Wywiad z Kuang Xu (Stanford)

Profesor Kuang Xu, pracownik naukowo-dydaktyczny Uniwersytetu Stanforda specjalizujący się w obszarach operacji, informacji i technologii, jest orędownikiem transformacyjnej mocy sztucznej inteligencji w biznesie. W wywiadzie przeprowadzonym przez Mecalux wyjaśnia, dlaczego uważa, że przedsiębiorstwa powinny stosować automatyzację i podejmowanie decyzji na podstawie danych, aby w pełni wykorzystywać potencjał sztucznej inteligencji.

• W swoich badaniach prowadzonych na Uniwersytecie Stanforda koncentruje się Pan na zagadnieniu podejmowania decyzji w czasach niepewności. W co Pana zdaniem powinny inwestować organizacje w nadchodzącej dekadzie?

  Wszyscy myślą o generatywnej sztucznej inteligencji jako o chatbotach do obsługi klienta i tym podobnych narzędziach, ale nie pokazała ona jeszcze, co potrafi w dziedzinie sprzedaży. Wciąż jesteśmy na etapie oceny wartości biznesowej tego typu inteligentnych agentów. Przedstawię zatem kilka spostrzeżeń na temat technologii, o których wiemy, że przynoszą wartość już dziś.

  Dużo uwagi poświęca się uczeniu maszynowemu i sztucznej inteligencji, które można traktować jako dwa osobne elementy. Pierwszy pozyskuje informacje i generuje prognozy poprzez zadawanie pytań typu „jaki jest świat?”. Drugi natomiast zajmuje się optymalizacją i podejmowaniem decyzji, a zatem jego pytanie brzmi: „skoro świat jest taki, jak powinienem działać?”. Uczenie maszynowe jest bardziej intuicyjne i łatwiejsze do zrozumienia, podczas gdy sztuczna inteligencja jest bardziej złożona i mniej wytłumaczalna. Stanowi jednak kluczowy element. Wiedza „jaki jest świat” jest ważna, ale tym, co przynosi wartość, jest działanie na jej podstawie.

• Czy zatem firmy powinny inwestować w obie technologie?

  Znaczna część firm będzie nadal czerpać korzyści z tego, co dziś nie jest już żadną czarną magią: inwestowania w optymalizację procesu logistycznego i łańcucha dostaw poprzez wykorzystanie danych. W tym celu powinny koncentrować się na głównych aspektach, którymi są zarządzanie trasami, rozmieszczenie towaru w magazynie oraz lokalizacja obiektów. Powinny również gromadzić informacje, tworzyć prognozy oraz wykorzystywać je w silniku optymalizacyjnym, aby wprowadzać zmiany w przebiegu tras transportowych, regułach wyznaczania miejsc składowania oraz kształcie sieci logistycznej. Krótko mówiąc, powinny opracowywać modele optymalizacyjne oparte na sztucznej inteligencji i wysokiej jakości danych.

  Jest jednak jeszcze jeden aspekt, o którym mówi się mniej, ale stanowi on w łańcuchu dostaw „spoiwo”, jeśli chodzi o sztuczną inteligencję i uczenie maszynowe. Kiedy logistyka i łańcuch dostaw są projektowane przez ludzi, to ludzie stanowią ich ogniwa. Na przykład gdy wysyłana jest paczka lub plik z danymi i wystąpi błąd lub niejasność, kontaktujemy się ze sobą, aby rozwiązać problem. Generuje to koszty i rozmaite tarcia, ale nie uważamy tych umiejętności za coś wyjątkowego. Obecnie jednak często się zdarza, że jakieś zadanie jest wyodrębniane, aby w jakiś sposób usprawniła je maszyna. W większości przypadków maszyna będzie w stanie powiedzieć, gdzie wysłać ciężarówki lub które regały przestawić. Ale gdy ten system ulegnie awarii, potrzebna jest „kopia zapasowa”, która zwykle wymaga udziału człowieka. O tych technologiach czytamy hasła typu „w 95% przypadków maszyny przewyższają ludzi w X”. I okazuje się, że te brakujące 5%, w których maszyny nie przewyższają człowieka, dość trudno jest osiągnąć. Dlaczego o tym mówię? Dlatego, że to „spoiwo”, czyli ludzie, jest niezbędne.

