7 zastosowań AI w praktyce, o których nie wiedziałeś

Filip Dzięciołowski
Od czasu pojawienia się na rynku pod koniec 2022 roku aplikacji ChatGPT autorstwa OpenAI, o sztucznej inteligencji (AI) mówi niemal każdy. I chociaż jej obecne możliwości są często przeceniane, to znajduje zastosowanie w stale rosnącej liczbie sektorów. Także w takich miejscach, które na pierwszy rzut oka wydają się nie mieć zbyt wiele wspólnego z nowoczesnymi technologiami.
Sztuczna inteligencja od czasu popularyzacji dużych modeli językowych takich jak ChatGPT kojarzy nam się przede wszystkim z prostymi zadaniami: tworzeniem tekstów, muzyki i wideo, narzędziami do nauki, wsparciem programistycznym, czy też rozwiązywaniem codziennych problemów.  Chociaż dla wielu jest jedynie rozrywką, to sporo osób i biznesów znalazło sposób na jej wykorzystanie w bardziej nietypowy sposób. W tym artykule prezentujemy Ci 7 praktycznych zastosowań AI (SI), o których mogłeś wcześniej nie słyszeć.

1. AI pomaga śledzić proces pracy i życia pszczół

World Bee Project i Oracle Cloud Technologies opracowały innowacyjny system wykorzystujący sztuczną inteligencję do monitorowania cyklu życia i śledzenia kondycji zdrowotnej pszczół oraz całych uli. Projekt ten, znany jako The World Bee Project Hive Network, wykorzystuje czujniki IoT do gromadzenia danych na temat takich czynników, jak waga ula, temperatura, wilgotność i dźwięk.  Sztuczna inteligencja analizuje te dane w celu wykrycia potencjalnych problemów, takich jak epidemie chorób lub zespół masowego ginięcia pszczół. Technologia ta pozwala pszczelarzom podejmować proaktywne działania w celu ochrony swoich uli, przyczyniając się do globalnych wysiłków na rzecz ochrony pszczół.
Kiedy nakładamy ogólnodostępne dane, takie jak zanieczyszczenie, siedlisko i praktyki rolnicze, na dane z naszej sieci World Hive Network i stosujemy przetwarzanie w chmurze oraz uczenie maszynowe, możemy znaleźć nowe skojarzenia i spostrzeżenia, które nie są łatwo widoczne w danych podstawowych
– napisano na oficjalnej stronie projektu.

7 zastosowań AI w praktyce, o których nie wiedziałeś

John Abel, wiceprezes ds. technologii w chmurze w Oracle, komentował, że „dźwięk jest prawdopodobnie najważniejszym zbiorem danych” w badaniach nad ulami. Oracle przekształca dźwięki w źródło danych i wykorzystuje uczenie maszynowe do tworzenia informacji przydatnych dla pszczelarzy. 

2. Sztuczna inteligencja tworzy nowe zapachy perfum

Jak się okazuje, SI może wspierać nie tylko produkcję miodu, ale również perfum. System sztucznej inteligencji stworzony przez IBM o nazwie Philyra pozwolił wykonać w ostatnich latach znaczący krok w branży perfumeryjnej.  Opracowany we współpracy z Symrise, dużą firmą produkującą perfumy, Philyra analizuje tysiące formuł, surowców i historycznych danych dotyczących pachnideł, aby sugerować producentom nowe kombinacje zapachowe. 
Jeśli chodzi o zestawy danych, biblioteka Philyra zawierająca 3,5 miliona starszych formuł i kwalifikację ponad 2000 surowców w 20 wymiarach. W połączeniu z zaawansowanym algorytmem i intuicyjnym interfejsem użytkownika, Philyra jest klasą samą w sobie
– napisano na stronie Symrise. System stworzył dwa komercyjne perfumy dla marki O Boticário, brazylijskiej firmy kosmetycznej. Były to pierwsze zapachy zaprojektowane przez AI, które trafiły na rynek. Jak się okazuje, miało to miejsce już jakiś czas temu, bo w 2019 roku.  To zastosowanie sztucznej inteligencji dobitnie pokazuje, w jaki sposób uczenie maszynowe może zwiększyć ludzką kreatywność w tradycyjnie rzemieślniczych dziedzinach.

3. SI usprawnia produkcję wina

Kolejny przykład nietypowego zastosowania AI, to pomysł, na który wpadły winiarnie Palmaz położone w kalifornijskim Napa Valley. Wdrożyły one system sztucznej inteligencji o nazwie FILCS (Fermentation Intelligence Logic Control System), aby zrewolucjonizować produkcję wina.  FILCS wykorzystuje szereg czujników do monitorowania różnych aspektów procesu fermentacji, w tym temperatury, zawartości cukru i składu chemicznego. Sztuczna inteligencja analizuje te dane w czasie rzeczywistym, zapewniając winiarzom informacje pozwalające na precyzyjne dostosowanie procesu fermentacji. Technologia ta pomaga zapewnić spójność i jakość produkcji wina, łącząc tradycyjne techniki produkcji z najnowocześniejszą technologią. Dyrektor generalny Palmaz Vineyards, Christian Gastón Palmaz , ma tytuł licencjata w dziedzinie biznesu na Uniwersytecie Trinity, ale także silne zaplecze i doświadczenie w dziedzinie informatyki. Jak twierdzi, stworzył pierwszy na świecie w pełni algorytmiczny system kontroli fermentacji.  System nie jest jeszcze na tyle zaawansowany, żeby samodzielnie wprowadzać zmiany w całym procesie produkcji wina, wymagając jeszcze reakcji ze strony doświadczonych winiarzy. Z czasem, Palmaz wierzy jednak, że proces ten będzie w pełni kontrolowany przez AI.

