Emberi gép

robotvera

Gépiesen bánunk a dolgozókkal? Emberi módon bánnak velünk a gépek?

Nem is tudom, hogy a számítógépek használatának terjedése az emberekkel való foglalkozásban (HR, emberi erőforrás) jó vagy rossz irányú változás!

Kezdjük azzal, hogy semmi esetre sem új a jelenség. A „HR black hole”, vagyis a mindent elnyelő fekete lyuk már több mint egy évtizede jó ismerősünk, kötetekre rúgó irodalma van a működésének és a megkerülésének. A téma egyik nagy szakértője Liz Ryan, aki nagy cégeknél dolgozott személyzeti vezetői pozíciókban. Alaposan kiismerte azt a világot, és most az emberi munkahely (Human Workplace) témában ír, és ad tanácsot (mind a munkáltatóknak, mind a dolgozóknak). Érdemes elolvasni az írásait, nagyon jó dolgokat ír és élvezetes a stílusa (angolul ír, és nem merem állítani, hogy minden egyes szót értek, amit használ, de élvezem).

Hogy működött (működik) a hagyományos gépesítés ezen a területen? Az álláskereső beküldi az önéletrajzát és a kísérő levelet. Ezeket odaadják a „rendszernek” (ATS: Applicant Tracking System). Mi ez az ATS? Egy végtelenül buta szöveges adatbázis-kezelő rendszer, ami szavak előfordulását elemzi a beérkezett anyagokban. Ha van benne egy kicsi „okosság”, akkor legalább a szinonimákat észreveszi, de ez sem biztos, hiszen azokat meg kell adni neki. Ki fogja ezeket beletáplálni? Általában senki. Miért? A HR-es nem ismeri a cégnél szóba jöhető összes szót és szakkifejezést, és esélytelen, hogy a szakterületek dolgozói ilyesmivel töltenék az idejüket. Mi jön ki ebből? Ez a csekély okosságú rendszer kiszórja az általa esélytelennek ítélt jelentkezőket, és továbbítja a többit a humán erőforrásnak. (Ha még így is túl sok maradna, akkor szigorítják a szűrést.)

A megoldás gyenge pontja az, hogy a gép nem képes megérteni és értelmezni a szöveget – így nincs is valódi esélye a legjobb jelentkezők kiválasztására. Azoknak, akik ismerik az algoritmus működését, van esélyük jól kigondolt trükközéssel átjutni ezen a kapun, de ugye nem ez lenne a cég célja…

Mint írtam, ez már bőven évtizedes történet. Ma már mesterséges intelligencia, tanuló algoritmus végzi az önéletrajzok szűrését. A tanuló gépnek információra van szüksége, pontosabban: minták alapján tanul. Honnan lesznek a mintáink? Egy kézenfekvő megoldás a cégnél dolgozó sikeres, jól bevált kollégák önéletrajzait vagy egyéb írásait felhasználni. Ha ezeken tanul a gép, az ezekben előforduló szavakat, kifejezéseket, fordulatokat, az írások stílusát tanulmányozza, majd ezekkel veti össze a beérkező jelentkezők írásait, akkor bátran számíthatunk arra, hogy hasonlóan jók felvételére tesz majd javaslatot. Sőt, még azzal is bővíthető a módszer, hogy nem csak a beküldött önéletrajzot és levelet elemezzük, hanem az illető nyilvánosan megjelent szövegeit is. Így tényleg alapos képet kapunk mindenkiről. Nagyszerű segítséget nyújtunk az előválogatással a felvételi beszélgetések előtt. Tökéletes! Tökéletes?

Sajnos nem tökéletes! Mi a probléma vele? Az ember szóhasználata és stílusa nem csak attól függ, hogy mennyire alkalmas a betöltendő pozícióra. Vannak ám eltérések a nők és a férfiak, a feketék és a fehérek, az ország (a világ) különböző területeiről származók, a különböző társadalmi rétegekből származók között ezen a területen is. Ha, például, egy technológiai cégnél a sikeres emberek tipikusan fehér férfiak, akkor egy bizonyos előítéletként ez meg fog jelenni az előszűrést végző programban. Persze az is, ha főleg ázsiai származású nők adják a mintát. Ez jól van így, ha az a célunk, hogy megőrizzük, esetleg erősítsük a cég jellegét ebben a tekintetben. Persze, ez nem lehet a kimondott célunk (hiszen helytelen és törvénytelen lenne).

Nem fantáziáltam, ezekkel a problémákkal minden területen, köztük a HR-esen is találkozunk az életben. Mostanában éppen az Amazon esete van terítéken, de akárhol előfordulhat ilyen, ahol megpróbálnak érdemi tevekénységeket is az „okos” gépre bízni. Miért is ne tennék? A gép sokkal gyorsabban, olcsóbban és precízebben végzi el azt a munkát, amit megtanult, mint az ember. A gond éppen azon van, hogy „megtanulta”. Honnan, kitől, hogyan tanulta meg? A tudás végső forrása valamilyen értelemben az ember. Az ember a saját gyengeségeivel és akár tudattalan elfogultságával. Ezt adja tovább a gépnek.

Sok példát lehet hozni arra, hogy az okos gép elfogult. Persze, nem a gép az elfogult, hanem az általa felhasznált „tananyag”, a minta hordoz valamilyen elfogultságot vagy torzítást magában. Azt is fontos hozzátenni, hogy a már felfedezett elfogultságot ki lehet javítani. Azonban ezek a „javítások” általában nem oldják meg a valódi, a mélyben meghúzódó problémát, csak elfedik azt. Erre van egy tökéletes példám: a Google képfelismerőjének esete a néger arcokkal. Egyáltalán nem tudták megoldani azt a problémát, hogy egyes esetekben gorillának vagy más emberszabású majomnak nézett négereket a képeken. Mit csináltak? Beleírták a szoftverbe, hogy soha, semmit ne lásson gorillának, csimpánznak vagy majomnak. Végülis megoldották a problémát, ugye? Nos, nem, egyáltalán nem! Ettől semmivel se lett jobb a programjuk, csak ez a hiba nem nyilvánvaló a használók számára…

Hasonló megoldásokkal lehet „javítani” az előszűrő programon is, de az se lesz jobb tőle.

Nem azt látom igazi bajnak, hogy elfogult a gép, hiszen az ember is az. Akkor van baj, ha automatikusan elfogadjuk a gép véleményét – és ez sajnos eléggé tipikus. Hiszen éppen azért használjuk a gépet, hogy olcsón és gyorsan elvégezze ezt a munkát. Ha utána alaposan ellenőriznénk, akkor mire való a gép? Akkor magunk is elvégezhetnénk a munkát…

Mutatok pár pozitív példát is. Az első esetben kezdeti kapcsolatfelvételre használják az „okos” gépet. Amennyire sikerült megértenem a hátterét, ez egy csevegő robot (chatbot), ami megérti az emberek mondatait, és értelmesen beszélget velük. Jim (Jobs Intelligence Maestro) a szingapúri DBS bankban dolgozik. Előszűrést végez kérdésekre adott válaszok alapján, és a jelentkezők pszichológiai alkalmasságát méri. Ezzel átvesz bizonyos ismétlődő, unalmas, gépies feladatokat az emberektől, akik így értékesebb munkát tudnak végezni. A pályázók számára előny, hogy hamar, 24 órán belül választ kapnak a jelentkezésükre. (Vagyis nem tűnik el a fekete lyukban az önéletrajzuk.) Egy kis szösszenet: Ha a jelentkezővel való kezdeti online csevegés az emberek számára nem tűnik értékes munkának, akkor valóban jobb ezt robotra bízni. Ő talán emberibben tudja ezt elvégezni.

Ha már az emberi viselkedés szóba jött a robotok esetében, álljon itt Vera (az orosz HR-es robot) példája. Ő nem csak a géptől elvárható rutin tevékenységeket végzi el, de telefonon is beszél velük az előszűrés első lépésében, majd az ezen átjutott emberekkel videón is elbeszélget. Nagy sikere van a világcégek és a jelentkezők körében is! Kik használják? 200 cég, közöttük az IKEA és a Pepsico. Akinek van kedve, beszélgethet is Verával a gyártó weblapján (link a fenti írásban). A jelölteknek tetszik az új HR-es: “Some 95% of candidates told us it was interesting, inspiring, great, something new”. Lehet, hogy megvan a megoldás arra, hogy ne panaszkodjanak a jelöltek a lélektelen, gépies bánásmódra a kiválasztási eljárás során?

Mi a tanulság? Hol tartunk most? Sok mindent rábízhatunk a gépekre, de ne számítsunk arra, hogy tökéletes munkát végeznek. Ha tisztában vagyunk ezzel, akkor nincs baj. A gond ott van, amikor a gép hihetetlen mennyiségű munkát tud nagyon gyorsan elvégezni. Miért baj ez? Azért baj, mert nem győznénk emberrel és idővel az ellenőrzését. Ebben az esetben hajlamosak vagyunk hinni neki…

Kedves Olvasó! Veled beszélgetett már gép? Milyen élmény volt – összehasonlítva a humán ügyintézővel folytatott hasonló beszélgetéssel?

Az új technológiák és a jogászok

Mikor jön el az ideje annak, hogy számítógép hoz majd ítéletet?

Valószínűleg eljön majd egyszer! Nem lehet véletlen, hogy ennyi okos ember foglalkozik vele!

Sokat írnak és fantáziálnak arról, hogy mi történik egyes szakmákkal a mesterséges intelligencia és más izgalmas új technológiák hatására.

Itt most eszembe jutott a kutatók által a mesterséges intelligencia fejlesztésére és felhasználására megalkotott 23 alapelv egyike: a jogi döntésekben részt vevő önálló rendszerek adjanak megfelelő és emberek által ellenőrizhető magyarázatot a döntésükre. Ez tényleg jól hangzik, de az egy pillanat alatt meghozott döntést vajon hány ember, hány hétig fogja elemezni, és megérti-e majd?

Azt is mondhatnánk, hogy a cél nem az, hogy minden döntés hibátlan legyen, hanem legalább olyan jó legyen, mint az emberek döntései. Nekünk magunknak is vannak előítéleteink, hibázunk, és nem mindig tudjuk rendesen elmagyarázni a döntéseinket. Ha a gép kicsivel kevesebbet hibázik, akkor már nyertünk! Nyertünk? Lehet, hogy túl sokat tudok az informatikáról…? Az nyugtalanít, hogy nem csak tévedés lehet a rossz döntések mögött, hanem valakinek a szándékossága is. Ez nem olyan különös, embereknél is előfordul a szándékos rosszakarat. A veszélyt abban látom, hogy a számítógépet „istenítjük”, elfogadjuk helyesnek azt, ami a gépből kijön. Nem kellene…

Ami engem illet, inkább azoknak az írásoknak szentelek nagyobb figyelmet, amikben már megtörtént esetekről, már használatban lévő megoldásokról írnak. A jóslatok is érdekesek, de azokat is könnyebb a helyükre tenni, ha ismerjük a jelenlegi helyzetet.

Eddig a gépi tanulás vagy mesterséges intelligencia lehetőségeiről és hatásairól volt általában szó:

  • Angliai esetek, amikben a bíró megengedte, hogy az ügyben előkerült dokumentumokat ne emberek nézzék át, hanem számítógépre bízzák, hogy kiválogassa a lényegeseket (amiket majd figyelembe vesz a bíróság).
    Látszik, hogy már ebben a viszonylag egyszerű esetben is sok múlik azon, aki a számítógépet beprogramozza, megtanítja a válogatásra. Szubjektív vagy részrehajló válogatás hibás ítéletet eredményezhet.
  • Az IBM Watson felhasználásával működő szoftver (robotügyvéd), ami rengeteg fajta jogi ügyben ad segítséget, pl.: megfellebbez közlekedési bírságot, panaszt tesz a bérbeadó ellen vagy a munkáltató ellen.
    Nem jogászok hada kezdte fejleszteni, hanem egy 19 éves programozó ugrott neki jogász önkéntesek segítségét igénybe véve.
  • Amikor az előbbiről olvastam, arra gondoltam, hogy nagy nyelvterület és a precedenseken alapuló angolszász ítélkezései gyakorlat fontos volt, de Magyarországon sokkal nehezebb lenne ilyesmit létrehozni.
    Nem tudom, hogy mennyire nehéz, de tény, hogy a pécsi egyetemen belefogtak. Ők is a Watsont használják a háttérben a Lexi fejlesztéséhez, “aki” először a Polgári Törvénykönyvet fogja “megtanulni”.
  • Ezek után komolyan felmerül a kérdés, hogy át tudja-e venni a számítógép a jogászok munkáját. Pontosabban: azt már látjuk, hogy egy részét át tudja venni – az a kérdés, hogy mekkora részét.
    A jelek arra mutatnak, hogy a jogi területen is – sok más szakmához hasonlóan – az alapszintű (kezdő) tudással rendelkező emberek munkáját fogja először átvenni (vette át először). Felmerül a kérdés, hogy hogyan jönnek létre a tapasztalt, speciális tudással rendelkező jogászok, ha a kezdőknek nem lesz (elég) munkahely…

Miután már ennyit írtak a mesterséges intelligencia “gyilkos” szerepéről, most egy olyan írást találtam, amiben ennél sokkal veszélyesebbnek találja a szerző a blokkláncot (blockchain).

  • Ezzel a technológiával közbenső “kitüntetett” szereplők (ügyvéd, közjegyző, bank, állami szervezet) nélkül lehet hiteles, igazolható módon üzleti és jogi erejű dokumentumokat létrehozni, továbbítani, feldolgozni. A számítástechnikai háttér miatt automatizálni is lehet egy csomó mindent, és lényegében egyidejűleg, visszavonhatatlanul történnek meg az összetartozó lépések (pl.: az ingatlan átírása a vételár banki átutalása után azonnal).
  • Úgy látom, hogy nem egészen “gőzös” elképzelés ez, hiszen a Maersk és az IBM már másfél éve tesztel egy blokkláncon alapuló megoldást, amivel drasztikusan tudjuk rövidíteni (és biztonságossá tenni) a tengeri szálítmányozást. Sok-sok pénzről van szó, és néhány nagy ügyfél és két ország hatóságai már használják. Ha ebben az esetben működik, akkor sok más helyzetben is működhet.

Vajon tényleg ennyi mindent tud átvenni az “okos” gép? Apránként ellesni minden munkánk minden lépését, majd jobban, gyorsabban, kevesebb hibával másolja? Amit megtanult, azt képes mindig egyformán csinálni! Ugye, mi emberek ebben nem vagyunk annyira jók? Hiába tudunk valamit, csak-csak előfordul, hogy nem pont úgy csináljuk, ahogy szoktuk, ahogy tanították. Miért hozom ezt elő? 

Amikor a gép tökéletesen egyformán végzi a munkafolyamatokat, a hibákat és tévedéseket is gyorsan és nagy számban tudja ismételni. Na de, miért hibázna? A jogi tanácsot adó gép ismer rengeteg korábbi esetet, ezek között keres hasonlót, amikor egy újabbal találkozik. De vajon tényleg eléggé hasonló a megtalált minta? Ideális esetben meg tudja állapítani, hogy alkalmazható-e a korábbi tudása. Ha nem, akkor segítését kér az ember kollégától. Ha viszont nem ismeri fel a lényeges eltérést, akkor nagy lendülettel alkalmazza a megtalált mintát. Ha rövid időn belül sok ilyen esetet kap, akkor gyorsan tud rengeteg hibát elkövetni. Sokkal gyorsabban és sokkal többet, mint a legszorgalmasabb ügyvédbojtár! Mekkora ennek az esélye? Egyre nagyobb lesz! Ahogy megtanuljuk, hogy a gép jó munkát végez, meg lehet benne bízni, egyre több munkát kap, egyre kevesebb ellenőrzés mellett. 

Meg kell találnunk az egyensúlyt a bizalom és az ellenőrzés között az automatizált kollégák esetében is. Úgy gondolom, hogy egészen másképp kell az ő munkájukat menedzselni, mint az emberekét. Kialakul ennek a tudománya is? Mikor? Hogyan:  

Szüretelő robot

Mi marad a szőlőmunkásoknak, ha a robotok gyorsabban pontosabban végzik a metszést és a szüretelést? Okos telefon lesz a munkaeszközük?