  Potencjał sztucznej inteligencji w zakresie optymalizowania procesów fizycznych, takich jak logistyka i łańcuch dostaw, staje się coraz bardziej widoczny

• Dlaczego ta integracja jest tak ważna?

  Można by pomyśleć, że system jest w stanie funkcjonować bez tego „spoiwa”, ale prawda jest taka, że nie jest. Jego brak nie oznacza, że uzyskasz 80% zamiast 95%; oznacza, że nie uzyskasz nic. Spowoduje, że po prostu nic nie będzie działać. Na zajęciach, które prowadzimy na Stanfordzie, przyglądamy się rzeczywistym przypadkom firm logistycznych i z branży medycznej wykorzystujących uczenie maszynowe i sztuczną inteligencję. Powtarzającym się tematem jest to, że tajemnica sukcesu często wcale nie tkwi w posiadaniu lepszego algorytmu uczenia maszynowego. Tryumfują zwykle ci, którzy koncentrują się na „spoiwie”. Dlaczego? Ponieważ są dobrzy w rozwoju technologii i inwestują w projektowanie produktu, aby integracja była u nich lepsza niż u konkurencji. Dlatego radzę inwestować w integrację sztucznej inteligencji. Chociaż nie jest to często poruszany temat, ma on kluczowe znaczenie.

• Doradza Pan firmom i funduszom inwestycyjnym, jak rozwijać możliwości sztucznej inteligencji i nauki o danych. Jakie są Pańskie główne zalecenia?

  Rady zależą od konkretnego przypadku, ale gdybym miał wybrać tylko jeden aspekt, powiedziałbym, że firmy często nie definiują wartości oferowanego produktu, zanim wykonają skok technologiczny. Nie tyle pomijają kwestię wyboru najbardziej odpowiedniej techniki uczenia maszynowego, co nie zadają sobie następującego pytania: „Gdybym miał tę technologię, jaką wartość tak naprawdę by mi ona przyniosła?”. I nie mam tu na myśli wartości w sensie abstrakcyjnym, brandingu czy kultury firmy. Mówię o czymś bardziej konkretnym: czy jesteś w stanie określić wskaźnik, który odzwierciedlałby dokładność i wydajność statystyczną twojej technologii? Jeśli tak, to czy pozwala to zaoszczędzić pieniądze?

  Proszę mi wierzyć, że na taką refleksję mało kto się zdobywa. Najczęściej ludzie wierzą, że dana technologia zapewni im jakieś wyjątkowe możliwości i po prostu ją wprowadzają, nie mając pewności, czy okaże się to sukcesem. Być może zakładają, że zastąpi ona całą linię produktów albo radykalnie poprawi produktywność, ale nigdy nie jest dla nich do końca jasne, czy te oczekiwania są możliwe do spełnienia. I tu właśnie pojawia się problem: dokonywanie inwestycji, które nie przynoszą wymiernych korzyści. Uważam, że zdefiniowanie wartości produktu – wspólnie z osobą czy zespołem, który rozumie możliwości technologii i potencjał uczenia maszynowego – i to na wczesnym etapie, ma kluczowe znaczenie dla biznesu.

• 

  Czy organizacje wdrażają sztuczną inteligencję w obawie, że zostaną w tyle?

  Tak, ma to miejsce. Patrzę na to w ten sposób: podejmowanie decyzji w oparciu o dane to nauka ścisła, ale także emocje i psychologia. Nie oznacza to, że należy z tej możliwości zrezygnować; wręcz przeciwnie, trzeba z niej korzystać. Trzeba jednak wiedzieć, czy nie robi się tego ze strachu. Dostrzegam dużą presję ze strony akcjonariuszy, interesariuszy i zarządów na to, aby w organizacji było widać, że proaktywnie inwestuje w sztuczną inteligencję, więc strach nie jest całkowicie nieuzasadniony.

