Analitycy KPMG wyliczyli, że w ubiegłym roku fundusze venture capital przeznaczyły 12 mld dol. na projekty związane ze sztuczną inteligencją (AI) i uczeniem maszynowym, czyli dwa razy więcej niż w 2016 r. Philippe Nicolas, doradca startupów z Doliny Krzemowej, podkreśla, że AI weszła do wszystkich sektorów w branży IT, natomiast firmy, które nie mają nic wspólnego z tą techniką, postrzegane są jako maruderzy.

Choć sztuczna inteligencja stała się w ostatnich miesiącach jednym z najmodniejszych tematów nie tylko w branży nowych technologii, często traktowana jest jako zagrożenie. Najczęściej kojarzy się z robotami, które zawładną naszą cywilizacją lub – w bardziej optymistycznej wersji – zabiorą nam pracę. Oczywiście dostawcy rozwiązań IT pokazują AI w pozytywnym świetle, najczęściej jako wsparcie dla procesów biznesowych. Jednym z takich przykładów jest Aera Technologies, cyfrowa asystentka biznesowa – coś w rodzaju Alexy, ale na potrzeby przedsiębiorców. „Aera, w jaki sposób możemy zmniejszyć kapitał obrotowy?” – pyta prezes i już po kilku sekundach otrzymuje odpowiedź: „Przeniesienie nadmiernych zapasów z Santiago do Sao Paulo pozwoli zmniejszyć kapitał o 22 mln dol.”. Aera jest zainstalowana na smartfonie i czerpie wiedzę z systemu Aera Cognitive Workbench. Jako inteligentna asystentka głosowa pomaga podejmować decyzje biznesowe, wykorzystując technologię kognitywną.

– Procesy decyzyjne zajmują mnóstwo czasu. Najpierw musimy zgromadzić dane, co zabiera przynajmniej kilka godzin. Kolejne kilka dni zajmuje analiza wyselekcjonowanych informacji. Potem trzeba zorganizować spotkanie i opracować strategię – mówi Frederic Laluyaux, CEO Aera Technologies.

Startup z San Francisco postawił sobie za cel skrócenie do minimum wymienionych procesów. Aera Cognitive Workbench indeksuje w czasie rzeczywistym systemy ERP oraz CRM funkcjonujące w firmie i na podstawie uzyskanych informacji podpowiada, w jaki sposób poprawić wydajność finansową i operacyjną. Wykorzystanie mechanizmów maszynowego uczenia umożliwia prognozowanie wyników biznesowych przedsiębiorstwa.

Użytkownicy uzyskują odpowiedzi i wskazówki nie tylko za pośrednictwem asystenta głosowego, ale również w postaci różnorodnych zestawień i raportów wyświetlanych na ekranie komputera bądź smartfona.

– Zmiany, które zamierzamy wprowadzić w przedsiębiorstwach, przypominają trendy występujące na rynku motoryzacyjnym. Autonomiczne samochody są sterowane przez komputer i system operacyjny, co oznacza ograniczenie do minimum roli człowieka. Obecnie w większości firm garstka ludzi podejmuje decyzje na podstawie przestarzałych narzędzi, takich jak np. arkusze kalkulacyjne. Czas to zmienić – podsumowuje Frederic Laluyaux.

 

Opowiadanie historii zamiast wykresów

Glen Rabie, CEO Yellowfin, uważa, że pomimo dostępu do ogromnej ilości danych, a także możliwości stwarzanych przez nowe technologie projekty analityczne często kończą się fiaskiem.

– Najczęściej przyczyną porażek jest brak rozwiązań zapewniających przedstawienie w czytelny sposób zachodzących w firmie procesów biznesowych. Poważną wadą systemów Business Intelligence są pulpity menedżerskie. Wprawdzie na przestrzeni ostatnich kilku lat producenci dokonali wielu modyfikacji, ale użytkownicy wciąż mają problemy ze zrozumieniem prezentowanych informacji – przekonuje Glen Rabie.

Yellowfin rozszerzył funkcjonalność swojego systemu Business Intelligence o dwie nowe usługi. Pierwsza z nich, tzw. sygnały, na bieżąco monitoruje strukturę firmowych danych. Jeśli wykryje istotne zmiany, natychmiast informuje o tym użytkownika. Sygnały gwarantują uniknięcie żmudnych analiz, błyskawicznie wychwytują zarówno nowe tendencje, jak i trendy odbiegające od ogólnie przyjętych wartości. Drugą nową funkcją są Yellowfin Stories, umożliwiające opowiadanie historii kryjącej się za danymi. W formacie zbliżonym do bloga użytkownicy mogą dodawać raporty (na żywo lub statycznie), osadzać zewnętrzne multimedia i tworzyć narrację wyjaśniającą historię danych.

– Ten sposób prezentacji pozwala lepiej sprzedać nowe pomysły i idee kierownictwu lub zarządowi – podkreśla Glen Rabie.

Sztuczna inteligencja dla wszystkich

Sri Ambati, dyrektor generalny i współzałożyciel startupu H2O.ai, bardziej ceni liczby i pracujących nad nimi specjalistów niż najbardziej nawet barwne opowieści.

– Badacze danych pracują wyłącznie z zasobami cyfrowymi. Inaczej wygląda to w przypadku osób odpowiedzialnych za zarządzanie biznesem. Jedynie 1 proc. pracy wykonywanej przez członków zarządów wiąże się z wnikliwą analizą danych, cała reszta to opowiadanie historii – uśmiecha się Sri Ambati.

Dlatego H2O.ai wiąże duże nadzieje z zastosowaniem sztucznej inteligencji w biznesie. Niemniej, aby tak się stało, trzeba pokonać parę przeszkód. Jedną z barier jest brak wysokiej klasy specjalistów zajmujących się analizą danych. Poza tym sztuczna inteligencja stała się domeną kilku globalnych koncernów, posiadających ogromne zbiory informacji, czego klasycznym przykładem są portale społecznościowe. Co gorsza, osoby fizyczne tracą kontrolę nad danymi wrażliwymi.

 

H2O.ai próbuje zburzyć istniejący ład, udostępniając Driveless AI – platformę dla badaczy danych i analityków biznesu poszukujących skalowalnych i wydajnych narzędzi do maszynowego uczenia. Rozwiązanie startupu z Mountain View jest kompatybilne z językami R, Python, Scala, Java oraz REST API. Driveless AI działa na serwerach x86, stacjach roboczych czy np. jednostkach IBM Power AC 922, wykorzystujących moc procesorów GPU. Popularność Driveless AI rośnie w szybkim tempie, począwszy od 2016 r. W dużym stopniu przyczyniły się do tego sukcesy osiągane przez osoby wykorzystujące H2O.ai w konkursach analitycznych oraz modelowania predykcyjnego organizowanych przez Kaggle – niemal mityczną platformę skupiającą badaczy danych. Nie bez znaczenia jest też pozycja lidera w kwadrancie Gartnera opisującym platformy do uczenia maszynowego i nauki danych (Data Science and Machine Learning Platforms).

GPU w nowej roli

W połowie listopada br. Nvidia była wyceniania na 100 mld dol. – o 76 mld mniej niż dwa miesiące wcześniej. Jednak pomimo załamania w segmencie kart graficznych przyszłość tego producenta wcale nie musi rysować się w ciemnych barwach. Procesory GPU, pierwotnie stworzone z myślą o animacjach czy obróbce 3D, znalazły zupełnie nowe zastosowania. Takie firmy, jak Sqream Technologies, OmniSci (wcześniej MapD) czy Kinetica, wykorzystują GPU Nvidii do analityki dużych zbiorów danych, a także ich wyszukiwania oraz sortowania. Ten wybór nie jest dziełem przypadku. Procesor CPU składa się z kilku rdzeni zoptymalizowanych pod kątem sekwencyjnego przetwarzania szeregowego, a GPU zawiera tysiące mniejszych rdzeni zaprojektowanych z myślą o realizacji wielu zadań jednocześnie. Układ GPU skanuje dane z prędkością nawet 5 TB/s, natomiast kres możliwości CPU to 100 GB/s.

– Świat technologii się zmienił i pojawiły się nowe, bardziej wydajne narzędzia. Procesory graficzne z ich równoległą architekturą doskonale nadają się do obsługi dużych strumieni danych – podkreśla Paul Appleby, dyrektor generalny firmy Kinetica.

Startup ten opracował platformę przeznaczoną do wyszukiwania, oceny, wizualizacji danych, wykorzystującą techniki uczenia maszynowego. Produkt stanowi połączenie bazy Open SQL oraz systemu do analityki wizualnej. Kinetica stawia głównie na procesory GPU, aczkolwiek nie zrezygnowała całkowicie z układów CPU, które odpowiadają za realizację prostszych zadań. Rozwiązania startupu najczęściej trafiają do firm logistycznych, instytucji finansowych, sektora energetycznego czy opieki zdrowotnej. Na Starym Kontynencie klientami Kinetica są m.in. Michelin oraz władze Londynu.

– Dostrzegamy ogromny potencjał rynku analizy danych. W nieodległej przyszłości nasze rozwiązania znajdą powszechne zastosowanie w analizach giełdowych czy badaniu zachowania klientów sklepów – zapowiada Nima Negahban, CTO i współzałożyciel startupu z San Francisco.

I, biorąc pod uwagę światowe trendy, trudno się z nim nie zgodzić. No, chyba że jest się maruderem…