Sztuczna inteligencja w Azji

Sztuczna inteligencja w Azji

W styczniu 2019 roku Japończycy rozpoczęli swój pierwszy test pociągu… autonomicznego. Wykorzystano do tego trasę publicznej linii kolejowej w Tokio. Pociąg zrobił dwa okrążenia po ponad 34 km każde i rozpędzał się do maksymalnej prędkości 80 km na godzinę. Sztuczna inteligencja w Azji nabiera obroty i dosłownie.

Takie rzeczy dzieją się w Azji. Już kiedyś pisałem na temat rozwoju w Chinach (zobacz: Chiny stają się nowym centrum świata?), teraz skupię się na wdrażaniu konkretnych rozwiązań tak zwanej sztucznej inteligencji w krajach azjatyckich. Moim rozmówcą jest Robert Siudak z Instytutu Kościuszki, który więcej o tym opowie, między innymi omawiając jeden z raportów, który współtworzył.


Cześć Robert, przedstaw się: kim jesteś, czym się zajmujesz, gdzie mieszkasz?

Cześć! Nazywam się Robert Siudak. Reprezentuję Instytut Kościuszki, w którym mam przyjemność od prawie 5 lat pracować nad szeregiem projektów dotyczących nowych technologii, między innymi bezpieczeństwa tych technologii, cyberbezpieczeństwa, ale też rozwoju, między innymi sztucznej inteligencji. Sam Instytut jest tak zwanym “think tankiem”, cokolwiek to znaczy, bo wiele osób bardzo różne ma wizję na temat tego, czym zajmuje się “think tank”. Jako niezależny ośrodek badawczo-naukowy, który skupia się na kreowaniu polityk publicznych, przygotowujemy raporty dotyczące nowych technologii. Jednym z powodów, dlaczego dziś rozmawiamy, jest jeden z takich raportów. Pracujemy nie tylko nad raportami publicznymi i otwartymi, ale także nad opracowaniami dla administracji publicznej, które “trafiają do biurka”.

Nasza praca to także szereg działań nakierowanych już nie tyle na analizę, ale na wpływanie na polityki publiczne. Chodzi tutaj m.in. o wsparcie edukacji w określonych sektorach na przykład w zakresie specjalistów akcji bezpieczeństwa, czy data science. Zarówno firmy, sektor prywatny, jak i uniwersytety, jak i administracja publiczna mogą się spotkać i przedyskutować określone wyzwania, które z perspektywy głównie polityk publicznych są do zaadresowania i później wypracować rekomendacje w tym zakresie.

Taki jest nasz cel, bo jako “think tank” mamy dawać rekomendacje, to znaczy, co można zrobić lepiej, co należałoby zrobić w ogóle, czym się zająć. Ze względu na to, że skupiamy się na poziomie tego, co różne polityki mogą zrobić, to pytanie brzmi, czego nie ureguluje sam rynek i gdzie jest potrzebna interwencja z perspektywy czy to wsparcia edukacyjnego, wsparcia rozwoju jakiegoś sektora. Okazuje się, że to może być inteligentną specjalizacją dla naszego rynku i taki jest nasz cel. Kiedyś śmialiśmy się, jak koleżanka powiedziała: “To wy jesteście takimi lobbystami dla Polski”. No i to trochę tak jest, że lobbujemy na rzecz nie konkretnego klienta, tylko rzeczywiście dla tego, co w naszej opinii jest ważne z perspektywy rozwoju polskiej gospodarki czy polskiego społeczeństwa.

Rozwijacie wiele projektów, a dzisiaj porozmawiamy o jednym z Waszych raportów. Zanim jednak do tego przejdziemy – co ciekawego ostatnio przeczytałeś?

Ponieważ w maju mam urodziny, to zazwyczaj jest tak, że dużo książek otrzymuję w prezencie, więc pytasz w dobrym momencie, bo zdążyłem już przekartkować albo chociaż wstępnie zacząć czytać część z nich. Jedną z nich jest książka “Innowatorzy”, Waltera Isaacsona. Bardzo ciekawa pozycja. Z wielu rzeczy opisywanych w niej nie zdawałem sobie sprawy, bo autor skupia się na innowacjach cyfrowych, czyli głównie jak to się stało, że komputery wyglądają tak, jak wyglądają i kto stworzył je w takiej formie, jaką znamy aktualnie, a pojawiło się wiele interesujących kwestii dotyczących życia codziennego. Znalazłem tam bardzo dużo ciekawostek, które zmieniają trochę moje patrzenie na to, jak funkcjonują nowe technologie z kontekstem historycznym. Takie nowsze spojrzenie na to wszystko.

Potwierdzam, bardzo fajna książka. Ciekawe, jak to wszystko się zaczęło prawie 200 lat temu i już wtedy były osoby, które rozważały, czy maszyna ma wyobraźnię. Takie było mniej więcej pytanie.

Czy może mieć w ogóle? Dla mnie też chociażby takie prozaiczne rzeczy, jak okazało się, że debugging jakiegoś kodu czy działania maszyny to realnie, pierwotnie chodziło o to, że tam wpadały po prostu ćmy, czy inne robaki i po prostu przerywały funkcjonowanie tych wtedy jeszcze nie całkowicie elektrycznych, ale mechaniczno-elektrycznych systemów i po prostu trzeba było je znajdować i usuwać.

Przejdźmy do dzisiejszego tematu. Jesteś współtwórcą raportu “Sztuczna Inteligencja w Azji”. Co było Waszą motywacją przy tworzeniu tego raportu i dla kogo został on stworzony?

