Seganova bledoplava tačka


Džon Meserli, (John G. Messerly, PhD), dugogodišnji član odeljenja za filozofiju i računarstvo na Teksaškom univerzitetu i pisac knjiga o evolutivnoj filozofiji pravi kratak osvrt na reči koje je napisao i izgovorio jedan od najpopularnijih svetskih naučnika s kraja prošlog stoleća.

Ilustracija: indac

Astronom Karl Segan (Carl Sagan) jedan je od mojih intelektualnih junaka i jedan od velikih sekularista dvadesetog veka. Pre trideset godina (1989), nakon što su oba Vojadžerova svemirska broda prošla Neptun i Pluton, Segan je poželeo poslednju sliku Zemlje sa „sto hiljada puta“ veće razdaljine od čuvenih fotografija Zemlje koje su uslikali astronauti programa Apolo. Nijedna fotografija nikada nije pružila bolju perpektivu uslova i prilika nas, ljudi; vredi je videti, a i saslušati ovo, najmanje jednom godišnje do kraja života. Hvala, Karl Segan.

(Gornja multimedijalna prezentacija ponovo je objavljena u internet-magazinu Instituta za etiku i nove tehnologije, 17. marta 2015.)

O Plavoj tački u beskraju, Karl Segan je napisao:

“Sa ovog udaljenog mesta posmatranja, Zemlja možda izgleda beznačajna. Ali za nas je drugačije. Pogledajte ponovo tu tačku. To je ovde. To je dom. To smo mi. Na njoj… svi koje volite, svi koje poznajete, svi za koje ste ikada čuli, svako ljudsko biće koje je ikad postojalo – živelo je tu. Skup svih naših radosti i patnji, hiljade samouverenih religija, ideologija i ekonomskih doktrina, svaki lovac i svaki sakupljač, svaki heroj i svaki strašljivac, svaki stvaralac i razarač civilizacije, svaki kralj i seljak, svaki mladi zaljubljeni par, svaka majka i svaki otac, dete puno nade, pronalazač i istraživač, svaki učitelj morala, svaki korumpirani političar, svaka superzvezda, svaki vrhovni vođa, svaki svetac i grešnik u istoriji naše vrste — svi smo živeli tamo: na čestici prašine osvetljenoj zrakom Sunca.

Zemlja je veoma mala scena u nepreglednoj kosmičkoj areni. Setite se reka krvi koje su prolili svi oni generali i vladari, da bi, u slavi i trijumfu, na trenutak postali vladari delića tačke. Setite se beskrajnih okrutnosti počinjenih od strane stanovnika jednog ćoška piksela prema jedva prepoznatljivim stanovnicima nekog drugog ćoška, njihovih toliko čestih nesporazuma, toliko želeći da poubijaju jedni druge, njihove  mržnje.

Naše zablude, naše umišljeno samouvažavanje, obmana da imamo neki privilegovani položaj u Svemiru su suočene sa ovom bledom tačkom. Naša planeta je usamljena mrlja zapretena velikom kosmičkom tamom. U našoj beznačajnosti u svom tom prostranstvu, ne postoji nikakva naznaka da će pomoć doći s nekog drugog mesta, da nas izbavi od nas samih.

Zemlja je jedino mesto za koje znamo da sadrži život. Ne postoji ni jedno drugo mesto, bar ne u skoroj budućnosti, gde bi se naša vrsta mogla odseliti. Posetiti, da. Naseliti, ne još. Sviđalo vam se ili ne, Zemlja je mesto gde se trenutno nalazimo.

Kažu da je astronomija iskustvo koje kroz poniznost izgrađuje karakter (“jer smo tek trun u beskraju prostora i vremena”). Verovatno ne postoji bolji pokazatelj glupavosti ljudske sujete od ove slike našeg sveta sa ovolike udaljenosti. Za mene, ona naglašava našu odgovornost da se jedni prema drugima odnosimo ljubaznije, i da sačuvamo i negujemo bledoplavu tačku — jedini dom za koji znamo.”

Fotografiju “Plava tačka u beskraju” (Pale Blue Dot) snimio je Vojadžer 1, šestog jula 1990. godine. Vojadžer je ovu fotografiju napravio na svom putovanju, sa same granice Sunčevog sistema, u momentu kada je bio udaljeniji od Plutona, na rastojanju od 6,4 milijarde kilometara. Četiri godine kasnije, Karl Segan objavio je istoimenu knjigu, Plava tačka u beskraju, o tome koliko su ljudi (ne)značajni i (ne)moćni u odnosu na Univerzum.

Oktobar 1994.

Reason & Meaning

Carl Sagan’s Pale Blue Dot

Big Data i biznis: Kako izvući smisao i korist  iz gigantskih baza podataka?


Koliko je vremena potrebno da se oporavite od hirurškog zahvata zamene kuka?

Za bolnice širom sveta ovo  nipošto nije akademsko pitanje. Bolnice su imale oko 36 milijardi dolara nekompenzovanih troškova zbrinjavanja u 2015. godini. Najveći deo njih potiče od neplaćenih računa pacijenata.

Jedno rešenje ovog problema je ograničavanje troškova vezanih za operaciju – ali kako? Odgovor: Machine learning („Mašinsko učenje“ je već uvrežen termin u srpskom jeziku, mada je pogrešan; „Učenje mašina“ daleko preciznije pogađa suštinu). Bolnice sada koriste prediktivnu analitiku kako bi prognozirale prosečne boravke i potencijalne komplikacije koje mogu iskrsnuti tokom operacija, poput operacije kičme.

Na primer, podaci od kupaca usluga zdravstvene zaštite pokazuju starosnu dob pacijenta, ustanove koje obezbeđuju osnovne zdravstvene usluge, i sekundarnu dijagnozu. Pomoću mašinskog učenja i prediktivne analize podaci sada mogu predvideti buduće troškove i doprineti identifikovanju pacijenata koji mogu imati probleme u oporavku. Ishod? Bolnice donose bolje kliničke odluke, doživljavaju niže stope readmisije, nudeći kraće bolničke boravke i pružajući bolju negu.

Biznisi ogromnog broja preduzeća pokazuju slične efekte „stvarne situacije na terenu“, dakle, dobijaju realističnije cifre u predikciji, a sve to zahvaljujući upotrebi mašinskog učenja za analiziranje svojih poslovnih podataka. Često je problem u nedovoljnoj količini podataka – potrebnih za što bolju analizu i predikciju – a ti im podaci često nedostaju.

Po rečima Majka Gotjerija (Mike Gaultieri), analitičara kompanije za tehnološku predikciju marketinga i tržišta, Forrester Research, mašinsko učenje nije ni nalik tradicionalnoj poslovnoj inteligenciji u kojoj su garantovani rezultati. “Ukoliko tražite model za mašinsko učenje, možete reći ‘pokušaću’, ali možda nećete uspeti”, rekao je. “Preduzeća i biznisi moraju da razumeju da samo zato što ste želeli da imate model koji predviđa kretanje akcija na berzama ne znači da ćete ga i u stvarnosti imati.”

Rags Raghavendra, rukovodilac analitike u DXC Technology’s Analytics Data Labs, globalnom čvorištu koje analitičari podataka koriste, fokusirao se na konsalting i pronalaženje načina operacionalizacije analitike. On kaže da su “kompanije frustrirane jer često preteruju”. Žele da im big data analitika “odradi” prevelike grupe podataka, “žonglirajući” njima iako nisu dovoljno kvalifikovani za njihovo tumačenje i razumevanje, a i ne shvatajući koliko je taj zalogaj prevelik.  “Klijenti pokušavaju da učine nemoguće u smislu pokušaja da izvuku značenje iz svih mogućih vrsta podataka kojima imaju pristup”, rekao je on. “Ono što preporučujemo je da dobro razmotre podatke koje već poseduju i koji su lako dostupni, a tek potom da pređu na sledeći korak.”

Kompanije koje su pokušale i nisu uspele da proniknu u smisao i praktične aspekte analize velikih skupova podataka pre svega bi trebalo da prihvate da su neuspeh i iteracija tj ponavljanje neizostavni deo procesa analitike. One, ipak, mogu da svoje šanse za uspeh maksimiziraju tako što će postati pametniji kada je reč o korišćenju mašinskog učenja.

Evo osam načina za bolji i efikasniji pristup Big data analitici:

1. Počnite s problemom koji želite da rešite. Uranjati u podatke „skokom sa desetke“ a potom iščekivati da će oni volšebno izroniti pred vas je pogrešan pristup. Sve dobre priče o analitici podataka počinju identifikovanjem odgovarajuće metrike performansi koja povezuje poslovni rezultat sa pitanjima koja se odnose na podatke. Međutim, odabrana metrika ne bi trebalo da bude preširoka ili isuviše “granularna” tj usitnjena. Na primer, kada je DXC nedavno radio s jednom medijskom kompanijom na pojašnjenju razloga zbog kojih je pretplatnici napuštaju, najočiglednija metrika bila je promena u pretplatničkoj bazi. Kao što se ispostavilo, relevantnija metrika bio je Prosečni prihod po korisniku (ARPU), koji je bio direktno povezan sa većim poslovnim ciljevima koje je kompanije preduzimala kako bi povećala prihode.

