Neki vjeruju da širenje umjetne inteligencije i robotike dovodi u opasnost našu privatnost, naše poslove, pa čak i našu sigurnost. Sve više i više zadataka ide mozgu na bazi silicija. Ali čak ni većina glasnih kritičara ne može ne prepoznati očite koristi koje AI i automatizirani sustavi pripremaju za čovječanstvo. U sklopu projekta Grand Challenges, BBC je okupio stručnjake koji su izložili svoju viziju budućnosti u prisutnosti strojeva i umjetne inteligencije.
"Ne bismo trebali gledati na AI kao na nešto što se natječe s nama, već kao na nešto što može poboljšati naše sposobnosti", kaže Takeo Kanade, profesor robotike na Sveučilištu Carnegie Mellon. Jer AI ima toleranciju prema dosadi, a također je u stanju prepoznati obrasce mnogo bolje i brže od ljudi. Automatizacija je već započela otkrivanje najsloženijih čvorova na svijetu, od bolesti do okrutnosti.
A to može učiniti naš život sigurnijim u 21. stoljeću.
Borba protiv zaraznih bolesti
Za milijarde ljudi širom svijeta, zujanje komaraca uz uši može značiti puno više od dosadnog ugriza - može biti predvodnik bolesti, pa čak i smrti. Jedna vrsta, Aedes aegypti, posebno se proširila iz Afrike u gotovo sve tropske i suptropske regije, noseći groznicu denge, žutu groznicu, zika i chikungunya (virus koji izaziva osakaćene bolove u zglobovima). Samo gnoj zarazi 390 milijuna ljudi u 128 zemalja svake godine.
"Ovaj komarac je maleni demon", kaže Rainier Mallol, računalni inženjer u Dominikanskoj Republici, žarište Zika. Zajedno s Desi Raja, liječnicom iz Malezije (druge zemlje u kojoj postoji rizik od zaraze virusom), par je razvio AI algoritme koji predviđaju gdje će izbijanja bolesti najvjerojatnije nastupiti.
Promotivni video:
Microsoftov projekt Predmonition koristi dronove kako bi pronašao uzročnike u vrućim točkama Zika
Njihova umjetna inteligencija u medicinskoj epidemiologiji (Aime) sustav je koji objedinjuje vrijeme i mjesto svakog novog slučaja Denge, o kojem izvještavaju lokalne bolnice, s 274 druge varijable, kao što su smjer vjetra, vlaga, temperatura, gustoća naseljenosti, vrsta stanovanja. "To su sve faktori koji određuju širenje komaraca", objašnjava Mallall.
Testovi u Maleziji i Brazilu pokazali su da mogu predvidjeti izbijanja s točnošću od oko 88% u tri mjeseca. Sustav također pomaže pronaći epicentar izbijanja na udaljenosti do 400 metara, omogućujući lokalnim liječnicima da pravovremeno interveniraju insekticidima i zaštite od ujeda za lokalne stanovnike.
Aime se također razvija kako bi predvidio izbijanja Zika i Chikungunya. Ogromne tehnološke tvrtke ovu ideju uzimaju na svoj način: Microsoftov projekt Premonition, na primjer, koristi autonomne dronove za otkrivanje džepova komaraca, a koristi ugljični dioksid i svjetlosne zamke za hvatanje komaraca. DNK komaraca i životinja koje ujedu analizira se strojnim algoritmima koji otkrivaju obrasce u ogromnim količinama podataka svakim danom sve boljim i boljim - i pronalaze patogene.
Borba s oružjem
Tijekom prošle godine u Sjedinjenim Državama je zbog pucnjave poginulo 15 000 ljudi. Ova država ima najveću stopu nasilja povezanog s oružjem u čitavom razvijenom svijetu. Za rješavanje problema neselektivnog pucanja i kriminala povezanog s oružjem, neki se gradovi u cijeloj zemlji obraćaju za pomoć tehnologiji.
Automatizirani sustav koji čuje zvuke pucnjave kroz niz senzora može se upotrijebiti za pronalaženje mjesta pucanja i upozoravanje sigurnosnih snaga u roku od 45 sekundi nakon što je okidač povučen. ShotSpotter koristi 15-20 akustičnih senzora po kvadratnom kilometru za otkrivanje karakterističnog "pop" snimka, locirajući njegovo rodno mjesto s točnošću od 25 metara.
Tehnologije strojnog učenja koriste se kako bi se potvrdilo da je zvuk bio hitac iz vatrenog oružja i broji se broj ispaljenih hitaca kako bi se pokazalo hoće li se policija baviti osamljenim pištoljem ili višestrukim kriminalcima i koristi li mitraljeze ili ne.
Već 90 gradova - uglavnom u SAD-u, ali i u Južnoj Africi i Južnoj Americi - koristi ShotSpotter. Mali sustavi također su raspoređeni u devet američkih kampusa kao odgovor na nedavnu pucnjavu u kampusu.
Ralph Clarke, generalni direktor ShotSpottera, vjeruje da će se ovaj sustav u budućnosti moći koristiti za više od jednostavnog odgovora na incident.
"Tražimo da razumijemo kako se naši podaci mogu upotrijebiti za predviđanje sposobnosti policajaca", kaže on. "Strojno učenje može se kombinirati s vremenom, prometom i još mnogo toga za što točnije informiranje policijskih patrola."
Borba protiv gladi
Oko 800 milijuna ljudi širom svijeta oslanja se na korijen kasave kao glavni izvor ugljikohidrata. Ovo škrobno povrće u obliku yama jede se poput krumpira; može se mljeti i u brašno za pravljenje kruha i peciva. Može se uzgajati tamo gdje drugi usjevi ne mogu, pa je cassava šesta po veličini biljka na svijetu. Međutim, ovaj drveni grm je također osjetljiv na bolesti i štetočine, koji mogu opustošiti čitava povrća.