Zacznę od tego, co było naszym pierwotnym założeniem. Później przejdę do tego, dla kogo raport powstał. Nie chcemy (i chyba większość osób zajmujących się AI), żeby sztuczna inteligencja kojarzyła się z “Odyseją Kosmiczna 2001”, z “Terminatorem” i jakimiś daleko idącymi futurystycznymi wizjami. Chcemy pokazać, że to jest technologia, która właściwie już jest w stanie zmieniać funkcjonowanie gospodarki i społeczeństwa, realnie na nie wpływać, oczywiście z wszystkimi zarówno korzyściami, które mogą z tego wynikać jak i zagrożeniami.

Niemniej cel był dość prosty, to znaczy, w tym wypadku nie chcieliśmy zrobić stricte bardzo wyrywkowego i pogłębionego badania tematu, co często też robimy dla różnych sektorów, ale chcieliśmy wykonać pracę uświadamiającą decydentów i rynek. Inaczej mówiąc pokazać, że realnie istnieją zastosowania tej technologii i zadaliśmy sobie pytanie, gdzie to ma miejsce. Okazało się, że oczywiście jednym z takich, my to nazywamy laboratoriów czy testing groundów jest Azja. Nie chcieliśmy się skupiać na samym rozwoju tej technologii, czy badaniu jak rozwijać określane algorytmy, ale na tym jak je wdrażać realnie do gospodarki, społeczeństwa – nawet testowo.

Będę jeszcze pokazywał na przykładach, że te technologie nie są jeszcze gotowe na masowe wdrażanie. Nie oznacza to jednak, że testowo czy w określonych warunkach na realnej tkance społecznej, czy ekonomicznej nie warto tego sprawdzać. Działamy właśnie na rzecz tego, aby takie testy miały miejsce. Nie należy tego w żaden sposób wstrzymywać, tylko realizować właśnie w określonych warunkach przygotowanych na takie wdrożenia. To jest dlaczego.

A dla kogo? Kluczem było też, aby raport był zrozumiały dla kogoś, kto nie interesuje się technologiami IT. Na samym początku krótko przedstawiamy w ogóle, czym jest to uczenie maszynowe, co oznaczają sieci neuronowe itd., żeby każdy, kto po prostu jest zainteresowany tematem sztucznej inteligencji i chciałby zobaczyć, jak ona może wpłynąć na jego życie, mógł sięgnąć po taki raport i zrozumieć, że to nie jest jakaś daleko idąca futurystyka, tylko to jest coś, co już może się dziać. Czy się dzieje? Jeżeli nie, to dlaczego się nie dzieje? Jakie przeszkody w kwestii nie tyle rozwoju technologii, ale wdrażania tych technologii istnieją?

Każdy jest potencjalnym odbiorcą tego raportu. W tej grupie znaleźliby się ci, z którymi na co dzień współpracujemy, czyli decydenci na poziomie polityk publicznych zarówno w ministerstwach, jak i w ogóle w sektorze publicznym czyli ci, którzy później decydują, jakie działania celowe należy podjąć na poziomie budżetu państwowego, na poziomie systemu edukacji, na poziomie regulacji rynku. Chcieliśmy, aby to był raport zrozumiały, ale z drugiej strony oczywiście, abyśmy byli w stanie dotrzeć z nim właśnie do tych decydentów.

Rozumiem, że kierujecie się do szerszego grona, wliczając właśnie to grono decydentów. Spróbujmy doprecyzować jeszcze jedną rzecz, a mianowicie skupiacie się na trzech sektorach: zdrowia, rolnictwa oraz transportu. Kiedy czytałem ten raport, zastanawiałem się, czemu akurat te sektory? Dla mnie również ważny jest sektor edukacji, przemysłu, który w tej chwili albo nieznacznie, albo w ogóle nie używa innowacyjnych technologii. Oczywiście wybrane  do raportu sektory również są ciekawe, tylko ja się zastanawiam, według jakich kryteriów wybraliście właśnie te obszary?

Na początku pracy zespołu okazało się, że tych sektorów powinno być nie kilka, a kilkanaście, jakbyśmy chcieli dotknąć wszystkiego, co rzeczywiście uważamy za ważne. Później stwierdziliśmy, że jeśli chcemy, żeby ten raport był właśnie dla odbiorcy zrozumiały i namacalny, żeby go przeczytał z chęcią i z ciekawością, to musimy się ograniczyć. Nie możemy pisać o wszystkim i wszędzie. W związku z tym jedna rzecz to nakierowanie regionalne, czyli tam gdzie te technologie są wdrażane. Druga rzecz to nakierowanie właśnie na sektory, na które zwróciliśmy uwagę, że przede wszystkim bezpośrednio oddziaływują na życie obywateli i też bezpośrednio są postrzegane w wielu wypadkach jako coś, gdzie mamy wspólny interes, jakieś dobro wspólne.

Wiemy, że transport czy zdrowie są właśnie takimi sektorami. Trzecim jest rolnictwo też ciekawe z perspektywy Polski, bo jak wiemy sam sektor rolno-spożywczy w Polsce, jak i w ogóle w ramach Unii Europejskiej jest jednym z najbardziej konkurencyjnych, największych, jednym z najwięcej eksportujących sektorów gospodarki. Więc chcieliśmy się skupić na takich sektorach, żeby to było namacalne dla odbiorcy, bo każdy z tych odbiorców chodzi do lekarza, musi się przemieszczać w mieście i każdy z nich wie, że żyje w Polsce, o której się mówiło kiedyś, że jest “spichlerzem Europy”. Teraz wciąż ten sektor rolno-spożywczy odgrywa dużą rolę.

To zaczniemy w takim razie od medycyny. Moją uwagę zwrócił przykład firmy “Engine Biosciences” z siedzibą w Singapurze i w San Francisco, która ma na celu przyspieszenie procesu opracowania nowych leków, zmniejszenie kosztów tego procesu, a także osiągnięcie większych skalowalności. Co to znaczy w praktyce? Na jak zaawansowanym poziomie już jest? Czy to jest jeszcze tylko pomysł, czy faktycznie udało się stworzyć ten nowy lek, wdrożyć go i można go po prostu kupić?