  Myślę, że znaczące zmiany w branży spowoduje nie tylko jakiś potencjalnie rewolucyjny rodzaj sztucznej inteligencji, lecz także stopniowy rozwój sztucznej inteligencji i uczenia maszynowego zachodzący w ciągu ostatniej dekady. A zatem tak, uważam, iż firmy powinny się bać w tym sensie, że jeśli zignorują ten trend, mogą zostać w tyle. Uważam jednak, że trzeba zaakceptować ten strach, obserwować tok wydarzeń i zadać sobie pytanie, jaką wartość, w perspektywie krótkoterminowej, można z tego czerpać. Widzę też, że wiele firm decyduje się na skok i inwestuje ogromne kwoty w generatywną sztuczną inteligencję, w zatrudnianie nowych liderów i tak dalej. Ludzie żartują, że najlepszą pracą jest dziś posada dyrektora do spraw sztucznej inteligencji w tradycyjnej firmie. Należy jednak z tym uważać. Lepszym podejściem jest zaakceptowanie tego strachu, ponieważ jest on realny i ma miejsce. Jednak dowiedzieć się, gdzie dokładnie powinna nastąpić zmiana w danej organizacji, nie jest tak prosto. Nie każda firma odniesie korzyści z automatycznego chatbota. Kluczem jest więc myślenie o wartości. Ono może lepiej ukierunkować.

• Które firmy rzeczywiście powinny wdrożyć sztuczną inteligencję?

  To jest doskonałe pytanie. Jeśli firma zajmuje się logistyką, a procesy są już zautomatyzowane lub mogą zostać zrobotyzowane z wykorzystaniem telemetrii – informacji zwrotnych i pomiarów – zdecydowanie powinna rozważyć integrację sztucznej inteligencji. Wiele organizacji korzysta już z robotów przemysłowych oraz rozwiązań logistycznych i magazynowych takich jak te, które produkuje Mecalux. Powodem jest to, że automatyzacja działa jak brama. Bez tej informacji zwrotnej te innowacyjne techniki nie miałyby scenariusza testowego.

  Jednak gdy drzwi będą już otwarte, urośnie konkurencja, ponieważ prędzej czy później inni zautomatyzują się lepiej, więc jest to bardzo istotny czynnik, który należy wziąć pod uwagę. Wszędzie, gdzie świat fizyczny połączy się z internetem i bazami danych, sztuczna inteligencja wkroczy do akcji. Chociaż początki sztucznej inteligencji wywodzą się z manipulowania informacjami cyfrowymi, jej potencjał w zakresie optymalizacji procesów fizycznych, takich jak łańcuchy dostaw i transport, staje się coraz bardziej widoczny. DoorDash, Uber i Lyft były w pierwszej fali. Skupiły one kierowców w aplikacji, zyskując pewną kontrolę nad optymalizacją fizycznego świata. Idąc dalej z tą analogią, można zapytać: co jeszcze zostało już zintegrowane lub może zostać zintegrowane w przyszłości? Automatyzacja i integracja z siecią to kluczowe obszary, w których sztuczna inteligencja poczyni ogromne postępy.

• W jakich jeszcze dziedzinach może znaleźć zastosowanie sztuczna inteligencja?

  Drugą kwestią, na którą chciałbym zwrócić szczególną uwagę, jest to, w jakim stopniu działalność firmy zależy od informacji. Załóżmy, że wskazują one inny wzorzec popytu, inną strukturę kosztów lub inny przebieg łańcucha dostaw. Czy te dane diametralnie zmieniłyby decyzje w firmie? Weźmy przykład z branży nieruchomości, gdzie zmiany zachodzą w dłuższej perspektywie. Kupujesz budynek i wynajmujesz mieszkania. Jeśli nagle liczba mieszkańców miasta spadnie, nie sprzedasz od razu z tego powodu nieruchomości. Choć masz możliwość wykorzystania sztucznej inteligencji i może ona być pomocna, twoje decyzje nie są tak wrażliwe na zmiany, więc możesz poświęcić trochę czasu na przeanalizowanie scenariusza. Z drugiej strony, jeśli mamy do czynienia z projektem, w którym codzienne procesy zależą w znaczącej mierze od danych dostępnych w danym momencie, sztuczna inteligencja może mieć duży wpływ. Zarządzanie dostawami zamówień w czasie rzeczywistym stanowi doskonały przykład tego, dlaczego konieczne jest szybkie reagowanie na zmieniające się warunki rynku i otoczenia. W takich sektorach dostęp do informacji może pomóc radykalnie zmienić funkcjonowanie firmy.

