikacjom, choć takie techniki mogą okazać się niewystarczające, zważywszy na rosnący poziom skomplikowania produktów przestępczych, usług i rynków.

Organizacje powinny powiązać tradycyjne techniki z zaawansowaną analityką w ten sposób wzbogacając inteligencję personelu zaangażowanego w zapewnianie cyberbezpieczeństwa. Najlepsze inicjatywy cyfrowe łączą w sobie metody reakcyjne z zaawansowanymi technikami, które identyfikują zbliżające się zagrożenie i reagują na nie w sposób proaktywny. Przyjmują informacje z szerokiego spektrum źródeł o różnych zakresach kontekstowych i pojęciowych, a następnie łączą je z sygnałami dotyczącymi czynnika ludzkiego, takimi jak lokalizacja, tożsamość, interakcje społeczne między grupami i poszczególnymi osobami. Takie podejście wiąże się z kilkoma konsekwencjami. Po pierwsze, kreuje potrzebę przyjęcia szerszego spojrzenia w ramach cyberinteligencji – takiego, które wykorzysta inteligencję zarówno ze źródeł zewnętrznych jak i wewnętrznych. Spostrzeżenia i wnioski pochodzące z nowych sygnałów wskazujących na potencjalnie wrogą działalność w sieci może wskazywać na obszary, na których powinni skoncentrować się specjaliści ds. bezpieczeństwa. Podobnie jak superinteligencja przenika do podejść stosowanych w ramach działalności operacyjnej, takie nieprzetworzone dane należy analizować i przedstawiać w taki sposób, aby zwiększały możliwości działania jednostki ludzkiej.

Systemy uczące się i analityka predyktywna mogą sprawić, że cyberbezpieczeństwo pójdzie o krok dalej. Jeśli można ustalić bazowe wartości referencyjne dla wzorów zachowania „w stanie spoczynku”, „w czasie przelotu” i „w użyciu”, to można stosować zaawansowaną analitykę celem wykrywania odchyleń od normy. Po przeszkoleniu w zakresie obszarów wrażliwości i wartości progowych można zwiększyć możliwości zespołów ds. bezpieczeństwa poprzez podgląd potencjalnych obszarów ryzyka w czasie rzeczywistym w momencie ich pojawienia się lub wcześniej. Z początku takie możliwości prawdopodobnie będą po prostu wspierać manualne procesy badania zagrożenia i reagowania na nie, ale możliwe, że ostatecznie wejdzie do użytku preskryptywna obsługa, w ramach której systemy bezpieczeństwa będą automatycznie reagować na informacje o zagrożeniu, a także podejmować działania na celu przewidywania i zapobiegania lub też niezwłocznego wykrycia, wyizolowania i rozwiązania problemu w chwili, gdy wystąpi.

Cyber implikacje

Superinteligencja

105

Nowe podejście do zarządzania informacją (information agenda) jest obciążone bagażem różnych doświadczeń. Jednak trzeba mieć nadzieję, że bagaż ten zawiera też fundament potrzebny, aby podjąć działania z zakresu amplified intelligence. Najprawdopodobniej nie ma uniwersalnego rozwiązania. Organizacje będą korzystać z różnych podejść, narzędzi i technik, w zależności od tego, jakie pytania sobie postawią i na jakich użytkowników końcowych dane rozwiązania będą oddziaływać. Organizacje powinny także przystosować wymogi poszczególnych scenariuszy proporcjonalnie do prędkości, struktury, poziomu złożoności analityki oraz infeterfejsu użytkownika/ narzędzi implementacji. Jednak chociaż indywidualnie wybrane trasy będą różne, pewne nadrzędne koncepcje mogą pomóc wyznaczyć ogólny kierunek podróży.