A mezőgazdaság nem nagyon jut az emberek eszébe, amikor a mesterséges intelligenciáról vagy az automatizálásról van szó, pedig nagy dolgok történnek ott is. A magunkra aggatott mindenféle okos kütyük, az ipari robotok, az ipar 4.0 eltereli a figyelmünket arról, ami igazán fontos, arról, amit megeszünk.

Nagy a fejlődés a tudomány és a technika mezőgazdasági alkalmazásában, és egyáltalán nem arról van szó, amire sokan elsőre gondolnak! Nem a több vegyszer, több méreg, több műanyag a fő irány, hanem éppen az ellenkezője. Hosszú ideig úgy tűnt, hogy a mérgek, a műtrágyázás és a génmódosítás mind kell (és növekvő mértékben kell) ahhoz, hogy legyen mit ennünk. Azt lehetett mondani, hogy aki a vegyszerek ellen van, az merje kijelenteni azt is, hogy éhezzenek és haljanak éhen nagy tömegek. Azóta kiderült néhány dolog. Az egyik az, hogy a vegyszerek és a speciális fajták nem oldották meg a problémát. A másik – és erről lesz ma szó – az új eszközök szerepe abban, hogy kevesebb vegyszerrel, többet és jobbat termeljünk.

A precíziós mezőgazdaság éppen erről szól! Mi is ez?

A precíziós mezőgazdaság az ipar 4.0 testvére – hasonló megoldásokat használ a növénytermesztésben és az állattenyésztésben, mint amit a gyárakban és a termékekhez kapcsolódó szolgáltatásokban. Áprilisban írtam már erről a témáról, megmutattam egy csomó jó és érdekes kezdeményezést.

Írtam a biztonság javulásáról, ami egyrészt az élelmiszerek életútjának pontos követéséről (példa: a betegséget okozott zöldség vagy gyümölcs termelőjét azonnal tudjuk, célzottan tudjuk kivonni a forgalomból) és a lejárt szavatosságú áru azonnali, automatikus levétele a polcról (És amit megeszünk?). A pontos célzásról is volt már szó, legyen az gyomirtó, tápanyag, öntözés, megtermékenyítés vagy elletés – mindegyik területen jobb lesz az eredmény.

Most – közel fél évvel az előző cikkek után – azért térek vissza a mezőgazdaság „okosítására”, mert aktuális, és mert az ITBusiness legutóbbi konferenciájának ez volt a témája. Sok érdekes előadás volt, közben meg is osztottam képeket és mondatokat.

Az utóbbi ötven évben nagyobbat változott a mezőgazdaság, mint korábban ezer év alatt, a gépesítés, az új hibridek, a szója termesztése és a genetikai beavatkozások gyökeres változást hoztak. A digitalizáció, az okos gépek és a mesterséges intelligencia hatására várhatóan tovább gyorsul a fejlődés. Fejlődés lesz ez? Úgy gondolom, hogy igen (a pontos célzás már most is az).

Glattfelder Béla előadásából megtudtam, hogy már folyik a digitális agrárstratégia szakmai vitája, és idén várhatóan el is fogadják. Sok szempontot kell figyelembe venni, sok területen lehet és kell fejleszteni ahhoz, hogy felgyorsuljon a hazai agrárium fejlődése. Az emberek tudása, a szakképzés, az egyetemi oktatás és a felnőttképzés, a folyamatos önképzés elengedhetetlen, és ebben sokaknak van szerepük. Az egyik legfontosabb szereplő maga a gazda, akinek igénye kell legyen a tanulásra. Őt sokféleképpen lehet ebben segíteni, fontos szerepük van az agrárkamaráknak és egyéb szervezeteknek. Úgy látszik, hogy a technikai feltételek (internet, okos telefonok, táblagépek) hiánya már nem igazi akadály. Ha jövőre tényleg minden háztartásig eljut a szélessáv, akkor az önképzésnek és a gazdák együttműködésének, tudásmegosztásának nem lesz technikai akadálya.

A szakképzésről Fábri Eufrozina, az Egri Szakképzési Centrum vezetője beszélt előadásában és utána Kiss Boglárka által vezetett beszélgetés során. Náluk is a szakképzés minőségének javítása és a gazdasági versenyképességet segítő duális képzés van előtérben. A gazdák és a leendő gazdák egyik fontos (és hiányzó) ismeretére világított rá Borsiczky István, a Tomelilla ügyvezetője: legalább alapvető térinformatikai tudásra van szüksége annak, aki „okos” gépesítést és automatizálást akar megvalósítani a mezőgazdaságban. Ezek az ismeretek kellenek ahhoz, hogy a távérzékelési és térképadatokat valóban fel tudják használni a gazdálkodók. Ezek az adatok ma még nagyon sokba kerülnek, de tervezi a kormány, hogy ingyenessé tegye az elérésüket – mondta Glattfelder Béla. Ez nagy segítség lesz majd a mezőgazdaságnak, beindíthatja az informatika ésszerű használatát a minőség és a hatékonyság javítására. Ugyanez vonatkozik a centiméteres pontosságú GPS adatokra, a drónok mezőgazdasági felhasználására és az időjárási információkra is.

Szintén Glattfelder Béla hozott fel néhány példát arra, hogy az okos gépek már ma is hasznosak a földeken és az istállókban. A munkaerőhiányra az egyik válasz az a szőlőbetakarító gép, amelyik 180 ember munkáját tudja elvégezni. Ma még nem tudja a szőlő érettségét figyelni, de ez sincs már messze. A metsző robot, akár másodpercenként 5 metszést is el tud végezni, éjjel-nappal, hideg szélben is pontosan dolgozik. A fejőházakat is sikeresen automatizálják, és teljesen megszűnik az emberi munka. Itt egy amerikai családi farmon készített interjú: How Milking Robots Are Helping One Family’s 70-Year-Old Dairy Farm Thrive In 2017 (Forbes). Angliában egy szántóföldi táblán végeztek egyéves sikeres kísérletet az emberi munka nélküli termelésben.

Ezek mind azt mutatják, hogy a kétkezi munka és a 12 órás munkaidő lassan kimegy a divatból a földeken és az állatok mellett is. Helyette tervezni, gondolkodni, ismereteket és technológiát hasznosítani kell tudni. Nem lesz felesleges az ember, csak éppen mást kell csinálnia. Képes lesz rá? Kénytelen lesz!

A felkészülést már gyerekkorban el kell kezdeni. Nem feltétlenül a ma létező technológiát, gépeket és programokat kell megtanulni, hanem inkább az újra való nyitottságot, a világ iránti érdeklődést.

Nagyon fontos, hogy egyáltalán nincsenek egyedül a gazdák. A hagyományos találkozási lehetőségek mellett az új, elektronikus találkozási pontok is kialakultak a közösségi portálokon. Készül egy magyar piactér is, amivel együtt tudástár és digitális szolgáltatások (például drone-as-a-service) létrejön. Erről beszélt a konferencián Kozula Ádám (T-Systems), és korábban már olvashattunk is róla.

Akkor sincsenek egyedül, amikor el akarják adni a sok jót, amit megtermeltek. Nem csak az előbb említett piactér segít az eladásban, hanem a Nemzeti Kereskedőház is. Számomra az volt a kellemes meglepetés Erős Veronika előadásában, hogy digitális exportot is nyélbe ütöttek már, vagyis sikerült igazán modern terméket eladni a nemzetközi piacon.

És akkor, merre van az előre? A konferencián azt is megtudtuk Feldmann Zsolttól, hogy a kertészetben állunk a legrosszabbul hatékonyság tekintetében. Ebből arra gondolok, hogy ott lehetne bevetni a szürkeállományt, hogy megtaláljuk a jobb és több gyümölcs és zöldség megtermelésének útját. A precíziós mezőgazdaság módszereinek bevetésével, pontos célzással lehet csökkenteni a víz, tápanyag és vegyszer felhasználását. Sőt, a bio termékek előállítása is gazdaságosabb lehet. Tudva, hogy azoknak jó piaca és magas ára van, talán ebbe az irányba kellene elindulni. Itt nem olyan magasak a belépő költségek, mint a korábban említett tehenészetben, ahol százmilliós nagyságrendű befektetés kellett.

Hamarosan meglátjuk, hogy mit mond erről a digitális agrárstratégia…

 

Mit vesz el tőlünk?

Sok mindenről írnak és beszélnek, amikor arról volt szó, hogy ez a sok új technológia mit vesz el az embertől. Az ITBN konferencián a Kivégzési parancs kapcsán előjött valami új.

Szeptemberben tartották a szokásos kétnapos IT biztonsági konferenciát, és idén izgalmas elkalandozásoknak lehettünk szem- és fültanúi. A múlt héten írtam Csányi Vilmos etológus előadásáról, aki talán még csak meg sem említette a biztonságot, mégis nagyon témába vágott a mondandója.

Mindkét napot kerekasztal-beszélgetés kezdte a Kivégzési parancs (Kill Command) film ürügyén. A helyi résztvevőkön kívül velünk volt Bentley Kalu (Robinson) is Skype-on keresztül.

A film egyik kulcsszereplője egy fiatal nő (Mills), akibe kis korában beültettek egy chipet, ami együttműködik az emberi szervezetével, és kapcsolódik egy nagy hálózathoz is. Így ő egyszerre ember is és gép is. Különleges képességekkel rendelkezik, amik az emberek számára csodálatosak és ijesztőek, bár valójában csak gyors adatátviteli és adatelemzési képességeket kap a géptől. Ha jól értelmezem a filmet, nincs szó mesterséges intelligenciáról, hanem a gép és az ember képességeinek összeolvadása teremti meg a szuperembert.

A film kapcsán érdekes kérdések merülnek fel az ember és a gép kapcsolatáról. Az egyik ilyen kérdés az érzelmek lehetősége. Mit éreznek az emberek a velük együtt élő, dolgozó, embernek látszó gépek iránt? Kialakulnak érzelmeik a gépi kolléga iránt? A filmben az egyik ember katona megmenti Mills életét, amikor megsérül a harcban. Teszi ezt annak ellenére, hogy egyáltalán nem kedveli, komoly ellenérzései vannak a géppel szemben. Vajon miért? Az első napi beszélgetés egyik résztvevője magyar katonákkal együtt nézte meg a filmet. A film utáni beszélgetés során a katonák azt mondták, hogy a gépet bajtársnak tekintenék, és akár meg is halnának érte. Vajon ebben szerepe van annak, hogy csinos fiatal nő testében van a robot? Kialakulhat romantikus érzelem az ember és a gép-ember között?

Elvárjuk az emberi viselkedést az embernek látszó gépektől? Számít a kinézete? Mi lesz a mimikával, általában a metakommunikációval? A filmben a gépesített nőnek nem ültek ki érzelmek az arcára, „póker arca” volt, bármilyen helyzetbe került. Az sem derült ki számomra, hogy érzelmi vagy racionális okok vezették, amikor ember bajtársait próbálta megmenteni. Nem derült ki, hogy milyen ember – ha egyáltalán ember. Van személyisége? Milyen az, ha a személyisége részben a gépben van?

A bajtársait irritálta, hogy mindent tud róluk, mindenkinek az aktáját egy pillanat alatt letölti és elemzi. Ez nem csak a filmben van így! A személyi asszisztensünk mindent tud a gazdájáról. A gépesített asszisztens még többet is, mint a jó titkárnő a főnökéről, hiszen napi 24 órát tölt vele. Nem csak azt tudja, ami hallható és látható, de mérheti a pulzusát, a vérnyomását és minden más fiziológiai adatát. Mindezt összeveti a rengeteg adatbázissal, és kialakít egy összeképet a gazdájáról. Még az érzelmeinket is megismeri. Jó ez nekünk? Akarunk ennyit tudni magunkról? Tényleg: melyik a valódi énünk, amit gondolunk magunkról, vagy amit a „mindentudó” gép tud rólunk? – kérdezte Réz András a beszélgetés közben.

Milyen emberi képességeik lesznek a robotoknak? Tudnak hazudni, félrevezetni? Azt mondhatnánk, hogy ez a beprogramozásuktól függ. Ez mégsem ennyire egyszerű, mert már a ma létező gépek is tudnak tanulni – erre rengeteg példa van (például az egymással alkudozó és egymást félrevezető robotok). Hogy fogunk majd velük alkudozni? Ők sose fáradnak el, se fizikailag, se mentálisan.

Létrehozzuk a robotokat, de tudjuk majd ellenőrizni, irányítani őket? Ha nem értjük a „gondolkodásukat”, nem tudjuk felmérni, hogy a döntéseik mögött milyen okok vannak, meg tudjuk majd ítélni a döntéseiket, vagy hozzászokunk, hogy úgyis nekik van igazuk? Ki lesz a felelős a gép tevékenységéért? Most még az a szabály, hogy az önvezető autóért a kormány mögött ülő ember felelős. És ha nincs kormány? A gyilkoló robotért ki felelős, a tulajdonosa? Mi történik, ha valaki távolról átprogramozza?

Az említett „emberi”, esetleg romantikus, vonulat mellett van a filmben egy sokkal ijesztőbb szál is. Mills alkotta meg a gyilkoló gépek szoftverét, de lassan elvesztette az irányítást felettük. A gépek eredeti feladata az lett volna, hogy átvegyék az emberektől a háborúzást, hogy az embereknek se ölniük, se meghalniuk ne kelljen. Öntanuló rendszert épített, amit összeengedtek a legjobb emberi alakulattal, azzal harcolva tanult újabb és újabb fogásokat (közben meg is ölt egy-egy embert). Végül már Mills is ellenséggé vált. Ő az utolsó összecsapásban emberi trükkel ölte meg az utolsó robotot. De talán mégsem… Valami ilyesmitől tartanak azok a befolyásos emberek (akik részben éppen ezt a technológiát fejlesztik), akik az ENSZ-hez fordultak, hogy akadályozza meg Pandora szelencéjének kinyitását.

Miért hozzuk létre az intelligenciával felruházott gépet? Teljesen racionális okok vannak mögötte, vagy benne van a büszkeség is, hogy ezt is meg tudjuk csinálni?

Létrehozunk valamit, ami nem organikus, de él. Mit kezdünk ezzel az élettel? Elismerjük, hogy élőlény, lesznek jogai?

Lesz lelke a robotnak? Lesznek érzelmei? Éppen most futottam bele ebbe a cikkbe, ami a robot és a szerelem kapcsolatáról szól, de – egyelőre – fordítva.

Egy fontos megállapítás a beszélgetésből: „A mesterséges intelligencia nem fogja megoldani az emberek közötti kapcsolat problémáját, mert nincs rá szüksége.” Valóban teljesen racionális lesz a robot?

Még egy izgalmas témakör, amiről volt szó röviden: Hol lesz a robotok agya? Külön-külön rendelkeznek majd intelligenciával, vagy egy központi agy irányítja őket? A filmben a központi gép csak információforrás volt Mills számára, de nem irányította őt közvetlenül. Mills ember, tehát van saját agya, de vajon egy robotba érdemes lesz saját agyat építeni, vagy elég lesz a központi? Hány ilyen központ lesz? Együttműködnek majd, vagy éppen ellenfelek lesznek? Kialakul egy világhálózat? Annak egy ura lesz?

Visszatérve a kezdeti kérdésre: mit vesz el tőlünk a technológia? Az utat, az odajutás élményét veszítjük el, ha a gép hipp-hopp megoldja a problémákat, megválaszolja a kérdéseket. Pedig ez az emberi lét élménye! Lemondunk erről a kényelem érdekében? Lehet, hogy drasztikusan változik meg az életünk a sokat tudó gépek miatt?

Ez az írás túlnyomórészt az ITBN napkezdő beszélgetései alapján készült. Sokkal több benne a kérdés, mint a válasz. Ha válaszolni nem is tudunk, a kérdések mégis fontosak, mert érdemes gondolkozni a lehetőségeken.

Szintén az ITBN alapján: Hiedelmeink

Hiedelmeink

Milyen hiedelmei lesznek a mesterséges intelligenciával felruházott robotnak? Lesz benne emberi?