  

  Innymi słowy, aby sztuczna inteligencja pokazała swój potencjał, potrzebne jest otoczenie, w którym istnieje niepewność, zmienia się kontekst i pojawiają się nowe wyzwania. Brak pewności musi wpływać na decyzje biznesowe. Ten obszar sztucznej inteligencji jest już bardzo dojrzały i może być pomocny. Jeśli jednak żadna z tych przesłanek nie zachodzi, czyli otoczenie nie ulega zmianie, a jeśli ulega, nie ma to wpływu na firmę, zakres wdrożenia sztucznej inteligencji może być mniejszy.

• Poza obniżeniem kosztów jakie możliwości stwarza sztuczna inteligencja dla biznesu?

  Oszczędności są ważne, ale przewiduje się, że sztuczna inteligencja umożliwi oferowanie zupełnie nowych produktów i doświadczeń, które wcześniej nie istniały. Zawsze znajdą się tacy, którzy będą mówić, że sztuczna inteligencja zastąpi pracowników, a to wywołuje niepokój. Można jednak podać również takie przykłady, w których sztuczna inteligencja otwiera nowe możliwości i zastosowania, które są możliwe tylko dzięki niej i mogą stanowić doskonałą okazję do rozwoju.

  Chciałbym się mylić, ale sądzę, że w logistyce panuje ogromna presja. Nie ma znaczenia, gdzie kupisz śrubokręt, o ile jest on dobrej jakości, a cena konkurencyjna. Ale może sposób otrzymania tego śrubokrętu i niezawodność magazynu mogą zapewnić klientom całkiem nowe doświadczenia? To byłoby interesujące. Moglibyśmy zadać sobie pytanie: jeśli wdrożymy roboty i nie tylko obniżą one koszt pobrania śrubokręta z regału, ale także sprawią, że proces ten będzie znacznie bardziej niezawodny? A jeśli to pozwoli mi uzyskać dane, dzięki którym stworzę nowy produkt? Kiedy sztuczna inteligencja pozwala ci zrobić coś, czego wcześniej nie mogłeś zrobić, staje się polem pełnym możliwości.

• Powiedział Pan kiedyś o sztucznej inteligencji, że ma ona być narzędziem, a nie istotą wyższą.

  Ta idea jest związana ze strachem, a strach jest naturalną reakcją, którą odczuwa każdy. Celem nie jest nie odczuwać go, lecz być go świadomym i wykorzystywać tę energię na swoją korzyść. Uważam, że strach jest wskaźnikiem, że coś się dzieje i należy zwrócić na to uwagę. To mechanizm ostrzegawczy. Jeśli jednak nie radzisz sobie z nim świadomie i staje się on zbyt głęboki, zaczyna dyktować ci, co masz robić. Przestajesz myśleć. I to jest coś, co widzimy bardzo często; przekonanie, że możesz coś stracić, paraliżuje cię.

  Różnica między narzędziem a istotą wyższą polega na tym, że ta druga definiuje cele za ciebie. Mówi: „Jestem technologią i robię to i to, więc ty też masz to robić”. Na zasadzie „kopiuj, wklej”, bez głębszego zastanowienia się nad tym, jaką wartość ci to przynosi. Natomiast narzędzie wykonuje działanie bez definiowania jego ostatecznej wartości i to ty musisz tę wartość zdefiniować. Jeśli więc myślisz o sztucznej inteligencji jako narzędziu, musisz zadać sobie następujące pytania: czy zrozumiałeś wartość tego, co próbujesz osiągnąć? Czy odrobiłeś pracę domową, aby to osiągnąć?

• 

  Jakie są Pana najnowsze odkrycia dotyczące analityki opartej na sztucznej inteligencji, które mogą pomóc firmom w podejmowaniu decyzji?