4. AI produkuje ubrania

Kolekcja mody Glitch, stworzona przez Pinarę Yanardagę z Uniwerstyetu MIT, pokazuje, że sztuczna inteligencja posiada potencjał nie tylko w tworzeniu perfum, ale również ubrań. W projekcie tym wykorzystano różne algorytmy SI, w tym GAN (Generative Adversarial Networks), do stworzenia unikatowych wzorów oraz całych strojów. Te wygenerowane przez sztuczną inteligencję projekty zostały następnie zinterpretowane i ożywione przez ludzkich projektantów i krawców.  Proces tworzenia ubrań obejmuje:
  • Szkolenie modeli AI na ogromnych zbiorach danych istniejących projektów modowych
  • Generowanie nowych wzorów i koncepcji przy użyciu tych modeli
  • Ludzcy projektanci są potrzebni jako interpretujący i dostosowujący wyniki AI
  • Na koniec miejsce ma przekształcanie cyfrowych projektów w fizyczną odzież
Obecnie Glitch jest niezależną marką, która tworzy ubrania dla klientów detalicznych właśnie przy wykorzystaniu sztucznej inteligencji. Firma zajmuje się również tworzeniem wspomaganej przez AI biżuterii. Projekt służy jako dowód potencjału sztucznej inteligencji w tworzeniu mody. Wraz z dalszym rozwojem technologii AI możemy spodziewać się większej współpracy między ludźmi a systemami AI w dziedzinach kreatywnych.

5. Sztuczna inteligencja wspiera procesy sądowe

Wyobraź sobie sytuację, w której zamiast sędziego, o Twoim losie decyduje system sztucznej inteligencji. Taka sytuacja ma już miejsce w jednym z europejskich państw! Niewielka Estonia, znana z rozwoju zaawansowanej e-administracji, pilotowała projekt wykorzystania SI w decyzjach sądowych dotyczących drobnych spraw. System sztucznej inteligencji został zaprojektowany do analizowania dokumentów prawnych i podejmowania decyzji w sprawach, w których sporna kwota jest niższa niż 7000 euro.  Chociaż sędziowie mogą zmienić decyzje, system ma na celu zmniejszenie piętrzących się ilości drobnych spraw w sądach i przyspieszenie procesu w prostych sytuacjach. Zastosowanie sztucznej inteligencji w systemie prawnym rodzi interesujące pytania dotyczące roli technologii w wymiarze sprawiedliwości i zarządzaniu. W Wielkiej Brytanii wykorzystano natomiast „robota mediatora” do rozstrzygnięcia sprawy sądowej, która dotyczyła stosunkowo niewielkiego roszczenia w wysokości około 2000 funtów brytyjskich z tytułu niezapłaconych opłat za doradztwo osobiste. Po tym, jak tradycyjne próby mediacji nie powiodły się, strony zwróciły się do innowacyjnej platformy internetowego rozwiązywania sporów (ODR) o nazwie Smartsettle ONE. Ten opracowany w Kolumbii Brytyjskiej system oparty na sztucznej inteligencji wykorzystuje zaawansowane algorytmy do analizy taktyk negocjacyjnych i priorytetów stron sporu, prowadząc je w kierunku wzajemnie akceptowalnej ugody. Podejście Smartsettle ONE jest zarówno eleganckie, jak i praktyczne. Pozwala każdej ze stron na wprowadzenie idealnej kwoty ugody, a także dolnej granicy - najmniejszej kwoty, jaką zaakceptowaliby w celu rozwiązania sporu. Następnie system wykorzystuje te informacje do generowania propozycji ugody, zachęcając do kompromisu poprzez faworyzowanie strony, która wykazuje większą elastyczność. Co ciekawe, w tym przypadku mediator AI ułatwił osiągnięcie porozumienia między stronami w mniej niż godzinę!