Nagyon sok érdekes előadást volt szerencsém meghallgatni (megnézni) a múlt héten az ITBN konferencián, és szeretném az élményeim egy részét megosztani az olvasóimmal, akik nagy részének eszébe se jutna, hogy éppen IT biztonsági konferenciára kellene mennie. Miért traktálom őket is ezzel? Csak azért, mert nem az IT biztonság volt a konferencia fő témája, hanem az ember és az egyre intelligensebb gép együttműködésére fókuszált. Ez is volt a mottója: „Man and machine: Bound to cooperate”, és Mills, a Kill Command (Kivégzési parancs) film női főszereplője volt az arca, aki géppel egyesített ember vagy emberbe ültetett gép. Mindkét reggel filmbejátszásokkal tarkított kerekasztal-beszélgetéssel indítottak, aminek egyik résztvevője a Robinsont játszó Bentley Kalu volt.

Nagyszerű volt Csányi Vilmos etológust hallgatni – és nyilván nem meglepő, hogy nem informatikáról és biztonságról volt szó, de tökéletesen illett az előadása a konferenciába. Az ember és a mesterséges intelligencia viszonyáról beszélt, és mindjárt az elején kaptunk tőle egy definíciót. Az intelligencia az a képesség, hogy valaki vagy valami képes magát az adott környezetben hosszú ideig fenntartani. Ez a biológus definíciója, és számomra sokkal használhatóbb, mint a pszichológusoké. Ők úgy oldják meg azt a konfliktust, hogy vajon az IQ-teszt jól méri-e az intelligenciát, hogy éppen azt használják definíciónak: az az intelligencia, amit az IQ-teszt mér. Ez nagyon precíz meghatározás, csak éppen meglehetősen használhatatlan. A biológus által adott definíció egészen más, és sokkal több helyzetben értelmezhető. Csányi szerint az intelligencia egy túlértékelt fogalom, mert valójában nem egy csodás, minden probléma megoldására alkalmas tulajdonság. Ebben az értelemben sok minden lehet intelligens, akár egy baktérium is, hiszen nagyon bonyolult vegyi folyamatokat vezérel a fennmaradása és szaporodása érdekében. Intelligens lehet növény, állat, ember, sőt maga a bioszféra is! Az oroszlán rengeteg matematikai és fizikai „ismeretet” használ fel, amikor vadászik. Hasonlóképpen a gazella is, amikor elmenekül az oroszlán elől. Az állati intelligencia individuális, az emberé bonyolultabb, mert a nyelv segítségével hiedelemvilágot tud létrehozni. (Csányi tudományos terminológiájában a hiedelem kicsit mást jelent, mint a köznyelvben – a következőkből kiderül majd.)

A hiedelemre az első példája az az ember volt, aki a vadon talált gyümölcsöt próbálja megismerni, majd kialakít róla egy képet: ehető – nem ehető, jó ízű, nyersen vagy főzve jó. Amikor ezeket a gondolatokat a nyelv segítségével a többiekkel megosztja, majd azok is kiegészítik a saját tapasztalataikkal, közösségi hiedelem lesz belőle. Így képes egy egész közösség a tapasztalatát cserélni, átadni, fejleszteni. Ez nagy különbség az állatokhoz képest! – mondja Csányi. Az állat a saját tudata börtönében van.

Hadd szúrjak itt közbe egy kérdést. Amikor a maguknak saját nyelvet alkotó robotokat a Facebook kutatói kikapcsolták, vajon – esetleg tudat alatt – éppen az a félelem vezette őket, hogy azok majd a saját nyelvükön ellenőrizhetetlenül fejlesztik a közös tudásukat?

A hiedelmekben sok tévedés van (Csányi példái: homeopátia, angyalok, kísértetek). A sok hiedelem terjed, kavarog a közösségben, a tévedéseket kiszűrjük. Az ezeket selejtező társadalmi folyamat a kreativitás forrása. A közösség terjeszti, ellenőrzi, reprodukálja a hiedelmeket és kinyeri a fontos tudást belőlük.

Maga a rendszer kreatív. Az ember világa – akárcsak maga a bioszféra – rendkívül gazdag. Része a kultúra és a művészet is. A kreativitás forrása a molekulák különbsége, a szelekció, a formák különbözősége. Ezekben vannak kis eltérések, és a végén az életképes marad meg.

Itt mutatott rá Csányi az ember és a gép közötti fontos különbségre: Az embernek sok olyan tulajdonsága van, ami a gépnek nincs: agresszivitás, hatalomvágy, birtoklási vágy, érzelmek. Az ember világa nem a racionális döntéseken alapszik. Beépítjük ezeket a tulajdonságokat az „intelligens” gépbe?

Itt mindjárt megemlített egy hiedelmet a mesterséges intelligenciával kapcsolatban: Olyan lesz, amilyennek megépítjük. Valóban?

Érdekes párhuzamot vont a robotokkal és az istenekkel kapcsolatos gondolataink között:

  • A robot: segít – emberszerű – extrém intelligens ember – szingularitás – mindent tud.
  • Az isten: uralja a környezetét, érzelmei vannak – uralja az embert, segít, büntet, igazságos – uralja a világegyetemet, mindenható, igazságos. Először sok isten volt, lehetett választani közülük, később csak egy maradt, a legnagyobb.

A két gondolkodási folyamat nagyon hasonló!

Csányi szerint a robot nem tud okos lenni, ha nem építjük bele az ehhez szükséges elemeket; csak olyat tud megcsinálni, ami bele van építve.

Hadd szúrjak itt megint be egy gondolatot – nem ellentmondva a tudósnak. A gép azokkal a képességekkel rendelkezik, amiket beleépítünk. Ez igaz, de mi van akkor, ha a tanulás és az önfejlesztés képességét is beleépítjük? Lehetséges ez? A válasz attól függ, hogy mit értünk tanuláson. Ha az emberi szakmák elsajátítása közben használt tanulást (mások munkájának megfigyelését, majd a látottak alkalmazását a saját munkánkban), akkor erre már ma is képes a gép. Ez az RPA (robotic process automation) és fejlettebb formája, az IPA (intelligent process automation), amikről például a Robotember című cikkemben írtam.

Más példa: az AlphaGo. Az a program önmaga ellen játszott le milliárdnyi GO játszmát. Így tett szert olyan tudásra, amivel nem csak megverte az egyik legjobb emberi játékost, de kétségbe esésbe is kergette azzal, hogy értelmetlennek tűnő lépései voltak. Vagyis a szuper szakember nem értette, hogy mit csinál a gép – és a gép volt a jobb. Erre se lehet azt mondani, hogy a GO játék tudását építette bele az ember a gépbe. Nem, a játék megtanulásának a képességét építette bele, és azt úgy tudta felhasználni a gép, hogy „okosabb” lett az embernél.

Kell félnünk a robottól? Nem tudom! Az emberi történelem azt mutatja, hogy van okunk félni minden találmánytól, ami békés célokra, a javunkra használható, mert gonosz módon is bevethető.

Vajon Csányi definíciója alapján lehet intelligens egy gép? Képes fenntartani magát a saját környezetében hosszú ideig? Ezen jól el lehet gondolkozni… Mit jelent a „fenntartani” és mennyi a „hosszú” idő? Mi az a „saját környezet”, mekkora változás mellett kell fennmaradnia, hogy intelligensnek tekintsük?

Ez a cikk jelentős részben Csányi Vilmosnak az idei ITBN konferencián látott, hallott előadásán alapszik.

Szintén az ITBN alapján: Mit vesz el tőlünk?

Kell a diploma?

Milyen területen tanuljon, diplomázzon a mai fiatal? Mivel tud hosszú távra biztos jövedelmet szerezni?

Ezek a kérdések mindig aktuálisak voltak, de még sose volt ennyire gyors a változás, sose volt ennyire bizonytalan a következő egy-két évtized.

Abban meglehetős az egyetértés, hogy a fizikai munkakörök jelentős része automatizálható – a gyári munkától a mezőgazdaságon át a szolgáltatásokig. Vajon érdemes még egyáltalán szakmát tanulni? Most még igen, még rengeteg jó szakemberre van szükség a világon, de nagyon gyors a változás abban, hogy mit hagynak meg nekünk a gépek.

Azt is látjuk már néhány éve, hogy a „fehér galléros” munkakörökben is gyorsan terjed a gépesítés. Az irodai, adminisztratív munkákat (pl. a pénzügyi osztályokon) tízezrével alkalmazott „robotok” veszik át. Azért tettem idézőjelbe a robotot, mert ezek a robotok nem láthatók, nem jelennek meg a maguk fizikai valójában, hiszen csak szoftverekről van szó. Ezek a szoftverek gyorsan megtanulják az egyszerű, ismétlődő lépésekből álló munkafolyamatokat az emberektől, majd átveszik tőlük. A pillanatnyi hatása annyi ennek a folyamatnak, hogy az emberek érdekesebb, alkotóbb, hasznosabb munkát kapnak. A cikkekben ismertetett esetekben nem járt elbocsátással az sem, amikor 1800 ilyen robot állt be, sőt az sem, amikor a pénzügyi osztályon a dolgozók 80%-át cserélték le ilyen robotokra.

Eddig diploma nélkül betölthető munkakörökben láttuk a robotok jelentős elterjedését. Vajon mi a helyzet a diplomásokkal? A nem műszaki területeken komoly dolgok történnek, mutatok néhány példát.

Jogi területen vannak ígéretes kezdetek. Az egyik terület a dokumentumok elemzése abból a szempontból, hogy mennyire relevánsak egy adott jogvita szempontjából. Angliában már születtek olyan bírósági határozatok, amik elismerték az ilyen módszerek helyénvalóságát. Ezekben az ügyekben emberi munka és kulcsszavas keresés helyett szoftvert alkalmaztak dokumentumok relevanciájának eldöntésére. A bíró indoklása el is magyarázza, hogy hogyan (a Predictive Coding fejezetben található).

Mik voltak a szempontok? Költség és konzisztencia. Az adott ügyben 3 millió dokumentumot kellett átnézni, és azok közül kiválogatni az ügy eldöntésében lényegeseket. Ezt emberi erővel sok pénz és idő felhasználásával lehetne megtenni, és egyáltalán nem biztos, hogy nem lenne benne sok hiba. A szoftveres megoldás a “mesterséges intelligencia” szokásos betanítási módszerét követte: kisebb mintán (1600-1800) megmutatják a szoftvernek, hogy mik a fontos dokumentumok, majd a szoftver keres. Az eredmények egy részét megvizsgálják emberek, és visszajeleznek a gépnek, hogy jól dolgozott-e, ami ennek alapján tanul, ügyesedik.

Ez még csak a kezdet, itt a gépnek még elég csekély szerepe van a per eldöntésében, de már ezen a kezdeti szinten is számít a szoftver minősége és az esetleges szándékosan beleírt “hiba” (amire néhány példát láthatunk ebben a cikkben). A mesterséges intelligencia kutatói arra számítanak, hogy hamarosan ennél komolyabb szerepe is lesz a gépnek jogi területen is, ezért a mesterséges intelligencia alapelvei között is esik szó erről a problémáról.

Itt még nem érnek véget a jogi alkalmazási lehetőségek! Egy fiatal (19 éves) programozó egy év munkával és az IBM Watson felhasználásával megalkotta a DoNotPay szolgáltatást. Ez kezdetben csak a parkolási büntetések megfellebbezésében nyújtott segítséget. Hogyan tud segíteni? Kikérdezi az ügyfelet a körülményekről, majd a válaszok alapján megírja a fellebbezést. Már az első pár hónapban (akkor még csak egy államban) 3 millió dollárt szerzett vissza az ügyfeleinek. Idén nyár óta már az USA 50 államában és az Egyesült Királyságban segít 1000 különböző fajta jogi eljárásban.

Ez csak egy apró falatja a nagy tortának, és a nagy játékosok sokkal több időt, pénzt és szakértelmet tudnak bevetni, mint ez a fiatal programozó, aki teljesen ingyen nyújtja a szolgáltatást. Pillanatnyilag főleg a kezdő jogászokat érinti az ügy, az ő munkájukat tudja gyorsabban, pontosabban és olcsóbban elvégezni a gép. Ez nem kevés! A McKinsey becslése szerint a jogászok összes munkájának 23%-át lehet így automatizálni a technika mai szintjén. A kezdő diplomások helyett vagy mellett gépek lesznek a jogi csapatok tagjai, őket fogják a tapasztalt vezetők irányítani. Érdekes jövő! Ismerve a világcégek szemléletét (a kezdőkből a lelket is kipréselik, elképesztő óraszámban dolgoztatják, és apró hibákért is kirúgják őket), a napi 24 órában, villámgyorsan, kevés hibával dolgozó robotok lesznek a főnökök kedvenc munkatársai. Vajon kapnak majd kedvezményeket, előléptetést, jobb irodát?

Természetesen, a DoNotPay nem jogász. Itt egy csomó ok, amiért nem az.

Az lényeges, hogy jelenleg csak a nagy egységes (vagy közel egységes) jogrendszerű és egységes nyelvű területek jönnek szóba, ott lehet igazán hatékonyan alkalmazni a technológiát. A magyar jogászokat még nem fenyegeti ez a veszély, de az EU jogharmonizációja növeli a gépek alkalmazási lehetőségét. El tudom képzelni, hogy a GDPR (általános adatvédelmi rendelkezés, ami 2018 májusában lép érvénybe) – lévén új terület és egységes – lehet a „robot jogász” egyik első alkalmazása az Európai Unióban.

Olvastam egy másik érdekes jogi alkalmazást, ez Lisa, az elfogulatlan robot. Elsősorban arra találták ki, hogy szerződések kidolgozásában segítse egyszerre mindkét felet. Az ügyvédek nem dolgozhatnak egyszerre mindkét oldalnak, de a robot akár ezt is megteheti. A felek elmondják neki, hogy mit akarnak elérni, és segítséget kapnak tőle (akár egy elkészített szerződés formájában) ahhoz, hogy a megtalálják a kölcsönösen előnyös megoldást, a win-win eredményt. Megalkotói arra a problémára kerestek megoldást, hogy az emberek és a kis cégek jelentős része nem fordul ügyvédhez, mert nincs rá ideje, nem is érti, amit az ügyvéd mond, kényelmetlenül érzi magát, ha ügyvéddel kell tárgyalnia, munkaidőn kívül alig talál ügyvédet stb.

Nem a jogi munka az egyetlen, ahol már megvetette a lábát az automatizált tanácsadás! Az orvosok munkájának egy részét is kiválóan tudja elvégezni a gép. Arról nincs szó, hogy egy orvos minden feladatát el tudná látni, de fontos részterületeken gyors, pontos és olcsó tud lenni. Nincs messze az idő (sőt, talán már itt is van), amikor néhány fitnesz és egészségügyi kütyü és szoftver, valamint a felhőben ülő elemző rendszer komoly szerepet vállalhat az egészségügyi alapellátásban. Ha mellette még videókapcsolatba is lehet lépni az orvossal, aki minden mérési eredményünket és azok gépi kiértékelését látja, akkor gyorsabban, pontosabban, olcsóbban lesz elsődleges diagnózisunk. Erre is vannak már működő példák – nem meglepő módon elsősorban Amerikában. Kedves Olvasó, ha érdekel, mit tud és hogyan működik egy ilyen eszköz, itt találhatod a leírását. Annak, aki sok időt szeretne eltölteni a téma tanulmányozásával, ezt a hosszú listát tudom ajánlani.

Jó hír, hogy itthon is vannak már olyan háziorvosok, akik örömmel fogadják, ha a betegük otthoni mérések eredményeit hozza a rendelőbe. Így sokkal megalapozottabb lehet a diagnózis, mint egy pillanatban mért adatok alapján.

Itt még nem ér véget a példák hosszú sora! Vannak olyan kutatások, amik szerint a felsőoktatásban is érdemes bevetni a gépesített tanárt. Az első sikereket a matematika tanításában érték el. Itt sem arról van szó, hogy megszabadulnak a humán tanároktól – a gép csak a munkájuk egy részét veszi át (és csinálja eredményesebben, kevesebb kimaradó diákkal).

Szóval, vissza a kezdeti kérdésemhez: milyen diplomának induljon neki a fiatal? A fenti példákat mind humán területekről hoztam, de ez nem jelenti azt, hogy pl. mérnökök munkája ne lenne veszélyben.

