Machine Learning to temat, który w najbliższych latach będzie miał coraz większy wpływ na biznes i życie codzienne. Podczas pierwszego w tym roku spotkania w gronie społeczności CIONET Polska analizowaliśmy go z perspektywy zarządzania i technologii.

[gallery type="slideshow" ids="22558,22559,22560,22561,22562,22563,22564,22565,22566,22567,22568,22569,22570,22571,22572,22573,22574,22575,22576,22577,22578,22579,22580,22581,22582,22583,22584,22585,22586,22587,22588,22589,22590,22591,22592"]

Prof. Bogumił Kamiński, SGH podkreślał, że inteligentne maszyny nie tylko są wstanie przeprowadzić działania analityczne, ale także zamienić je w działanie – przykładem jest samochód Tesli, który niedawno przewidział wypadek i odpowiednio zareagował.

Trzy główne perspektywy w myśleniu o Machine Learning to

• predykcja – stworzenie modelu, który będzie najlepiej prognozował (machine learning)
• wyjaśnienie zależności – statystyka, ekonomoetria
• autonomiczne działanie – sztuczna inteligencja

Najważniejsze wyzwania to:

• Dane obserwacyjne vs. eksperymentalne
• Sprzężenie zwrotne między działaniem a efektami
• Strukturalne zmiany na rynku

W dyskusji na temat Machine Learning, obok prof. Kamińskiego udział wzięli także Grzegorz Bartler, Dyr. Departamentu Business Intelligence Polkomtel i Mirosław Forystek, CIO ING Bank Śląski.

Zdaniem Grzegorza Bartlera, analityka sprawdza się wtedy, gdy jest właściwie zastosowana – trzeba trzymać się także klasycznych, dobrze znanych metod analitycznych, do których można znaleźć specjalistów. W większości przypadków łatwiej jest kupić gotowe narzędzia analityczne, niż budować własne od zera. Na rynku pracy jest ogromny deficyt data scientists.

Mirosław Forystek podkreślał, że upowszechnienie Machine Learning jest już tylko kwestią czasu. Zagrozi to wielu grupom zawodowym, które zostaną zastąpione przez inteligentne maszyny i jest to problem społeczny, o którym nie wolno zapominać.

Kto w organizacji powinien zajmować się wprowadzaniem zaawansowanych narzędzi analitycznych czy Machine Learning? CIO – wg. Mirka Forystka, ponieważ jest to zagadnienie związane przede wszystkim z technologią; biznes – wg. Grzegorza Bartlera, ponieważ najważniejsze jest zrozumienie procesów biznesowych.

Natomiast Andrzej Ruta z ING Banku Śląskiego, który wraz z Ernestem Wagnerem mówił o Machine Learning w praktyce, uważa, że  następuje zmiana paradygmatu modelowania: wiedza biznesowa jest w odwrocie, a rozwiązania są tak inteligentne, że same dobierają zmienne.

Dr Przemysław Szufer przedstawił live demo: „Deep Learning w praktyce – zbuduj sztuczny mózg neuronowy w chmurze”. Na prostym przykładzie – jak nauczyć komputer rozpoznawania pisma ręcznego - pokazał, że można zajmować się tego typu działaniami bez ponoszenia wysokich kosztów, dzięki korzystaniu z mocy obliczeniowych w chmurze (w tym przypadku: Microsoftu).

Daniel Wlazło reprezentował Koło Naukowe Robotyków Politechniki Warszawskiej, które chce wypełnić lukę między edukacją a rzeczywistymi potrzebami rynku pracy. Prezentował nam m.in. Crawlera (łazik marsjański), Zippera (moduły konstrukcyjne), roboty balansujące, roboty przemysłowe i manipulatory.