• Wyznacz priorytety zadając biznesowe pytania. Organizacje mogą zacząć od poproszenia liderów biznesowych o sporządzenie listy życzeń – pytań, na które chcieliby znać odpowiedź odnośnie klientów, produktów, procesów, ludzi, rynków, obiektów czy danych finansowych. Niech opracują taką listę życzeń w oderwaniu od wszelkich ograniczeń, tego, co poznawalne czy technicznie wykonalne. Następnie wykorzystaj te pytania przy formułowaniu priorytetów i wyznaczaniu jakiego rodzaju dane mogą okazać się potrzebne – wewnętrzne i zewnętrzne, ustrukturyzowane czy nie, informacje już wychwytywane czy takie, które dotąd nie podlegały pomiarom czy przechowywaniu. Wskaż jakie techniki rozwiązywania problemów mogą być wymagane: przetwarzanie w pamięci czy też masowe przetwarzanie równoległe odnośnie analizy dużych wolumenów danych, modelowanie deterministyczne czy probabilistyczne w zakresie zaawansowanego modelowania statystycznego, wizualizacje czy środowisko oparte na zapytaniach dla potrzeb badania i odkrywania, czy też analityka predyktywna oraz / lub systemy uczące się w celu automatyzacji formułowania hipotez.

• Sprawdź czy masz odwagę. Od pytań bez odpowiedzi gorsze jest tylko inwestowanie w rozwiązania i wnioski, których organizacja nie jest gotowa wziąć pod uwagę. Zadaj to kluczowe, trudne pytanie na samym początku: jeśli uda nam się znaleźć odpowiedź w kwestiach najbardziej priorytetowych, czy nasza organizacja będzie wytrwała na tyle, by wprowadzić zmiany systemowe? Wieloletnie założenia mogą być poddane pod wątpliwość i wymagać różnych podejść do rynków, motywatorów czy wzorów zachowania. Duży potencjał to jedno, ale odnośnie początkowo podejmowanych wysiłków należy znaleźć punkt równowagi między możliwościami a oczekiwanym oporem ze strony organizacji. Stworzenie kultury opartej na danych wymaga czasu.

• Projektuj zaczynając od poziomu użytkownika, w dół. Superinteligencja polega na oddaniu zaawansowanej analityki w ręce osoby wtedy, kiedy jest jej ona potrzebna. Użytkowanie ma narzucać formę, ziarnistość i zdecydowanie odnośnie spostrzeżeń i wniosków wynikających z analityki:

– Forma – kanał, sposób zawiadamiania i interakcji

– Ziarnistość – jaki poziom uszczegółowienia jest wymagany i w jakim kontekście

– Zdecydowanie – czy reakcje są deskryptywne, predyktywne czy preskryptywne, co obejmuje pełne spektrum: pasywne dostarczanie danych wsparcia, pomoc w procesie decyzyjnym, a nawet proaktywną rekomendację w zakresie działań czy reakcji.

• Oczekuj oporu (który nie jest daremny). Według raportu niedawno opublikowanego przez agencję Gartner, do roku 2020 na większość ścieżek kariery pracowników umysłowych wkroczą inteligentne maszyny, zarówno w sposób pozytywny jak i negatywny.13 Inwestorzy poświęcają znaczne nakłady na projekty w zakresie robotyki i sztucznej inteligencji, a od 2011 roku inwestycje w sztuczną inteligencję wzrosły o ponad 70 procent.14 Związki zawodowe i inne grupy pracownicze mogą utrudnić wdrożenia. Zawody

Od czego zacząć?

Trendy technologiczne 2015: Połączenie biznesu oraz IT

106

niewymagające kwalifikacji silniej odczują zmiany w miarę penetracji świata pracy przez robotykę i systemy uczące się. Przejrzystość zamiarów będzie ważna, podobnie jak wprowadzenie programów przekwalifikowywania i przesuwania na nowe stanowiska osób pozbawionych pracy. Hierarchiczne szeregowanie inwestycji, które

realizują potencjał superinteligencji oznacza wykorzystanie technologii w celu podniesienia wartości pracownika. W pewnym sensie, inicjatywy w tym zakresie to bezpośrednia inwestycja w pracownika, która sprawi, że będzie on tym cenniejszy dla pracodawcy.