Milyen tudás kell ahhoz, hogy az elkövetkező évtizedekben legyen jó és érdekes munkája az embernek? Hivatkoznék Bőgel professzor három évvel ezelőtti előadására: adattudóssá kell válni, olyan emberré, aki a gépek által összegyűjtött mérhetetlen mennyiségű és változatosságú adat feldolgozását, elemzését tudja irányítani. Ehhez érdemes több szakmában járatosnak lenni. Az adattudósok manapság főleg orvosok, biológusok, fizikusok, asztrofizikusok. Mi bennük a közös? A szakmájuk tudásanyaga szerteágazó. A lényeg az, hogy sok dolog iránt kell érdeklődni, sok dologhoz kell érteni (köztük a matematikához is, de nem kell matematikusnak lenni).

Azt hiszem, nem is az a kérdés, hogy miből legyen diplomája az embernek. Inkább az a kérdés, hogy az új, digitális, elektronikus világhoz mi a viszonya. A jogi, orvosi, oktatási, mérnöki munkát végző gépeket emberek hozzák létre, ők tanítják be őket. Olyan emberek, akik az adott szakterületen és a gépek világában is otthonosan mozognak. Talán ez a megfejtés: tanuljuk meg a mesterséges intelligencia világát!

 

Robotember

Az új kolléga nagyon rendes, udvarias, segítőkész és precízen dolgozik. Sose okoz problémát. Ha nem tud valamit, kérdez, és elsőre megtanulja. Bárcsak mind ilyenek lennének!

Igen, és éjt nappallá téve dolgozik, sose pihen, mindig szorgoskodik az új robot kolléga. Milyen vele együtt dolgozni? Elveszi majd az én munkámat is? Egy-két lusta és ügyetlen kollégát már elküldtek, mert ő jobban csinálja. Rám is sor kerül majd?

A múlt héten a vezető szempontjából írtam a munka világáról, annak megváltozásáról. Az értékes fiatal szakemberek bevonzása és megtartása mellett maguknak a csúcsvezetőknek a megváltozott munkájáról volt szó.

Ma visszatérek arra, hogy az új technológiák (mesterséges intelligencia, gépi tanulás, robotok) milyen változást idéznek elő a munkahelyeken. Hogy alakul az alkalmazottak száma? Tömeges lesz az elbocsátás? Csökken vagy nő az alkalmazottak száma?

Általában csökkenést várnak, de abban nagyon nincs egyetértés az elemzők körében, hogy a munkahelyek számában mekkora változás (csökkenés) várható. Akik növekedést jósolnak, azok ezt pusztán a történelemre alapozzák (eddig egyik ipari forradalom se csökkentette a munkahelyek számát).

Lássunk néhány jóslatot (nem nevezném becslésnek őket):

  • A munkakörök 47%-a van erős veszélyben az automatizálás miatt (Carl Benedikt Frey and Michael A. Osborne, The future of employment: How susceptible are jobs to computerisation? Oxford Martin School, September 17, 2013)
  • Az OECD átlagában a munkahelyek 57%-át érinti az automatizálás, de Indiában 69%, Kínában 77% az arány. (Technology at Work v2.0: The future is not what it used to be, Citibank, January 2016)
  • Az OECD-ben a munkahelyek 9%-a automatizálható teljes mértékben, de nagyok a különbségek, pl.: Koreában 6%, Ausztriában 12%. (Melanie Arntz, Terry Gregory, and Ulrich Zierahn, The risk of automation for jobs in OECD countries: A comparative analysis, OECD Social, Employment and Migration working paper number 189, OECD, May 2016)
  • 2015 és 2020 között az automatizálás és a technológiai fejlődés 7,1 millió munkahely eltűnését és 2 millió új munkahelyet jelentheti a 15 legnagyobb fejlett és fejlődő országban. Az eltűnő munkahelyek kétharmada az irodai és adminisztratív területen várható. (The future of jobs: Employment, skills, and workforce strategy for the fourth Industrial Revolution, World Economic Forum, January 2016)
  • A jelenlegi technológia mellett a munkahelyi tevékenységek közel fele automatizálható. A foglalkozások kevesebb mint 5%-a automatizálható teljes mértékben. Az automatizálható tevékenységek 1,1 milliárd dolgozót érintenek (ennek fele Indiában, Japánban, Kínában és az USA-ban van). A termelékenységet évente 0,8-1,4%-kal növelheti az automatizálás évtizedekig. (McKinsey Global Institute analysis)

Miért ekkora a különbség a számok és a százalékok között? Nem csak azért, mert mások és máskor írták. Mást és másképp vizsgáltak, az egyikben az érintett munkakörökről, a másikban a megszűnő munkahelyekről, a harmadikban foglalkozásokról van szó. Az sem mindegy, hogy a tevékenységek egy része, vagy a teljes munkakör automatizálható.

Lesznek olyan munkahelyek, amelyek teljesen megszűnnek – sőt, nem csak lesznek, már meg is szűntek. Tavasszal írtam arról a nagy biztosítóról, ahol az RPA (robotic process automation) segítségével 81%-kal csökkentették az egyik osztályon a dolgozók számát. A Deutsche Bank vezére nemrég nyilatkozta, hogy nagyon sok dolgozójuk munkája szűnik meg az automatizálás miatt. Ezeken a helyeken olyan tevékenységeket végeznek, amelyek nem igényelnek emberi intelligenciát, hanem jórészt egyszerű szabályok követését – így valóban nincs szükség az emberre. Egy darabig még kell ember a szokatlan helyzetek és a kivételek kezelésére, de várhatóan azokat is meg lehet tanítani a gépnek. Ez a további fázis már kezdi elérni a mesterséges intelligencia határát, és ezért IPA (intelligent process automation, intelligens folyamatautomatizálás, vagy csak intelligent automation) a neve. Az RPA és az IPA egyik legfontosabb jellemzője, hogy nem igényel változtatást a cég folyamataiban. Egyszerűen csak „beültetik” a gépet az ember helyére. Ez, persze, azt is jelenti, hogy korántsem aknázzák ki technológia összes lehetőségét. Miért csinálják mégis így? Nem kell hozzányúlni a folyamatokhoz, minden mehet a régi, jól bevált módon. Csak annyi a változás, hogy a gép gyorsabban és pontosabban végzi a rutin munkát. Ha egy speciális helyzetben emberi beavatkozás kell, az ember a megszokott programokat és képernyőket használja. A robot tanítása is egyszerű: csak másolnia kell az emberi kolléga tevékenységét.

Ugyan sokat írnak erről az RPA-ról, de talán nem mindenki tudja, miről van szó. Aki szokott internetes üzletben vásárolni, nyilván észrevette, hogy bármely nap, bármely napszakban is adja fel a rendelését, azonnal megkapja a visszaigazoló levelet. A kártyás fizetés után szintén azonnal jön arról is a levél. Ezeket nem ember küldi, mint ahogy a csomag feladásáról szólót sem. Egyszerű, automatizált folyamatok vannak a háttérben. Nos, ez nem RPA. Másrészt, olyan üzlettel is lehet találkozni, amelyik csak munkaidőben, és jókora késéssel küldi a leveleket. Ezek elsősorban a boltban árusítanak, és az internetes (és telefonos vagy papíron történő) rendelés csak kiegészítő lehetőség, és a boltban (vagy a raktárban) dolgozzák fel a megrendelést. Ha átutalással fizetünk, akkor a beérkezett összeg és a megrendelés párosítása egy külön folyamat, ez sem automatikus.

Miért így csinálják, miért nem alakították ki az internetes rendelés sajátos és gyorsabb folyamatát? Egy új folyamat kialakítása pénzbe kerül, be kell tanítani a dolgozókat, két párhuzamos folyamat ugyanarra a tevékenységre nem gazdaságos, és kockázatos is. Na, itt léphet be a robot, az RPA! Nem kell hozzányúlni egyik folyamathoz sem, csak be kell ültetni egy „robotot”. Nem kell különösen okosnak lennie, hiszen az internetes rendelés és fizetés számítógépes folyamatokon keresztül történik, nem lehet félreértés, nem kell intelligencia a megértéséhez.

Miben különbözik ettől az IPA? Képzeljük el, hogy papíron érkezett megrendelést kell bevinni a rendszerbe! Meg kell érteni a levelet, meg kell benne találni a megrendelő nevét, a szállítási és a számlázási címet, a kért határidőt, a fizetési módot, és persze a megrendelt árucikkeket. Észre kell venni azt is, ha valami külön kívánságot is írt a megrendelő. Itt még nincs vége! Az átutalással érkezett pénzt össze kell hozni a megrendeléssel. Azt is kezelni kell, ha több részletben érkezik a pénz. Amikor megvan minden megrendelt áru, össze kell állíttatni a csomagot stb. Ugye el tudjuk képzelni, mennyi kisebb-nagyobb probléma és kérdés merülhet fel ezekben a folyamatokban? Itt már kell intelligencia, kell gondolkozni, nem teljesen automatikus a munka. Ez az IPA (intelligens folyamatautomatizálás) területe. Az ember szerepét részben vagy teljesen átvevő robotot be kell tanítani erre a munkára.

Ha már tanítás: Hogyan is tanul a gép, a mesterséges intelligencia?

Az egyik tanítási módszer a „felügyelt” tanítás (supervised learning): megmutatjuk a gépnek, hogy mit kell tennie, ha egy-egy adott helyzetbe kerül. Például: ha a bejövő átutalásban tudja azonosítani a megrendelőt és stimmel az összeg, akkor fogadja el a fizetést akkor is, ha nem adta meg a vevő a megrendelés számát. A megrendelő azonosítása sem azt jelenti, hogy betűről betűre megegyezik a megrendelésen és az átutalásban a név, lehetnek rövidítések, ismerhetjük már korábbi vásárlásokból a vevő számlaszámát, stb. Ezeket a dolgokat az ügyintézők jól tudják, a munkájuk során kitapasztalják, tapasztalt kollégáiktól megtanulják, és ugyanígy tovább is adhatják a gépnek (ami majd elveszi az ő munkájukat), vagyis az emberek között is szokásos tanulási formáról van szó.

A megszerzett tudás átvitele egy másik területre (transfer learning vagy inductive transfer) se valami új csoda. Itt arról van szó, hogy új helyzetekben alkalmazzuk a már megszerzett ismereteket, például: megtanultuk egy képen felismerni az személyautókat, és ennek alapján a teherautókat is megtanuljuk felismerni. A daganatos betegségek diagnózisában használt okos gépet is szokták egyéb (nem orvosi) képeken tanítani.

Szintén ismerjük a saját emberi világunkból a jutalmazással és büntetéssel való megerősítést a tanulásban (reinforcement learning). Itt nem sokat magyarázunk a gépnek, hanem az elvégzett munka után plusz vagy mínusz pontokat adunk neki – ebből tanul. Erre nagyon jó példa, ahogy az alkudozást tanították meg a gépeknek a Facebook egyik kísérletében. Mesterséges intelligenciával felruházott robotok kapták azt a feladatot, hogy alkudozzanak egymással néhány tárgy elosztása ügyében. Mindenképpen egyezségre kellett jutniuk, a saját maguk számára legjobb eredményt kellett elérniük, és – természetesen – nem ismerték egymás céljait (kinek, melyik tárgy, mennyire értékes). Azt vették észre, hogy előre be nem programozott viselkedési módokra jöttek rá a robotok, pl.: félrevezetés. Az alku elején úgy tettek, mintha valamelyik tárgy megszerzése nagyon fontos lenne, pedig az nem is kellett, csak az értékét akarták felverni. Ez már emberi viselkedés, ugye? Majd, amikor robotokkal kötünk üzletet, nem leszünk könnyű helyzetben, hiszen ők sokkal gyorsabban elemeznek, sokkal több lehetőséget tudnak elemezni, és se fizikailag, se mentálisan nem fáradnak el.

Most már tudjuk, hogy miképpen tanul a mesterségesen intelligens gép vagy robot, és közben arra is láttunk példákat, hogy milyen munkakörökben és milyen tevékenységekben helyettesíthetik az embert. Egyelőre (a technika mai szintje mellett) viszonylag kevés olyan foglalkozás van, amiben teljesen kiváltható az ember robottal, de a munkahelyek többségét érintheti valamilyen mértékben.

Folytatás: Mi a feladat?

(A cikkben jelentősen támaszkodtam a McKinsey Global Institute, A future that works: Automation, employment, and productivity című 2017. januári tanulmányára).

 

Félrevezetnek?

Merre megy az önvezető autó? Oda visz, ahova menni akarok, vagy új célokat keres magának?

Nézhetnénk ezt a kérdést az életcélok szempontjából is, hiszen egy intelligens jármű akár abban is segíthetne, hogy kiszakadjunk a napi mókuskerékből, és valami újat és jót kezdjünk magunkkal.

Nézhetnénk, de most inkább maradok annál, hogy valóban oda akarunk eljutni, ahova indultunk.

 

Sokszor írtam már (legutóbb fél éve) az „okos” és az önvezető autókról:

Az elmúlt hónapokban is voltak újabb fejlemények, ezek egy részéről lesz szó most.

Az első egy alapos és segítőkész cikk arról, hogy a buta autóból olcsón és egyszerűen lehet okosautót csinálni. A megoldás középpontjában egy Android alapú központi egység (Ownice C300 OL-8992T) van. Ez az autóban már meglévő CAN buszra csatlakozik.

Mi ez a CAN? Az autó összes elektronikus részegységét egymással összekapcsoló kommunikációs hálózat. A szabványa (ISO 11898) 1993-ból származik. Akkoriban fel sem merült az autón belüli kommunikációban a titkosítás és az azonosítás kérdése – hiszen miért is lenne ilyesmikre szükség? Azóta sok kiegészítése született a szabványnak (legutóbb 2015-ben), de a biztonság nem került bele. Azért hasznos a szabványosítás, mert így az autógyártók sok beszállító részegységeit tudják beépíteni, és nincs probléma a közöttük való kommunikációban. Milyen részegységekről van szó? Néhány példa: kormánymű (szervo), sebességváltó, fékrásegítő, ABS, légzsák, tempomat, ablakemelő, rádió, zenelejátszó, motoros tükör, ablaktörlő és még sok-sok más. Ezeket mind elektronika vezérli. Ez a vezérlés sokszor automatikus, és érzékelőkön alapszik (pl.: sebesség, a kormány állása, az autó dőlésszöge, a motor hőmérséklete, biztonsági öv csatja, parkoló radar, esőérzékelő).

Ezt az egészet a CAN köti össze, és – ahogy előbb írtam – nyoma sincs biztonságnak, minden elem elhiszi az információt, amit kap, és elhiszi, hogy az a másik elem küldte, amelyik feladóként szerepel benne.

Itt jön be a képbe egy újonnan felfedezett (de évtizedek óta létező) támadási lehetőség. A CAN úgy működik, hogy azt az elemet, amelyik sok hibás adatcsomagot küld, egyszerűen kikapcsolja (hiszen elromlott). Ha valaki be tud jutni ebbe a hálózatba, akkor például az ABS vagy a kormányszervo nevében tud ilyen hibás adatokat küldeni, és így elérheti, hogy a rendszer lekapcsolja a hibás egységet. Ki próbált egy modern autót úgy kormányozni vagy fékezni, hogy a szervo vagy a fékrásegítő nem működött? Alig-alig lehetséges!

Ahogy írtam, 1993-ban még nem tűnt reális veszélynek az autó belső hálózatának megtámadása. Azóta a helyzet megváltozott. Már nem kell fizikailag hozzáférni az autóhoz, és bekötni valamit a belső hálózatába (pl. rádugni a kiépített szervízcsatlakozóra), hanem interneten keresztül is meg lehet ezt tenni.

Ez nem elméleti lehetőség! Két éve mutatták be élesben (autópályán haladó Jeep Cherokee volt az áldozat). A támadó az autó minden lényeges funkcióját a kezébe tudta venni. Hogyan? A szórakoztató elektronikai rendszeren keresztül jutott be, mert az rendelkezik internetkapcsolattal. Sajnos minden rá van kötve a CAN-ra, és elég egy kis lyuk a zenelejátszóban, hogy elérjék a gázt vagy a féket. Ez a 2015-ös támadás csak az adott autó belső rendszereinek alapos ismeretében volt kivitelezhető.