Istraživači sa Sveučilišta Makerere u Kampali u Ugandi udružili su se sa stručnjacima za biljne bolesti kako bi razvili automatizirani sustav za borbu protiv kasavske bolesti. Mcropsov projekt omogućuje lokalnim poljoprivrednicima da fotografiraju svoje biljke jeftinim pametnim telefonima i koriste računalni vid za otkrivanje znakova četiri glavne bolesti koje su uništavale usjeve kasave.
"Neke od ovih bolesti izuzetno je teško prepoznati i zahtijevaju različite radnje", objašnjava Ernest Mwebase, informatičar koji vodi projekt. "Dajemo poljoprivrednicima džepni stručnjak kako bi znali hoće li oprašiti svoje usjeve ili uništiti i posaditi nešto drugo."
Ovaj sustav dijagnosticira cassava bolesti s 88 posto točnosti. Zemljoradnici obično trebaju pozvati vladine stručnjake da posjete farme radi utvrđivanja bolesti, za što je potrebno nekoliko dana i tjedana da se bolest proširi.
Mcrops vam također omogućuje prijenos fotografija u bazu podataka koja se zatim koristi za dijagnosticiranje izbijanja. Mwebaze se nada da će tehnologija automatski otkriti i probleme s drugim biljnim vrstama, poput banana.
Borba protiv raka i gubitak vida
Rak uzrokuje više od 8,8 milijuna smrtnih slučajeva širom svijeta, a 14 milijuna ljudi dijagnosticira neki oblik raka svake godine. Rano otkrivanje raka može značajno povećati šanse za preživljavanje i smanjiti rizik od recidiva. Screening je jedan od ključnih načina ranog otkrivanja raka, ali razumijevanje skeniranja i drugih rezultata ispitivanja je vrlo, vrlo teško i dugotrajno.
Googleov DeepMind može pomoći liječnicima u liječenju raka strojnim učenjem kako bi im pomogao da identificiraju zdrava područja tkiva pacijenta
DeepMind i IBM primjenjuju svoje AI tehnologije na ovaj problem. DeepMind se udružio s liječnicima britanskog NHS-a na University Colleges u Londonu kako bi obučio svoj program temeljen na AI za liječenje raka odvajanjem područja zdravog tkiva od tumora u glavi i vratu. Također surađuje s bolnicom za oči Moorfields u Londonu, otkrivajući rane znakove gubitka vida na pretragama oka.
"Naši algoritmi mogu interpretirati vizualne informacije iz skeniranja", kaže Dominic King, šef kliničke klinike u DeepMind Health. „Sustav uči prepoznati potencijalne probleme i preporučuje liječniku ispravan način djelovanja. Još je rano komentirati rezultate, ali oni su već vrlo ohrabrujući."
King kaže da AI tehnike mogu pomoći liječnicima da brže postave dijagnoze prosijavanjem skeniranja i davanjem prioriteta onima koji se preporučuju za trenutno razmatranje.
IBM je također nedavno objavio da Watson-ov AI može analizirati slike i procijeniti podatke o pacijentima, precizirajući tumor u 96% vremena. Sustav je u ovom trenutku podvrgnut medicinskim ispitivanjima u 55 bolnica širom svijeta koji pomažu u dijagnosticiranju karcinoma dojke, pluća, debelog crijeva, vrata maternice, jajnika, želuca i prostate.
Bez isključivanja svjetla
Usred žestoke rasprave o tome mogu li klimatske promjene uzrokovati dvije katastrofalne uragane na povijesnoj ljestvici u Sjedinjenim Državama, kako se umjetna inteligencija može maksimizirati u istraživanju uporabe čiste, obnovljive energije kako bi se spriječila daljnja šteta koja dovodi do klimatskih problema?
Ljudi širom svijeta sve se više oslanjaju na obnovljive izvore energije za borbu protiv klimatskih promjena i onečišćenja uzrokovanih fosilnim gorivima, a zadatak uravnoteženja energetskih mreža s takvim isprekidanim izvorima postaje sve teži. Širenje pametnih brojila - digitalni monitori energije koji automatski bilježe potrošnju - također će pružiti puno podataka o tome kako i kada potrošači koriste energiju. Samo Europska unija planira ugraditi 500 milijuna pametnih brojila u domove do 2020. godine.
"Upravljanje svim tim sredstvima je nemoguće za ljude, jer su vremena reakcije često nekoliko sekundi", kaže Valentin Robu, docent za inteligentne sustave na Sveučilištu Heriot Watt u Edinburghu. S britanskom tvrtkom Upside Energy surađuje na razvoju novih načina upravljanja elektroenergetskim mrežama.
Oni stvaraju algoritme strojnog učenja za praćenje proizvodnje i potrošnje energije u stvarnom vremenu. Što to znači? Ta će se energija pohraniti za vrijeme tihih sati, a zatim pustiti u vrijeme vrhunca, na primjer ujutro, kada svatko želi napraviti svoju vlastitu kavu. Kako električna vozila i kućanske baterije postaju sve rasprostranjenija, tehnologija se može koristiti za skladištenje energije i ravnomjernu distribuciju obnovljivih tokova.
Robu također kaže da se AI može koristiti na još temeljnijoj razini, pomažući u smanjenju naše potražnje za spojenim uređajima. Na primjer, hladnjacima se izravno može upravljati putem AI tako da se uključuju samo kada je potražnja za električnom energijom na mreži najmanja.
Ilya Khel