2. Proces mašinskog učenja trebalo bi ’industrijalizovati’ odnosno razviti u širokom industrijskom obimu. “Čitav ovaj proces analize velikih skupova podataka nije industrijalizovan”, rekao je Raghavendra, čija Laboratorija podržava široku paletu oblasti, uključujući proizvodnju, telekomunikacije, automobilsku industriju, avio-kompaniju, energetiku, finansijske usluge i zdravstvenu zaštitu. “Dešava se da mnogo puta iznova i iznova ponavljate analizu ili je ne možete uvećati tj primeniti u širem obimu.” DXC je snažan zagovornik efikasnog i pojednostavljenog pristupa široko primenjivog mašinskog učenja, koji veruje da bi sve faze analize – od unošenja podataka i njihovog prečišćavanja, do stvaranja namenskih algoritama i njihovog stavljanja u proces aktivne analitike, a potom i generisanju uvida stečenih kroz podatke – trebalo da budu ponovno upotrebljive i raspoređene na kompanijske tehnologije.

3. Nemojte dozvoliti da vas ometaju i koče podaci koje ljubomorno čuva svako odeljenje pojedinačno unutar kompanije (tzv „silosi“:  izolovane grupe podataka koje ne cirkulišu u data analitici jedne kompanije jer uposlenici nekog odeljenja naprosto ne žele da ih dele s drugima, misleći da na taj način „drže prednost“ u odnosu na druga kompanijska odeljenja). Silosi su zbog toga veliko “prokletstvo” brojnih računarskih programa koji rade na korporativnoj analitici, jer sprečavaju pristup jedinstvenoj bazi podataka. Silosi, ipak, nisu toliko velika prepreka, kako neki veruju. “Ukoliko posedujete strategiju za pravilno korišćenje pametnih podataka i platformi, ne bi trebalo da previše brinete o silosima”, kaže Raghavendra. Jednostavno rečeno, ne morate brinuti o silosima sve dok ne predstavljaju problem za zadatak koji ste odabrali da rešite. Međutim, trebalo bi da se pripremite za neki predstojeći skup problema u nizu (tzv pipeline*) tako što ćete obezbediti integraciju različitih izvora podataka. “Postoje fleksibilne i modularne platforme koje vam omogućavaju da integrišete podatke kada je potrebno”, dodao je Raghavendra. (U računarstvu, pajplajn* je skup elemenata za obradu podataka povezanih u niz, pri čemu je autput jednog elementa input sledećeg. Elementi u nizu često se procesiraju paralelno ili kroz sekvence tj „komadiće“; u tom slučaju, određena količina buffer tj pufernog skladišta često se ubacuje između elemenata).

4. Mislite od-spolja-ka-iznutra. Ne morate uvek imati sve informacije, talenat, analitiku i inteligenciju: Ovo je priča o ekosistemu, a pobediće oni koji dodirnu „matricu sposobnosti“ koja se nalazi oko njih. Analitičari podataka kroz kraudsorsing*, kao i kroz „mašinsko učenje-kao-servis“ i eksterne skupove podataka, dobijaju moćan potencijal u poslovoj trci.

Crowdsourcing (angažovanje javnosti) je korišćena i legitimna metoda preuzimanja tuđih ideja, postupak dobijanja potrebnih usluga, ideja ili podataka od neodređenog skupa ljudi (shodno izreci: “Uzeti podatke od pojedinca je krađa, uzeti podatke od većeg broja ljudi je – istraživanje”).

5. Koristite sirove skupove podataka (takozvana „data-jezera“). Jezera podataka su spremišta u kojima možete sačuvati sve vaše postojeće podatke u izvornom obliku, bez obzira na njihov format Jezero podataka je spremište za skladištenje podataka koje sadrži ogromnu količinu sirovih podataka u svom izvornom formatu, sve dok se za njima ne ukaže potreba. I dok hijerarhijski organizovano skladište podataka čuva podatke u fajlovima ili fasciklama (folderima), data-jezero koristi “ravnu”, tj. horizontalnu ili baznu arhitekturu za čuvanje podataka, dakle bez hijerarhije (organizacije) podataka. Svakom elementu podataka u data-jezeru dodeljen je jedinstveni identifikator i označen je skupom proširenih oznaka metapodataka. Kada se pojavi upit od strane biznisa, data jezero se može upitati za relevantne podatke, a zatim se može analizirati manji skup podataka kako bi se odgovorilo na upit).

Raghavendra je mišljenja da kompanije treba da se upuste u praksu stavljanja svih svojih podataka u „data-jezero“. Ovi veliki skupovi sirovih podataka nisu stavljeni u fajlove niti su klasifikovani u foldere po važnosti, već su „u rinfuzu“, iako su svi indeksirani i tagovani kao metadata, spremni da se pojave na upit poslovnog subjekta. “Nemojte razmišljati o strukturiranju (važnosti, smisla i korisnosti podataka) na samom početku”, preporučuje Ragavendra.

6. Vršite istraživačku analizu podataka (exploratory data analysis, EDA) sa ciljem kojeg imate na umu. Prva faza „rudarenja podataka“ je upravo EDA, koja nastoji da rezimira podatke, vizuelno i ne-vizuelno. “Ono što sam često imao prilike da vidim je da je istraživački deo analize podataka potisnut”, rekao je Bharathan Shamasundar, viši analitičar podataka u DXC. “Svrha EDA tj istraživačke analize podataka je da se upoznaju s uzorcima i obrascima koji se u podacima poavljuju i samo na osnovu toga zauzimaju stavove o tome šta da čine nakon toga. Kompanije to često rade površno. “DXC-ovo iskustvo sa kompanijom za energetske usluge naglašava važnost pametne EDA tehnologije.

Jedno privatno komunalno preduzeće tražilo je preciznu prognozu koliko će energije proizvesti njihove vetroelektrane. Zbog toga što je ovo preduzeće primenilo istraživački deo analize (EDA) na svoje algoritme, tim savetodavne firme DXC je uspešno opovrglo već postojeće repere za čak 95% performansi vetro-turbina, uprkos tome što je upotrebljavano manje varijabli kako bi obavili svoje proračune. To iskustvo pokazuje značajne potencijale EDA metoda, naročito ako se sprovedu unapred, što će češće dovesti do algoritama prikladnih raspoloživim podacima.

7. Koristite inteligentno uzorkovanje. Jedan od razloga što kompanije imaju problema s pristupom u prave uvide Big data ishoda je zato što ih – previše koriste. “Uzorkovanje je postalo loša reč”, rekao je Šamasundar. “Uzorkovanje podataka je pametan način baratanja sirovim podacima.” Često se dešava da je ono što izgleda kao “big data” krcato redundantnim tj izlišnim informacijama. Analitičari iz DXC su za jedno robno-trgovačko preduzeće identifikovali  kako im je veliki deo uskladištenih podataka bio, zapravo, suvišan, jer je 94% svih njihovih trgovinskih poslova zasnovano na manjem podskupu podataka. Ovo pokazuje da je vrednovanje kvaliteta i relevantnosti važna komponenta strategije podataka.

8. Ustanovite fleksibilan operativni model za vaš program analitike podataka. Raghavendra vam savetuje da „Nikako ne odustajete od pokretanja programa za analizu podataka samo zato što ne možete da unajmite data-analitičara. Potražnja za ekspertima koji umeju da pravilno i smisleno „pročitaju“ velike hrpe podataka  trenutno je 60 procenata veća od broja stručnjaka, a nema znakova da se ovaj disparitet usporava. Međutim, ukoliko jedno preduzeće nije u stanju da zaposli dovoljno data-analitičara, Raghavendra preporučuje da, u tom slučaju, treba razmisliti o uporednom korišćenju partnerskih organizacija koje pružaju specijalističku analitičku podršku i “analitičara opštih podataka o građanima”. Stručnjak za prekopavanje tj „rudarenje podataka“ o građanima je osoba koja razume domen i poslovanje svojih poslodavaca/organizacija. Oni mogu obaviti razumnu analizu koristeći neke analitičke platforme koje su sada pojednostavile određene zadatke i zahteve u baratanju podacima. Pošto kompanije primenjuju analitiku za rešavanje problema, partnerske organizacije mogu biti od pomoći  kao podrška u uvećanju obima njihovih programa i izgradnji „dubljih“ mogućnosti u još raznovrsnijim oblastima.