A most feltárt lehetőség sokkal egyszerűbb. Azon alapszik, hogy a CAN szabványos. Nem feltétlenül fogja tudni vezérelni a támadó a féket vagy a kormányt, de kiiktatni tudja. Ez éppen elég gáz!

Erről rögtön eszembe jutott, amit a magyar AImotive cégtől hallottam nemrégiben. Azt mondták, hogy az autóban három külön hálózatnak kellene lennie: az egyik az infrastruktúra (fék, gáz, kormány és minden más, amitől megy az autó), a másik a szórakoztató elektronika, a harmadik az önvezető funkció. Az első és a harmadik között van kapcsolat (de szabályozott és ellenőrzött), a második teljesen független a többitől. Ezzel már ki is lenne védve a legtöbb támadás! Ez néhány éven belül bevezethető lenne, és a jövőben gyártandó autók biztonságosabbak lennének. Sajnos a már meglévőkbe aligha lehet ezt a módosítást beletenni.

Az eddigieknek még minden modern autóra vonatkoztak, nem sok közük volt az önvezető autókhoz. Az amerikai haditengerészet mostanában reflektorfényt kapott balesetsorozata kapcsán köztudott lett, hogy a navigációban használt GPS rendszer mennyire könnyen támadható. Azt régen tudni lehetett (volna), hogy zavarható a jel, vagyis működésképtelenné lehet tenni a navigációs rendszert, ha ugyanazon a frekvencián erős jelet sugárzunk. Ezt most már könnyen meg is lehet tenni egy drón felhasználásával.

A hírek szerint valaki (állítólag az orosz hadsereg) már teszteli azt a technológiát, amivel hamisítani lehet a jeleket, vagyis azt hiszi a jármű (az ember), hogy valahol máshol van. Június 22-24-én a jelentések szerint egy időben és egy helyen legalább 20 hajó navigációs rendszere tévedett nagyot – és ezt orosz GPS-támadásnak tulajdonítják. Ha ez valóság, és elérhető lesz mások számára is, akkor a GPS-szel navigáló önvezető autók is bajba kerülhetnek.

Meg kell mondanom, hogy már ez előtt a támadás előtt, amikor még fogalmam sem volt arról, hogy a műholdak jele meghamisítható, gyanakodva tekintettem a LIDAR technológiára az önvezető autókban. Mi az a LIDAR? Lézeres radar (light + radar), ami nagyon pontos háromdimenziós képet tud előállítani a környezetünkről, amit aztán az autó összevet a korábban letöltött szintén háromdimenziós térképpel és a GPS-es helymeghatározással, majd ezek alapján navigál és vezet. Mi nem tetszett ebben? Az első az, hogy a LIDAR nagyon drága, tízmilliókba kerül. (Ez sokat javulhat, ha egyszerűsítenek a technológián és az majd tömegtermelésbe kerül.) A másik aggályom a térkép használata. Szerintem a térkép navigációra való, és a vezetés maga nem függhet a térkép meglététől vagy pontosságától, és a helymeghatározás pontosságától sem.

Szóval, még mindig azt gondolom, hogy a vizuális tájékozódás lesz jó darabig a járható út. Ehhez elég néhány kamera és mellé okos és gyors szoftver. Az valószínűleg eltart egy darabig, amíg a képelemző szoftver olyan gyors és okos lesz, mint egy ember, de bíztatóak az eddigi eredmények. Érdekes videókat publikáltak, amik jól mutatják a képességeit.

Ha majd egyre több lesz az önvezető autó, az nyilván együtt jár azzal is, hogy a mindennapokban az autó egyre inkább arra szolgál majd, hogy eljussunk valahova, és csökken „szeretett tárgy” funkciója. Ebben egy nagy lépés lesz, amikor a sok „as-a-Service” közé belép az önvezető autó mint szolgáltatás. Vagyis nem csak hogy nem fogjuk vezetni az autót, de a tulajdonunk se lesz majd. Tulajdonképpen ez sem új, hiszen a taxi is ilyen autó, de várhatóan megjelenik az önvezető autó mint külön szolgáltatás, és arra számítok, hogy a nagy játékosok között lesznek a ma feltörekvő gyártók. Nem tudom, hogy vajon az autókölcsönzők milyen sikerrel ugranak rá erre az új piacra, és mekkora szeletet tudnak majd kihasítani belőle. Vannak már jelei annak, hogy a kölcsönzők és a fejlesztők összefognak (Hertz és Apple, Avis és Waymo (Google)), meglátjuk, mi lesz az eredmény.

Egy hét múlva lesz egy konferencia San Franciscoban, ami kifejezetten az önvezető autó mint szolgáltatás témáról szól majd. A beharangozó utolsó mondata érdekes jövőt vetít elénk: „The surge in self driving technology and the connected user will allow cars to provide a service entirely customized to the person riding it, their mood, time of day or even their destination”. Tőlünk (utasoktól), akár a hangulatunktól is függhet majd, hogy milyen autó jön értünk. Érdekes! Ez még odébb van, de nem lehetetlen…

Erről eszembe jutott egy tavaszi eszmefuttatásom, amiben a „Washing machine-as-a-Service” is előkerült. Biztos az is jön majd, de az autó nagyobb üzletnek tűnik…

Intelligens támadás és védekezés

Várom a pillanatot, amikor mesterséges intelligenciával felokosított (felfegyverzett) robotok fognak egymással harcolni a kibertérben.

Vajon ez a távoli jövő zenéje, vagy hamarosan elkezdődik, vagy már folyamatban is van?

Source: SecureWorks Counter Threat Unit

Nem tudom, de talán a cikk végére többet tudunk majd a témáról…

Hogy jutott ez ma az eszembe? Nemrég olvastam (és röviden írtam is) a Mia Ash által (inkább nevében) megtervezett és felépített adathalászással egybekötött kibertámadásról. Mi volt ennek az érdekessége? A támadó hónapokat töltött azzal, hogy felépítsen egy vonzó és nagyon hihető online személyiséget.

Ez a Mia Ash Londonban élő fényképész, a húszas évei közepén járó fiatal nő, akinek hiteles online jelenléte van sok helyen (LinkedIn, Facebook, Blogger, WhatsApp), és rendszeresen ír is mindenhova. A szövegei rendes angolsággal, az adott hely szokásainak megfelelően íródnak. Fényképei is vannak, és elsőre teljesen rendben lévőnek látszanak. Természetesen, ezek „újrahasznosított” szövegek és képek, vagyis más (valódi) személyektől származnak, és kissé át vannak alakítva, hogy ne lehessen egyszerű kereséssel megtalálni az eredetit. (Nem is egy helyről szerezte őket.)

A LinkedIn adatai között ötszáznál több szakmai kapcsolatot találunk. Ezeknek nagyjából fele szintén fényképész. A másik fele viszont a feltételezett célközönségből kerül ki: középvezetők, műszaki vagy informatikai szakterületen, a technológiai, energetikai, egészségügyi, légügyi és tanácsadási szektorokban. Olyan emberek, akiknek tipikusan értékes hozzáférési jogaik vannak a cégük hálózatához.

A LinkedIn csak a kiindulópont és a bizalom felépítésének színtere. Később kapcsolatba lép az áldozattal a Facebookon, majd segítséget kér, egy kérdőív kitöltését. Ez egy Excel táblázat, amit „a megfelelő működés érdekében” a céges számítógépükön kell megnyitnia. Itt el is akadhatna a támadás, hiszen egy ilyen kérés gyanút ébreszthetne az áldozatban. Valamiért mégsem ébresztett gyanút, amiben szerepe lehetett a szépen lassan kiépített bizalomnak és esetleges vonzalomnak. Egy ilyen letöltés indította el a vizsgálatot, mert a megcélzott cég védelmi rendszere észlelte a PupyRAT kódot. Sőt, nem tértek napirendre az ügy fölött, hanem ki is vizsgáltatták külső szakértővel. Így került képbe a Dell SecureWorks Counter Threat Unit (CTU) csapata, akik később közzé is tették vizsgálatuk eredményeit. Érdemes elolvasni!

Nem megyek bele a többi részletbe, minden elolvasható a fent hivatkozott elemzésben (és még sokan mások is írtak az ügyről). A tanulság is viszonylag egyszerű: még a hozzáértő embereket is át lehet verni, ha elég sokat és elég jól dolgozunk. Az egyik átvert ember egy nagy tanácsadó cég informatikai biztonsági vezetője!

Hogy jön ide a mesterséges intelligencia? Ebben a támadásban valószínűleg sok emberi munka ölt testet. Ha elemezzük a sikeres és a kevésbé sikeres elemeit és tanulunk belőle, akkor ugyanezt meg tudjuk csináltatni egy géppel is, sőt akár egy kicsivel jobban is. Mit lehetne javítani? Például a szövegek és a képek lopottak voltak, és csak minimálisan változtattak rajtuk, így megfelelő keresési módszerrel meg lehetett találni az eredetijüket.

Ha az egészet automatizáljuk, akkor ugyanannyi idő és munka ráfordításával rengeteg ilyen célú online „személyt” tudunk létrehozni. Miért lenne ez jó? Ha a létrehozott identitást nem használjuk egyidejűleg több célpont elleni támadásra, akkor kisebb az esélye a lebukásnak. Az senkiben sem kelt gyanút, ha egy egyébként jól felépített „személy” egyetlen célszeméllyel lép kapcsolatba. Ha le is bukik az egyik, a többi száz vagy ezer gond nélkül dolgozhat tovább a többi célszeméllyel.

Természetesen, nem csak a létrehozásukat, hanem az üzemeltetésüket is lehet automatizálni. A robot számára nem probléma több száz vagy ezer „személy” nevében rendszeresen írni. Az se nehéz feladat, hogy más és más témákról írjon, és nyilván válaszolni is tud a hozzászólásokra. Talán még a Watsonra sincs szükség ehhez, de az egész biztosan meg tudja csinálni.

A legsikeresebb támadás az, amiben nincs „rendszer”, hiszen a védelem „minták” felismerésén alapszik. Az igazán sikeres támadó minden egyes áldozatot másképp támad meg, testre szabja a módszereit a célpontnak megfelelően. Az ilyet nagyon nehéz felfedezni. Vannak már ilyenek? Igen, vannak: a „ProjectSauron” névre keresztelt támadás öt évig működött szépen csendben, mire felfedezték. Ezt még valószínűleg hagyományos módszerekkel, sok-sok emberi munkával hozták létre, és finomították folyamatosan, éveken keresztül. A tanulási képességekkel felruházott robot még jobbat tud majd alkotni!

Ha már az előbb szóba jött a Watson: vajon használják már támadások létrehozására és levezénylésére? Valószínűleg nem, hiszen csak egy van belőle, az is az IBM tulajdonában, és a felhőből lehet használni, bérelni. Nyilván alaposan ellenőrzik, hogy ki és mire használja. A használat főleg orvosi, de megjelenik játékokban, lakások automatizálásában és városi utcák karbantartásában is.  Vajon becsúszik egy-egy rosszindulatú felhasználó is? Aligha.

Source BakerHostetler

Az IBM azt viszont már kitűzte maga elé, hogy a támadások észlelésében és elhárításában kapjon szerepet a Watson. Azt tervezik, hogy a nagyvállalati rendszerekben keletkező iszonyú sok információt fogja feldolgozni és elemezni. Köztudott, hogy a túlterhelt biztonsági szakértők és rendszerek nem tudnak mindennel időben foglalkozni, és az információ tengerében eltűnik az a néhány csepp, amire fel kellene figyelni. Sok felmérés készül arról, hogy mennyi ideig tart egy informatikai támadás észlelése, és nem szívderítőek az eredmények. Kisebbségben vannak azok a vállalatok, amelyek egy napon belül észreveszik, hogy történt valami, és sok helyen tart hetekig vagy hónapokig. És ez csak az észleléshez szükséges idő! A támadás megállítása, a károk elhárítása még csak ezután következik…

Mit várnak Watsontól? Gyorsan, egy szempillantás alatt elemezze információk tömkelegét, és találja meg az összefüggéseket a különböző rendszerekben észlelt és nehezen összekapcsolható események között. Ha sikerül ezeket a kapcsolatokat felfedezni, akkor azonnal kiderül, hogy önmagukban ártalmatlannak tűnő események együttesen támadásra utalnak.

Source: Kaspersky

Jelenleg az a legnehezebben kezelhető feladat, hogy a sok-sok helyen keletkező, és sokszor semmilyen riasztást sem generáló események közötti összefüggéseket felfedezzük. Mire gondolok? Teljesen ártalmatlan dolgokra, például felhasználó sikeres bejelentkezése, hozzáférés valamihez, amihez van joga, program elindítása, levelezés stb. Ilyen események milliói történnek naponta egy nagyvállalati rendszerben, és szinte mindig ártalmatlanok, de egyszer-egyszer valamilyen támadás van mögöttük, a felhasználó nevében a vírus (vagy hasonló) tevékenykedik. Észre lehetne venni? Igen! A támadó nem ismerheti olyan mélységben a rendszereinket és a felhasználóinkat, mint mi magunk. Nem tudhatja tökéletesen utánozni a felhasználó munkáját, viselkedését. (Egyelőre nem is kell ezzel törődniük, mert az informatikai biztonsági rendszerek sehol se tartanak ezen a területen – néhány kezdeti próbálkozástól eltekintve.)

Talán most egyszer, kivételesen eljön az az idő, hogy a védekezési módszerek fejlesztése nem kullog a támadási módszerek fejlesztése mögött, hanem előtte jár, és a még ki sem talált módszerek ellen is véd! Ez megvalósulhat, ha a Watson tényleg beül az üzemeltetők és a biztonsági szakemberek mellé, és segít nekik:

  • kiszűrni a hasznos információt a sok lényegtelen közül, és
  • megtalálni a rejtett összefüggéseket a látszólag ártalmatlan események között.

Milyen lesz, amikor mindkét oldalon mesterséges intelligenciával felfegyverzett robot áll? Ez lesz az igazi megmérettetés! Nem a Watson az egyetlen „intelligens” szupergép, ott van az AlphaGo és a D-Wave kvantumszámítógép.

Melyikre (vagy milyen még ismeretlen technikára) teszik rá a „rossz fiúk” vagy inkább az államilag támogatott támadók a kezüket először? Sok országnak van már ütőképes kiberhadserege…

 

 

A gép tanul helyettünk?

Mit tesz velünk, a munkánkkal és az életünkkel a mesterséges intelligencia?

Pontosabban, nem maga a mesterséges intelligencia teszi majd, hanem az, ahogy felhasználjuk. Ez is egy általános célú technológia, ami vélhetőleg hasonló nagyságrendű változásokat hoz majd az életünkben, mint korábban az általános célú technológiák (gőzgép, elektromosság, belső égésű motor). Általában mesterséges intelligenciáról beszélünk, és ez a terület annyira szerteágazó, hogy nem is mindig tiszta és világos, hogy részére gondolunk.

Vannak kísérletek a mesterséges intelligencia kereteinek és határainak megalkotására. Az egyik érdekes próbálkozás az „Asimolar AI Principles” nevet viseli. Ez egy 23 alapelvből álló lista, amit januárban állított össze sok okos ember egy konferencián, és azóta több ezren csatlakoztak hozzájuk. Én úgy látom, hogy ezek inkább óhajok, mintsem várhatóan betartható szabályok. Emlékezzünk arra, hogy Asimov végtelenül egyszerű három törvényét sem sikerült a robotoknak betartaniuk! Egy korábbi írásomban egy kicsit részletesebben belementem ebbe a témába: Mesterségesen etikus.

Egy pozitív megközelítés szerint a mesterséges intelligencia valójában felszabadítja az embert a „robot”, az unalmas, gépies munka alól. Az ilyet átveszi a gép, és az embernek megmarad az alkotó tevékenység. Úgy érzem, hogy ez az optimizmus nem teljesen indokolt, mert már látszik az is, hogy a gépek nagyon bonyolult döntések meghozatalát is kezdik átvenni az emberektől. Valójában még mindig az ember hozza a döntést, azonban a gép tesz javaslatot a döntésre. Az a gép, amelyik egy pillanat alatt elemzett annyi információt, amennyit az ember csak napok vagy hetek alatt nézhetett volna át. Ha az ember utána akarna nézni annak, hogy a gép jól következtetett-e, akkor elveszítené a gyors döntés előnyét. A gyors döntésen emberi életek vagy üzleti eredmények múlhatnak! Ezért valószínűleg általában el fogja fogadni a gép javaslatát. A géppel együtt dolgozó emberek tudása szép lassan elkopik majd, így egyre kevésbé fognak tudni beleszólni a döntésbe, vagyis teljesen alárendelik magukat a gép programjának.