Superinteligencja

107

Autorzy

Forrest Danson, lider zespołu Deloitte Analytics, Stany Zjednoczone Deloitte Consulting LLP

David Pierce, dyrektor Deloitte Consulting LLP

Mark Shilling, lider zespołu Information Management, Stany Zjednoczone Deloitte Consulting LLP

Wniosek

W analityce łatwo utknąć na pytaniach typu „co?” próbując zdefiniować modele pojęciowe odnośnie szerokiego wachlarza problemów informacyjnych w przedsiębiorstwie. Jednak wiodące organizacje wojowniczo pytają „i co z tego?”, na pierwszy plan wysuwając kłopotliwe pytania o wymiernej wartości. Superinteligencję może symbolizować zaczepne pytanie „więc co?, przywodzące na myśl przejście od ćwiczeń teoretycznych do wdrażania rozwiązań, w ramach których rzeczywiście podejmowane są decyzje biznesowe. Użyteczność i wyniki powinny zająć słusznie im przynależne miejsca w platformach, narzędziach i danych, bo to ważne elementy, ale niewątpliwie, tylko jedne z wielu pozycji na liście składników wymienionych w przepisie na innowację. Choć maszyny ewoluują ciągle wznosząc się wyżej, ich bezpośrednie możliwości wynikają z tego, że zostaną oddane w odpowiednie ręce, we właściwy sposób i wtedy, kiedy trzeba.

Trendy technologiczne 2015: Połączenie biznesu oraz IT

108

Przypisy końcowe

1. Jeff Bertolucci, “10 powerful facts about big data,” InformationWeek, 10 czerwca 2014 r., http://www.informationweek.com/big-data/big-data-analytics/10-powerful-facts-about-big-data/d/d-id/1269522?image_number=4, data dostępu 23 października 2014 r.

2. AI Topics.org, “Ethics & social issues,” http://aitopics.org/topic/ethics-social-issues, data dostępu 23 października 2014 r.; Nick Bostrom, “Ethical issues in advanced artificial intelligence,” http://www.nickbostrom.com/ethics/ai.html, data dostępu 23 października 2014 r.; Bianca Bosker, “Google’s new A.I. ethics board might save humanity from extinction,” Huffington Post, 30 sty-cznia 2014 r., http://www.huffingtonpost.com/2014/01/29/google-ai_n_4683343.html, data dostępu 23 października 2014 r.

3. Eliene Augenbraun, “Elon Musk: Artificial intelligence may be ‘more dangerous than nukes’,” CBSNews, 4 sierpnia 2014 r., http://www.cbsnews.com/news/elon-musk-artificial-intelligence-may-be-more-dangerous-than-nukes/, data dostępu 23 października 2014 r.

4. Brent Dykes, “31 essential quotes on analytics and data,” 25 października 2012 r., http://www.analyticshero.com/2012/10/25/31-essential-quotes-on-analytics-and-data/, dostępu 23 października 2014 r.

5. Deloitte University Press, More growth options up front, 17 lipca 2014 r. http://dupress.com/articles/more-growth-options-up-front/, data dostępu 23 października 2014 r.

6. Mark Prigg, “Google Glass for war: The US military funded smart helmet that can beam information to soldiers on the battlefield,” DailyMail, May 27, 2014, http://www.dailymail.co.uk/sciencetech/article-2640869/

Google-glass-war-US-military-reveals-aug-mented-reality-soldiers.html#ixzz3OLyXMeYx, data dostępu 9 stycznia 2015 r.

7. Brad Stone, “Invasion of the taxi snatch-ers: Uber leads an industry’s disruption,” Bloomberg BusinessWeek, 20 lutego 2014 r., http://www.businessweek.com/articles/2014-02-20/uber-leads-taxi-industry-disruption-amid-fight-for-riders-drivers

8. Rohan Patil, “Supermarket Tesco pioneers big data,” Dataconomy, 5 lutego 2014 r., http://dataconomy.com/tesco-pioneers-big-data/, data dostępu 30 czerwca 2014 r.

9. Palantir, Responding to crime in real time, https://www.palantir.com/wp-assets/wp-content/uploads/2014/03/Impact-Study-LAPD.pdf, data dostępu 9 stycznia 2015 r.

10. Ibid.

11. “Palantir at the Los Angeles Police Depart-ment,” YouTube, 25 stycznia 2013 r., https://www.youtube.com/watch?v=aJ-u7yDwC6g, data dostępu: 9 stycznia 2015 r.

12. Ibid.

13. Tom Austin, Top 10 strategic tech-nologies—The rise of smart machines, Gartner, Inc., 29 stycznia 2014 r.

14. Deloitte University Press, Intelligent automa-tion: A new era of innovation, 22 stycznia 2014 r., http://dupress.com/articles/intelligent-automation-a-new-era-of-innovation/, data dostępu 23 października 2014 r.

Superinteligencja

109