I mada praćenje ovih smernica povećava verovatnoću za postizanje uspeha, preduzeća ne smeju smetnuti s uma da je mogućnost neuspeha realna i uvek prisutna. Analitika podataka sprovodi se kao naučni metod koji se zasniva na dokazivanju ili opovrgavanju hipoteze. Upotrebu podataka treba, potom, posmatrati kao istraživačku i razvojnu aktivnost (R&D). “Najbolje je imati pet-šest ili desetak i više ideja, i potom ih voditi paralelno”, opisuje Goltjeri upite zasnovane na podacima, “jer neće svi oni funkcionisati”.

Izazovi će postajati sve teži i teži, kako se količina podataka vremenom bude sve više uvećavala. Sa druge strane, što više podataka imate – to je i veća potencijalna nagrada i uspeh.

Prema Dejvu Aronu (Dave Aron), šefu istraživanja u  londonskoj IT firmi za istraživačko-savetodavne usluge Leading Edge Forum, DXC-ovom partneru za rukovođenje idejnim strategijama, još je uvek previše kompanija koje svojom najvrednijom imovinom smatraju ono što poseduju u fizičkom i finansijskom smislu.

“Preduzeća koja bi trebalo da dožive uspon i uvećanje svojih profita u narednoj deceniji jesu ona koja su prepoznala da su upravo informacije i njihova analiza ta nadasve “vredna imovina”, pa stoga grade i kontinuirano unapređuju svoje platforme za data-analitiku i izučavanje podataka”, kaže Aron. “Internet stvari (IoT), uz sve obimniji i glomazniji pravni okvir za zaštitu podataka čine da data-analitika postane relevantnija nego ikada pre.”

Obezbeđivanje koristi od analize „big date“ – bez obzira da li ste bolnica ili uslužna firma ili bilo koji drugi tip biznisa – zahtevaće promišljen pristup, puno hrabrosti, kao i respekta za naučne metode analize informacija dobijenih u vašem poslovanju.

WIRED Brand Lab, DXC Technology

AI & roboti vs. Radnik & osnovni prihod


Čak i najjednostavniji poslovi zahtevaju određene veštine – poput, recimo, kreativnog rešavanja problema – to je ono što AI sistemi još uvek ne mogu da kompetentno obavljaju piše Vinsent Konicer, profesor računarstva, ekonomije i filozofije na Univerzitetu Duke a prenosi MIT Technology Review.

33

Ne prođe ni dan a kada ne čujemo nešto novo o “opasnostima” koje za sobom povlači prodor veštačke inteligencije u radni proces, što nam već neko vreme svakodnevno preuzima poslove: od vozača kamiona, preko računovođa, do radiologa. Analiza instituta Mekinsi sugeriše da je “sada prisutna tehnologija sposobna da potpuno automatizuje 45 odsto aktivnosti ljudi koji su plaćeni da ih obavljaju.” Postoje čak i onlajn-alati, koncipirani na istraživanjima Univerziteta u Oksfordu, kojima je moguće validno proceniti stepen verovatnoće i rok u kojem će određeni poslovi biti automatizovani.

Ova rastuća zabrinutost da će napredak u AI učiniti da najveći broj naših profesija postane zastareo, navelo je neke da se opsete na (univerzalnog) osnovnog prihoda, naime, ideju po kojoj bi svi građani povremeno i bezuslovno primali novac od države (videti: Basic Income: A Sellout of the American Dream, “Osnovni prihod: izdaja američkog sna”). Y Combinator, istaknuti startup inkubator u Silicijumskoj dolini, pokrenuće pilot studiju o osnovnom prihodu u Ouklendu, Kalifornija, predsednik ove firme izjavio je da “u nekom trenutku u budućnosti, kako tehnologija bude nastavila da eliminiše tradicionalne poslove i bude stvarano novo opšte bogatstvo, imaćemo prilike da vidimo neku verziju ovog društveno-ekonomskog fenomena na nacionalnom nivou (Sjedinjenih Država). Nedavnim izveštajem Evropskog parlamenta o mogućim posledicama koje će robotika i veštačka inteligencija imati na tržiše rada,”opšti osnovni prihod treba ozbiljno razmotriti”, dok, istovremeno, ova evropska institucija “poziva sve države članice da to i učine”. U junu ove godine, Švajcarska je održala referendum o osnovnom prihodu (iako je 77 odsto birača glasalo protiv njega).

Da li je kolaps potražnje za ljudskim radom zaista neminovan? Kao AI istraživač, pisac ovih redaka misli da je odgovor odričan, a evo i njegovog objašnjenja.

“Da budem jasan, mislim da u bliskoj budućnosti možemo očekivati značajan napredak AI kao i da će roboti izvršiti značajan uticaj na tržište radnom snagom. S obzirom na napredak u autonomnim vozilima, može se zamisliti da će mnogi profesionalni vozači  u velikoj meri biti eliminisani. Značajan napredak ostvaren je u automatizaciji analize medicinskih snimaka i drugih podataka. Algoritmi preuzimaju sve veći udeo u profesijama koje se tiču finansijskog sektora. Roboti-kuvari su uveliko u fazi razvoja. Ova lista je podugačka i za sada se još više nastavlja”, piše Vinsent Konicer.

32

S druge strane, prikladno je ostaviti “u rezervi” i neki stepen skepticizma. Zapitajte se: Koliko smo tokom protekle decenije bili impresionirani napretkom robota-usisivača? Šta reći o napretku robo-mašine za pranje posuđa? Zapravo,, veoma je teško osmisliti potpuno autonomne AI sisteme spremne za ovakav entropičan i neuredan svet poput našeg, i naše realno okruženje koje je neretko u stanju haosa. Uopšteno govoreći, trenutni AI sistemi nemaju široko shvatanje sveta, uključujući i naše društvene konvencije, a ne poseduju ni zdrav razum. Razumevanje jezika je dobar primer za tu vrstu problema; izuzetno je teško proizvesti kompjutere koji će uspešno odgovarati na široku paletu veoma jednostavnih pitanja (videti članak “Problem jezika u veštačkoj inteligenciji” i “Tvrđi dubinski Turingov test pokazuje koliko su chatbot programi zapravo glupi” – “AI’s Language Problem”, “A Tougher Turing Test Exposes Chatbots’ Stupidity”)..

AI sistemi još uvek nisu u stanju da istinski apstrahuju; stran im je svet apstrakcije, baš kao i uzmicanje korak unazad kako bi ponovo porazmislili i uzeli u razmatranje i neke druge alternative i opcije; nesposobni za preispitivanje sopstvenih procesa rezonovanja, a nisu sposobni ni da uopštavaju ono što se dešava i iz toga izvuku zaključak. Jedna od posledica ovih nedostataka je da su mašine i dalje ograničene kada je u pitanju kreativnost. One, istina, mogu doći do novih rešenja problema. Google DeepMind, je, recimo, sačinio računarski program AlphaGo za igranje igre “Go”, koji je odigrao izuzetno neobičan potez u jednoj od svojih nadmetanja protiv šampiona u ovoj igri, Lija Sidola (Lee Sedol). Veštačka inteligencija može stvoriti neku vrstu “umetnosti”, kao što je očigledno bio slučaj s psihodeličnim radovima nastalim preko Guglove neuronske mreže DeepDream. To, ipak, nije ona vrsta kreativnosti koja zaista može pružati jednu novu perspektivu iz prve ruke. Nije potrebno ni pomišljati a ni potezati takve uzvišene duhovne podvige kao što je, recimo, Ajnštajnova formulacija Opšte teorije relativnosti da bismo potvrdili još uvek nedodirljivu teritoriju rada ljudske mašte i duha. Uzmimo, na primer, asistenta koji predlaže kombinovanje dva sastanka u jedan kako bi učesnici uštedeli vreme. Takvo rešavanje problema za nas je sasvim rutinsko, ali bi veštačkoj inteligenciji i njenom “mentalnom sklopu” bilo veoma teško da ga ponovi.

Sve u svemu, dok nastojimo da AI prodre u naša postojeća radna mesta kako bi ih preuzela, često možemo zapaziti neuspeh mašina, i to u aktivnostima u kojima ljudsko biće ne bi nikada pogrešilo. Istorija AI istraživanja obiluje primerima gde istraživači stvaraju sisteme koji funkcionišu iznenađujuće dobro kada se radi o dobro definisanim zadacima – samo kako bismo se još jednom uverili da je teško zameniti ljude koji još uvek obavljaju slične zadatke u ovom stvarnom i nepredvidljivom, neuređenom i neuređenom svetu.

Možda će tipičniji slučaj biti da poslovi budu delimično eliminisani jer će jedan njegov deo moći da obavlja AI. Tehnološki napredak takođe može da dodatno olakša outsourcing poslove širom sveta. Istovremeno, mnogi poslovi ostaće imuni na robotizaciju, barem u doglednoj budućnosti, jer oni u osnovi zahtevaju veštine koje AI teško da može da oponaša.27

Uzmimo, na primer, terapeute, trenere, ili vaspitače u vrtiću: ovi poslovi zahtevaju opšte razumevanje sveta, uključujući ljudsku psihologiju, društvenu inteligenciju i rezonovanje, sposobnost da se nosi sa neobičnim okolnostima i tako dalje. AI mogu čak da jedan deo radne snage ponovo vrati u radni proces. Na primer, napredak u robotici mogao bi biti neprocenjivo olakšanje za osobe sa invaliditetom, pružajući im priliku da zadrže neke poslove, dok napredak AI u obradi jezika može isto učiniti za osobe koji imaju poteškoća pri korišćenju postojećih računarskih interfejsa.