Przede wszystkim trzeba zacząć od tego, że wytwarzanie leków to jest wieloletni, czasami kilkunastoletni proces, który tyle trwa nie tylko ze względu na regulacje, ale ze względu na wyzwania dotyczące predykcji. Zanim dojdzie do fazy testów, to mamy całą fazę dotyczącą wynajdowania odpowiedniego nie tyle składu, co w ogóle specyfikacji danego leku. Dokładnie w ten moment procesu wytwarzania leku celuje ta firma. Nie stara się jednak przekonać świata, że jest w stanie zrobić wszystko. To nie jest tak, że algorytm przejmie kontrolę nad całym procesem wytwarzania leków. Jest szereg następujących po sobie elementów.

W fazie specyfikacji algorytm, który oni rozwijają (i który w tamtym roku uzyskał 10 milionów dolarów finansowania), ma się znacznie skrócić, a co za tym idzie zmniejszyć zarówno czas jak i środki, które musimy przeznaczyć na ten proces specyfikacji. Badacze statystycznie pokazują, że w takim wypadku zamiast prowadzić test za testem, dlaczego nie wykorzystać algorytmu, który nie tyle będzie tworzył, co przeprowadzał szereg testów na raz, symultanicznie.

Będzie także zapisywał te dane, uczył się na nich i założenie jest takie, że dzięki tego typu działalności algorytm będzie w stanie wspomóc firmy farmaceutyczne. Nie zastąpi ich, tylko wspomoże je w pewnej części procesu wytwarzania leku. Czy są już jakieś leki? Nie ma, przynajmniej my nie znaleźliśmy takich informacji. Według opracowań Agencji Bezpieczeństwa Leków i Żywności Stanów Zjednoczonych do tej pory jeszcze nie przeprowadzono całego procesu “certyfikacji”, czy dopuszczenia takiego leku, który byłby wspierany przez tego typu algorytmy.

Natomiast wiemy, że to już się dzieje i z tego, co mówi sam producent, wynika, że firmy realnie zaczynają to wykorzystywać. Należy pamiętać, że skoro teraz to zaczęli wykorzystywać, to zanim przejdziemy jeszcze przez fazę testów, to zapewne będzie dopiero właśnie w perspektywie kilku lat, kiedy taki lek, który mógł powstać taniej i szybciej pojawi się na rynku.

Warto dodać, że jeżeli mówimy o danych, to przeplata się tam też genetyka, czyli interakcje, duży zbiór danych. Próbują to w taki sposób poukładać, żeby prognozować czy dany lek zadziała. Czyli mamy bardzo dużo różnych kombinacji. Gdy wyrzucimy 90%, które wyglądają, że nie zadziałają, zostanie metryka 10% i sprawdzamy to manualnie. To jest bardzo ciekawy kierunek.Też jestem ciekawy, jak to szybko się rozwinie. A przedstaw jeszcze kilka innych przykładów zastosowań firm, startupów, które pojawiły się w Azji i stosują tak zwaną sztuczną inteligencję.

Mnie zaciekawił chyba już taki standardowy przykład, ale wciąż o tyle ciekawy, że realnie ma miejsce w systemie leczenia. Firma “Lunit” z Korei Południowej, która posiada system wspierający diagnostykę, między innymi diagnostykę dotyczącą analizy klatki piersiowej, czy jej obrazu. Firma podaje z perspektywy swoich informacji, że są w stanie wykryć chociażby raka płuc z prawdopodobieństwem na poziomie 96% dzięki zastosowaniu swoich rozwiązań powołując się na badania, według których ten guz nie był wykrywany w 5 na 9 przypadków przez radiologa. To znaczy, że te zmiany były niewidoczne ludzkim okiem i dopiero wielki zbiór zdjęć i danych, który za tym stał, był w stanie zwiększyć właśnie ten procent wykrywalności.

O tyle jest to ciekawe, bo takie chyba od razu nam się książkowe wykorzystanie sztucznej inteligencji narzuca, czyli ile w ciągu życia jeden radiolog jest w stanie zobaczyć zdjęć? Załóżmy kilka czy kilkaset tysięcy – algorytm czy w ogóle cały system jest w stanie przyswoić tyle w ciągu kilku sekund. To nie tylko funkcjonuje na rynku, ale także jest wdrażane w Korei Południowej w Samsung Medical Center, gdzie wspomaga pracę między innymi radiologów. Zastanówmy się, czy w Polsce jest szpital, który wdraża tego typu rozwiązanie? Szczerze mówiąc my nie spotkaliśmy się z taką sytuacją. To jest pytanie otwarte. Może po prostu nie mieliśmy takich danych albo ktoś jest w stanie z naszych czytelników wskazać, ale to jest właśnie to. na co chcieliśmy zwrócić uwagę w tym raporcie, czyli nie tylko o to chodzi, żeby rozwijać technologię, ale także żeby realnie wdrażać ją do usług, chociażby publicznych takich jak ochrona zdrowia.

Jeżeli ktoś z czytelników zna konkretne przykłady wdrażania takich systemów w Polsce to proszę, daj nam znać.

Słyszałem, że były dyskusje, żeby zacząć coś z tym robić, ale to jednak jeszcze daleka droga. Może zmienię teraz temat z medycyny na transport, a właściwie na inteligentny transport. Co się kryje pod tym hasłem i jak tak zwana sztuczna inteligencję może pomóc, albo właściwie zmienić ten sektor?