Az itt az érdekes, hogy nem is a gép programjáról van szó. A programot ember írja, és elvileg ismeri a működését. (Azért csak „elvileg”, mert a valóságban ezek a bonyolult programok tele lehetnek hibákkal – akárcsak a sokkal egyszerűbbek.) Azonban itt nem programról van szó, mert a lényeg a gépi tanulás (machine learning, ML).

A gépi tanulás azért fontos, mert a bonyolult kérdésekben hozott döntési folyamatainkat nem tudjuk algoritmusba önteni. Van ott intuíció, asszociáció, vagy valami más, amit nem tudunk precízen elmagyarázni. Így számítógépes program formájában sem tudjuk leírni, vagyis nem tudjuk a szokásos módon automatizálni. Itt lép be a gépi tanulás. Miben más a gépi tanulás, mint ahogy az ember tanul? Tulajdonképpen nagyon hasonlít ahhoz, ahogy a kisgyerek tanul – példákból, mások tapasztalatából.

A vezető nélküli autózás egyik fejlesztője, a magyar AImotive cég megtanítja a szoftverét az utcán előforduló „objektumok” (autók, gyalogosok, motorkerékpárok, biciklik, tereptárgyak) felismerésére és megkülönböztetésére. Ezt nem úgy teszi, hogy szabályokat táplál a gépbe, hanem videók tömkelegét mutatja be a gépnek, és ezeken a videókon emberek kategorizálják az objektumokat. Az Udacity nevű cég egyik vezetője a kereskedők és a vevők online beszélgetéseit elemezte, és „sikeres” – „sikertelen” címkékkel látta el a beszélgetéseket. Ebből kiderült, hogy mik a jó és mik a rossz válaszok egy-egy szituációban. A WorkFusion háttérfolyamatok optimalizálását végzi (számlák kezelését és nagy összegű pénzügyi tranzakciókat). Itt sem elég a szabályokat „beleönteni” a gépbe. Sokkal hatékonyabb az, ha a gép megfigyeli az emberek munkáját, és „felfedezi” az összefüggéseket, megtanulja, hogy mik voltak a jó és a rossz döntések. Szóval, más példájából tanul, akárcsak a gyerek.

Egyes esetekben az a kiűzött cél, hogy a gép teljesen átvegye az emberi tevékenységet, és azt jobban és gyorsabban csinálja. Ez a cél a vezető nélküli autók esetében, amikben végül nem is lesz se kormány, se pedál. Az előbb említett kereskedelmi rendszerben nem volt cél az ember „kiküszöbölése”. A gép csak figyeli a kereskedő és a vevő beszélgetését, és tanácsokat ad. Ezzel 58%-os javulást értek el a kereskedők munkájában. Hasonló folyamat zajlik a daganatos betegségek diagnózisában is: a képfelismerő rendszer megszabadítja az onkológus szakorvost a sejtek osztályozásától, a gép tudja megkülönböztetni a beteg és az egészséges sejteket egymástól. Az orvos a beteggel való kommunikációra és a magasabb szintű elemzésre több időt tud fordítani. Értékesebb munkát tud végezni.

Amikor a gép korábbi példákból tanul, ezekből építi fel a tudását, majd a tudása alapján dönt, az emberi asszociációra valamelyest hasonló módon „gondolkodik”. Az a helyzet áll elő, hogy a gép nem tudja egyszerűen elmagyarázni, megindokolni a döntését, ha az ember kolléga megkérdezi, hogy miért ezt vagy azt a döntést javasolta. Ez azt is jelenti, hogy az ember (aki a végső döntést meghozza, és a felelősséget viseli) nem igazán tudja ellenőrizni a javaslatot.

A tanulás során felhasznált adatokban lehetnek elfogult döntések eredményei. Ebben az esetben a gép is hasonlóan elfogult lesz. Ezt a lehetőséget nagyon jól (és szélsőségesen) illusztrálta a Microsoft Tay nevű twittelő robotjának az esete.

A nagyon bonyolult elemzések eredményét az ember nem fogja tudni megérteni, ellenőrizni, jóváhagyni. Tulajdonképpen ez sem jövő idő már. Az AlphaGo gép, ami megverte a legjobb Go játékost, olyanokat lépett, amit az emberi ellenfele fel se tudott fogni, nem értette a lépések lényegét és célját. Ha a szakterület legjobb elméje sem érti a gépet, akkor egy átlagosan jó szakember, hogyan fogja megérteni és elfogadni vagy elutasítani a gép döntési javaslatát?

A tanulás módszeréből adódik, hogy a gép statisztikai alapon dönt. Ez sokszor jó megoldás, ha rengeteg esetben kell döntést hozni, és a cél az összességében jó döntés, de egy-egy tévedés belefér. Ezt nyilván nem akarjuk vállalni, amikor emberéletekről van szó. De mégis vállaljuk, ha orvosi diagnosztikában és terápiában hoznak döntéseket a gépek. Itt végtelenül nem egyszerű a helyzet, hiszen a gyorsabb, és az esetek nagy részében jó döntést kell a sokkal-sokkal lassabb döntéssel összevetni. A lassabb döntés is emberéletekbe kerülhet!

A hibás döntéseket nehéz lesz felismerni, ha nem látjuk át, hogy mi vezetett a döntéshez. Ha nekünk napokba kerülne az adatokat elemezni, vajon várunk annyi időt, vagy szabad folyást engedünk a gép javaslatának?

Itt most eszembe jutott a korábban említett 23 alapelv egyike: a jogi döntésekben részt vevő önálló rendszerek adjanak megfelelő és emberek által ellenőrizhető magyarázatot a döntésükre. Ez tényleg jól hangzik, de az egy pillanat alatt meghozott döntést vajon hány ember, hány hétig fogja elemezni, és megérti-e majd?

Azt is mondhatnánk, hogy a cél nem az, hogy minden döntés hibátlan legyen, hanem legalább olyan jó legyen, mint az emberek döntései. Nekünk magunknak is vannak előítéleteink, hibázunk, és nem mindig tudjuk rendesen elmagyarázni a döntéseinket. Ha a gép kicsivel kevesebbet hibázik, akkor már nyertünk! Nyertünk? Lehet, hogy túl sokat tudok az informatikáról…? Az nyugtalanít, hogy nem csak tévedés lehet a rossz döntések mögött, hanem valakinek a szándékossága is. Ez nem olyan különös, embereknél is előfordul a szándékos rosszakarat. A veszélyt abban látom, hogy a számítógépet „istenítjük”, elfogadjuk helyesnek azt, ami a gépből kijön. Nem kellene…

Nos, Kedves Olvasó, szerinted ez az írás pozitív vagy negatív lett? Örömmel vagy aggodalommal várod ezt a szép, új jövőt (ami már jelentős részben jelen)?

Pontos célzás

Pontos célzás a mezőgazdaságban – és nem a krumplit kitúró vaddisznóra.

Burial chamber of Sennedjem

A múlt héten előhoztam a 3D nyomtatóban készült vacsorát, és sikerült néhány olvasómat megijesztenem vele. Úgy gondolom, hogy nem a nyomtatóktól kell félni, mert azokban (egyelőre) ugyanazokat az élelmiszereket használják, amiket a serpenyőbe is teszünk. Ha valami aggodalomra adhat okot, az a mezőgazdaság mai működése. A növények és az állatok csak azokat a tápanyagokat kapják meg, amik az életben maradásukhoz és a gyorsan elérendő nagy tömegükhöz kellenek, és a vegyszerezés és gyógyszerezés is erre szolgál – így a végső fogyasztó se kaphat jobbat.

Miért hozom ezt most elő? Eddig itt nem írtam az egészséges élelmiszerről – nem mintha nem foglalkoztatna a dolog, de nem vág bele a blogom témájába. Ahogy egyre többet gondolkozom rajta, rájöttem, hogy bizony mégis! A „precíziós mezőgazdaság”, ha nem is garantálja, de megadja a lehetőségét annak, hogy gazdaságosan állítsanak elő egészségeset és finomat a gazdák és a nagyüzemek. Hogyan?

Vegyük sorra az ismert példákat, a már létező és a tervezett vagy lehetséges megoldásokat! Három hónapja mutattam a salátaegyelő gépet. Akkor arról volt szó, hogy hány ember hány napi munkáját végzi el sokkal gyorsabban és pontosabban, de nem csak ez a változás! Az ügyes gép pontosan tud egy csepp mérget adni a gyomnak és egy csepp tápanyagot a salátának. A kevesebb méreg nagyon jó nekünk és a salátának is, hiszen arra nem is kerül (csak a talaj közvetítésével kaphat esetleg belőle). Így nem kell génmódosított, a mérget jól toleráló növényeket megennünk – szerintem ez nagyon jó hír!

Nem csak a kevesebb méregnek, hanem a kevesebb tápanyagnak is lehet örülni! Miért? Elsőként az jutott eszembe, hogy kevesebbe kerül a gazdának, ezért olcsóbban tudja előállítani a növényt. Jó ez nekünk? Jó, mert olcsóbb lehet a boltban is. De nem csak ezért jó: ha nem az ár csökken, hanem a gazda haszna nő, többet tud beruházásra fordítani, sőt akár jobb minőségű, kiegyensúlyozott, a növény egészséges fejlődését segítő tápanyagokat is tud adni neki. Ez végül nekünk lesz jó! Sőt, az is nekünk lesz előnyös, ha a jobb minőségű termék versenyképes lesz a piacon, nem tudja a silány kiszorítani.

Túl optimista vagyok? Talán tényleg az vagyok, de hiszek abban, hogy a világ a jót és a becsületest díjazza.

Mi mást láttunk eddig? Tehenekkel kapcsolatban láttam két érdekes megoldást, vagy inkább szolgáltatást, és mindkettő a szaporulattal kapcsolatos – a kezdetével és a végével. Röviden összefoglalva: a megtermékenyítés ideális idejét figyeli az egyik, az ellés előtt szól a másik. (A háziasított állatok már a szaporodásban is teljesen az emberre vannak utalva, maguktól nem megy nekik.) Azért írtam, hogy szolgáltatás, mert az internetre kötött eszközök (IoT), a nagy-nagy számítási felhő és egy kis tudomány így együtt áll a gazdák rendelkezésére – nekik maguknak csak abba a kis ketyerébe kell befektetniük, ami a tehén farkára vagy lábára kerül, és telefonon vagy táblagépen szólnak nekik, amikor itt az idő.

Jó ez nekünk? Nagyon! Miért? Nem csak azért, mert jobb lesz a szaporulat, kevesebb lesz az elhullás, és így boldogabb a gazda. Szerintem nagyon fontos, hogy a hagyományos hústermelés gazdaságos legyen, mert különben csak a laborban előállított mesterséges hús marad nekünk. (Amikor ez még utópia volt Szathmári Sándor Kazohiniájában, nem féltem tőle, de most már aggaszt a térnyerése.)

Miből áll össze ez a „precíziós mezőgazdaság” (precision agriculture, precision farming)? Néhány példa arra, hogy milyen eszközöket lehet használni:

  • az előbb említett salátaegyelő gép kamerája mögött egy alakfelismerő szoftver segít a saláta és a gyom megkülönböztetésében,
  • a tehén lábára erősített eszköz a toporgást méri, ezt elemzi a szoftver, ebből lehet tudni, hogy mikor fogan meg legjobban a tehén,
  • a tehén farkára erősített eszköz a csóválást méri, ezt elemzi a szoftver, ebből lehet tudni, hogy mikor várható az ellés (így nem kell éjszakákat a tehén mellett töltenie a gazdának),
  • a gépekre helymeghatározó (GPS) kerül, ami a digitális térképpel összekötve irányítja és vezeti is a gépet,
  • cseppenként lehet adagolni a vegyszert, tápszert és az öntözővizet,
  • drón figyeli a növények kelését, a kártevőket, a növények nedvességtartalmát, az érésüket (és képfeldolgozó, elemző szoftverek vannak a háttérben),
  • szenzorok mérik a talaj hőmérsékletét, nedvességtartalmát, a tápanyagok mennyiségét,
  • szenzorok egyedileg mérik a növények állapotát – ebből testre szabottan lehet vizet és tápanyagot adni nekik (a csepegtető rendszerrel),
  • a közeli és a távolabbi környezet időjárási adatait begyűjtve és elemezve konkrét, az adott helyre érvényes előrejelzést lehet adni – ebből öntözést, műtrágyázást vagy betakarítást lehet tervezni.

Milyen technológia van még a háttérben?

  • A dolgok internete (IoT), vagyis rengeteg cucc, amit hálózatba kötünk. Ezek általában egy-egy dolog mérésére alkalmas eszközök.
  • Kell többféle kommunikációs technológia: hagyományos mobiltelefon, alacsony fogyasztású és kis sávszélességet igénylő eszközök (állatokra, növényekre, talajba).
  • Kell a nagy-nagy számítási felhő, és benne okos szoftverek, amik elemeznek, jósolnak és segítik a gazdák döntéseit. Ezeket nem veheti meg mindenki magának, közösen kell használni.
  • A „jósláshoz” rengeteg régi adat, jó modellek és mesterséges intelligencia kell. Ezek forrása is a felhő lehet, otthon senkinek sincsenek meg ezek.

Mi van, ha ez a sok műszaki cucc nem áll rendelkezésünkre? Nem lehet véletlen, hogy egy brazil IBM-es mérnöktől származik ez az idézet: „A farmer could take a picture of a crop with his phone and upload it to a database where an expert could assess the maturity of the crop based on its coloring and other properties. People could provide their own reading on temperature and humidity and be a substitute for sensor data if none is available.” Így is el lehet jutni a precíziós mezőgazdaság alapjaihoz, és nem kellenek extra dolgok hozzá.

Mi lehet a precíziós mezőgazdaság optimális eredménye?

  • Elegendő és jó minőségű táplálék a Föld gyorsan növő lakosságának.
  • Az éghajlatváltozáshoz való jobb alkalmazkodás.
  • Kevésbé teszi tönkre és pusztítja a talajt, a vizeket, a rovarokat, a madarakat és általában az életünkhöz szükséges környezetet.
  • Javítja a kisebb gazdaságok versenyképességét.
  • Érdekes új feladatokat és munkát ad sok embernek.

Mi kell mindehhez? Legfőképp rendes, értelmes, tisztességes emberek!

 

 

Kell a gép?

Kimossuk a felhőt? A felhő mossa ki a ruháinkat? Hogy is van ez?

Sokféle módon használjuk a felhő–mesterséges intelligencia–internetre kötött cuccok “szentháromságát” – pl.: otthon, sport és autózás közben, az egészségünk megtartására. Nemrég mutattam mezőgazdasági példákat is, de a talán legnagyobb felhasználó az ipar.

Az nem újdonság, hogy a gyárakban zümmögő gépek tele vannak érzékelőkkel, amik hihetetlen mennyiségű adatot gyűjtenek össze. Ezt a rengeteg adatot (vagy csak egy részét) beömlesztik a gyár számítógépeibe, ahol jó sokba kerül a tárolásuk, és az informatikusok küzdenek, hogy hasznos és értelmes célra használják. Ebben segítene nekik, ha az üzleti vezetőknek lenne elképzelésük arról, hogy mi módon lehet üzleti információvá és üzleti értékké konvertálni ezeket az adatokat. Itt is találkozunk a “big data” egyik alapvető jellemzőjével: azt se tudjuk, hogy mit kérdezzünk, mire lenne képes válaszolni ez a sok adat.

Ha a gépek hőmérsékletét, hangját, rezgését mérjük és elemezzük, pontosan tudjuk célozni, ütemezni a karbantartást és a javítást. Sajnos egyre kevesebb az “öreg szaki”, aki a gyártócsarnok túlsó sarkából is megmondja, hogy valamelyik gép karbantartásra szorul, hogy ne csak akkor foglalkozzunk vele, amikor már hibázott vagy leállt. A jól elhelyezett szenzorok jól elemzett adataiból még pontosabb előrejelzéseket kaphatunk, mint a tapasztalt szakembertől. Ez egy olyan használata az új technológiáknak, ami egy kicsit javít a régi folyamatokon, inkrementális változtatás.

