Roboty miały już nas powoli zastępować w pracy, a tymczasem harujemy jak zawsze. Analizą danych mieliśmy upiększać miasta, a tymczasem w Polsce korki i smog jak zwykle. Sztuczna inteligencja nawet COVID-19 nie pokonała. Scott Mauvais z Microsoftu przekonuje jednak, że bez AI nasze życie i tak było by gorsze.
Wydaje się, że albo eksperci przez lata się mylili, albo to my nie rozumiemy, czym sztuczna inteligencja faktycznie jest. Choć każdy z nas nosi ją w kieszeni, a dokładniej w telefonie, to jednak sam termin kojarzy nam się z humanoidalnymi robotami, którzy zastępują żołnierzy na wojnie lub urzędników w biurze. Tymczasem rewolucja technologiczna jest tak naprawdę niekończącą się ewolucją, w której dane i szukanie pomysłów na ich praktyczne wykorzystanie są kluczowe.
Scott Mauvais jest dyrektor ds. AI i globalnych partnerstw w Microsoft Philanthropie i przekonuje, że warto nie tracić nadziei co do Sztucznej Inteligencji. Rozmawiamy o tym, jak z jego perspektywy AI może zacząć działać na korzyść ludzi. I nie są to wizje jak z filmów science fiction, a bardziej z gabinetu miejskiego planisty.
Kilka lat temu duże nadzieje budziły smart cities, miasta superinteligentnie zarządzane. Dziś pod wypływem pandemii myślimy raczej o miastach przyjaznych. Popularność zdobywa koncepcja 15-minutowych miast, w których wszystko załatwimy w odległości 15 minut spacerem czy rowerem. Równolegle mamy fantazyjne wyobrażenie Sztucznej Inteligencji zdolnej zagrozić ludzkości, a to przecież ona mogłaby być przydatna w przebudowie miast w takich kryteriach. Czy to się jakoś już dzieje?
Scott Mauvais, Oczywiście. I są to właśnie takie bardzo praktyczne, bliskie człowieka rozwiązania. Niektóre dotyczą parkowania, a konkretnie tego, jak sprawniej kierować ludzi do dostępnych miejsc parkingowych. Ogromna część takich prac to pomysły na usprawnienie kwestii związanych z transportem, przepływem ruchu, zarządzaniem logistyki miejskiej, czyli dogłębniejszym poznaniem miejskiego ruchu. By szczegółowiej zrozumieć, w jaki konkretnie sposób do ludzi dociera Uber czy inne taksówki, jak mieszkańcy przedostają się przez miasto, a w efekcie w jaki sposób ratownicy mogą najszybciej dotrzeć do określonego punktu?
To de facto takie badanie naszego codziennego życia. Miasta z jednej strony wymagają dziś nowego zarządzania, z drugiej są same w sobie bardzo ciekawym materiałem badawczym. Na wsiach, gdzie jest jedna czy dwie drogi dojazdowe, nie ma tylu danych do zebrania.
Inne coraz powszechniejsze prace to te związane z optymalizacją zużycia energii, szczególnie w przypadku budynków. To poszukiwanie odpowiedzi na pytania, jak je adaptować do zmian klimatycznych. To zresztą tak naprawdę jest mniej zaawansowana AI, a bardziej standardowe problemy informatyczne.
W tej chwili prowadzimy dokładnie te same rozmowy i dyskusje w Polsce. Ogromne kontrowersje wzbudził plan Warszawy na zamknięcie części arterii w centrum miasta i zamienienie ich w deptaki. Oczywiście każdy musi tu mieć swoje zdanie, oceniając, czy to będzie korzystne, bo sprawi, że miasto stanie się bliższe ludziom, bardziej zielone, czy wręcz przeciwnie: zgotuje mieszkańcom dodatkowe piekło korków. Jak rozumiem, zamiast pustych dyskusji można by tu zaprzęgnąć analizę danych i na tej podstawie planować. Gdzieś już tak się dzieje?