Przede wszystkim zależało nam na tym i mnie osobiście, bo sam też jestem twórcą tej części, żeby inteligentny transport to nie były tylko autonomiczne samochody. Oczywiście, duża część tej rozmowy o usprawnianiu transportu w ogóle przy wykorzystaniu sztucznej inteligencji, machine learning i innych systemów jest skupiona na autonomicznych samochodach i tak było, jest i będzie. Natomiast chciałem zwrócić uwagę, że AI też mocno wspiera wiele procesów, czy to w sektorze lotniczym, czy nawet w kwestii funkcjonowania i wykorzystywania autonomicznych statków powietrznych, czy też mamy przykłady wykorzystania AI na kolei, a ostatecznie tak już najszerzej myśląc o transporcie jako pewnym systemie przemieszczania dóbr i ludzi na danym obszarze, na przykład metropolitalnym.

Najciekawsze i najbardziej szeroko zakrojone projekty to systemy inteligentnego zarządzania mobilnością. W tym na przykład modele mobility as a service. W skrócie mamy pewien obszar, na przykład jakąś metropolię i sztuczna inteligencja na wielu poziomach pozwala nam myśleć o optymalizacji naszego przemieszczania się z punktu a do punktu b. Jako użytkownik, na przykład poprzez aplikację w czasie rzeczywistym widzę, ile mnie będzie kosztować przemieszczenie się z tego punktu do tego i jakie mam możliwości.

Może to łączyć różny transport, od kołowego autonomicznego, nieautonomicznego, przez szynowy i kolej, podmiejskie koleje, metro po chociażby hulajnogi, czy inne sprzęty, rowery, i tak dalej. To wszystko wplecione w jeden system zarządzania danymi, które uwzględniają na przykład dane dotyczące ruchu korków, dane co do pogody. To wszystko w pewien sposób z perspektywy użytkownika, osoby, która się chce przemieścić, może nam pomóc w ten sposób optymalizować czas, ale też pieniądze.

Nagle się okaże, że troszkę może dłużej, o dwie czy trzy minuty, ale już nie będziemy stali tyle w korku, nie będziemy mieli takiego wpływu na zmiany środowiskowe i oczywiście tutaj też kluczową rolę odgrywa ekonomia dzielenia. W tym wypadku mówimy, że bardzo ważną rolę w takich systemach zarządzania mobilnością na jakimś obszarze będzie odgrywać wykorzystywanie na przykład samochodów autonomicznych przez wielu użytkowników. Więc tak, przede wszystkim punkt pierwszy, że to nie tylko autonomiczne samochody, ale szereg innych sektorów, szereg innych miejsc, w których wykorzystujemy tę technologię dla usprawnienia transportu.

To zaczniemy jednak od samochodów autonomicznych, bo zwykle, jak mówimy o inteligentnym transporcie, to od razu z tym się kojarzy. Obecnie bardzo dużo środków inwestuje się w ten obszar. W 27 odcinku podcastu nagrywałem wywiad o samochodach autonomicznych i rozmawialiśmy o pięciu poziomach autonomii samochodów, natomiast zróbmy szybkie przypomnienie. Co każdy poziom oznacza i gdzie na przykład znajduje się obecnie Tesla?

Czasami się mówi się jeszcze o poziomie 0 czyli brak autonomii, wówczas poziom pierwszy, najniższy to będzie większość naszych samochodów, powiedziałbym, że chyba wszystkie współcześnie już sprzedawane to właśnie są na tym poziomie pierwszym. Takie zwykłe samochody, posiadają system wspomagania kierowcy. Wielu z nas ich używa: kontrola toru, trakcji, prędkości jazdy czy ostrzeganie przed niebezpieczeństwem. Specyfika jest taka, że w tym wypadku zazwyczaj ten system jest w stanie skupiać się na jednym wybranym systemie wspierania kierowcy. Pojazd, który jest na poziomie drugim, to już takie zaawansowane wspomagania kierowcy.

W tym zakresie mamy też już takie wsparcie, jak na przykład automatyczne hamowanie awaryjne jeżeli jest przeszkoda, czyli najpierw trzeba zobaczyć tę przeszkodę, czyli taki samochód musi mieć takie możliwości, gdzie równocześnie odbywa się szereg procesów, które wspierają kierowcę. Poziom trzeci to już zautomatyzowany układ prowadzenia. Właściwie wówczas to jest to, co wielu z nas kojarzy już z taką niepełną autonomią, ale rozumianą jako autonomia samochodu, który jest w stanie samodzielnie wykonywać szereg czynności, włącznie z prowadzeniem samego siebie. Czyli kierowca musi siedzieć i być przygotowany do kontroli w każdym momencie, ale nie musi sam prowadzić cały czas.

Poziom czwarty to zautomatyzowanie właściwie wszystkich czynności związanych z prowadzeniem pojazdu. Kierowca nie musi nawet być gotowy do przyjęcia roli kierowcy, więc przestaje być kierowcą, bo samochód samodzielnie, bez nadzoru, bez zwracania uwagi na to, co się dzieje, jest w stanie wykonać całą podróż z punktu a do punktu b. Piąty poziom, ukoronowanie autonomii można powiedzieć, to często już wręcz brak kierownicy w samochodzie. Człowiek jest pasażerem, nie kierowcą. Właśnie wtedy musimy pomyśleć o nie tylko zmianie wyglądu samochodu wewnątrz, ale też o tym, jak będziemy spędzać czas podróży w takim samochodzie piątej generacji. Jeśli chodzi o współczesne samochody to większość z nich (podstawowe Tesle z dwóch pierwszych edycji) to poziom drugi.