Nem érdemes itt megállnunk! Előttünk vannak a világot megváltoztató (diszruptív) lehetőségek is, csak ki kell találnunk, mik azok. Valójában nem is nekünk kell mindent kitalálnunk, mert kapunk segítséget. Kiktől? Semmi meglepetés! Azok segítenek, akik el akarják adni a három technológia egyikét-másikát.

Ha rangsorolhatjuk a hármat, a mesterséges intelligencia kerülhet a csúcsra. Ez segít értelmezni a rengeteg adatot, összekapcsolni a különböző forrásokból érkezőket, megtalálni az összefüggéseket, előkészíteni a döntéseket, vagy automatikusan meghozni azokat. Az IBM nagyon igyekszik ezen a területen. A Watsont már sokfelé bevetették (pl.: gyógyítás, városüzemeltetés, gyerekjáték), és újabb területeket is megcéloznak. Minden watsonos elemzés az IBM gépein fut, és így szinte korlátlan lehet a felhasznált számítási kapacitás. Nem csak a kapacitást adják, hanem mintákat, ötleteket is újabb és újabb felhasználási területekre.

Mit ad hozzá az IoT (dolgok internete) ehhez az egészhez? Emlékeztetőül: olyan dolgokat kötünk hálózatba, általában az interneten keresztül, amikről korábban nem gondoltuk azt, hogy erre alkalmasak. Miért az internet, miért nem magánhálózat? Ha, például, egy termék útját akarjuk követni a gyártól a fogyasztóig, nem tudjuk a saját hálózatunkon megtenni – csak nyilvános hálózatot használhatunk. Ha kilépünk a gyár kapuján, és követjük a termékeink életét a kereskedelmen keresztül a vásárlóig, sőt nála is figyeljük, mérjük, gondozzuk, akkor egyre több szolgáltatást tudunk eladni, és közben egyre elégedettebb lehet a vevőnk is. Nézzük a KONE és az IBM együttműködését! Tele van a világ a KONE által gyártott liftekkel, mozgólépcsőkkel és ajtókkal. Ha elromlanak, akkor bosszúság, rossz esetben kiesett bevétel, kár vagy akár baleset is lehet a következmény. Ezek megelőzésére szolgál a karbantartási szerződés, aminek keretében a szervizes rendszeres időközönként vagy megadott üzemóra után meglátogatja a berendezést, átnézi, kicseréli a karbantartási tervben előírt kopó alkatrészeket, és kijavítja az esetleges hibákat. Ezek a karbantartások statisztikai alapon vannak ütemezve, és egyszer felesleges költséggel járnak, máskor nem tudják megelőzni a meghibásodást. Ha nem csak az egész lift vagy mozgólépcső működését figyeljük, hanem az egyes részegységekét is, akkor el tudjuk kerülni mindkét problémát. Sőt, ha ezek az adatok az összes vevő összes liftjéről rendelkezésre állnak, akkor az alkatrészek készletezését és a szervízmérnökök munkáját is jobban tudjuk ütemezni. Ez megtakarítást jelent a gyártónak és szervízpartnereinek, és ugyanakkor jobban működő liftet a vevőnek. Mindenki nyer!

Gondolhatunk háztartási gépekre is – az esetükben nem csak a karbantartás és a hibák megelőzése jöhet szóba. Az együttműködésésükről írtam például az Álom otthon cikkemben. Itt azonban még nem áll meg a világ, hiszen ezek is kapcsolódhatnak a gyártóhoz. Mire lenne ez jó? Ha a mérnököknek van információjuk arról, hogy a mosógépet hogyan használjuk, mi történik a mosás közben, mik a problémák, javítani tudnak a konstrukción, jobb gépet tudnak tervezni. Még egy kis továbbfejlesztés, és a mosógép interneten megrendelheti a mosószert is. Kell ez nekünk? A mosószervásárlásban nem vagyok biztos, de szívesen támogatnám a mérnököket abban, hogy jobb gépeket tervezzenek.

Az elején a világ megváltoztatásáról írtam. Ezektől megváltozik? Ez már a diszruptív technológia? Első pillantásra még mindig csak kisebb-nagyobb javításokról van szó: a lift ritkábban (vagy sose) romlik el, a mosógépek egyre jobbak lesznek. Ez még nem olyan nagy változás…

Hol a nagy változás? Képzeljük el, hogy nem mosógépet veszünk, hanem azt a szolgáltatást, hogy bármikor tudunk otthon mosni! Lássuk be, hogy a legtöbb ember számára nem jelent különösebb örömöt vagy kiteljesülést az, hogy van egy hiper-szuper mosógépe. Valójában az esik jól neki, hogy a család összes szennyesét gyorsan és eredményesen ki tudja mosni! Mi lenne, ha a Whirpool nem mosógépet árulna, hanem azt a szolgáltatást, hogy mindig van otthon egy jól működő, korszerű, hatékony mosógépünk? A megelőző karbantartás és az újabb jobb modellre való csere nem a mi dolgunk lenne, mi csak használnánk. Ha nagyobbra van szükségünk, nagyobbat kapunk, ha elég a kisebb, kisebbet. Na, ezzel már eljutottunk az új üzleti lehetőséghez!

Washing-machine-as-a-service” vagyis mosás mint felhőszolgáltatás – ki kéri?

Lehet, hogy ez most nagyon sci-fi, de nem az. Itt van a lehetőség a küszöbön, és meg is valósul hamarosan. Először nem a háztartási mosógépek esetében, de a mosodákban már reálisabb. És jöhet ugyanez a liftek és a mozgólépcsők esetében is, hiszen az üzletháznak nagyon nincs szüksége arra, hogy tulajdonosa legyen a mozgólépcsőnek  – működjön, vigye a vevőket gyorsan és biztonságosan, ez a lényeg!

Kedves Olvasó! Mit szeretnél otthonra efféle szolgáltatásként?

Harcostársak

“Két pálmaszál, vállvetve az eget hordozni termett” – ezek vagyunk együtt, ember és robot?

Az idézet forrása: Madách Imre Mózes c. tragédiája

A múlt héten a robotika és a mesterséges intelligencia alapelveiről, törvényeiről írtam, Asimov egyszerű (vagy – mint kiderült – talán mégsem olyan egyszerű) három (később négy) törvényétől a mesterséges intelligencia idén megalkotott 23 alapelvéig.

Amikről Asimov írt, azok az események még valahol a távoli jövőben vannak, de a mesterséges intelligencia már itt van, egyre inkább része az életünknek, beleszól, átalakítja, esetleg lerombolja.  Míg Asimov úgy találta ki a robotokat, hogy a pozitron agyukból, annak megsemmisítése nélkül, lehetetlen kivenni a három törvényt, amik megakadályozzák, hogy kárt okozzanak és ellenszegüljenek az embernek, az idei 23 alapelvet nem lenne nehéz kivenni a mesterséges „agyakból”, ha egyáltalán bennük lennének.

Mennyire aggódjunk? Kiknek van ma hozzáférésük azokhoz a technológiákhoz és ahhoz a rengeteg pénzhez, ami a mesterséges intelligencia megalkotásához és használatához kellenek? Azt gondolhatnánk, hogy keveseknek, szinte senkinek. Ez pillanatnyilag valóban így látszik, de már ma sem egészen igaz. A Watson lényegében mindenki számára hozzáférhető, a tudása és az elemzési képessége felhasználható távolról is (a felhőn keresztül). Hamarosan más gyártók is megjelennek, talán még erősebb és gyorsabb megoldásokkal. Amit ember megalkot, azt másik ember meg fogja szerezni, élni fog vele, vissza fog vele élni. Ne számítsunk biztonságra, mert az nem létezik. Elég csak arra gondolni, hogy az amerikai titkosszolgálatok internetes támadó eszközeit is széles körben használják a terroristák.

Evezzünk békésebb vizekre! Hosszú ideje és sok helyen lehet arról olvasni, hogy milyen fajta munkákat vesz el az embertől a gépesítés, az automatizálás, a robotok és a mesterséges intelligencia. Az előbbiek tulajdonképpen azt a sort folytatják, amit az ipari forradalom gépei kezdtek el – a fizikai munkából végeznek el egyre többet a gépek, és egyre kevesebb marad az embernek. Hadd korrigáljak! A gépek semmit se vesznek el – a gépeket üzembe állító cégek döntenek úgy, hogy ezentúl nem ember végzi azt a munkát. Miért? Ez a kapitalizmus törvénye. Ha valamit meg lehet csinálni gyorsabban, olcsóbban, pontosabban, akkor használni kell az új technikát. Nincs ebben semmi meglepő!

Milyen munkák kerülnek robotok kezébe, amikor ellátjuk őket mesterséges intelligenciával? Nemrég olvastam ezt a listát egy oxfordi kutató tollából, ami elsőre meglepő lehet:

  • Középvezető
  • Eladó, kereskedő (commodity)
  • Jelentésíró, sportriporter, pénzügyi újságíró
  • Könyvelő
  • Orvos

Szerinte ez az első 5 munkakör, amit átvesznek a robotok. Meglepetés? A harmadik és főleg a negyedik nem igazi meglepetés, a többin lehet csodálkozni (a cikkben vannak részletek és magyarázatok). Nem tudom, hogy igaza van-e, majd meglátjuk. Azt is mondja, hogy két évtizeden belül a mai munkahelyek 47%-a tűnik el ennek a folyamatnak a következtében az USA-ban.

Több példa és mélyebb elemzés található az NJSZT novemberi konferenciájáról írt egyik cikkemben. Gondolkodom, tehát…?

Fontos, hogy a mai munkahelyekről van szó, hiszen újfajta munkák jönnek közben létre. Itt egy lista arról, hogy a Gartner szerint az olajiparban milyen új tevékenységeket végeznek majd az emberek a digitális világban:

  • Digitális technológia és megoldások feltalálása, fejlesztése
  • A robotok és az automatizálás kockázatainak csökkentése
  • Online támadások elleni védelem
  • Az új szellemi termékek menedzselése
  • Az üzlet átszervezése

Ha összevetjük a két listát, mit látunk? Vajon az oxfordi kutató szerint munka nélkül maradó emberek mind el tudnak helyezkedni ezekben az új munkakörökben? Talán… Annak van esélye, aki képzett és alkalmazkodóképes is egyszerre.

Egy ígéretes (vagy aggasztó, attól függően, hogy honnan nézzük) fejlemény az RPA (robotic process automation), vagyis az a megoldás, amikor a robot (egy kis mesterséges intelligenciával megspékelve) átveszi az emberek helyét, de úgy hogy közben nem kell megváltoztatni a vállalati folyamatokat. Ebben az a nagyszerű, hogy a bevezetése egyszerű, akár részlegesen is be lehet vezetni, vagyis ember és robot végezheti egymás mellett ugyanazt a tevékenységet. További részletek: Felhő, kütyük, okosság.

Eszébe jutott erről valakinek az a csodálatos lehetőség, hogy objektíven lehet majd összehasonlítani az ember és a robot teljesítményét és a munkájuk minőségét? Ki győz majd? Ki marad?

Nos, itt még nincs vége! Az RPA után a következő lépés az IPA (intelligent process automation). Olyan szépet ír róla a McKinsey, hogy nem tudom nem ide másolni:

In essence, IPA “takes the robot out of the human.” At its core, IPA is an emerging set of new technologies that combines fundamental process redesign with robotic process automation and machine learning. It is a suite of business-process improvements and next-generation tools that assists the knowledge worker by removing repetitive, replicable, and routine tasks. And it can radically improve customer journeys by simplifying interactions and speeding up processes.

Segít az embernek, megszabadítja a robottól, az ismétlődő, egyforma tevékenységektől. Itt van még a következő mondat, ami a fejlődést vetíti előre:

IPA mimics activities carried out by humans and, over time, learns to do them even better.

Magyarra fordítva: megtanulja az embertől az általa végzett tevékenységet, majd megtanulja jobban (és gyorsabban) elvégezni. Nem állom meg, leírom, ami erről eszembe jutott. Volt kollégáim azt kapták utolsó feladatuknak, hogy néhány hónap alatt tanítsák be az utódaikat, akik olcsóbban végzik el a munkájukat. Sokan tényleg hősiesen, sok extra erőfeszítéssel és rengeteg többletmunkával meg is tették ezt. Ezek az utódaik már az IPA robotokat fogják betanítani a munkaviszonyuk megszűnése előtt?

Mik a kilátások? Az előbb említett cikk egyik példája szerint az RPA bevezetésével (ami egy kis szelete az IPA-nak) egy nagy biztosító az egyik területen 81%-kal tudta csökkenteni a munkaerő-szükségletet. Persze, ez nem azt jelenti, hogy elküldtek ennyi embert, csak más munkakörbe kerültek.

Legközelebb azzal folytatom, hogy mit tud még ez az IPA, mit ad nekünk (dolgozóknak, munkáltatóknak, és a vevőknek, ügyfeleknek). Már amennyi eddig látszik belőle…

Folytatás: Kell a gép?

Mesterségesen etikus

Mesterségesen etikus és humánus intelligencia. Ez a nagy közös cél. Megvalósul?

Tegnap én voltam az egyik fogás a Hitachi Data Systems üzleti reggelijén, és jó kedvvel, jó étvággyal fogyasztottak a jelenlévők. Szuper társaság jött össze, és inkább beszélgetés, mint előadás volt ez a másfél óra. Úgy láttam, hogy mindenkit érdekelt a téma, az „összekapcsolt mindenség”. Engem is arra ihletett, hogy – az ott megbeszéltekre is támaszkodva – részletesen kifejtsem egy-egy szegletét.

Blogom rendszeres olvasóim és azok, akik figyelik rövidebb írásaimat már tudják, hogy több mint egy éve elkezdtem beleásni magamat a számítási felhő, az internetre kapcsolt eszközök (IoT) és a mesterséges intelligencia egymással való kapcsolatába. Bár nem mindig világos és egyértelmű, hogy mit is értünk ezeken a fogalmakon, nagyjából sejtjük.

A három terület összekapcsolódására már sok példát láttunk, például az autózás, a logisztika és az egészségügy területén. A jövőt ebben a témában sem könnyű megjósolni, de a hivatásos jósok között nagy az egyetértés abban, hogy jelentős fejlemények vannak előttünk, és nem valami távoli jövőben, hanem idén és egy-két éven belül. Nem olyan nagy csoda egy ilyen jóslat, hiszen már elkezdtek megtörténni a jó és a rossz dolgok is. Az útjainkon futnak önmagukat vezető autók, az orvosi diagnosztikában és a gyógyításban is használják a „gondolkodó” gépet és a sok-sok „okos” kütyüt, az informatikai tevékenységek közül rengeteget automatizáltak már, a könyvelésben és a könyvvizsgálatban is egyre terjednek az ilyen megoldások, és megjelentek az emberekkel kommunikáló robotok is.

Ha már robotok: Asimov megalkotta a robotika három törvényét:

  1. A robotnak nem szabad kárt okoznia emberi lényben, vagy tétlenül tűrnie, hogy emberi lény bármilyen kárt szenvedjen.
  2. A robot engedelmeskedni tartozik az emberi lények utasításainak, kivéve, ha ezek az utasítások az első törvény előírásaiba ütköznének.
  3. A robot tartozik saját védelméről gondoskodni, amennyiben ez nem ütközik az első vagy második törvény bármelyikének előírásaiba.

Ha alaposan belegondolunk, már az első törvény is nehéz értelmezési feladatot ad egy robotnak (egy embernek is), de később kiderült, hogy nem is elégséges, mert nem csak az egyes emberre, hanem az emberiségre is gondolni kell. Ezért egészítette ki R. Daneel Olivaw egy nulladik törvénnyel a listát:

0. A robotnak nem szabad kárt okoznia az emberiségben, vagy tétlenül tűrnie, hogy az emberiség bármilyen kárt szenvedjen.

A többi törvényt kiegészítette a nulladik megsértésének tilalmával is. Na, ezt még nehezebb értelmezni, volt robot, amelyiknek az agya le is olvadt miközben a feladat megoldásával küzdött. Olivaw végül tudta értelmezni és alkalmazni ezt az új törvényt, ami miatt kárt is kellett okoznia emberben. (Ő robot volt, de felül tudott emelkedni robot mivoltán az emberiség érdekében.)