  Jednym z obszarów naszych badań jest uczenie sekwencyjne, znane również jako uczenie przez wzmacnianie, które polega na tym, że inteligentny agent próbuje działać optymalnie w świecie, ale najpierw musi wejść z nim w interakcję, aby się dowiedzieć, jak to robić. Kiedy wchodzisz w interakcję ze światem, twoje działania mają następstwa, to zaś wpływa na to, ile informacji zbierasz, gdzie je zbierasz, a także na twoje doświadczenia. Nie chcemy jednak wysyłać robota na ulicę, by go od razu przejechała ciężarówka, lecz zastanawiamy się, jak go zaprojektować, aby uczył się w trakcie działania i gromadzenia danych.

  Jest jeszcze jeden obszar, którego wciąż dobrze nie rozumiemy, a dotyczy on tego, jak wykonywać zadania w środowisku, które nie jest statyczne – a jeśli się nad tym zastanowić, niemal żadne środowisko, z którym wchodzimy w interakcję, nie jest statyczne. Kiedy przybywamy do nowego miejsca, zawsze najpierw zachodzi proces uczenia się, ale w miarę jak się uczymy, otoczenie może się zmieniać. Jak zatem zaprojektować inteligentne agenty, które zbierają odpowiednie informacje w tych zmieniających się miejscach?

  Na Uniwersytecie Stanforda aktywnie pracujemy w tym obszarze. Jest to fascynujące, ponieważ pozwala nam zająć się wieloma zastosowaniami, które kiedyś badaliśmy przy użyciu podejść, w których symulowaliśmy, że środowisko się nie zmienia. W przypadku rekomendacji zakupowych w sklepach internetowych zmiany powinny być normą, ale inteligentne agenty wykorzystywane do ich tworzenia i ustalania cen zostały zaprojektowane dla niezmiennego środowiska. Stosując nasze odkrycia w tych obszarach, już teraz widzimy znaczną poprawę. Pracując przy projektach dla klientów z sektora logistycznego, zauważyłem, że jest to środowisko niezwykle dynamiczne, bardzo niestabilne, w którym w grę wchodzą regulacje, zakłócenia, sezonowość i inne zmienne. Sekret tkwi w takim zaprojektowaniu algorytmów sztucznej inteligencji, by szybko się dostosowywały do tych zmian i uzyskiwały właściwe informacje.

• Jaką Pana zdaniem rolę odegra sztuczna inteligencja w przyszłości logistyki?

  Trudno powiedzieć. Należałoby zadać sobie pytanie, dlaczego tyle szumu robi sztuczna inteligencja w postaci chatbotów i generatorów obrazów, a o jej zastosowaniach w logistyce mało co słychać. Myślę, że główny powód jest prosty: przemieszczanie fizycznych obiektów jest skomplikowane z wielu powodów i sprawia, że trudniej osiągnąć zysk. Rzecz w tym, jak zmniejszyć tarcie w poszczególnych punktach drogi, czyli łańcucha dostaw. Jeśli mamy kontenerowiec i sztuczną inteligencję, musimy przeanalizować, ile jest kroków pośrednich i jak zminimalizować problemy w całym procesie. Na przykład sztuczna inteligencja może zapewnić lepszą metodę komunikowania decyzji, takich jak to, przy której rampie magazynu powinna stanąć ciężarówka.

  Zalecam firmom, aby zanim zaczną myśleć o sztucznej inteligencji, zastanowiły się, jak mogą zredukować wąskie gardła. Gdy je zredukują, sztuczna inteligencja może przynieść im korzyści na wiele sposobów. Niektóre z firm odnoszących największe sukcesy są dobre w eliminowaniu wąskich gardeł. Organizacje nie wyróżniają się tym, że mają najlepszy zespół AI na świecie; być może mają dobry zespół AI, ale to nie jest najbardziej decydujący element. Decydująca jest platforma, operacje i doprowadzenie operacji do punktu, w którym komputery mogą poruszać atomy. To obecnie jest największa przeszkoda, ale jestem dobrej myśli. Robotyka, którą tworzycie w Mecaluxie, może stanowić duży krok w tym kierunku. Bardzo optymistycznie widzę przyszłość sztucznej inteligencji w magazynowaniu i logistyce. To trend, który bez wątpienia będzie wzrastał.