“Svakako da je moguće kako uopšte nisam u pravu, i da će napredak u AI nastupiti daleko brže nego što sam očekivao; tehnološki napredak je jako teško prognozirati. Ali, ako neko zaista veruje da postoji dobra šansa da će veštačka inteligencija u relativno kratkom roku uveliko premašiti ljudske sposobnosti, onda čovek, kao vrsta, ima veći problem nego što je dilema da li primeniti osnovni prihod ili ne (zapravo, postoje ljudi koji ozbiljno brinu o tome, ali to je već jedan poseban članak).

Ideja da će najskoriji napredak u razvoju AI sprečiti većinu ljudi da smisleno doprinose društvu je besmislica. Možda ćemo, doduše, morati da načinimo neke promene u načinu na koji društvo funkcioniše, uključujući i to što će biti olakšana obuka za radnike koji su se izmestili usled gubitka posla; a možda će u nekom trenutku nezadrživa robotizacija nagnati državu da poveća javnu potrošnju, trošeći na (recimo) pažljivo odabrane infrastrukturne projekte kao protivtežu gubitku radnih mesta u privatnom sektoru. Takođe, treba imati na umu da napredak u AI može doći neočekivano, pa stoga treba učiniti sve kako bismo se na to pripremili, stvarajući društvo dovoljno otporno na takve šokove.

Ali ideja da smo zakoračili u tehno-utopije skoro bez potrebe za ljudskim radom nije podržana trenutnim stanjem u oblasti AI istraživanja. Zemlje koje u potpunosti revidiraju svoje sisteme zaštite na osnovu ove ideje, sada bi se mogle jako pokajati – ukoliko postane jasno da najnoviji napredak u AI, koliko god impresivan, i dalje ima svoja ograničenja.

MIT Technology Review, 31. Okt, 2016

35 inovativnih interfejsa koju su izmenili naš svet (1/2)


Šta su interfejsi?

Interfejsi su sve ono gde čovek susreće tehnologiju.

00

Oni pružaju pametnije načine za jednostavniju upotrebu stvari i prostiji način korišćenja pametnih stvari. Interfejsi oslobađaju potencijale složenih sistema i tehnologija, kako bi ih korisnici kojima su potrebni mogli da upotrebljavaju. Iz dana u dan, neprestano, interfejs je taj koji je u stanju da menjaju svet oko nas.

Korisnički interfejsi su od ključnog značaja za neke od svetski najvažnijih inovacija. S obzirom da linija između “interfejsa” i “pronalaska” može biti prilično nejasna i tanka, evo prilike da malo zagrebemo po toj crti – i napravimo mali pregled interfejsa koji su bukvalno izmenili naše živote.

Kompanija Xerox poseduje zaista dugačak spisak korisnih interfejsa: “Zeleno-dugme-znači-odobrenje-za-štampu-na kopir- aparatima”. Jednostavne, elegantne linije menija zvanog “hamburger” na vašem telefonskom displeju. A tu je i “računarski partner” koji pomaže da današnji gradovi sprovode propise o parkiranju.

Dakle, ovde je spisak kojim se odaje dužno poštovanje omiljenim primerima (i primercima!) korisničkih interfejsa, a vi ćete sigurno prepoznati najveći broj njih:

  1. 01Računarski miš

Pre nego što je smišljen ovaj “miš”, ako biste hteli da komunicirate s računarom, morali biste da mu instrukcije zadajete preko tastature.

Sve se to promenilo 1964. godine kada je inženjer i pronalazač Douglas Engelbart iz SRI International spojio parče neistesane drvene oplate, pločicu, par metalnih točkića i neki kabl kako bi napravio interakciju s računarom koja je i danas sasvim identična i prosta kao pre više od pola veka:  jednostavno postavite strelicu na željeno mesto na monitoru i napravite jedno “klik”: miš je rođen!

  1. 02Brzinomer

Ljudi kao vrsta u stanju su da opažaju ubrzanje i usporavanje. Ono što ne možemo da opažamo jeste – stvarna brzina kojom se krećemo. Naravno, pre pronalaska i upotrebe automobila, ali to i nije toliko bitno.

Ali, s obzirom da su automobili postajali sve brži, postajalo je i sve jasnije još nešto: sve dok nismo saznali koliko brzo smo se kretali, nismo bili u stanju da regulišemo koliko bi to brzo trebalo da se krećemo.

Otto Schulze i njegov brzinomer. Kakva sjajna ideja.

  1. 03Sintetizacija teksta u govor

Neki interfejsi oslobađaju potencijale tj. mogućnosti sistema. A neki drugi pak oslobađaju potencijale samih korisnika.

Prodori u text-to-speech sintezi omogućili su ljudima sa invaliditetom govora i čitanja da prirodno interaguju s ljudima oko njih. Zamislite Stivena Hokinga bez njegovog tekstualno-govornog sinetizatora.

I dok ovaj tekstualno-govorni interfejs iz dana u dan postaje sve bolji i savršeniji, s njim dobijamo i potpuno novi niz aplikacija koje mogu izmeniti svačiji život.

  1. 04Prirodni jezik korisničkih interfejsa

Danas koristimo virtuelne pomoćnike, kao što Siri ili Cortana, ili “Google next exit”, dok vozimo ili da svojim ručnim zglavcima naložimo gestom da “pozovu kući.”

Ali, s daljim razvojem interfejsa prirodnog jezika, oni će sve više biti u stanju da ubrzaju složene procese koji uključuju dosta kucanja – od medicine pa do sveta finansija.

A samo je pitanje vremena kada će ovi intefejsi uspeti da shvate škotski akcenat.

  1. 05Rotacioni (obrtni) brojčanik telefona

Da biste danas koristili telefon s klasičnim obrtnim brojčanikom, morali biste prvo da pronađete poseban hotel s takvim spravama – nalik nekakvom hipsterskom butiku.

Brojčanik telefona je 1891. sve promenio. Do tada, za korišćenje telefona vam je bilo potrebno da verglate ručicu čime se električna iskra kao signal slala operatoru u telefonskoj centrali – kao znak da želite da se s nekim povežete. I tako do u nedogled: Svaki-pojedinačni-put-okrećete-ručicu-da-biste-dobili-operatora.

Brojčanik je bio prvi automatizovani interfejs pod kontrolom korisnika, koji ga upotrebljavao za upućivanje poziva. Pogledajte današnji iPhone i porazmislite za trenutak o tome koliko smo daleko dogurali.

  1. 06iPod “klik-točkić” za manipulaciju menijem

Nekoliko decenija nakon rotacionog točkića, Steve Jobs najavio je dolazak još jednog točkića, koji će promeniti tok čitavog tržišta.

Ne samo što je iPod svima pružio “Hiljadu pesama u džepu”, već nam je podario i novi način interakcije s uređajima.

Klik-točkić je takav interfejs koji je u sebi sjedinio oštro definisanu funkcionalnost s taktilnom jednostavnošću, na način koji je obnovio interes za portabl-plejere. Ako je dosad možda već i zamenjen, u to vreme – do pre samo nekoliko godina – ovo je bila suština onoga što je “cool”.

  1. 07QWERTY tastatura

Prve pisaće mašine imale su jedan široko rasprostranjen problem – ako biste otkucali dva susedna slova u brzom nizu, ona bi se ukrstila blokirajući dalji rad mašine.

Tako je 1870. urednik novina iz Milvokija objavio koja su to najčešće korišćena slova, stvorivši takvu tastaturu koja bi ovakva slova što je moguće više razdvojila, kako se tokom kucanja ne bi ukrštala. Rezultat je bila QWERTY tastatura.

Čudna činjenica: Najduža reč koju možete otkucati sa setom gornjeg seta slova na QWERTY tastaturi je “pisaća mašina” (typewriter)

  1. 08Predvidljivi unos teksta

Što je telefon manji, teži je za kucanje. Ovo se odnosilo na kabaste, stare (i nadasve voljene!) mobilne telefone finskog proizvođača Nokia ali takođe važi i za današnje “seksi”, nove iPhone mobilne.

Sistemi za predviđanje kucanog teksta kao što je to npr T9 omogućio nam je da manje vremena provodimo petljajući se oko “sitnih slovaca” na tastaturi mobilnog, obezbeđujući nam da posvetimo više vremena komunikaciji. Bez ovakvih prediktivnih sistema teško je i zamisliti da bi savremeno mobilno računarstvo imalo ovakvu silovitu uzlaznu putanju.

