Przejdź do treści Wyszukiwarka
16.02.2022

Okiem eksperta: dr hab. Piotr Sankowski o tym, jak oceniać rozwój sztucznej inteligencji w ubiegłym roku oraz o tym, jakie kierunki rozwoju dyscypliny są najbardziej obiecujące w perspektywie najbliższych miesięcy i lat.

W ostatnich latach postęp technologiczny w zakresie rozwiązań cyfrowych dynamicznie przyspieszył. Z jednej strony było to wynikiem lat inwestycji w badania i rozwój, a z drugiej nagłą koniecznością dostosowania życia społecznego do wymogów walki z pandemią. Jednym z beneficjentów nowej sytuacji stały się firmy i instytucje, oferujące gotowe rozwiązania oraz prowadzące zaawansowane badania nad sztuczną inteligencją.

W skali globalnej wzrost inwestycji w badania nad SI wzrósł z ok. 50 miliardów dolarów w 2020 r. do ponad 85 mld. w ubiegłym roku. Według szacunków firmy inwestycyjnej Berkshire Hathaway już w 2025 r. kwota ta ma przekroczyć 200 mld dolarów. Oznacza to, że możemy spodziewać się kolejnych innowacyjnych aplikacji technologii opartych na inteligentnych algorytmach, uczeniu maszynowym, a w szczególności na głębokich sieciach neuronowych.

2021 w rozwoju AI. Jakie są prognozy na kolejne lata?

Sztuczna inteligencja to bardzo szeroki i ogólny termin, w którym zawierają się różnego rodzaju rozwiązania, np. ekonomiczna teoria gier, ale też uczenie maszynowe. Jednakże tę aktualną “wiosnę” AI łączy się z jej bardzo konkretną  poddziedziną. W ostatnich latach, i rok 2021 nie był wyjątkiem, bardzo intensywnie rozwijane są metody uczenia maszynowego, np. uczenia głębokich sieci neuronowych. To co było dla mnie bardzo ciekawe w ubiegłym roku i co zasługuje na szczególną uwagę, to uniwersalne metody uczenia maszynowego, pozwalające na ograniczenie ilości danych niezbędnych do uczenia algorytmów. To metody oparte na koncepcji zero-shot czy few-shot learning. To prawdziwy przełom, który pozwoli zerwać z przekonaniem, że gigantyczne zbiory danych są niezbędne do rozwijania technologii. Ciekawym przykładem jest CLIP (https://openai.com/blog/clip/) stworzony przez OpenAI, który pozwala na wyszukiwanie obrazków na podstawie dowolnych opisów i umie identyfikować kategorie obrazów, których nikt wcześniej nie nauczył go rozpoznawać

Polska na mapie AI w Europie i na świecie

Myślę, że już wkrótce zaznaczymy wyraźniej swoją obecność na europejskiej mapie AI, zwłaszcza w obszarze ML. Do tej pory, owszem, byliśmy aktywni w temacie bardzo szeroko pojętego AI, ale już nie w tym obszarze, gdzie aktualnie “wieje wiatr”, tzn. w uczeniu maszynowym.



Tylko w ostatnich miesiącach nasi badacze prezentowali swoje osiągnięcia na topowych w skali świata wydarzeniach takich jak: IEEE International Conference on Data Mining (ICDM 2021), Conference on Neural Information Processing Systems (NeurIPS 2021), czy International Conference on Machine Learning (ICML 2021)

Najciekawsze zastosowania AI w 2021 roku

Przełomowe są postępy w analizie języka naturalnego (NLP). Na tym etapie, jest wiele osób, które twierdzą, że komputery rozumieją mowę lepiej od ludzi. To pozwoli na szersze wykorzystanie rozwiązań opartych o jej analizę, np. w branży prawnej czy medycznej (analiza dokumentacji) oraz w przeciwdziałaniu rozprzestrzeniania się fake newsów. Uczenie maszynowe znajduje również coraz szersze wykorzystanie w medycynie. Odpowiada na potrzeby związane z ograniczoną liczbą lekarzy, umożliwia monitorowanie stanu zdrowia w warunkach domowych. Jedną z polskich firm, które działają aktywnie w tym obszarze jest StethoMe. Kolejnym zastosowaniem może być wsparcie lekarzy w stawianiu specjalistycznych diagnoz i analizie danych. Dzięki ML możliwa jest też automatyzacja niektórych procedur medycznych wymagających wielkiej precyzji, a przez to szczególnie zagrożonych ludzkim błędem. Przestrzeń do innowacji jest bardzo duża, a to wszystko powinno się przełożyć na poprawę jakości świadczonych usług medycznych i ochrony zdrowia.

Jak wspierać innowacje w obszarze AI?

Słowem kluczem jest tu interdyscyplinarność. Informatycy zaangażowani są obecnie w masę bardzo różnorodnych procesów. Właściwie ich obecność jest niezbędna w każdej branży. Ale żeby wypracowane algorytmy czy rozwiązania miały praktyczne zastosowanie, konieczna jest współpraca ze specjalistami z innych dziedzin. W firmach operujących w med tech konieczna jest budowa zespołów składających się np. z data scientists i lekarzy.

AI w 2022 roku w Polsce – jakie zapowiada się ten rok?

Pracowicie. Chciałbym żeby w tym roku polscy naukowcy jeszcze wyraźniej zaakcentowali swoją obecność na arenie międzynarodowej. Mam nadzieję, że dzięki wielu działaniom podjętym przez różne instytucje i firmy  uda się stworzyć przyjazny innowacjom ekosystem. Osobiście liczę również na to, że zbudujemy platformę, która będzie sprzyjać współpracy środowiska akademickiego z biznesowym. Jestem przekonany, że IDEAS NCBR odegra w tym istotną rolę.

Polecane aktualności

31.10.2024
AI zamiast pędzla. Jak artyści wykorzystują technologię. Nowy odcinek podcastu
29.10.2024
Projekt R-GRID wkracza w kolejną fazę. Symulator AI pomoże chronić sieci elektroenergetyczne  
24.10.2024
Stypendysta/Stypendystka w zespole badawczym Uczenie maszynowe w trybie ciągłym