Mieszkam w San Francisco i to miasto jest coraz lepszym przykładem takiego planowania. Szczególnie po tym, jak silny wpływ na miasta miał COVID-19 i zaczęliśmy się ponownie zastanawiać, czym jest użyteczność publiczna, jakie miasta chcemy mieć, jakie są nasze potrzeby. Te walki między podkreślaniem wagi sprawnego tranzytu, a z drugiej strony praw pieszych są więc powszechne.
W San Francisco skorzystaliśmy ze zmiany, jaką przyniosły lockdowny, gdy widocznie spadł ruch samochodowy i zostały stworzone tzw. slow streets, czyli powolne ulice, gdzie najbardziej spadła ilość pojazdów. Na tych powolnych ulicach właśnie pieszym oddano więcej przestrzeni, to tam pojawiły się miejsca dla rowerów, ogródków restauracyjnych, by ludzie mogli przebywać na powietrzu. Jeszcze trzy lata temu ludzie w życiu nie zgodziliby się na takie ograniczenie miejsc parkingowych, a dziś, gdy widać, że podróżowanie samochodem nie jest wcale aż tak niezbędne, zgadzają się na więcej przestrzeni dla restauracji. Takie miejskie doświadczenia są coraz bardziej podobne, więc podobne prace wykonujemy też w Chicago i w Calgary w Kanadzie.
Zresztą pytań, na które przy pomocy AI poszukiwane są odpowiedzi, jest więcej. Przede wszystkim jaki jest rozkład „wysp ciepła” i jak zmieniać krajobraz miejski, by zredukować takie różnice temperatur? Oczywiście ludziom samo San Francisco może kojarzyć się z bardzo ciepłym miastem. W rzeczywistości nie jest wcale położone w aż tak ciepłym klimacie. Tradycyjnie byliśmy przyzwyczajeni do mgieł, do prądu arktycznego od oceanu, więc większość budynków nie miała instalowanej klimatyzacji. Dziś, gdy co trzy-cztery lata temperatura nam wyraźnie rośnie, ta sytuacja staje się dla ludzi uciążliwa. Szczególnie że ze względu na pagórkowaty teren miasto nie ma za wielu naturalnych sposobów na ochłodzenie przestrzeni. To jest coraz poważniejszym problemem, bo dla starszej populacji ten wzrost temperatury, ataki upałów stają się wręcz zagrożeniem dla życia. Trzeba więc zacząć zmieniać choćby zarządzanie pracą ratowników.
Pracujemy z NASA i ich zdjęciami satelitarnymi, aby lepiej zrozumieć rozkład temperatur, gdzie gromadzi się ciepło tak, by planiści miejscy mogli lepiej projektować nowe inwestycje. Możemy nakładać na siebie informacje demograficzne o populacji w danych obszarach na kwestie urbanistyczne i wyciągać wnioski, choćby dotyczące niesprawiedliwości pokryciem drzewami w różnych dzielnicach.
Podnosisz bardzo ważną kwestię: miasta, w których mieszkamy, w ogromnej części były zbudowane setki lat temu. W międzyczasie zmieniała się nie tylko technologia, ale także struktura populacji, a teraz dodatkowo zmienia się klimat i sposób, w jaki pracujemy. Więc faktycznie wydawać by się mogło, że analiza danych i ich użycie w ramach AI to wymarzony sposób do poprawy jakości życia. Tylko że jednak jest w nas sporo obaw przed sztuczną inteligencją. I to nie tyle takich związanych z jej obrazami w popkulturze, a raczej związanych z tym, że zwykły człowiek nie będzie w stanie zrozumieć mechanizmów AI, nie mówiąc już o kontroli nad nimi.