  1. 09ATM (bankomat)

“Dana drugog septembra naša banka će se otvoriti u 9:00 ujutro i nikada se više neće zatvoriti” – ovako je jedna reklama najavljivala prvi bankomat 1969. godine.

Bankomati su korisnicima pružili interfejs kojim oni potvrđuju svoj identitet, u interakciji sa evidencijom banke, da bi potom iz aparata povukli svoju gotovinu koju imaju na računu. Bankomati su omogućili bankama da svoje klijente usluže i  van radnog vremena – bio je ovo ogroman napredak u samouslužnoj maloprodaji.

  1. 10Elektronska naplata (Electronic Tolling Collection, ETC)

Zakrčenja puteva, preduge kolone vozila, pronalaženje punkta s najkraćim redom za čekanje kontrolora koji naplaćuje putarine, dok vozač mora da plaća i prikuplja sve priznanice sa naplatnih rampi – plaćanje i prikupljanje putarina je, na svom najosnovnijem nivou, jedan priličan problem za interfejs.

ETC tj elektronska naplata (upotreba transpondera u automobilima kojima se putarina plaća elektronski kada vozilo prolazi pored kabine za naplatu) dramatično je poboljšala protok saobraćaja, smanjivši potrošnju goriva jer je minimizirala potrebu za zaustavljanjem ispred naplatne kabine.

  1. 11Abakus – računaljka s kuglicama!

Daleko pre nego što je iko izmislio pisani sistem brojeva, drevna kultura Vavilonaca i dalje je imala tradiciju – a pre svega realnu potrebu – da računa, sabira i oduzima, deli i množi,  što im je uveliko olakšavalo trgovinu i proizvodnju.

Izum je brutalno jednostavan, mobilan i intuitivan – zato je ovu računaljku kao interfejs veoma teško ignorisati – koliko je samo abakus bio koristan, pouzdan, jednostavan i precizan!

  1. 12Internet-pretraživač

Ser Tim Berners-Li (Tim Berners-Lee) je linkove sa svetske računarske mreže indeksirao tj beležio – ručno. Naravno da je razvojem interneta porastao i obuhvat indeksiranja ne na milione već na milijarde linkova, a samim tim je postalo jasno da bi korisnicima bio potreban bolji način.

Ali, dok su pretraživači bili “ugrađeni” u prepune “portale” krcate vestima i linkovima, Google je sa svoje prve stranice skinuo sav taj dar-mar za pretragu svega i svačega, ostavljajući samo polje za ukucavanje ključne reči za pretragu i par aktivnih dugmadi.

Njihov korisnički interfejs pomogao je da univerzalna pretraga postane primarna funkcija veba.

  1. 13Grafički korisnički interfejs (Graphic user interface GUI)

Stavite kursor tj strelicu na određeno mesto i kliknete, prevučete i ubacite (drag & drop), preklapajući “prozori,” ikone, meniji – nijedna od ovih stvari  nije postojala sve dok grupica vizionara nije konačno stvorila “desktop” metaforu, koja je definisala grafički korisnički interfejs.

Oslanjajući se na viziju Daga Engelbarta (Doug Engelbart), Alena Keja (Alan Kay) i tima okupljenog oko Xerox PARC-a, ovi su naučnici bili prvi koji su postigli da računari “izađu” izvan komandne linije interfejsa, kraće rečeno: da se ne kuca samo unutar dosadnih tekstualnih kolona već da se korisnicima omogući da klikću po monitoru gde god zažele.

Ali, dok je Kseroksov “Alto” bio prvi kompjuter koji je koristio GUI, sigurno nije bio i poslednji. Ljudski/računarski interfejs ostaje ključna oblast istraživanja za naučnike širom sveta.

  1. 14Alfabetizacija

Popisi, katalozi i direktorijumi nisu bili organizovani po abecednom redu sve do prvog milenijuma Stare ere. Bilo je to divlje i brutalno doba.

Kako su se ljudi kroz istoriju razvijali i učili, alfabetizacija – odnosno organizovanje pisanih sadržaja po abecednom tj. slovnom redosledu pokazala se suštinski bitnim metodom organizovanja informacija. Organizacija po ovom redosledu ostala je u potpunosti ista kao i pre tri hiljade godina, i danas je ovaj interfejs još uvek nezamenljiv u poslovanju i organizaciji pisanih sadržaja.

  1. 15Daljinski upravljač

Davne 1898. godine, Nikola Tesla je demonstrirao prvi brodić upravljan bežičnom radio-kontrolom. Bio je to prvi put da je neko uspeo da iznađe metod za daljinsku kontrolu vozila i naprava.

I dok je Tesla veoma tačno predvideo da će se njegova “Tele-automatizacija” koristiti u vojne svrhe i za vođenje savremenih ratova, on nije mogao predvideti ulogu koju će daljinski upravljač igrati u našim životima – ni neverovatnu nezgrapnost prosečnog daljinskog upravljača.

  1. 16Lembova ručka

Prva ergonomski dizajnirana ručka lako bi mogla biti i najbolja koja je dosad napravljena. Lembova ručka još uvek je bez premca i danas nalazi široku primenu – od srpova do instrumenata u Spejs šatlu, od hirurškog intrumentarijuma do drški na koferima.

“Lembova drška čvrsto i bezbedno fiksira prste na dršci noža, zadržavajući postojano palac i prste na svom mestu”. Thomas B. Lamb, je započeo dizajn ručke 1941. godine, proučavajući 700 pari ruku tokom njihovog rada nožem, patentirajući 1945. svoj koncept drške, kako za dešnjake tako i za levoruke. Licencirane verzije Lembove drške danas se naširoko koriste u proizvodnji posuđa – lonaca, tiganja, fenova za kosu, bajoneta, čekića, kuhinjskih alata, brisača za podove, hirurških instrumenata, sanduka, srpova, kašika i viljušaka, odvijača za čepove, policijske palice i stotine drugih proizvoda.

Ova ručka imala je nesagledivo dubok uticaj na celokupan pokret dizajna i samo shvatanje ergonomije u funkciji upotrebne vrednosti predmeta.

  1. 17Solari tabla – Putni displej s rotirajućim listićima

Čak i kada su tokom 1950-tih železnički i vazdušni saobraćaj doživeli svoj bum, oglasne table s rasporedom dolazaka i odlazaka i dalje su se ažurirali ručno. Solari tabla bila je iskorak napred. Ovaj sistem rotirajućih listića kojeg su izmislila dvojica italijanskih sajdžija (i rođaka) omogućio je daljinsko ažuriranje putnog rasporeda.

Pored svoje već decenijama dokazane efikasnosti, svima nama tako drag i srcu prirastao šum obrtanja listića na displeju postao je sinonim za putovanja širom sveta (Neki savremeni digitalni displejevi i dalje se prave tako da stvaraju ovaj prepoznatljiv ton, signalizirajući putnicima koji čekaju da se tabla upravo ažurira, ali i podsećajući ih da ne zaborave na svoj voz ili avion … a takođe i iz nostalgičnih razloga).

  

  1. 18Razgovor putem Interneta (Internet Chat relay, IRC)

Mnogo pre nego što su izmišljene mobilne aplikacije za cyber ćaskanje tipa Slack i WhatsApp, ili čak AIM (AOL Instant Messenger), IRC je korišćen za povezivanje najranijih korisnika i tvoraca interneta putem tekstualnih poruka.

Iako je IRC interfejs svakako primitivan i na mnogo načina sirov i nedorađen, bio je to jedan od prvih internet-protokola koji su omogućili da današnje onlajn ćaskanje na Mreži postane stvarnost.

IRC je čak inspirisao Krisa Mesinu (Chris Messina) da usvoji jednu od puno korišćenih simbola u današnjoj onlajn komunikaciji: haštag, na Tviteru.

Knjige za ovo leto po izboru Fajnenšel Tajmsa (1/2)


0909. Uspon i pad nacija: Deset pravila promena u post-kriznom svetu (The Rise and Fall of Nations: Ten Rules of Change in the Post-Crisis World, Ruchir Sharma, Allen Lane, RRP£25/WW Norton, RRP$27.95)

Ručir Šarma (Ruchir Sharma) je šef odeljenja za brzorastuća tržišta pri investicionom fondu finansijske američke korporacije Morgan Stanley. U ovoj živopisnoj i informativnoj knjizi, on objašnjava svoj sistem od 10 pravila za identifikaciju ekonomija sa dobrim potencijalom. Među udarnim zaključima su njegova zapažanja o Kini, predviđajući pad njenih akcija na berzama uglavnom zbog velike i rastuće zaduženosti. Napokon, današnja svetska ekonomija se u celini suočava sa „čeonim ekonomskim vetrovima“, tvrdi on.

1010. Imperija stvari: Kako smo postali svet potrošača (Empire of Things: How We Became a World of Consumers, from the Fifteenth Century to the Twenty-first, Frank Trentmann, Allen Lane, RRP£30/Harper, RRP$40)

Naša društva su potrošačka. Ovo, međutim, niti je novija pojava, a nije ni američki izum. U ovoj po svemu značajnoj knjizi, Frenk Trentmen (Frank Trentmann) tvrdi da su naša, sve kompleksnija potrošačka društva, evoluirala tokom pet vekova: danas, primećuje on, tipičan Nemac poseduje 10.000 predmeta. “Imperija stvari,” tvrdi on, “velikim je delom uzela zamaha i zbog toga što je imovina postala sve važniji nosilac čovekovog identiteta, sećanja i emocija.” (Martin Volf)

Biznis:

1111. Alibaba: Zdanje koje je sazdao Džek Ma (Alibaba: The House that Jack Ma Built, Duncan Clark, Ecco, RRP£18.99/$27.99)

Ako je Alibaba najveća globalna onlajn trgovačka firma i jedna od kineskih najinteresantnijih kompanija, a njen osnivač Džek Ma (Jack Ma) jedan od najfascinantnijih svetskih preduzetnika, onda je pisac knjige Dankan Klark (Duncan Clark) svedok koji je pratio njegov uspon još od 1999. godine Pišući recenziju ove knjige za Fajnenšel tajms, Čarls Klover je rekao da je ona “obavezno štivo za svakoga ko želi da se orijentiše u odnosu na kinesku novu ekonomiju”.

12

12. Samo ljudi konkurišu za posao: pobednici i gubitnici u eri pametnih mašina (Only Humans Need Apply: Winners and Losers in the Age of Smart Machines, Thomas Davenport, Julia Kirby, Harper Business, RRP$29.99/£20)

Nakon nedavnog talasa knjiga u usponu robota, autori knjige Tomas Devenport i Džulija Kirbi (Thomas Davenport, Julia Kirby) obezbedili su dobro odmeren poziv na akciju: ovo je knjiga u kojoj ovaj autorski par poziva da radnici od krvi i mesa intenziviraju svoje aktivnosti i napore za boljim statusom, sve se snažnije spajajući s mogućnostima novih tehnologija. Širenje kognitivnog računarstva i veštačke inteligencije ipak će ugroziti radna mesta ljudi, što Kirbijeva i Devenport priznaju, iako u svojoj knjizi obrazlažu načine na koje bi ljudi bili u stanju da udovolje zahtevima ogromnog tehnološkog napretka i shodno s njim promene u obrascu strukture radnih mesta, ujedno profitirajući od ovog izazova.

13

13. Poštovani Predsedniče: Bitke u upravnim odborima i uspon akcionarskog aktivizma (Dear Chairman: Boardroom Battles and the Rise of Shareholder Activism, Jeff Gramm, HarperCollins, RRP£20/$29.99)

Verovatno da knjiga o američkom korporativnom upravljanju, sazdana na nizu pisama akcionara šefovima kompanija, nije baš idealna knjiga za plažu. Ali, Džef Gram (Jeff Gramm), koji i sam vodi jedan hedž fond, na zanimljiv i kritički dobro postavljen način vodi čitaoca kroz čitavo jedno stoleće američkog akcionarskog aktivizma i aktivista, uključujući Rosa Peroa (Ross Perot) i Vorena Bafeta (Warren Buffett).

14

14. Originali: Kako su antikonformisti pokretali svet (Originals: How Non-Conformists Move the World, Adam Grant, Viking, RRP$27/WH Allen, RRP£20)

Grant je na papir stavio svoj prepoznatljiv pečat originalnog i ozbiljnog istraživačkog rada, lepog pisanja i rečenice, uz praktična nova saznanja o tome kako su veliki inovatori pravili prodore – ne uvek na način koji biste mogli da očekujete. “Strateško odugovlačenje” je jedna nadasve zanimljiva “metoda“ svakom čitaocu ovog štiva koji je nekada u životu bio primoran da juri  krajnje poslovne rokove.

15

15. Život stogodišnjaka: Živeti i raditi u doba dugovečnosti (The 100-Year Life: Living and Working in an Age of Longevity, Lynda Gratton, Andrew Scott, Bloomsbury, RRP£18.99/$28)

Naša opsesija onim o čemu razmišljaju i čime se bave “Milenijumovci“ tj.  pripadnici Milenijumske generacije samo znači da nismo zaista promišljali ono šti će se desiti na onom drugom kraju naših – i njihovih – života. Linda Greton (Lynda Gratton) i Endrju Skot (Andrew Scott), profesori na Londonskoj poslovnoj školi (London Business School) nude čitaocima jedan provokativni uvid i praktične savete o tome kako će produživanje života do stote godine izmeniti stavove budućih ljudi o njihovoj karijeri, ličnim finansijama, ustrojstvu poslovanja i biznisa kao i međuljudskim odnosima.

16

16. Industrije budućnosti (The Industries of the Future, Alec Ross, Simon & Schuster, RRP£20/$28) 

Alek Ros (Alec Ross), bivši savetnik Hilari Klinton za inovacije, odlučio je da napiše knjigu koju bi poželeo da je imao kao mlad čovek, kako bi ga upozorila na nadolazeći talas digitalne revolucije. Recenzent knjige za Fajnenšel tajms, Stiven Kejv, nazvao je ovu knjigu “lucidnom i informativnom” – sa saznanjima, uvidima i podacima o mnoštvu oblasti: od genetike do Blokčejna – iako će čitaoci morati da sačekaju još 20-tak godina kako bi konačno spoznali koliko su Rosovi uvidi bili tačni.

FT

Veštačka inteligencija za svakodnevnu upotrebu: uskoro i na vašem pragu


Kako su četiri programera – bez skoro ikakvog znanja o Japancima – dizajnirali softver za čitanje japanskog rukopisa.

Danas na tržištu postoji obilje applikacija koje podražavaju stvaran svet na način veštačke inteligencije. Ovakve aplikacije niču na neočekivanim mestima – nastaju i pre nego što biste pomislili da takvo šta postoji.

Dok trijumf u igranju igre Go može biti impresivna stvar, i inteligencija današnjih mašina se takođe razvija do tačke gde je može koristiti više ljudi kako bi radilo više stvari. Tako su četiri inženjera, bez gotovo ikakvog znanja japanskog, uspela da za samo nekoliko meseci stvore program koji prepoznaje piktografski rukopis ovog jezika.

Programeri iz informatičke kompanije Reactive Inc. objavili su aplikaciju koja prepoznaje japanski sa 98,66 odsto tačnosti. Ovaj tokijski start-up koji je pokrenut pre samo 18 meseci samo je deo rastuće, globalne zajednice programera i investitora koji predano rade na iskorišćavanju snage neuronskih mreža kako bi AI doveli do što praktičnije svrhe, a ne samo za odgovaranje na trivijalna pitanja ili kao takmaca u šahu i ostalim društvenim igrama.

“Do pre samo nekoliko godina morali biste da budete genije za to”, rekao je Dejvid Malkin (David Malkin) koji ima doktorat iz oblasti učenja mašina (deep learning), ali koji jedva da u nizu može da sastavi dve japanske rečenice. “Sada možete biti prosečno inteligentan momak a ipak da ste u stanju da kreirate zaista korisne stvari. Mašta će ubuduće biti ta koja će se sve više upotrebljavati za rešavanje poslovnih iskušenja na terenu.”

Neuronske mreže sposobne su da “vide” primenom slojevitih filtera koji iziskuju sve kompleksnije funkcije, umnogome na način na koji funkcioniše ljudski korteks za funkcije vida i oka.

Veštačka inteligencija nekada je bila ekskluzivno “igralište” kojim su dominirali jedan Google Inc. ili Facebook Inc. kao i drugi lideri u oblasti tehnološke industrije. Svaki start-up koji se danas bavi razvojem mašinskog učenja može pristupiti platformi baziranoj na IT oblaku, pri čemu im kompanije kao što su Microsoft Corp., NVIDIA Corp. i Amazon.com Inc. prodaju svoje AI platforme kao koristan razvojni alat.

Tehnologija koju je razvio startap Reactive pokazuje kako su čak i mali timovi sposobni da veoma uspešno osmisle složene aplikacije sa tek malo znanja u datoj oblasti. Onaj teži deo posla sastojao bi se u smišljanju strategije kako da zaradite novac s takvom dobrom idejom. U tom smislu, Reactive namerava da pomogne japanskim školama da  poboljšaju svoje testove – jedna naizgled prozaična “vežba” koja bi mogla da promeni pravila igre u zemlji u kojoj se testovi još uvek pišu olovkom na papiru.

Malkin i njegove kolege, Džo Bulard, Filip Remi i Filip Iri, dva magistra i doktor informatike, postižu zavidno brz napredak u razvoju “neuro-softvera”. Bulard je početkom ove godine njihov AI program pokazao grupi entuzijasta tokom druženja u japanskom sedištu kompanije Google, koji je funkcionisao besprekorno – sve dok mu jezička ograničenja nisu stala na put.