Ez „csak” fantasztikus irodalom, de mi van a valóságban? Az eddig megalkotott robotokban, intelligens gépekben vannak ilyen törvények? Rakott beléjük ilyesmit valaki? Ha igen, ki hozta meg a döntést? Lehet olvasni etikai tanácsokról, de egyelőre nem sokat tudunk a működésükről és a döntéseikről (ha voltak olyanok). Közérdeklődésre tarthat számot a Google, hiszen az egyik legnagyobb játékos. Amikor három éve megvette a DeepMind céget, a megállapodás része volt egy ilyen szervezet felállítása, de még ma sem tudjuk, hogy kik a tagjai és csinált-e már valamit. Majd megtudjuk, amikor itt lesz az ideje… Más cégek nyitottabbak, de nem találtam sok konkrétumot.

Azokban az „intelligens” rendszerekben, amikről tudunk, még nincs sok valódi döntés a gép kezében, inkább csak elemzi a lehetőségeket, és a saját véleményével együtt felajánlja a döntést hozó embernek. Persze, az emberi történelemből tudjuk, hogy a szakértők rendszeresen megvezetik a döntéshozókat, így ebben az esetben sem zárhatjuk ki a lehetőséget.

A valódi döntéseket hozó rendszerekre való felkészülés ideje mégis eljött már, és sok okos ember össze is ült januárban, hogy megalkossa a mesterséges intelligencia alapelveit. Nem sikerült nekik az asimovihoz hasonló három-négy pontból álló listát készíteniük, de 23 pontba bele tudtak mindent foglalni, amit fontosnak tartottak. Elolvastam és igyekeztem megérteni az általuk megfogalmazott alapelveket, és egyet tudok érteni velük. Azonban úgy érzem, hogy ez csak óhajok listája, és rengeteg akadálya van annak, hogy teljesüljenek. Egy részükkel „csak” az a baj, hogy még soha, semmilyen technikai fejlesztés esetében nem teljesültek, és – ahogy én látom – a kapitalizmus körülményei között nem is teljesülhetnek. (Arról fogalmam sincs, hogy más társadalmi rendszerben teljesülhetnek-e.)

Mik ezek?

Az első öt pont a kutatás alapelveit szögezi le, közöttük olyanokat, mint a gazdasági, jogi, etikai és társadalomtudományi kutatások finanszírozását; együttműködést, bizalmat és átláthatóságot a kutatásban és a fejlesztésben; a biztonsági szabványok betartását a fejlesztési verseny során. Látott már valaki olyan műszaki fejlesztést, ahol ezeket betartották? Be lehet ezeket tartani?

A többiek hasonlóak, pl.: a jogi döntésekben részt vevő önálló rendszerek adjanak megfelelő és emberek által ellenőrizhető magyarázatot a döntésükre. Ez tényleg jól hangzik, de az egy pillanat alatt meghozott döntést vajon hány ember, hány hétig fogja elemezni, és megérti-e majd? Emlékezzünk arra, hogy a GO játék bajnoka nem értette meg az ellene játszó gép lépését! Az egy primitív masina volt a jövő önállóan gondolkodó és ítéletet hozó robotjához képest.

Hogy értsük azt, hogy az önálló gépnek a céljai és a viselkedése legyenek összhangban az emberi értékekkel? Ki definiálja az „emberi értékeket”? Kinek az értékrendje számít?

Azt írják elő, hogy az egész emberiség javára kell fordítani az előálló eredményeket, és a lehető legtöbb ember előnyére. Igen, valóban így kellene lennie! Hol van az a társadalmi-gazdasági rendszer, amiben bármit is az egész emberiség javára fordítottak?

Az sem lényegtelen kérdés, hogy mi a hierarchia a 23 alapelv között. Ha ütközés van, melyik erősebb? Ez egyáltalán nem lényegtelen kérdés! Már az eredeti három törvény esetében is óriási különbséget okoz a sorrendjük megváltoztatása.

Az a helyzet, hogy nem valami távoli jövőről beszélünk – a mesterséges intelligencia már most történik. Ahogy fent írtam, még csak döntés-előkészítést végez, de abban is nagy hatalom rejlik. Mi fogja vissza a fejlesztők (egy megtévedt fejlesztő) vagy a hekkerek kezét, amikor óriási hatalomhoz és pénzhez juthatnak a döntések befolyásolásával?

Mennyire közeli ez a jövő? Az IDC szerint 2019-re minden internetre kötött (IoT) eszköz mesterséges intelligenciával dolgozik majd. Minden, azaz 100%! Mik lesznek a legnagyobb területek? Orvosi diagnózis és kezelés, minőségmenedzsment a gyárakban. Mindkettőben óriási lehetőségek vannak hatalom és pénz vonatkozásában!

Ahogy ezeket írom, magamban azon töprengek, hogy mit látok rosszul. Tényleg reménytelen ezeknek az elveknek a betartása, vagy valamit nagyon elnéztem? Segítsen ki valaki!

Felhő, kütyük, okosság

Beborít mindent az okos felhő. Ma még ritkás a felhő és szerényen viselkedik, de ez nem sokáig lesz így…

Amikor három új technológia összefog majd, nagy dolgok jönnek létre. Mi ez a három dolog?

  1. Felhő, számítási felhő, „cloud”
  2. Internetre kapcsolt dolgok, dolgok internete, IoT
  3. Mesterséges intelligencia, okos gépek, cognitive computing
R. Daneel Olivaw

R. Daneel Olivaw

Erről a három jelenségről mindenki hallott már, jót, rosszat, ezt vagy azt. Többnyire gondolunk is róluk valamit, sokféle meghatározása van mindegyiknek, és néha viták is vannak arról, hogy mit jelentenek, új jelenségek-e egyáltalán. Egy gyors összefoglalásnak érdemes teret adni mielőtt belefogok abba, amit valójában mondani akarok. Miről lesz majd szó? Ennek a három „valaminek” az összekapcsolódása, együttműködése.

A számítási felhő sok különböző jelentéssel bír. Korombeli emberek megélték azt, amikor megjelent ez az elnevezés, és úgy éreztük, hogy mi már egy ideje valami ilyesmit csinálunk, csak éppen nem neveztük ezen a néven. Ma már mindenki használja a nyilvános felhőt a magánéletében, és legtöbben a munkájukban is. Mire is használjuk? Levelezés, naptár, közösségi hálók, kérdőívek, szavazások, publikálás, olvasás, képek és videók közzététele, film és zene letöltése, sport, egészség. Nem teljes a lista… Abban a témában, amiről most lesz szó, a nyilvános felhőnek az a tulajdonsága fontos, hogy olyan számítási kapacitást vagy informatikai képességet használhatunk rajta keresztül, aminek a birtoklása számunkra nem célszerű vagy egyenesen lehetetlen.

A dolgok internete lényegesen egyszerűbb fogalom. Arról van szó, hogy olyasmiket kapcsolunk a világhálóra, amiket régebben nem szoktunk, pl.: villanylámpát, inzulinpumpát, szívritmus-szabályozót, szobai termosztátot, hűtőgépet, mosógépet, autót, meteorológiai állomást. Miért tesszük ezt? Erről elég sokat írtam már, például Álom otthon és Otthon, édes otthon, valamint Okos felhő vagy köd?.

Na, a mesterséges intelligenciát nem ilyen könnyű megfogni. A három fogalom közül ez létezik a legrégebben, már a nyolcvanas években beszélgettem olyanokkal, akik ezt kutatták hazánkban. Az okos számítógépek és a cognitive computing is része a mesterséges intelligenciának, de ide tartozik a robotok egy része is. Azok, amiket az autógyárban láttam, messze vannak az intelligenciától, de Asimov robotjai, akik számára a robotika három törvényét előírta, már nagyon is intelligensek. A mai valóság szempontjából azt a gépet tekintem intelligensnek, amelyik tanulni képes, vagyis az ismereteit új módon tudja összekapcsolni annak érdekében, hogy új kérdéseket tudjon megválaszolni (olyanokat, amikre a választ nem táplálták bele).

Most, ahogy ígértem, ennek a három lehetőségnek az összekapcsolásáról lesz szó. Mi jöhet ki belőle? Kezdjük egy jövőbeli példával, a hálózatba kötött önvezető autóval! Ha már sok ilyen autó közlekedik az utakon, és ők jelentik a többséget, akkor lehetőség lesz a forgalom optimalizálására. Hogyan? Ismerjük minden jármű úti célját, így nem csak a pillanatnyi (pár perccel ezelőtti) forgalmi helyzetet tudjuk figyelembe venni, amikor a leggyorsabb útvonalat próbáljuk megtalálni, hanem jövőbe is láthatunk. Minden egyes jármű a többiek jövőbeli mozgását figyelembe véve közlekedhet. Ez nem csak az útvonalat jelenti, hanem a sebességet és a forgalmi sávot is. Ezt már ma is részben meg tudnák tenni az útvonaltervező szolgáltatások: a Waze figyelembe vehetné a korábban adott tanácsait és az általa „irányított” autók pillanatnyi mozgását, amikor nekem tervez, de ez így még elég gyenge lenne. Ha az összes jármű tervezett útvonalán kívül még a vezetésük is a szolgáltató központ kezében van, akkor nagyszerű eredményeket érhet el. Ez már mesterséges intelligencia? Nem vagyok biztos benne. Az biztos, hogy hihetetlen méretű optimalizálási feladatról van szó, aminek a közelítő megoldása is óriási számítási kapacitást igényelne. Ha nem irányítunk minden járművet, akkor inkább kell a mesterséges intelligencia. Miben? Az elmúlt hónapok, évek adatai, a jelenlegi és az előre jelzett időjárás, az üzletek nyitva tartása, nagy kiárusítások, meccsek, koncertek, és sok egyéb, a forgalmat befolyásoló tényező felhasználásával a többi autó mozgását is többé-kevésbé meg lehet jósolni. Ez már nem egyszerű adatfeldolgozás, hanem a tapasztalatok összegzését és az azokból való tanulást kívánja meg. Így már tekinthetjük mesterséges intelligenciának, és talán nem is a távoli jövő lehetősége. Mondok egy futurisztikusabbat: Ha az okos központi gép azt is tudja, hogy kinek mikorra kell odaérnie, mennyire sürgős az útja, akkor ezt is figyelembe veheti a tervezéskor. Mire gondolok? Látja a naptáramat, így tudja, hogy kényelmesen odaérek a tervezett megbeszélésre, nem kell annyira nyomni a gázt. Tudja, hogy a másik autós azért megy most (nem a megszokott időben) haza, mert otthon baj történt, segítenie kell. Honnan tudja? Hallotta a telefonbeszélgetést. Neki elsőbbséget tud biztosítani, el tudja takarítani előle a nagy forgalmat. Ahhoz, hogy a prioritásokat elemezze és a „nagyobb jót” szolgálja, már kell a mesterséges intelligencia, ezt nem esélyes előre megírt algoritmusokba önteni. Ez a példa tartalmazza mindhárom tényezőt: hálózatba kötött eszközt (autót), központi mesterséges intelligenciát, és közöttük lévő kapcsolatot (felhőt).

Nézzünk egy másik példát, ami szintén megvalósítható a mai eszközökkel. Ha a naptáramba beírok mindent, az okos elektronikus asszisztens tud szólni, hogy mikor induljak el, hogy időben odaérjek. Ezt már tegnap is tudta a Waze, ami nem csak útvonalat tervez, hanem még a pillanatnyi forgalmat is figyeli, és szükség szerint változtat a terven. Ha késésben vagyok, akár küldhetne is egy üzenetet, vagy felhívhatná nekem mobilon azt, akihez megyek, hogy én tudjak szabadkozni. Kapcsoljuk még hozzá a reggeli ébresztőt, a kávét, az autó bemelegítését! Már kezd összejönni az elektronikus komornyik. Ahhoz, hogy a ruhámat kikészítse, már robot is kell J Ebben még nincs mesterséges intelligencia, és felhő is csak alig van. Ha képes értelmezni a naptáramba írt dolgokat, valamint figyelni a munkámat, rájöhet, hogy ma előbb kell kelnem, mert még nem készültem fel teljesen arra a megbeszélésre vagy előadásra, amire indulok. Esetleg tudja, hogy este kirúgtam a hámból, és több idő (és több kávé) kell, hogy üzemképes legyek. Vagy azért kell előbb kelnem, mert az esti nagy zabálás után hosszabb reggeli edzésre van szükségem. A kávé koffeintartalmát az időjárási frontok szerint is beállíthatja. Ugyan ezek olyasmik, amiket akár egyesével beprogramozhatnék egy nagyon okos ébresztő órába, a valódi, kényelmes megoldáshoz kell a mesterséges intelligencia.

Az elektronikus komornyik felébresztett és útnak indított. A felhőn keresztül figyelte az utamat, módosította az útvonalamat, ha kellett a forgalom, baleset vagy más miatt. Beértem a munkahelyemre. Itt vajon milyen okos cuccokkal találkozom a szuper kollégáimon kívül? Az régi történet, hogy egyre több folyamatot automatizálnak, akár IT-üzemeltetésről, akár könyvelésről, akár könyvvizsgálatról van szó (hogy csak néhány területet említsek). Újabb irányzat a robotok alkalmazása ilyen munkakörökben. Ezek a robotok a számító gép előtt ülő, rutin tevékenységeket végző emberek helyett dolgoznak. Ez a robotic process automation (RPA): a szoftver a felhasználó helyére ül be, és ugyanazt, ugyanúgy csinálja. Ezt azért szeretik a cégek, mert nem kell a folyamatokon semmit se változtatni, így kisebb a kockázat. Ha esetleg nem válik be a robot, simán vissza tudja venni az ember a tevékenységet. Ezek a robotok pontosan tudják követni a szabályokat, jól kezelik a tipikus eseteket, sőt egy-egy kivételt is megoldanak. Ha valamivel nem boldogulnak, megkérdezik a tapasztalt kollégát, az embert. Ezen változtathat hamarosan a mesterséges intelligencia. A tanulni képes gép oldhatja meg a szokatlan, tapasztalatot igénylő problémákat. Meddig jutunk el ezen a területen és milyen gyorsan? Nem tudom. Ez leginkább attól függ, hogy mennyire találják fontosnak a nagy cégek, mikor lesz gazdaságosabb az intelligens robot használata. Az IBM úgy pozícionálja a Watsont, hogy az nem elveszi az emberek munkáját, hanem jó kolléga lesz, aki segít a pontosabb, hatékonyabb munkában. Meglátjuk…

Watsonnak fontos szerepet szánnak a sok milliárd érzékelő és egyéb kütyü által begyűjtött adatok feldolgozásában. Az IBM szerint ez megoldhatatlan lesz a hagyományos számítógépes programokkal. A 2020-ra jósolt 21 milliárd ilyen eszközből mennyi adat jön ki? Hogy gyűjtjük össze? Hol tároljuk? Ezek sem egyszerű kérdések, de „csak” mennyiségi kérdések. A minőségi ugrás akkor következik be, amikor fel is kell dolgozni ezt a sok adatot, és következtetéseket akarunk levonni, előrejelzéseket akarunk készíteni. Itt lép be az újfajta informatika, a „cognitive computing”, a gondolkozó gép – vagyis a Watson. Ebben nem előre beprogramozott algoritmusok döntenek, hanem tanul a fizikai világból, a gépektől és az emberektől is.

Elveszi a munkahelyeket az okos gép? Sajnos, a jelek arra mutatnak, hogy igen, sőt már el is kezdődött a folyamat. A mai, kevéssé (vagy semennyire se) okos gépek elkezdték betölteni a szakmunkások és az irodai dolgozók helyét. Erre Bőgel professzor hozott példákat és statisztikákat a novemberi NJSZT konferencián (Gondolkozom, tehát…?). Ez egyes esetekben még nem eredményez sokkal kevesebb munkahelyet, de alacsonyabban képzett (és rosszabbul fizetett) emberek is el tudják végezni a munkát a gépek segítségével.

Itt folytatom a jövő héten…

Kinek van tapasztalata ezen a téren? Tényleg elkezdték elvenni a gépek a munkahelyeket?