Te obawy to tak naprawdę nic nowego. Wspomniałaś o pracy i to jest dobry przykład. Istnieją pewne uzasadnione obawy co do tego, że automatyzacja czy ogólnie technologie dla pracowników i przyszłości pracy oznaczają ogromną rewolucję. Podobnie ludzie bardzo obawiali się rewolucji przemysłowej. Z tego strachu wziął się ruch luddystów protestujących przeciwko mechanizacji właśnie w obawie przed utratą miejsc pracy. Takie napięcie między postępem, czyli technologią, a tym, co to oznacza dla pracowników, towarzyszy nam od wieków. Choć faktycznie w przeszłości nowe technologie częściej postrzegaliśmy jako długoterminowo generujące jednak więcej miejsc pracy, więcej możliwości, poprawiające nam jakość życia. Mam więc nadzieję, że i w przypadku AI, gdy zaczniemy dostrzegać korzyści z niej płynące, to spora część obaw się zmniejszy.
Choć oczywiście przy wszystkich tak dużych zmianach są zwycięzcy i są ludzie, którzy zostali w tyle. Uważam, że mamy obowiązek starać się wykonywać możliwie najlepszą pracę, by wszyscy mogli czerpać korzyści z tego postępu gospodarczego.
To jest zresztą bardzo ważny filar mojej pracy, czyli kwestie kompetencji cyfrowych. To, w jaki sposób upewniamy się, że przygotowujemy ludzi, aby mogli skorzystać z tych cyfrowych miejsc pracy. Wiemy przecież, że dziś już właściwie wszystkie rodzaje zawodów stają się coraz bardziej zaawansowane technologicznie. Przykład, który często podaję, to praca recepcjonisty. Kiedyś była to praca polegająca głównie na wpuszczaniu i wypuszczaniu ludzi, dziś to coraz bardziej zaawansowane zadanie polegające na koordynowaniu działań ochrony, systemów technicznych dopuszczających do budynku i zbieraniu informacji o gościach. Więc wymaga faktycznie nowych kompetencji.
Widać wyraźnie, że dziś osoby bezdomne, ze słabym wykształceniem, wykluczone społecznie mogą nie być wystarczająco przygotowane do podjęcia tych wcześniej bardzo prostych prac.
Co można z tym zrobić? Bo oczywiście edukacja jest kluczowa, ale w stosunku do osób dorosłych od lat będących na rynku pracy to nie jest wcale taka prosta rada.
Wciąż edukacja, tyle że w nowym podejściu. Dzięki współpracy z LinkedIn przeanalizowaliśmy rynki w celu zidentyfikowania dziesięciu ścieżek kariery, które zawierają komponent technologiczny. Na tej podstawie zbudowaliśmy specjalny program nauczania dla kilku kluczowych kompetencji przyszłości, takich jak analityka finansowa, projektowanie graficzne, obsługa klienta, inżynieria przedsprzedażowa i oczywiście architektura chmury i inżynieria oprogramowania. Następnie zaczęliśmy współpracować z rządami, NGO-sami, by takie szkolenia rozpowszechnić.
Wystartowaliśmy z tym programem w czerwcu 2020 roku i naszym celem było przeszkolenie 25 milionów ludzi. Udało się to z niemal 30 mln. Więc teraz rozbudowujemy ten program z naciskiem na rynki wschodzące.
Gdzie w przyszłości, ale nie takiej odległej, tylko w najbliższych latach, może wręcz miesiącach będziemy widzieć wykorzystanie AI?
W mojej ocenie najmocniej w opiece zdrowotnej. Ona już teraz ma przecież bardzo dużo danych, ale wciąż w bardzo ograniczonym zakresie używa możliwości oferowanych przez Sztuczną Inteligencję. Po części dlatego, że wiele z tych danych z powodów historycznych jeszcze nie jest zdigitalizowana. Dodatkowo na wielu rynkach jest przed taką mechanizacją spora obawa. Ale taka jest przyszłość. Jeśli chcemy przejść do medycyny bardziej precyzyjnej, leczenia bardziej ukierunkowanego na konkretną, jednostkową sytuację zdrowotną, to będziemy musieli dopuścić AI. Już zresztą to widzimy w badaniach farmaceutycznych nad zidentyfikowaniem kandydatów do leczenia na podstawie ich genomów.
