Mākslīgais intelekts - pasaule ārpus mūsu iztēles robežām

Ar ko atšķiras tradicionālās IT sistēmas no moderna mākslīgā intelekta?

Parasto IT sistēmu darbība ir balstīta uz noteikumiem, un šo sistēmu sniegtās atbildes ir statiskas. Citiem vārdiem sakot, mēs definējam funkcijas un lēmumu pieņemšanas kokus, kas mašīnām pēc tam jāīsteno. Tomēr mūsdienās uzņēmumiem ir augstākas prasības. Tiem ir nepieciešams ļoti elastīgs un individualizēts IT atbalsts, lai izpildītu pasūtījumus, kas ļoti atšķiras atkarībā no to veida un struktūras un tiek saņemti pa dažādiem tirdzniecības kanāliem. Piemēram, sistēmām vienlaicīgi jānodrošina gan atbalsts piegādēm uz tradicionālajiem veikaliem, gan elektroniskās tirdzniecības procesu izpilde. Pirmais solis – jāizmanto algoritmi, kas optimizē izpildes procesus. SSI SCHAEFER tādus ir izveidojis savam klientam Desigual, un tie ļauj mums pastāvīgi pielāgot un uzlabot pasūtījumu vadības procesus, kā arī paaugstināt pasūtījuma komplektēšanas izmaksu efektivitāti. Tomēr IT sistēmās iestrādātā loģika šobrīd ierobežo mūsu iespējas.

Uzņēmumā SSI SCHAEFER valdošās inovatīvās kultūras gaisotnē mēs nepārtraukti domājam par nākotni, un mākslīgais intelekts ir mūsu nākamā lielā misija. Mēs vēlamies radīt iekšējās loģistikas procesus, kas spēj autonomi un dinamiski pielāgoties klientu mainīgajām vajadzībām. Mēs vēlamies progresīvas IT sistēmas, kas spēj identificēt un analizēt modeļus; piemēram, apstrādāt pasūtījumu situācijās, kad tos nevar apstrādāt cilvēki, kuri pievērš uzmanību cēloņsakarībām. Šī paradigmas maiņa ļaus mums izstrādāt procesus, kas būs elastīgāki un labāk „izjutīs” situāciju. Tas, piemēram, ļaus mums prognozēt klientu pasūtījumus pirms to iesniegšanas un veikt preču savākšanu (pasūtījuma komplektēšanu) un nosūtīšanu agrāk. Mēs vēlamies izmantot tos datus par klientiem, kas jau ir mūsu rīcībā.

Kas ir mākslīgais intelekts? Kas ir intelekts? Kādu sistēmu var dēvēt par mākslīgo intelektu?

Mākslīgais intelekts ir mēģinājums datorsistēmām dot iespēju zināmā mērā domāt patstāvīgi. Tomēr pat eksperti nevar īsti vienoties par precīzu intelekta definīciju. Viens piemērs tam ir neironu tīkli. Tas ir kognitīvo struktūru IT modelis, kura mērķis ir aptuveni tuvināt vispārēji nezināmo funkcionālo sakarību starp ievades datiem un rezultātiem. Šīs sistēmas analizē iespējamās sakarības un izmanto pieejamos datus tādā veidā, kā to nespēj cilvēki, kuriem ir savi uzskati un aizspriedumi. Vai, citiem vārdiem sakot, cilvēki domā par konkrētām problēmām. Mašīnas meklē sakarības un sniedz mums atbildes uz tādiem jautājumiem, kurus mēs, iespējams, nekad neesam stādījuši pirmajā vietā.

Kas mūs sagaida nākotnē?

Mākslīgā intelekta sistēmas, kas apmācītas veikt attiecīgus iekšējās loģistikas uzdevumus, var palīdzēt cilvēkiem, kuri strādā noliktavās. Mākslīgā intelekta sistēmas sniegs rekomendācijas un uzlabos procesa efektivitāti ar viedās prognozēšanas palīdzību. Piemēram, preskriptīvo apkopju veikšana ļaus savlaicīgi prognozēt konkrētās mašīnas atlikušo kalpošanas laiku. Potenciālie defekti tiks diagnosticēti iepriekš, un profilaktiskā apkope tiks veikta ar proaktīvu iekšējās loģistisko procesu atbalstu. Tādējādi līdz minimumam tiks samazināts mašīnas dīkstāves laiks. Preskriptīvā apkopē tiek izmantots gan aparatūras, gan programmatūras intelekts.

Termins mākslīgais intelekts nav nekas jauns, taču tas kļūst arvien aktuālāks. Kāpēc par šo tēmu diskutē arvien vairāk?

20. gs. 90. gados mums vienkārši nebija pieejams tāds datu apjoms vai tādas apstrādes jaudas, kas nepieciešamas sarežģītiem mašīnmācīšanās procesiem. Mūsdienu aparatūra un augstas veiktspējas mikroshēmas nodrošina šādas iespējas. Lielo datu tehnoloģija ļauj mums ērti apgādāt sistēmas ar mākslīgām zināšanām un sekmēt to nepārtrauktu mācīšanos. Mašīnu dziļā mācīšanās jeb mašīnmācīšanās, kuras pamatā ir hierarhiski neironu tīkli, nu ir apliecinājusi savu lietderīgumu. Galu galā – tagad mēs esam kļuvuši elastīgāki un spējīgāki. Mēs varam izmantot teorētiskās zināšanas, lai izmantotu šīs tehnoloģijas ikdienas darbā. Lietas nepārtraukti attīstās un tiek uzlabotas, ievērojami paplašinot mūsu iespējas izmantot mākslīgo intelektu.

Kā tas ietekmē iekšējās loģistikas risinājumus, ko izstrādā SSI SCHAEFER? Kādu lomu spēlē mākslīgais intelekts jūsu komandā?

Mēs esam pieredzējuši, kā mūsu IT un programmatūras prasmes tiek pilnveidotas uzņēmumā SSI SCHÄFER IT Solutions, lai atklātu jaunas mākslīgā intelekta iespējas. SSI SCHAEFER drīzumā varēs izmantot mākslīgā intelekta sistēmas klientu projektos vismaz attiecībā uz vēsturiskajiem datiem. Tāpēc nākotnē mums būs mazāk programmēšanas darbu, un mēs vairāk varēsim koncentrēties darbam ar mācību sistēmām, lai gūtu lielākus panākumus, strādājot ar projektiem. Vienlaikus mums jāsaglabā kontrole pār sistēmu. Cik tālu mēs iesim? Mums būs vajadzīgas rezerves stratēģijas, lai reaģētu uz iepriekš neparedzamām izmaiņām no klienta puses. Tas ir vienīgais veids, kā nodrošināt klienta noliktavas nepārtrauktu darbību. Mēs vēlamies ieviest risinājumu, kura vienīgais ierobežojums ir fiziskais iekšējās loģistikas aprīkojums.

Programmatūras atbalstam raksturīgais elastīgums nodrošina labākas spējas reaģēt uz klientu vajadzībām. Tomēr, lai mākslīgā intelekta projekts būtu veiksmīgs, galvenais ir savstarpējā komunikācija starp datu zinātni, simulācijas speciālistiem un cilvēkiem, kuri faktiski ir atbildīgi par attiecīgā projekta īstenošanu. Lai SSI SCHAEFER virzītos uz priekšu, ārkārtīgi svarīga ir izpratne par reālo situāciju klienta uzņēmumā.