Mākslīgais intelekts sācis nostiprināties biznesa vidē

Jāpiebilst, ka pērn Latvijas Informācijas un komunikācijas tehnoloģijas asociācija (LIKTA) savai ikgadējai balvai Platīna pele ieviesa jaunu godalgojamu kategoriju Mākslīgā intelekta risinājums, ko ieguva a/s Emergn (agrākais a/s Exigen Services Latvia) par Valsts ieņēmumu dienesta pakalpojuma Nodokļu deklarāciju apstrāde, izmantojot robotizētu risinājumu izstrādi. MI kļūst gan par tehnoloģiju ražotāju, gan arī par klientu konsultantu. 

Perspektīva tur, kur lieli datu apjomi

Informācijas tehnoloģiju (IT) nozares giganta Microsoft vadītāja Baltijā Renāte Strazdiņa, Dienas taujāta, skaidro, ka mākslīgais intelekts būtībā nozīmē to, ka mašīnas spēj "redzēt un atpazīt" attēlus, "klausīties un saprast" tekstu, tostarp izprast valodas nianses, kā arī "domāt un rīkoties" atbilstoši iegūtajai informācijai. Līdz ar to datori spēj arī "mācīties", analizējot milzīgus datu apjomus un izmantojot algoritmisko analīzi. Viņasprāt, MI jau tagad maina gan ikdienu, gan biznesa vidi tādos veidos, ko mēs reizēm pat neasociējam ar mākslīgo intelektu, – tas tiek izmantots tulkošanas programmās, satiksmes uzraudzības risinājumos, virtuālo asistentu jeb čatbotu darbībā, klientu patēriņa paradumu analīzē un daudz kur citur. 

Taujāta par MI risinājuma pašreizējo auditoriju, Strazdiņa norāda, ka, visticamāk, MI risinājumi aktīvāk attīstīsies jomās, kurās jāapstrādā ļoti liels datu apjoms. Te mākslīgais intelekts var sniegt vislielāko potenciālo pienesumu, salīdzinot ar citiem, vienkāršākiem datu apstrādes un analīzes veidiem, turklāt – jo vairāk datu, jo "labāk mācās" mākslīgais intelekts. Līdz ar to tie tautsaimniecības segmenti, kuros mākslīgais intelekts ienāks straujāk, būs saistīti ar risinājumiem ceļu satiksmē, finanšu sektorā, loģistikā, arī tirdzniecībā un ražošanā, turklāt daudzi no tiem būs saistīti ar lietu internetu. 

Atbalsts biznesam

Programmatūras ar MI izstrādē privātā sektora kompānijām pieredze ir vairākiem Latvijas IT uzņēmumiem. Piemēram, Squalio Cloud Consulting ir izstrādājis biometrijā balstītu transporta plūsmas vadības sistēmu, uzņēmums Kleintech Software dzelzceļa nozares uzņēmuma LDz Cargo vajadzībām radījis risinājumu TrainINSPECT dzelzceļa transporta kontrolei, ar t. s. dziļās mašīnmācīšanās lietojumu. 

Jāpiemin arī mākslīgā intelekta risinājums AiHEN, ko olu ražotāja Balticovo vajadzībām izstrādājis uzņēmums WeAreDots (iepriekš SQUALIO Cloud Consulting). WeAreDots IT risinājumu un attīstības vadītājs Aigars Jaundālders Dienai stāsta, ka AiHEN veidots tā, lai Balticovo varētu vienviet apkopot visus būtiskākos ar ražošanu saistītos raksturlielumus, ko sistēmā ievada gan cilvēks ar rokām, gan arī reģistrē dažādi mēra sensori, lai ar to palīdzību prognozētu nākotnē izdēto olu skaitu un modelētu, kā tas varētu mainīties, ja mainītu kādu no ievadparametriem. Interesants apakšuzdevums, veidojot šo programmu, esot bijis arī olu saskaitīšana uz konveijera, jo ražošanas procesu specifikas dēļ centrālās olu skaitīšanas mašīnas ne vienmēr spēja dot tik detalizētu informāciju par olu skaitu, kāda būtu nepieciešama prognozēšanai.