Kolejny ważny obszar to zrównoważony rozwój. Tutaj także historycznie istniała prawdziwa luka w danych. Teraz jednak dzięki danym satelitarnym, internetowi rzeczy, rozsianym czujnikom, zaawansowanej akustyce i wideo zaczynamy uzyskiwać bardzo duże zbiory danych. I są możliwości, aby zbudować wokół nich praktyczne modele. Z rządem egipskim pracujemy nad zużyciem wody z Nilu, które jest tam od lat poważnym problemem. Dzięki pracy na zdjęciach satelitarnych przeanalizowaliśmy wielkość gospodarstw. Następnie użyliśmy światła o różnej długości fali, aby zidentyfikować rośliny, które rosły w każdym z tych obszarów. A potem moglibyśmy modelować zużycie wody w różnych obszarach rolniczych. To pierwszy krok do świadomej gospodarki wodnej.
Współpracujemy też z organizacją „Ocean Mind”, która pomaga walczyć z nielegalnymi połowami. Dzięki możliwości śledzenia łodzi i identyfikowania, czym się zajmują, można wyłapać, gdzie faktycznie dokonywane są połowy i jakie to połowy – wędkowe czy sieciowe. Następnie uruchamiając algorytmy dosyć podobne do tych oceniających ryzyka kredytowe, możemy ocenić ryzyka nielegalnego działania i wskazać władzom, które statki na których obszarach najprawdopodobniej będą zaangażowane w nielegalne połowy.
W Brazylii zaś współpracujemy z władzami lokalnymi nad opracowaniem mechanizmu przewidywania wylesiania lasów deszczowych. Zbudowaliśmy model, który identyfikuje nowe nieformalnie powstające drogi. Na tej podstawie można wskazać, gdzie pojawi się zjawisko wypalania terenów pod grunty rolne. To taka predykcja, która pozwala przewidzieć, gdzie w ciągu czterech-sześciu miesięcy dokonana zostanie nielegalna wycinka, a to już sporo czasu, by powstrzymać tego typu działania.
Czyli dobrostan, zrównoważony rozwój, zdrowie... A walka z pandemią? Bo jednak już ponad dwa lata mierzymy się z COVID-19, a wydawać by się mogło, że AI jest wymarzonym środkiem zaradczym na takie sytuacje.
W styczniu 2020 roku, czyli w przededniu wybuchu pandemii, ogłosiliśmy w Microsoft naszą inicjatywę AI dla zdrowia. Ona wtedy dotyczyła rozszerzenia szans i równości w działaniach prozdrowotnych, czyli lepszej diagnostyki na drodze do długowieczności.
Kiedy jednak pojawiło się wyzwanie związane z pandemią, szybko zmieniliśmy priorytety. Ważniejsza stała się optymalizacja działań tu i teraz. Gdzie rozmieszczamy wentylatory? Gdzie przydzielić środki ochronne? Dużo pracowaliśmy z urzędnikami w Białym Domu odpowiedzialnymi za modelowanie procesów szczepień. Nasz amerykański zespół zajmujący się analizą danych wykonał wiele prac wokół prognozowania dwa-trzy tygodnie do przodu stosunku ilości chorych do pojemności szpitalnej. Unia Europejska też wdrożyła inicjatywę obliczeń medycznych o wysokiej wydajności. Microsoft, IBM oraz kilka innych firm zaoferowały na ten cel swoje superkomputery tak, by badacze mogli modelować różne rozwiązania.
To wszystko są naprawdę ważne i takie bardzo praktyczne działania. Może nie zatrzymały pandemii, ale pomogły w zarządzaniu nią. I takie też są właśnie cele Sztucznej Inteligencji.
Ilustracja tytułowa: fot. SvetaZi/Shutterstock