Aktualnie komercyjnie wchodzi na rynek, jeśli dobrze pamiętam, Audi A7, które będzie na poziomie trzecim. Nowa Tesla zapowiadana na ten rok też ma być na poziomie trzecim. Oczywiście nie w pierwotnej wersji, tylko jako jedna z opcji. Warto zwrócić uwagę, że o ile mówi się, że 88% rynku stanowią samochody na poziomie pierwszym samodzielności, o tyle predykcja dotycząca rozwoju rynku wskazuje, że na lata 2020-2028 zobaczymy pojazdy na poziomie czwartym, który aktualnie w ogóle nie jest komercyjnie dostępny.

Ten typ samochodów będzie odpowiadał za ponad 97% wzrostu inwestycji czy nakładów i zysków z sektora autonomicznych samochodów, czy wręcz samochodów w ogóle. Wówczas więc wydaje się, że w kolejnej dekadzie będziemy obserwować przemieszczanie się na tej drabinie poziomów od jedynki do piątki. O ile teraz poziom pierwszy stanowi największy segment rynku, to już niedługo samochody z trzeciego poziomu przejmą znaczną część rynku, a niewiele później zobaczymy w pełni zautomatyzowane pojazdy, w których człowiek nie będzie musiał przejmować roli kierowcy.

Kiedyś wspomniałem w jednym z odcinków podcastu o planach rozwojowych w Dubaju. Zostało to już publicznie ogłoszone, że do roku 2030 chcą sprawić, by 25% pojazdów to były pojazdy autonomiczne. Zaczęli od taksówek. Skoro dzisiaj skupiamy się na krajach azjatyckich i co jaki czas przełączamy się na Polskę, to ciekawy jestem, jaka jest polityka publiczna wobec autonomicznych samochodów w Azji, a w szczególności w takich krajach jak Singapur.

Singapur jest dobrym przykładem, bo według wszystkich rankingów przygotowania z perspektywy polityk publicznych na sztuczną inteligencję, w tym wypadku na autonomiczne samochody, to on zajmuje topowe miejsca. W jednym z takich rankingów drugie miejsce za Holandią. To nie bierze się znikąd. Cofnijmy się w czasie, pomyślmy, o czym debatowaliśmy w Polsce w 2014 roku? W tym samym czasie w Singapurze uruchomiono inicjatywę na rzecz autonomicznych pojazdów, która funkcjonuje i dobrze sobie radzi, chociażby w ramach takiego planu “Smart Mobility” właśnie z roku 2014, który patrzył na horyzont aż do 2030. To był taki 15-letni plan rozwoju mobilności w Singapurze. Już wtedy uwzględniono w nim część dotyczącą współpracy różnych interesariuszy: rządu, firm komercyjnych, ale też uniwersytetów singapurskich w ramach rozwijania i wdrażania technologii m.in. autonomicznego transportu. Singapur był w stanie także w ten sposób przekonać Massachusetts Institute of Technology, żeby otworzył chyba jedyne, tak naprawdę zamorskie czy azjatyckie centrum badań i rozwoju.

W ramach Singapur – MiT Alliance stworzono centrum badań w SIngapurze, gdzie jednym z obszarów, na którym się skupiają pracujący tam akademicy, jest właśnie inteligentna mobilność. To taki program przyszłości miejskiej mobilności, który uwzględnia nie tylko samochody, ale w ogóle przemieszczanie się w miejskiej tkance. Warto też zwrócić uwagę, że już w 2017 Singapur zmienił prawo ruchu drogowego. Wiem, że w Polsce takie prawo też zostało zmienione, z tym że zwróćmy uwagę na różnice w ramach tego, co zostało uwzględnione w Polsce, a co zostało wprowadzone w Singapurze.

Tam między innymi dopuszczono testowanie samochodów autonomicznych na publicznych drogach, czyli nie na wyznaczonych strefach testowych, prywatnych, zamkniętych posesjach, ale na publicznych drogach, z uwzględnieniem oczywiście środków bezpieczeństwa. Od samego początku wskazywano, że musimy być świadomi wszelkich zagrożeń związanych ze złym wdrożeniem, które będą powodować niebezpieczeństwo dla obywateli, czy w ogóle dla gospodarki. Sam Singapur jest społecznie bardzo otwartym krajem, bo jeśli chodzi o zaufanie obywateli Singapuru do takich technologii, to jest ono jednym z najwyższych nie tylko w regionie, ale w ogóle na świecie.

Prowadzone są także testy całkowicie autonomicznych taksówek. To nie jest tylko gotowość decydentów do wdrażania określonych technologii, zachęt regulacyjnych czy braków większych przeszkód do podejmowania testów w tym zakresie, ale prawdopodobnie tę otwartość Singapuru umożliwia przede wszystkim przygotowanie społeczeństwa na tego typu rozwiązania, usługi, w ogóle technologię w życiu codziennym. Znowu rozbijamy się trochę o świadomość społeczną tego właśnie czy jesteśmy gotowi na to, aby wdrożyć te technologie, czy tylko mówimy tutaj o rozwoju technologii i będziemy patrzeć, jak inni ją wdrażają.

Nawiązując też do rozwoju technologii w Azji myślę, że warto wspomnieć o takim sztucznym miasteczku “K-City”.

Tak, to jest taka bajka wszystkich wielkich fanów autonomicznych samochodów. Wyobraźmy sobie, że powstaje miejsce, w tym wypadku w Korei Południowej, niedaleko stolicy. Jest to od zera zbudowane sztuczne miasto, które obejmuje obszar ponad 360 000 metrów kwadratowych. Na tę budowę rząd koreański wydał ponad 10 000 000 $ i tam mamy symulację wszystkiego, co może znaleźć się w mieście: centra biznesowe, parkingi, bulwary, aleje ze sklepami, autostrady czy przejazdy kolejowe. Co ciekawe, jest tam łącznie około 35 różnych symulowanych warunków tego, co może się stać realnie podczas jazdy. Założenie całego K-City jest takie, aby samochody włącznie z czwartym poziomem autonomiczności były w stanie realnie być przetestowane, sprawdzone na takiej tkance przypominającej tkankę miejską.

W ramach tworzenia K-City zaprojektowano przy współpracy KOTSA i Samsunga taka infrastruktura 5G, która będzie umożliwiać komunikację nie tylko samochodu czy pojazdu autonomicznego z infrastrukturą drogową, ale także komunikację pomiędzy tymi pojazdami. To jest tak naprawdę najważniejsze w zarządzaniu ruchem autonomicznym właściwie w czasie rzeczywistym. Chodzi o to, żeby ta infrastruktura informowała pojazd o tym, jak ma się zachowywa. Przepływ dużych wolumenów danych będzie możliwy między innymi dzięki zastosowaniu sieci 5G. Nic, tylko testować. Jeśli ktoś właśnie rozwija w swoim warsztacie samochód autonomiczny czwartej generacji, to może spokojnie udać się do K-City aby tam go przetestować.

Ciekawy jestem, czy będzie możliwość wynajęcia na 2 dni takiego miasteczka.

Zapewne jako firma tak, choć podejrzewam, że cena tego będzie też odpowiednia jak to dla sektora automotive.

Dobrze, przechodzimy teraz do trzeciego sektora. Temat rolnictwa jest dla mnie dość ciekawy pod tym względem, że wydaje mi się, że to jest bardzo zacofany sektor, w którym technologii właściwie nie ma albo jest bardzo mało. Jeżeli spojrzymy na to, co się dzieje teraz chociażby w Polsce, to jest mniej więcej to samo co 20 lat temu albo i więcej. Zastanawiam się, czy na przykład w Azji w tej chwili nasuwają się jakieś zmiany nie tylko na poziomie planów, ale na poziomie wdrażania?

Przede wszystkim, jeżeli patrzymy na te trzy sektory, których dotykaliśmy, to rzeczywiście tutaj nawet globalnie ten rynek jest najmniejszy w porównaniu do innych. Mówiliśmy o transporcie, zdrowiu. Rzeczywiście wykorzystanie technologii w rolnictwie wciąż nie dorównuje innym sektorom nawet jeśli chodzi o poziom inwestycji. Z drugiej strony według wszystkich danych międzynarodowych, włącznie z Organizacją Narodów Zjednoczonych do spraw Wyżywienia i Rolnictwa, mamy przed sobą kluczowe prognozy dotyczące światowej populacji, która urośnie do prawie 10 miliardów do 2050 roku. Warto pamiętać, że w tym sektorze dużym wyzwaniem jest także zarządzanie procesem produkcji, dostaw i przetwarzania.

Przede wszystkim trzeba zwrócić uwagę, że Azja też jest dlatego trochę na świeczniku w kontekście tego sektora, bo tam presja demograficzna jest jedną z najwyższych (poza Afryką), dlatego też bardzo dużo rozwiązań technologicznych, które między innymi opisaliśmy w raporcie, dotyczy na przykład rynku Indii. Indie starały się już od lat 80 o zwiększenie wydolności swoich gospodarstw rolnych – cała zielona rewolucja. Widzimy teraz, że szereg podmiotów stara się pomagać między innymi poprzez zastosowanie sztucznej inteligencji w różnych wydaniach. Zaraz będziemy o nich mówić, żeby nadążyć za popytem, to znaczy, że to jest pewna odpowiedź na problem dotyczący zwiększającego się popytu na świeżą żywność. Z drugiej strony ten areał rolny się tak szybko nie zwiększa i to jest właśnie nisza, gdzie technologia musi być odpowiedzią na wyzwania.

Dlatego też zaczęto w nią inwestować. Wydaje się, że mamy szereg startupów nie tylko azjatyckich i realne wdrożenia technologii w rolnictwie. Technologia pomaga już od poprawy wydolności upraw między innymi przez wsparcie procesu likwidowania zagrażających im szkodników po chociażby sam proces zbierania plonów. To nie tylko praca analityczna algorytmów, ale także praca fizyczna robotów czy widzenie komputerowe, które pozwala chociażby na funkcjonowanie określonych robotów w zależności od systemu czy to w szklarniach, na polach.

Czytałem ten raport i teraz jak z Tobą rozmawiam, zastanawiam się nad jedną rzeczą. To brzmi tak, że na pewno te technologie mogą być pomocne i ktoś na tym na pewno może dużo zarobić i teoretycznie wszystkie koszty powinny się obniżyć. To powinno lepiej się skalować i to brzmi, że na przykład problem głodu w Azji, Afryce mógłby zostać rozwiązany.

To jest też jedno z takich wyzwań, które wskazaliśmy w ramach swoich rekomendacji w tym raporcie. Wciąż w dużej mierze nawet jeśli te rozwiązania są rozwijane przez spółki na danym rynku docelowym na przykład w Indiach, to w dużej mierze jednak dalej ta stojąca za tym technologia, frameworki i zaplecze techniczne dla określonych rozwiązań AI są rozwijane, czy wykorzystują infrastrukturę, dane technologie opracowywane w krajach rozwiniętych (Stany Zjednoczone czy zachodnia Europa). To jest też problem transferu wiedzy i technologii w sposób, który będzie też zrównoważony i będzie przynosił korzyści firmom wdrażającym tę technologię i rozwiązania na rozwijających się rynkach. To jest jedno z wyzwań, co znaczy, że współpraca między dawcą technologii a jej odbiorcą czy implementatorem w sektorze rolno-spożywczym musi zawierać właśnie taką obopólną korzyść. To jest spore wyzwanie biznesowo-polityczne.

Zdaję sobie też sprawę, że są takie kwestie, chociażby właśnie podstawowa żywność, czy podstawowe leki, w ramach których pewne firmy udostępniają określonym odbiorcom swoje rozwiązania w open source, czy po bardzo niskich kosztach, żeby zaadresować dany problem społeczny, czy dane wyzwanie demograficzne w tym wypadku dotyczące rolnictwa. Taka współpraca musi realnie działać. Wydaje mi się, że jednej takiej uniwersalnej formuły na rozwiązanie tego nie będzie.

Mówiąc dalej o zastosowaniach między innymi pojazdów autonomicznych w rolnictwie, natrafiłem na “TartanSense”. O tym może na razie mniej będziemy mówić, ale taka ciekawostka dla Polski, ja też o tym nie wiedziałem, istnieje podobny wynalazek studentów Politechniki Gdańskiej o nazwie “ŻUK BOT”.

To jest bardzo podobny problem i zarówno TartanSense, jak i ŻUK BOT postaram się zaadresować. Żeby mieć daną plantację, uprawę zdrową to tradycyjnie nawozi się dane pole określonymi specyfikami chemicznymi, żeby one atakowały szkodniki zagrażające uprawie. Problem jest taki, że po pierwsze są to chemikalia, więc jeżeli dużo będziemy ich nawozić, to ta ziemia stanie się jałowa. Z drugiej strony flora w pewien sposób się niszczy, więc wiadomo, że duża ilość chemikaliów nie jest dobra dla uprawy. Jak tu znaleźć rozwiązanie między tym, że nie chcemy, żeby szkodniki zaatakowały uprawę, a z drugiej strony nie chcemy wylewać ton chemikaliów na tą uprawę, aby ona dobrze i ekologicznie rosła.

Takim rozwiązaniem są między innymi małe roboty rolnicze, na przykład ŻUK BOT czy TartanSense. TartanSense był dedykowany dla upraw bawełny jest dostępny na rynku i dobrze się sprzedaje. ŻUK BOT w założeniu jest bardziej uniwersalny i był pracą właśnie studentów Politechniki Gdańskiej, którzy zresztą zabrali go na konkurs w Wielkiej Brytanii w 2017 roku i zdobyli na nim pierwsze miejsce. ŻUK BOT w skrócie jeździ po polu i rozpoznaje, co jest zdrową roślinną, a co chwastem.

Jeżeli ktoś ma swoją działkę i na niej plewi to wie, że chwasty są dużym problemem. Tym bardziej na skalę komercyjną. W związku z tym należałoby je też eliminować. Między innymi taki ŻUK BOT ma jeździć, rozpoznawać chwasta poprzez widzenie komputerowe i miejscowo aplikować dane chemikalia, które zwalczają tego chwasta. W związku z tym jaki jest plus? Nie mamy masowego wykorzystania tych nawozów i chemikaliów tylko miejscowe, nakierowane tam, gdzie powinny zostać wykorzystane, a reszta pola pozostaje nietknięta w tym zakresie.

Mam pytanie do Ciebie jako do człowieka, nie jako przedstawiciela Instytutu. Załóżmy, że wdrożyliśmy wszystkie potrzebne rozwiązania, które warto było wdrożyć. Załóżmy, że w jakiś sposób ta decyzyjność się znalazła i żyjemy w przyszłości, którą próbujemy teraz stworzyć wspólnymi siłami. Pytanie jest takie: jak powinno wyglądać Twoje codzienne życie, żeby uznać, że udało się osiągnąć sukces w tym wdrażaniu?

Myślę, że zacząłbym od transportu, bo budzę się rano i za każdym razem muszę dojechać do pracy. Mieszkańcy Krakowa wiedzą, jak to ciężko wygląda, więc rzeczywiście na pewno widziałbym jakiś inteligentny system. Otwieram aplikację i widzę, jak dziś dojadę do pracy, pewnie jakimś łączonym środkiem komunikacji. Czyli najpierw podjadę hulajnogą, którą wypożyczyłem na kilka minut, później wsiądę w autonomiczny samochód, który mnie przewiezie przez daną część trasy. To wszystko będzie opłacane w jednej aplikacji, nie będę stał tyle w korkach, a samochód, którym się będę poruszał, nie będzie stał tyle na parkingu. Chyba o tym nie mówiłem, ale mnie zatrwożyło najbardziej przy pisaniu tego raportu, że ponad 96% czasu samochody spędzają stojąc na parkingach, więc w sumie powinniśmy nazywać je robotami do parkowania, a nie samochodami. To jest jedna rzecz, w której na co dzień bym widział dużą zmianę.

Druga rzecz, to chciałbym mieć dostęp do świeżych warzyw i owoców. Weźmy pod uwagę, że przy coraz mniejszej ilości dostępnych upraw nieskażonych czy bio, to będzie też wyzwanie. Chciałbym więc widzieć dużą ilość dostępnych  zdrowych owoców i warzyw, produktów w normalnej cenie dla każdego pracownika, obywatela. Wiązałoby się to zapewne z uprawianiem ich między innymi z wykorzystaniem technologii, która zoptymalizowałaby no. ich zbieranie. Nie wspomniałem o tym, ale są między innymi takie aplikacje tej technologii, że nie będziemy musieli przeznaczać funduszy na opłacenie osób, które zbierają ogórki czy pomidory, które będą lądować na naszym stole, ale to będzie się odbywać automatycznie. Będzie nawet podejmowana decyzja na podstawie oceny tego, czy owoc jest już gotowy, czy warzywa mogą zostać zebrane. Chciałbym więc widzieć łatwy dostęp do świeżych i zdrowych produktów.

A na koniec, w momencie kiedy zachoruję, to przede wszystkim pójdę do lekarza, który będzie miał więcej czasu dla mnie, bo przy szeregu rutynowych zadań, które musi obecnie zrobić ręcznie, zastąpi go po prostu maszyna tam, gdzie będzie to możliwe i tam gdzie będzie to miało sens. Diagnostyka tego także będzie o wiele łatwiejsza. Właściwie będzie ona skupiać się na ocenie tego, czy takie sito pierwotne diagnostyki zautomatyzowanej mojego zdrowia było dobre czy nie. Czy tutaj nastąpił jakiś błąd technologii, czy nie i zapewne też jeżeli dojdzie do jakiegoś leczenia, to będę mógł liczyć na leki, które będą tańsze.

Tańsze dlatego że będzie można je wytwarzać szybciej i po niższych kosztach. Ostatecznie te leki będą właściwie na wszelkie choroby. To już taka bardzo idealistyczna wizja, ale założenie jest takie, że w momencie kiedy przy wykorzystaniu technologii (także sztucznej inteligencji ale też komputery kwantowe tutaj wchodzą w grę) będziemy mogli właściwie skokowo zwiększyć ilości przetwarzanych danych o genomie. Czyli badanie nowych leków na choroby, na które jeszcze nie znamy odpowiedzi, będzie możliwe. Będziemy to mogli zlecić sztucznej inteligencji obsługiwanej przez komputery kwantowe i po prostu będziemy mieli tak duże ilości danych i tak duże możliwości obliczeniowe, że będziemy w stanie leczyć prawie wszystko dzięki tym wytworzonym lekom.

Trzymamy kciuki, żeby tak się stało i też przy okazji, żeby zostało miejsce dla człowieka, bo wiele rzeczy się automatyzuje i czym my będziemy się zajmować? Bardzo Ci Robert, po pierwsze za przygotowanie tego raportu i za to, że znalazłeś czas, żeby się podzielić swoją opinią i wyjaśnić niektóre tematy.


Dokąd zmierza nasza cywilizacja? Z jednej strony faktycznie mamy na dzień dzisiejszy ogromne problemy z korkami i taka automatyzacja może pomóc, pytanie tylko czy w tym jest problem? Jak to się stało, że te korki powstały? Skąd pojawił się trend przenoszenia się do miast? Tłumaczy się to często tym, że na wsi jest degradacja i ciężko jest się tam rozwijać. Dość często to jest prawda, ale może warto zrobić tak, żeby tej degradacji tam nie było? To wtedy nie będzie problemów z korkami…

Specjalnie wszedłem na stronę http://onkologia.org.pl. Na której można znaleźć informacje, że nowotwory są drugą przyczyną zgonów w Polsce. Liczba zachorowań na nowotwory złośliwe w Polsce w ciągu ostatnich trzech dekad wzrosła ponad dwukrotnie, osiągając w 2010 roku ponad 140,5 tys. zachorowań.

Patrząc na zwykłą korelację, to czym większe PKB tym więcej zachorowań na raka. Być może za tym stoi przyczynowo-skutkowa relacja? Co o tym myślisz? Być może ten stres, powietrze, jakość jedzenia i inne czynniki wpływają na ludzi, którzy tak aktywnie pracują na PKB. Faktycznie zwiększa się, ale czy o to ostatecznie chodzi? Jak myślisz, na ile nowe technologie rozwiązują właściwy problem? Zostawiam Cię z tymi pytaniami…

Żeby pobrać omawiany raport, wystarczy zapisać się na newsletter na BiznesMyśli. Jeśli już w nim jesteś – to proszę sprawdź swoją skrzynkę. Dodatkowo Robert powiedział, że może udostępnić 5 drukowanych wersji raportu. Aby je dostać wystarczy podzielić się linkiem w sieciach społecznościowych i następnie skontaktować się ze mną. Dla pierwszych pięciu osób wyślę ten raport. Uwaga, wysyłanie raportów w wydrukowanej wersji jest aktualne tylko dla pierwszych pięciu osób lub do końca czerwca 2019.

Na koniec jeszcze jedna rzecz. Wyjaśnię moją ostatnią nieobecność. Tak składa się, że ilość rzeczy, które organizuję czasem przerasta moje fizycznie możliwości. Podcast jest moim hobby, natomiast w pewnym momencie poczułem, że robienie kolejnych odcinków sprawia mi trudności, więc uznałem, że jakość ich też może na tym się pogorszyć. Dlatego uznałem, że bolesna, ale najlepszą decyzją będzie zrobić przerwę i przemyśleć co dalej.

Dzięki za wsparcie, które dostaję i podpowiedzi, jak można to optymalizować. Między innymi pojawił się pomysł, że nie zawsze muszę nagrywać długi odcinek, czasem być może warto zrobić krótki odcinek np. na 10-15 minut o czym, co wydarzyło się lub o moich przemyśleniach. Ewentualnie wprowadzić sezony i wakacje. Będę eksperymentował. Jeśli dla Ciebie słuchanie odcinków i czytanie tego bloga jest wartościowe, to proszę daj mi o tym znać i doprecyzuj na czym polega wartość.

Zapisz się, a otrzymasz

Bm small small
  1. Dostaniesz wartościowe materiały w postaci ebooków, checklist czy podsumowań.
  2. Informację o kolejnych odcinkach podcastu
  3. Zniżkę (10% lub większą) na trening uczenia maszynowego
  4. Aktualności na temat sztucznej inteligencji
Rozpędź swój biznes sztuczną inteligencją Powered by ConvertKit
Jestem na

Vladimir

Podcaster at Biznes Myśli
Od 2013 roku zacząłem pracować z uczeniem maszynowym (od strony praktycznej). W 2015 założyłem inicjatywę DataWorkshop. Pomagać ludziom zaczać stosować uczenie maszynow w praktyce. W 2017 zacząłem nagrywać podcast BiznesMyśli. Jestem perfekcjonistą w sercu i pragmatykiem z nawyku. Lubię podróżować.
Jestem na
Share

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *