okrugli stol “kibernetsko-fizikalni sustavi i internet stvari” najder_hatz_kibernetika.pdf ·...
TRANSCRIPT
Umjetna inteligencija i podatkovna znanost kao pokretači digitalne transformacije
Jan Šnajder (SuZ FER)
HKG, Zagreb, 11. 4. 2018.
Akademija tehničkih znanosti HrvatskeHrvatska gospodarska komoraInovacijski centar Nikola Tesla
Okrugli stol“Kibernetsko-fizikalni sustavi i Internet stvari”
Umjetna inteligencija i strojno učenje
Podatkovna znanost
Utjecaj na društvo
1
2
3
Umjetna inteligencija i strojno učenje
1
Google Assistant
Netflix: Sustav preporučivanja
● Netflix recommendation
Sigurnosni nadzor
Računalne igre
Umjetna inteligencija
Znanost o tome kako postići da strojevi izvode zadatke koji bi, kada bi ih radio čovjek, iziskivali inteligenciju.
– Marvin Minsky (1927–2016)
1997: IBM Deep Blue
GOFAI: Kombinatorna eksplozija
Računalni vid
Obrada prirodnog jezika
AI zime
Strojno učenje
2011: IBM Watson
Google Translate
Klasifikacija poruka
Duboko učenje
2016: DeepMind's AlphaGo
2016: Google's Neural Translation
2017: Deep Reinforcement Learning
AI hyphe cycle
Gartner Hype Cycle 2017
Podatkovna znanost
2
Rast podataka
● Količina raspoloživih vrlo brzo raste
● 2020. godine: više od 16 zettabajta (16 trilijuna GB) podataka
● Rast od 236% godišnje od 2013. do 2020. godine– prema studiji firme IDC - “Worldwide Big
Data Technology and Services 2014-2018”
Big Data
Volume, Variety, Velocity
Podatci kao kapital
● U suvremenom svijetu podaci su postali kapital koji može...
– osigurati značajne kompetitivne prednosti
– poticati inovacije
– povećati konkurentnost
– stvoriti značajan utjecaj na društvo
Rast tržišta podataka
● Tržište velikih podataka raste šest puta brže od cjelokupnog ICT tržišta
● Ukupni godišnji rast tržišta velikih podataka u razdoblju od 2013.-2017. godine bit će oko 27%, dosežući ukupni iznos od oko 50 milijarda dolara– prema studiji američke kompanije za tržišna istraživanja IDC iz
2013. godine
Znanost o podatcima
● Znanost o podacima (data science) bavi se problemom izlučivanja znanja i zaključaka iz podataka, uključujući vrlo velike skupove (big data)
● Data science is the art and science of transforming data into actionable knowledge
● Data Science is the art and science of transforming raw data into deliverable data products in order to help businesses or government agencies make more informed decisions
Data Science / Big Data
“Podatkovni znanstvenik”
● Zbog potreba gospodarstva i državnih institucija u svijetu je velik potražnja za ekspertima ovog profila
● Zanimanje "data scientist" jedno od najatraktivnijih zanimanja desetljeća
● FER na diplomskom studiju uvodi poseban profil “znanost o podatcima”
ZCI za znanost o podatcima i kooperativne sustave
● Osnovan 2015. godine
● Jedini centar izvrsnosti u području tehničkih znanosti u Hrvatskoj!
● 13 partnerskih institucija s ukupno 80 znanstvenika
● Koordinator: FER
Opći ciljevi Centra
● Istraživačka izvrsnost
– unaprijediti znanja i povećati broj financiranih istraživačkih projekata na nacionalnoj i međunarodnoj razini
● Prijenos tehnologije
– Pokrenuti transfer tehnologije k industriji i vladinim organizacijama
● Konzultantske usluge i infrastruktura
● Edukacija i usavršavanje
Strateška područja istraživanja
● Multimodalna obrada podaka i upravljanje informacijama
● Strojno učenje i dubinska analiza podataka
● Heterogeno računarstvo i napredne usluge u oblaku
● Višedisciplinarne podatkovno intenzivne primjene
– Čestična i astročestična fizika
– Biološke znanosti i zdravstvena skrb
– Poslovna analitika i financije
– Stvarnovremenska analitika prometnih podataka
– Mreže i društvo
Utjecaj na društvo i pojedinca
3
Glavna pitanja
● Kratkoročno:– Sigurnost (autonomna vozila, LAWs)
– Zakoni
– Poslovi
– Etička primjena podatkovne znanosti
● Srednje/dugoročno:– Umjetna opća inteligencija (AGI)
– Superinteligencija
UI i tržište rada
Hoće li UI ugroziti poslove naše poslove i povećati nezaposlenost?
UI i tržište rada
● Teorija tehnološke nezaposlenosti (Keynes, 1930)
● Utjecaj tehnologije na zapošljavanje:– Negativan: uklanjanje radnika
– Pozitivan: povećanje potražnje za radom u durgim industrijama koje nastaju uslijed automatizacije
Efekt industrijskih revolucija
Prva IR (kraj 18. st.)● 50x povećanje produktivnosti tkalaca, 98% pad
potrebnog uloženog rada, pad cijene tkanina, povećanje potražnje
Druga IR (početak 20. st.)● Uvođenje automobila smanjuje potražnju za poslovima
povezanima s konjima, ali dovodi do značajnog povećanja ponude poslova u automobilskoj industriji te povezanim industrijama (npr. industrija brze hrane)
Efekt industrijskih revolucija
Treća IR = “Digitalna revolucija” (traje)● Uvođenje softvera za analizu pravnih
dokumenata smanjilo je troškove pretraživanja ali povećalo potražnju za tom uslugom, rezultirajući povećanjem potražnje za pravnim činovnicima
● Uvođenje bankomata nije smanjilo je broj bankovnih činovnika po poslovnici, ali se smanjio trošak vođenja poslovnice, pa se povećao broj poslovnica i ukupan broj bankovnih činovnika
Četvrta industrijska revolucija
Efekt četvrte IR?
● Povijest sugerira da kratkoročno dominira efekt gubitka radnih mjesta, međutim dugoročno dominira efekt produktivnosti i pozitivan utjecaj na zapošljavanje
● The McKinsey Global Institute: Utjecaj UI na društvo 300x puta intenzivniji i događa se u 10x kraćem razdoblju... Je li ovaj put drugačije?
● Teško je predvidjeti efekt produktivnosti (npr. prije 20 godina nitko nije predvidio postojanje pametnih telefona i s njima povezane industrije)
● Ne postoji konsenzus
Efekt 1: Platformski kapitalizam
Ueber: BMW: ~ $60b, 125k employees
Efekt 1: Platformski kapitalizam
Uber: $60b, 12k employees BMW: ~ $60b, 125k employeesAirbnb: $30b, 3k employees Renault: $30b, 127k employees
Die digitale Wirtschaft neigt dazu, gute Vollzeitjobs durch schlechte Kurzeitjobs zu ersetzen.
Deutschland muss sinen eigenen digitalen Weg suchen. Der Mittelstand is Deutschlands Wunderkind.
Efekt 2: Nezapošljivost
Hans Moravec: Krajolik ljudske kompetencije
Krajolik ljudske kompetencije
We could face a “perfect storm” – a situation where a technological unemployment and environmental impact unfold roughly in parallel.
If we can fully leverage advancing technology, while recognizing and adapting to its implications for employment, then the outcome is likely to be more optimistic.
Etička pitanja: neželjene posljedice
● Rizik neželjenih posljedica se povećava● Brojni promašaji pokazuju da tvrtke nisu u
stanju predvidjeti neželjene posljedice● Izgradnja aplikacija koje koriste ML je
netrivijalna, zbog čega tvrtke žure na tržište
Flickr, 2015
Google, 2015
Arnoux et. al. 25 Tweets to Know You: A New Model to Predict Personality with Social Media, AAAI 2017
“Fama helps companies fill in the gaps of information on the people they are looking to hire by looking at their publicly available online presence.”
Weapons of Math Destruction
Cathy O'Neil, 2016
Weapons of Math Destruction
● Prediktivni alati (big data) koji su:– Netransparentni
– Nepravedni (proxies, feedback loops)
– Skaliraju na velik broj slučajeva
EU i UI
● 9. ožujak 2018: Izjava Europske skupina za etiku u znanosti i novim tehnologijama (EGE)
● Statement on Artificial Intelligence, Robotics and ‘Autonomous’ Systems– How can we make a world with interconnected AI and ‘autonomous’ devices safe
and secure and how can we gauge the risks?
– Where is the morally relevant agency located in dynamic and complex socio-technical systems with advanced AI and robotic components?
– How should our institutions and laws be redesigned to make them serve the welfare of individuals and society and to make society safe for this technology?
– Questions regarding democratic decision making, including decision making about institutions, policies and values that underpin all of the questions above.
– Questions about the explainability and transparency of AI and ‘autonomous’ systems.
Umjesto zaključka
● “Asilomar AI principles”
https://futureoflife.org/ai-principles/● 23 načela o istraživanju, etici i dugoročnim
pitanjima umjetne inteligencije● Gotovo 4000 potpisnika, uključivo vodećih
istraživača u UI i robotici te svjetski poznatih poduzetnika i investitora