“Samo da znaš da ne varam, koji je vaš omiljeni lik?” upitao je Bulard prisutne u prostoriji. Neko je rekao da je to “ba”, jedan fonetski karakter. Soba je odzvanjala smehom dok se Bulard očajnički trudio da napiše ovaj simbol.

I dok se prepoznavanje rukopisa može smatrati za učenje mašina, učenje japanskog je potpuno druga “igra”. To je zbog toga što jezik uključuje simboličke znakove kao što je recimo Kanđi (Kanji), koji se sastoji od elemenata koji se mogu čitati nezavisno, što nam otežava da konačno doznamo gde se jedan simbol završava a drugi počinje.  U svakodnevnom japanskom pisanju postoji više od 2.000 široko rasprostranjenih piktograma sastavljenih od nekoliko desetina klasičnih poteza. Trik je pozabaviti se uvek samo jednim slikovnim znakom, bez vezivanja za ostale.

Softverski algoritam za japanski jezik koji je razvila startup firma Reactive ispituje neuronske mreže za uparivanje i spajanje s ostalim simbolima u rečenici, dodajući svakom obrađivanom simbolu i drugi, pridruženi znak, ponavljajući ga u procesu prepoznavanja sve dok u ovoj finoj obradi ne dobije konačan rezultat koji je visoke verovatnoće tačnosti. Pre nego što ga je pustio u javnost, ovaj startup je svoj algoritamski model za prepoznavanje japanskog „izbrusio“ i testirao na oko 1,8 miliona karaktera.

“Činjenica da je ova tehnologija iskorak u domenu ekspertize pruža veliku prednost u brzini i skalabilnosti kada su u pitanju poslovne aplikacije”, rekao je Seishi Okamoto, projektni direktor u Fujitsu Laboratories Ltd., gde se razvija softver za čitanje kineskog. “Mašine uče da prepoznaju kineske piktograme i to takvim tempom da su već uhvatile korak sa ljudskim sposobnostima a verovatno će ih uskoro i pomračiti.”

I dok je ova tehnologija koju je razvio startap Reactive javno prikazana jedino tokom susreta poput onog u japanskom Guglu, ovi podaci nisu potvrđeni kao važeći, niti su ocenjeni od bilo koje nezavisne strane.

Za razliku od tipičnog programa izgrađenog oko krutih pravila, AI učenje mašina  modelovano je po uzoru na to kako ljudi obrađuju informacije. S obzirom da je dovoljno podataka ulaz (input), a skup željenih rezultata je izlazni set podataka (output), neuronske mreže uče da shvataju šta je to što je u sredini, između inputa i outputa. Ovo im omogućava da pronađu rešenja koja su dosad opterećivala tradicionalne pristupe, kao što je tumačenje govora i jezika ili, recimo, ili prepoznavanje i označavanje slika.

“Postoji nekoliko faktora koji su ovde u igri: računarstvo visokih performansi u suštini postaje jedna vrsta robe-sirovine, obezbeđena je dostupnost svuda prisutnim i gargantuovski obimnim bazama podataka a tu je i ogroman napredak u razvoju bazičnih naučnih disciplina, čija dostignuća čine računare bržima i pametnijima”, rekao je Jošua Bengio, profesor informatike na Univerzitetu u Montrealu koji je i jedan od autora nekih ključnih studija iz ove oblasti. “Demokratizacija informatičkih alata i omasovljavanje računarskih tehnologija takođe olakšava većem broju korisnika – a ne više samo vrhunskim profesionalcima – da razvijaju nove aplikacije i proizvode.

Sve ovo će verovatno ubrzati evoluciju tehnologije za veštačku inteligenciju. Investicije u AI startup firme zahvataju raznolike oblasti – od obrazovanja i maloprodaje, do poljoprivrede. U 2015. godini ova ulaganja dostigla su 310 miliona evra, što je povećanje od gotovo sedam puta u zadnjih pet godina, prema istraživanju  njujorške firme za data-analitiku CB Insights.

Jednom kada bude izgrađena, neuronska mreža ne mora da bude ograničena samo na aplikacije za prepoznavanje jezika. U svoje slobodno vreme, četiri inženjera iz “Reaktiva” je 5.000 fotografija žena i ženske odeće preuzete sa Google Images, “provuklo” kroz svoju aplikaciju za vizuelno prepoznavanje. Dali su računaru jednu sliku prilično oskudno odevene dame da je prokomentariše: “Seksi odeća,” bio je odgovor softvera.

Pavel Alpeyev, Bloomberg

Inovativnost: sloboda koja remeti rutinu


Futurističke prognoze na vebsajtu Citi banke imaju svoje treće izdanje i izveštaj. Ono je plod proučavanja “remetilačkih” tj. ključnih inovacija koje pomeraju društveno-ekonomske matrice. U izveštaju je i deset novih, velikih mogućnosti “zbog kojih treba zastati i porazmisliti”, piše poznata ekonomska novinarka Izabella Kaminska za blog Alphaville, čiji je domaćin Financial Times.

(Foto: CITI)

U ove inovacione prekretnice spadaju:

1. Autonomna vožnja bez vozača

2. Dronovi

3. Mašine koje uče-veštačka inteligencija

4. Biosimilari, usavršene kopije originalnih lekova, koje izlaze na tržište tek pošto istekne licenca za patent originala.

5. Plutajući off-shore FLNG pogoni za prikupljanje prirodnog gasa i njegovu likvefakciju (utečnjavanje)

6. Javno pristupačan API: softver će ubuduće kreirati i laici, pomoću jednostavnih alata kojima će slagati programske “blokove” u celinu kakvu su zamislili oni sami, a ne softverski inženjeri

7. Ekonomija deljenja (Sharing economy)

8. Virtuelna realnost

9. Pijačno i bankarstvo “na sitno”

10. Robo-savetnici

Ali, ono prvo u izveštaju je nastojanje za pomirenjem suprotstavljenih stvari, a to je ono što stalno slušamo u vezi stepena inovativnosti. S jedne strane, tu je rad ekonomiste Roberta Gordona (podržan podacima o produktivnosti), koji podrazumeva da su već svi plodovi sa “drveta inovacija” pobrani i da je slabo šta preostalo, da su glavne priče već ispričane – za sada. S druge strane, svi intuitivno osećamo kako se tempo tehnološke promene ubrzava, sa grafikonima i tabelama kao što je ova, koja odražava oživljavanje tempa usvajanja tehnoloških inovacija:
FT(Foto: FT)

Mora se, doduše, priznati kako se “nove tehnologije”, izgleda, sve više sastoje jedino od novih, tj. “renoviranih” starih verzija računarskih softvera, često i novih načina organizovanja podataka i informacija, ili – ako ne to – onda kao nešto čime se podstiče hiper-povezivanje na internetu ili otkrivanje novih, poboljšanih formi sakupljanja ljudi na društvenim mrežama… ili, ako ništa drugo, tu su uvek dobri, stari “proboji” u bihejviorističkom predviđanju ljudskog ponašanja (informacija korisna za optimizaciju reklamiranja, u vojne svrhe, za policijska ispitivanja ili rušenje konkurencije kroz pronalaženje “slabih igrača” u redovima konkurencije).

Što se tiče rastućeg povezivanja i “ameba efekta” – trendovske povodljivosti i nercije koji nadvladavaju logiku efikasne organizacije poslovanja, u kojoj svako ima svoju jasno zacrtanu poziciju – Citi komentariše:

“Povećanje umreženosti i povezivanje otvaraju nova tržišta doprinoseći boljoj međusobnoj saradnji, oslobađajući nove duhovne snage i mentalne kapacitete kako bi se pomoglo pri rešavanju svetskih problema – sve ovo je pokretano tempom inovacija. Naredna faza u povezivanju je pomak od povezivanja ljudi ka povezivanju stvari u komunikaciji tipa mašina-ka-mašini, odnosno pomak ka “Internetu Predmeta”. Cisco je 2013. procenio kako je 99,4% svih fizičkih objekata na svetu bilo nepovezano, kalkulišući da je bilo 10 milijardi povezanih uređaja. Oni su prognozali i da će se broj povezanih uređaja do 2020. povećati na 50 milijardi, a do 2030. do 500 milijardi, što znači da će komunikacija koju mašine obavljaju isključivo među sobom nadmašiti opseg i intenzitet međuljudske komunikacije.”

Tu je, zatim, činjenica da troškovi razvoja inovacija opadaju. Međutim, u ovom istraživanju se ne pominje da li se krećemo unutar inovacionog ciklusa gde samo treba da imate originalnu “kreativnu zamisao” – koja se razlikuje od opšte inercije trenda – pa da se kvalifikujete za ogromne novce, koje ćete pokupiti sa tržišta.

Evo šta o tome kaže Citi:

“Uspon interneta je omogućio novi open source model razvoja, nudeći univerzalni pristup kroz kreiranje slobodnih licenci za proizvode i njihova kasnija poboljšanja. Ovi modeli omogućavaju hiljadama programera da učestvuju u projektima otvorenog koda (opensource), inicirajući jeftinije, lakše i brže sačinjene proizvode u odnosu na vlasničke, fiksno patentirane produkte.