6. AI doprowadzi do przełomu w biologii

Sztuczna inteligencja pozwala rozwiązywać również problemy o wiele bardziej złożone, z którymi nauka boryka się od dziesięcioleci. Przykładem jest tutaj system AlphaFold firmy DeepMind, który pozwolił wykonać znaczący przełom w dziedzinie biologii strukturalnej.  Chodzi o proces "fałdowanie białek", który jest wielkim wyzwaniem w biologii od ponad 50 lat. Poznanie dokładnej struktury 3D białka ma kluczowe znaczenie dla zrozumienia jego funkcji i potencjalnych interakcji z lekami.  AlphaFold wykorzystuje uczenie maszynowe i uczenie głębokie do przewidywania struktur białek z niespotykaną dotąd dokładnością, potencjalnie przyspieszając odkrywanie leków i zrozumienie chorób.
AlphaFold to postęp w naukach przyrodniczych, który demonstruje moc sztucznej inteligencji. Określenie struktury 3D białka zajmowało wiele miesięcy lub lat, a teraz trwa kilka sekund. AlphaFold już przyspieszył i umożliwił ogromne odkrycia, w tym złamanie struktury kompleksu porów jądrowych. A dzięki nowemu dodatkowi struktur prześwietlających prawie cały wszechświat białek, możemy spodziewać się, że każdego dnia rozwiązywanych będzie więcej zagadek biologicznych
– komentował w 2022 roku Eric Topol, założyciel i dyrektor Scripps Research Translational Institut.

7. SI zdiagnozuje Twój stan zdrowia

Pozostając w świecie nauki, warto przyjrzeć się również projektom medycznym, które wykorzystują AI w diagnozowaniu chorób oraz schorzeń poprzez analizę obrazowania medycznego. Popularne rozwiązania w tym zakresie to między innymi Arterys oraz Zebra Medical Vision, które już teraz posiadają potwierdzone przypadki szybszego diagnozowania nowotworów złośliwych, co pomaga w ich skuteczniejszym zwalczaniu. Jednym z godnych uwagi osiągnięć Zebra Medical Vision jest opracowanie algorytmu obliczania wskaźnika wapnia wieńcowego pacjenta na podstawie tomografii komputerowej, który pomaga w ocenie ryzyka choroby wieńcowej. Arterys to z kolei firma skupiająca się na dziedzinie opartej na chmurze sztucznej inteligencji do obrazowania medycznego. Jej platforma integruje sztuczną inteligencję z radiologią w celu zwiększenia możliwości diagnostycznych i usprawnienia przepływu pracy.
  • Platforma oparta na chmurze: Dostępna z dowolnego zatwierdzonego urządzenia, oferująca szybszą wydajność i łatwe wdrażanie.
  • Integracja AI: Włącza wiodące aplikacje kliniczne AI do istniejących systemów.
  • Koncentracja na doświadczeniu lekarza: Ma na celu poprawę dokładności diagnostycznej, skuteczności leczenia i ogólnych wyników pacjentów.

Gdzie jeszcze możemy spotkać sztuczną inteligencję?

Powyżej zaprezentowaliśmy siedem nietypowych zastosowań sztucznej inteligencji. Lista ta mogłaby być jednak zdecydowanie dłuższa. Poniżej jeszcze kilka przykładów pokazując, jak powszechne są obecnie modele SI w różnych gałęziach gospodarki:
  • Analiza emocji - Zaawansowane algorytmy AI potrafią analizować mimikę twarzy, ton głosu i treść wypowiedzi, aby ocenić stan emocjonalny człowieka. Technologia ta znajduje zastosowanie w marketingu, gdzie pomaga badać reakcje konsumentów na reklamy. Przykłady: Affectiva (analiza emocji w marketingu), Cogito (AI dla call center monitorująca emocje rozmówców).
  • Rolnictwo precyzyjne - Sztuczna inteligencja rewolucjonizuje rolnictwo, umożliwiając precyzyjne monitorowanie warunków pogodowych, stanu gleby i zdrowia upraw. Zaawansowane maszyny rolnicze wyposażone w AI optymalizują nawadnianie i nawożenie, co prowadzi do zwiększenia plonów przy jednoczesnym zmniejszeniu zużycia wody i środków chemicznych. Przykłady: John Deere (zaawansowane maszyny rolnicze z AI), FarmLogs (monitorowanie upraw).
  • Transport miejski - Inteligentne systemy wykorzystujące AI analizują dane o ruchu miejskim w czasie rzeczywistym, przewidując korki i optymalizując trasy. Pozwala to na dynamiczne dostosowywanie rozkładów jazdy transportu publicznego, co przyczynia się do redukcji opóźnień i poprawy płynności ruchu w miastach. Technologia ta ma potencjał znacząco poprawić jakość życia w aglomeracjach miejskich. Przykłady: Moovit, Optibus (Optymalizacja rozkładów jazdy i redukcja opóźnień w ruchu publicznym).
  • Optymalizacja produkcji w przemyśle – AI wpływa na poprawę wydajności linii produkcyjnych, pozwalając przewidywać awarie maszyn. Ich zastosowanie redukuje koszty konserwacji oraz usuwania potencjalnych awarii. Przykłady: Uptake (monitorowanie maszyn), SparkCognition (analiza dużych zbiorów danych przemysłowych).
A czy Ty, znasz jakieś nietypowe zastosowanie AI? Jeżeli spotkałeś się z takim, podziel się z nami szczegółami w komentarzu!

Komentarze

Ranking giełd