Prelom storočí bol nielen prechodom do novej, modernejšej doby, ale aj prelomom myslenia a využívania umelej inteligencie v dennom živote. Zo začiatku to boli expertné systémy zamerané na riešenie konkrétneho problému z praxe. Neskôr sa pridávala možnosť samoučenia systému z dodávaných, kupovaných alebo nameraných kvalitatívnych dát. Systémy začali využívať viacero kumulovaných analytických prístupov, ako je zapojenie neurónových sietí, genetických algoritmov a prostriedkov Data miningu.
Systémy na báze umelej inteligencie sa stali prirodzenou súčasťou väčšiny moderných riešení. Analýza zákazníckych dát sa stala prirodzenou súčasťou každej firmy. Vytvorené sú ucelené riešenia, ktoré automaticky zberajú dáta z webovej stránky a vyhodnocujú správanie zákazníkov. Podporujú biznis smerovaním klientov k najvhodnejším dátam a ponukám, podľa požiadaviek klientov. Pripomeňme si niektoré príklady používania Umelej inteligencie. Predstavovanie v rámci Facebooku (podpora prepojenia sociálnych vzťahov), Amazonu (podpora predaja), Alibaba (podpora predaja a Biznis2Biznis vzťahov), Instagramu (analýza nevhodných obrázkov), Netflixu (udržanie zákazníkov pred TV) alebo LinkedIn (návrhu riadenia Vašich znalostí v rámci webovej stránky), by bolo nosenia dreva do lesa. Možno ste však nevedeli, že automaty s Cola nápojmi navzájom komunikujú a vedia sa dohodnúť, koľko fľašiek a akého typu je potrebné do jednotlivého automatu doplniť. Alebo, že traktory John Deere majú algoritmus, aby aplikovali chémiu na celé pole a pritom použili najmenej látky a že vedia obrábať pole bez vodiča. Press association odkrýva lokálne články v Anglicku, systém automaticky vyberá a pripravuje najzaujímavejšie články pre klientov novín z lokálnych udalostí. Zariadenie firmy Samsung vedia navzájom komunikovať, aby dali najlepšiu možnosť zážitku zákazníkovi. Proces naberania nových zamestnancov vo firme Unilever je z veľkej časti automatizovaný a riadený .
Masívne nasadenie systémov na báze umelej inteligencia má aj nevýhody. Príkladom nevýhody riešení je, že algoritmy sú navzájom spájané spolu s rôznymi typmi a zdrojmi dát. Spájanie algoritmov a využívanie zdrojov nie je zverejňované a závisí od skúsenosti a možností konkrétneho analytika.
Pravidlom je neprehľadnosť a nemožnosť porozumenia konkrétnej implementácie umelej inteligencie a nejasnosť v rozhodovaní. Existuje idea systémov umelej inteligencie, ktoré vedia vysvetliť svoje rozhodnutia, avšak tieto systémy sú zatiaľ viac v hlavách vedcov, ako riešenia s reálnou
implementáciou. Dopadom je, že zákazník nevie určiť z akých dát vyplýva konkrétne rozhodnutie a akým spôsobom bolo pripravené. Nie je možné kontrolovať a pochopiť jednotlivé rozhodnutia. Z toho vyplýva aj vysoká nedôvera v systémy, špeciálne ak ich rozhodovanie má v konečnom dôsledku finančný dopad na klienta. Podstatné obavy pramenia z možného ovplyvňovania zákazníkov pomocou virtuálnej reality alebo sprístupňovania len obmedzeného množstva dát s cieľom ovplyvňovania jednotlivcov alebo aj más. Vzhľadom na niektoré kauzy, ktoré prenikli na verejnosť, takéto správania nie je ojedinelé.
Napriek vyššie popísaným negatívam, nie je využívanie systémov na báze umelej inteligencie slepá ulička. Je možné identifikovať smerovanie k ešte väčšiemu rozšíreniu takýchto systémov a pevnejšiemu prepájaniu rôznorodých systémov do jedného komplexného systému. Je jedno, či to bude autonómne auto alebo virtuálny programátor aplikácií alebo humanoidný robot – kuchár v reštaurácii. Našou úlohou bude vytvoriť a kontrolovať etické hranice, ktoré systémy musia bezvýhradne dodržiavať.
Vyjadrite váš názor v komentároch