Bez otvorenog koda ne bi postojalo cloud računarstvo, sistem velikih baza podataka (Big Data) kao ni mobilne aplikacije. Guglova Android platforma pod nazivom Tesla (razvoj električnih vozila i skladištenje energije), Tojotini vodonični automobili, ili Khan Akademija (koja je već najveća obrazovna organizacija na svetu), niti bi postojali nacrti za 3D štampanje. Sve su ovo primeri open source ekosistema koji potpomažu dalje inovacije. Isti je slučaj i sa tzv. “aplikacijskom ekonomijom”, gde su troškovi inovacija uočljivo niski (nedavna procena nastala istraživanjem Karla Freja iz OMS-a nam govori da prosečna cena razvoja aplikacija iznosi samo $6.453), a da dobit to jest profit na tom polju mogu biti nadasve značajni – nažalost samo za par igrača (i Apple i Google imaju udeo od 70% bruto rezervacija aplikacijskim developerima).”

futureofworkbanner

Pa, otkuda onda raskorak između naše percepcije inovacija i stvarnih podataka o produktivnosti? Citi ukazuje na ‘in vogue’ efekat, to jest na “trendi argument” koji je zavladao među milijarderima iz Silikonske doline – a to je da je porast produktivnosti bio pogrešno meren.

Alen Grinspen (Alan Greenspan) je, naravno, naišao na slično objašnjenje kada se trend ‘nove ekonomije’ nije poklapao sa sopstvenim statistikama o produktivnosti. (Uzgred, Grinspen je pričao baš o ovome u sredu 29. jula na TV kanalu CNBC). Isprva, kako je pokazao njegov čuveni govor iz 1996. o “iracionalnom bogatstvu”, on nije naseo na argument “merenja podataka”:

“Jasno je da neprekidno niska inflacija implicira i manju neizvesnost oko budućnosti, dok manji rizik podrazumeva veće cene akcija i ostale prinose na imovinu. Ovde to možemo uočiti u obrnutom odnosu ispoljenom kroz količnik (ratio) cena i zarade, kao i stopa inflacije u prošlosti. Ali, kako uopšte možemo da znamo kada je iracionalno bogaćenje neopravdano podiglo vrednost imovine, koja, onda, postaje predmet neočekivane i produžene ekonomske kontrakcije, što je bio slučaj u Japanu tokom protekle decenije? I kako da vrednujemo ove procene stanja u monetarnoj politici? Da li su same metode procenjivanja dobre i validne? Mi, kao centralni bankari, ne treba da budemo zabrinuti ukoliko kolaps finansijskog mehura ne pripreti realnoj ekonomiji, njenoj proizvodnji, zapošljavanju i stabilnosti cena.”

Međutim, 1998. godine, nakon uvida u više nego ubedljiv set podataka, Grinspen je promenio svoje mišljenje po ovom pitanju, da bi se od 2000. godine preobratio u istinskog IT vernika – neposredno pre nego što se dotcom mehur rasprsnuo nekoliko meseci kasnije.

Ali mi odstupamo od ovoga. Evo kakav pogled na to ima Citi:

“Dakle, ako sve ukazuje na procvat inovacija, zašto je, onda, rast produktivnosti isključen iz ovog trenda? Uobičajeni argument bio je da se efekat inovativnosti pogrešno meri. Pojava ekonomije deljenja (sharing economy), koja je zauzela čitavo poglavlje ovog izveštaja, kao i besplatni servisi, podržavaju ovu teoriju. Mnogo toga proizlazi iz digitalne ekonomije a stenfordski ekonomista Nikolas Blum je nedavno izjavio: “Ne možete biti u Silicijumskoj dolini a da ne razmišljate o tome kako smo, na ovom mestu, usred eksplozije produktivnosti.” Većina ljudi, naravno, ne živi u Silikonskoj dolini, uz alternativni argument da je ukupna potrošnja na investicije ostala na niskom nivou, jeste glavna i dobro utemeljena poruka koju izvlačimo iz Globalne finansijske krize (GLC).

Uprkos visokim EBIT maržama*, Citi-jev strateg Rob Baklend (Rob Buckland) je pokazao da su akcionari vršili pritisak na kompanije kako bi im ove što pre povratile uloženo i isplatile procenat od dobiti, pre nego da su svoj profit investirali u nove projekte: u 2014. godini, lista globalno značajnih kompanija doživela je pad kapitalnih investicija za 6%, dok su ponovna kupovina sopstvenih deonica i dividende porasli za 15%.”

[EBIT*: operativna dobit; računa se kao razlika poslovnih prihoda i poslovnih rashoda (engl. “earnings before interest and taxes”), pa uključuje i promene u zalihama gotovih proizvoda i nedovršene proizvodnje. EBIT marža: količnik EBIT-a / poslovnih prihoda]

A tu je, potom, (već daleko bliskiji našim srcima) argument da u “novoj ekonomiji” vlada tržišna logika tipa “pobednik-uzima-sve”. To znači da se isplati biti protekcionista, otkupiti konkurenciju ili, što je možda najvažnije, odbiti proširivanje kapaciteta fiksnog kapitala:

“Tu je argument da “kompanije igraju odbrambenu igru”, kao i pokušaj zaštite postojećih profitnih pulova u inovacijskom okruženju koje “sve više ometa”. Posebno su digitalne inovacije te koje često obezbeđuju da proizvodi budu sve pristupačniji i jeftiniji, ali pre putem zamene ili preraspodele prodaje nego stvaranjem nove, uvećane prodaje.

Ovo je veoma važna stvar. Kraće i jednostavnije rečeno, to znači da se start-up firme potekle iz nove ekonomije ne remete time što će biti produktivnije u npr. proizvodnji kašika – tj dodajući još kašika u ekonomski lanac – već da poseduju moć ubeđivanja ljudi da im ili ne trebaju kašike ili da osiguraju da trenutne zalihe kašika budu bolje raspoređene. Dakle, ako ste vi proizvođač kašika, najbolja opcija u tom kontekstu (jer još uvek kontrolišete ključni dotok sirovina za proizvodnju kašika i uvereni ste da start-up firme iz Silikonske doline neće smetati ulaganjima u aktuelne proizvodne sposobnosti) bila bi održavanje konstantne stope proizvodnje kašika, ili je čak i usporiti.

future-of-work

Citi dodaje:

“Tržište se može kretati od nultog zbira (zero-sum) u negativni zbir kako za remetioca (zbog svoje inovativnosti) tako i za onog koji je remećen. Otelovljenje remetilačkog, inovatorskog rizika je muzika i muzička industrija, u kojoj se između 2004. i 2014. godine 46% učesnika prebacilo na digitalno izdavaštvo, dok je ukupan prihod ove industrije pao za 35%. Produktivnost se možda popravila, ali samo za one koji su preživeli. Postoje i drugi slučajevi u kojima je remećenje (inovativnošću) postalo destruktivni faktor – i tu kao primer navodimo Blockbuster, koja je na svom vrhuncu zapošljavao 60.000 radnika, da bi bankrotirao već samo tri godine nakon što je Netflix lansirao svoj streaming servis.”

Iz perspektive produktivnosti, to sa čime se suočavamo nije toliko stvar nove ekonomije koliko je stvar ekonomije tipa “manje-je-više”, gde isti (ili manji) učinak i proizvodnja mogu, navodno, biti efikasnije distribuirani, odajući utisak bogatstva onda kada ono što imamo u stvarnosti proizvodi svojevrsni efekat pametno uslovljenog bihejvioralnog ponašanja, koje nas ubeđuje da konzumiramo manje, i u dobroj meri odustanemo od našeg dobrovoljnosti* [dobrovoljnost* ili opcionalnost: u biznisu to je vrednost mogućeg dodatnog ulaganja, koja je na raspolaganju tek pošto je realizovana početna investicija].

Drukčije rečeno, priroda efekta nove ekonomije je ta koja preokreće raskošna stvorenja što naginju komforu, uživajući u svojoj privatnosti i principu dobrovoljne, opcione potrošnje, preobraćajući ih u automate priključene na Mrežu, i koji predvidljivo vole da permanentno ostanu na nivou praćenja Jutjub video-materijala lošeg kvaliteta, dok preživljavaju zahvaljujući soja-šejkovima ili uslugama kućne dostave, sa u ne tako dalekoj budućnosti “navigiranim GPS-dron obrocima” – a sve ovo u skladu sa najjeftinijim isporukama zaliha, uz prenosive nosioce podataka pojedinca na osnovu indeksa telesne težine (BMI), fizičke aktivnosti i zdravstvenih faktora.

Možda je došlo vreme za ponovno izdavanje starog ali danas tako aktuelnog stripa tipa “zabavljajmo se na smrt” Orvel/ Haksli – posebno ova sličica: