Se Štěpánem Kopřivou o tom, jak umělá inteligence proniká do byznysu i do našich životů
Leadership
Zdroj: Se svolením Štěpána Kopřivy

Se Štěpánem Kopřivou o tom, jak umělá inteligence proniká do byznysu i do našich životů

Výzkumník, expert na umělou inteligenci, spoluzakladatel a CTO Blindspot Solutions Štěpán Kopřiva si se mnou v dnešním díle CZECHárny popovídal o tom, jak umělá inteligence proniká do světa byznysu i do našich životů. Jaké jsou v tomto oboru současné trendy a kde vidí etickou hranici využívání umělé inteligence?

14.05.22

Pokud si chcete přidat Czechárnu Petra Beneše na Spotify, můžete tak učinit ZDE

Než jste se před devíti lety rozhodli pro založení Blindspot Solutions, ty sis jako absolvent ČVUT prošel jako softwarový inženýr i velkou korporací, Oraclem. Když ty dva světy srovnáš: co tě přimělo k tomu, založit svůj vlastní byznys? 

V Oraclu jsem se naučil hodně o tom, jak psát dobře software, protože tým v Oraclu byl a dodnes je perfektní. Potom jsme si ale s Ondrou Vaňkem a Michalem Pěchoučkem řekli, že by bylo dobré vědomosti, které jsme nabyli, přetavit do firmy a ukázat, že to umíme. Umělá inteligence byla v té době stále ještě tak trochu výsadou akademiků, a tak jsme měli nutkání ukázat, že ty věci fungují, a že fungují dobře.  Přes původní záměr stavět produkt jsme nakonec ve třech nebo čtyřech lidech začali nabízet komplexní řešení.

Proč Blindspot Solutions? Jaká slepá místa se vám daří odstraňovat?

O názvu jsme přemýšleli dlouho. Blindspot Solutions je to právě proto, že pomáháme společnostem odhalovat a vyhýbat se slepým místům typu neefektivity nebo také odhalovat věci, o kterých ty společnosti vůbec netuší.

Kdo byli vaši první klienti? Které odvětví bylo na nástup umělé inteligence nejdříve připraveno?

To, s čím pracujeme, jsou data - bez dat nejsme dost dobře schopni vyvíjet řešení. A tak se nabízela odvětví, kde ta data byla k dispozici: kyberbezpečnost, e-commerce.a samozřejmě bankovnictví. Ale možná i proto, že jsme studovali ČVUT, nás to vždycky lákalo k řešení průmyslových úloh, kterými jsme se zabývali už na fakultě. Jsme tedy mezi těmi byznysy stále rozkročeni a snažíme se je propojovat. A to je do nějaké míry právě i e-commerce, kde je na jedné straně hodně dat o zákaznících a nákupech, ale na straně druhé potřeba zboží správně rozdistribuovat.

Jak dnes se zrodí spolupráce mezi vámi a zákazníkem? Je to stále ještě v rovině hardsalu od vás, nebo už se to přehouplo do roviny, kdy firmy chápou, co jim můžete přinést, rozumí tomu a spíše už vás samy poptávají?

V zahraničí je to určitě ten druhý případ. Chodí za námi firmy a říkají „My bychom rádi, abyste nám navrhli další řešení, protože víme, že jste to už postavili pro jinou společnost, která nám je podobná nebo řeší podobné problémy.“ V Čechách to tak zatím ještě není, ale zájem je čím dál větší. Máme spoustu referenčních řešení, která přínos ukazují, a ukazují ho v číslech. To znamená, kolik jsme ušetřili peněz nebo třeba tun CO2. Takže si myslím, že i tady se to postupně zlepšuje. Už i v Čechách známe firmy, které samy chodí s tím, abychom jim pomohli.

Některé vaše produkty mě zaujaly názvem, jako Makula Intelligent Video Analysis: předpokládám, že jsou to videodata, která analyzujete, a pak asi i klasická data. Jaké produkty dnes nabízíte? A do jakých datových zdrojů se svým řešením pouštíte?

První je systém ARIS, produkt pro automatické zpracování příchozích textových zpráv. Např. v customer centru, když chodí otázky typu: „Dobrý den, nepřišel mi balík, co se s ním děje?”  ARIS tu zprávu zpracuje, pozná, že se jedná o balík, pozná, kdo dotaz poslal, podívá se do interního systému a pošle odpověď. Čili se jedná o data typu text, emaily. Máme zákazníka, kterému chodí desítky tisíc emailů měsíčně, ale to z našeho pohledu nejsou supervelká data.

Další jsou systémy, jako je Makula, čili rozpoznávání z videa. Videodata jsou velká, to je pravda. Pokud jsou to data z kamery, může se jednat o gigabyty denně. Ale to, kde pracujeme s opravdu velkými daty, jsou pro nás obory kyberbezpečnosti z e-commerce. V kyberbezpečnosti například pracujeme se zákazníky, kde to mohou být i stovky terrabytů měsíčně.

Můžeš zmínit nějaký usecase, kde jste zažili viditelnou finanční nebo časovou úsporu? Je něco takového, co je blízké i tvému srdci?

Rozdělil bych je na dvě části. První je určitě Škoda Auto, kde jsme vyvinuli řešení Opticon, které pomáhá plánovat, jakým způsobem nakládat palety do kontejnerů v případě, že palety jsou různě široké, vysoké a nejde je libovolně stohovat. Vyvinuli jsme řešení, které pro Škoda Auto ušetří stovky tisíc euro ročně: ukazuje operátorovi VZV, jak přesně má na sebe palety naskládat a jak je pak má dát do kontejneru. Tím se ušetří počet kontejnerů, které se posílají. A mně dělá radost obzvlášť to, že to jsou nejen stovky tisíc euro ročně, ale také stovky tun CO2.

Skočím ti do řeči. Vzpomněl jsem si na začátky své vlastní pracovní kariéry, kdy jsem pracoval na letišti v Sydney v logistice. Plnil jsem kontejnery leteckých společností a přesně jsem si říkal, že potřebuji něco takového, o čem teď mluvíš. Dnes už bych tu práci měl snazší.

Je to tak. Dnes je to snazší. Operátor má na tabletu krásně a přesně vizualizováno, co a jak má na sebe naskládat. Klienti nám často kladou otázku, od kdy se vyplatí řešení logistiky. Ukazuje se, že už i u firmy, která deseti kamiony vozí interně v podniku materiál do výroby a produkty z výroby do skladu, je problém, pokud celou logistiku dělá člověk, a dělá to full time. Stroj má v tomto případě jasnou výhodu.

Druhý usecase tedy, abych zodpověděl tvou otázku, je zároveň usecase, který mě úplně fascinuje. Řešením ARIS na odpovídání emailů jsme v některých doménách schopni automaticky vyřešit 40 % příchozích emailů zcela bez zásahu operátora. V dalších 35 % operátor jen něco změní. A tohle se mi strašně líbí z toho důvodu, že práci, která je do nějaké míry nezajímavá nebo repetitivní, nepotřebují lidé dělat a mohou se soustředit na práci, která je více kreativní. Z oblastí, o kterých nemohu otevřeně hovořit, jsou to projekty, kdy se snažíme v síťové bezpečnosti identifikovat nebo vytvářet produkty, které identifikují útočníky. To je myslím velmi zajímavá oblast.

Často se zaměňují termíny umělá inteligence a machine learning. Můžeš je pro naše čtenáře vysvětlit? A do jaké míry používáte samoučící schopnost systémů?

Definice umělé inteligence je poměrně košatá a říká, že jsou to systémy, které jsou schopné buď něco automaticky vnímat, nebo o něčem rozhodovat. Ale důležité je to, že to dělá automaticky, a že má nějakou schopnost generalizace. Ten systém nepotřebuje vědět přesně, co je na vstupu, ale umí o tom rozhodovat. Když mu na vstup přijde něco, co ještě neviděl, umí se rozhodnout, protože se to naučil na vstupech předchozích. Dobrý příklad je systém, který rozpoznává, jestli na obrázku je kočička. Je to aplikace, kde na vstupu přijde obrázek a na výstupu řekne „Ano, je to kočička“, nebo „Ne, není to kočička“, případně na kolik procent.

Takový systém se to naučí něčím, čemu říkáme učící sada – systému se předkládají obrázky, na kterých jsou i nejsou kočičky, a pro každý ten obrázek se tomu systému řekne „Tady je kočička“ nebo „Tady není“. Generalizace znamená, že když potom systém vidí obrázek poprvé, tak je schopen říct, jestli tam kočička je nebo není. A co se týká našich aplikací, tak autonomní systémy využíváme velmi často, zejména v úlohách typu predikce. Třeba když e-commerce společnost potřebuje predikovat, jak moc se bude nakupovat, aby pak mohla narozvrhovat, kolik lidí bude potřeba ve skladech, a kolik lidí bude potřeba na vychystávání zboží. Přesně tyto úlohy řeší naše platforma Optimus.

Umělá inteligence sama o sobě je pořád velmi futuristický obor, ale i v něm běží čas velmi rychle, a věci, které jste řešili před pěti nebo šesti lety jsou jiné než ty, které budete řešit v horizontu deseti let. Jaké jsou nejnovější trendy a co můžeme očekávat? Jak to bude vstupovat do našich běžných životů?

Je to rozdílné pro běžnější společnosti a pro obry jako je Google nebo Facebook. Už teď do našich životů vstupuje umělá inteligence prostřednictvím Googlu, Facebooku nebo YouTube hodně. YouTube doporučuje, na co „je potřeba“ se podívat nebo na co se podívat můžete, FB pomocí zpětné vazby ukazuje články nebo příspěvky, které jsou vám doporučeny, protože podobné příspěvky už jste si přečetl.

Umělá inteligence ovlivňuje to, co lidé čtou, co konzumují, a to zase ovlivňuje obsah služeb. Když si otevřu web, kde si chci něco přečíst, tak obsah, který vidím, mi doporučuje nějaký algoritmus. To znamená, že ho vybírá umělá inteligence, což může nadělat spoustu užitku, ale také spoustu škody.

Když vezmu společnosti mimo obry jako Google, tak si myslím, že dnes je velkým trendem právě odstraňování repetitivní práce. Systémy dnes autonomně čtou různé dokumenty, odpovídají na zprávy nebo identifikují, co je v obraze. Hodně se zkoumá NLP, Natural Language Processing, a vyvíjí se textové systémy, které jsou schopny autonomně sepsat článek. Nebo napsat kus kódu pro programátory. Nebo dokonce zkomponovat hudbu.

Do jaké míry budeme schopni rozlišovat mezi přidanou lidskou emocí, která tam je, a strojovým výtvorem?

Mnohdy jde velmi těžko rozeznat, jestli něco vytvořil stroj nebo člověk. V množství dat, které se na nás dnes ze všech stran chrlí, je to opravdu těžké.

Kde je pro tebe osobně hranice toho, co je etické a co ne? Co je manipulace lidského chování a co není? Je to oblast, která asi bude do našich životů vstupovat čím dál častěji. Spousta lidí například hovoří o tom, že pokud mají doma třeba Google Mini, tak mají pocit, že i když ho nepoužívají, tak neustále zaznamenává hovory, a na základě toho, co je třeba řečeno u večeře, se jim pak objevují reklamy na ty které produkty nebo služby. Jak vnímáš tu hranici ty?

Já jsem na to poměrně citlivý: za mě je ta hranice někde u toho, že uživatel by měl zaprvé vědět, že je v kontaktu se strojem, který mu buď něco automaticky předkládá, nebo o něm sbírá informace. To mi přijde fér lidem říct. A není to nic špatného, říct těm lidem „Ano, tady působí stroj“. A druhá část je, řekl bych, pravdivost toho, co ten stroj tomu člověku servíruje. Fake news je těžké identifikovat, ale je potřeba se o to pokoušet a nerezignovat na to. Protože, když na to rezignujeme, tak se bude spoustě lidí servírovat třeba naprosto smyšlená kampaň, kterou když pak budou stroje šířit naprosto bez kontroly, může to být nebezpečné.

Řítíme se do postfaktické doby. Pře pár lety jsme na YouTube viděli fake video projevu Barracka Obamy: bude čím dál těžší rozpoznat, co se opravdu stalo a co je uměle vytvořené. Ale úplně poslední otázka: Ray Kurzweil často ve svých vystoupeních předvídal, kdy nad lidskou inteligencí převezme umělá inteligence vládu. Bodem zlomu měl být rok 2043, k tomu se pomalu blížíme. Jak ty vnímáš souboj mezi člověkem a umělou inteligencí, která je také výtvorem lidské činnosti? Ztratíme kontrolu nebo si ji udržíme?

Myslím si, že globální kontrolu si udržíme, ale budou části lidského konání, kde udržet si ji bude hodně těžké, a kde ji umělá inteligence do nějaké míry převezme. Bude ale pořád řízená člověkem. Takže bude těžké poznat, že já se vlastně posouvám směrem, který určuje umělá inteligence.

Díky moc za pro mě jako humanistu ten lehce optimistický závěr. Moc rád jsem si s tebou povídal a těším se na další pokračování, protože tohle je nevyčerpatelné téma.

Díky moc za pozvání.

 

 

Zdroj info: autorský rozhovor

Související


Karel Trpkoš o digitalizaci ve státní správě: Od kritiky k úspěchu

6Dhub.cz · CZECHárna Petra Beneše #54 - Karel Trpkoš