Dzięki AI można rozwiązać szeroką klasę problemów biznesowych. W tym wpisie przybliżymy kilka działów, w których się specjalizujemy, technologii AI, których używamy i ich przykładowe zastosowania w biznesie.

Wizja Komputerowa

Zacznijmy od naszego konika - czyli wizji komputerowej. Pod tym terminem kryją się analiza zdjęć czy wideo. Ten zakres technologii może być użyty do wielu odmiennych zagadnień biznesowych. Może być to śledzenie osób poruszających się w sklepie za pomocą sieci neuronowych typu YOLO („you only look once”) lub też analiza zmian skórnych pod kątem oznak nowotworowych za pomocą techniki uczenia głębokiego - sieci konwolucyjnych. Jeżeli chcesz rozpoznawać po twarzy pracowników i na tej podstawie dawać im dostęp do konkretnych miejsc, być może dobrym rozwiązaniem jest wywodząca się od sieci konwolucyjnych sieć syjamska. A może interesuje Cię problem segmentacji? Segmentacji używają na przykład Teams, Zoom czy Meets, aby zidentyfikować osobę, a tło zastąpić innym obrazem lub je rozmazać. W Twoim przypadku może to być wykrycie interesujących przedmiotów, takich jak ładunek w magazynie czy pozostałości grodziska na zdjęciu lotniczym.

Sztuczna Inteligencja - odpowiedź na problemy Twojego biznesu

Przetwarzanie Języka Naturalnego

Drugą w kolejności specjalizacją Numlabs jest przetwarzanie języka naturalnego – w skrócie NLP. Należy być uważnym, ponieważ skrót ten oznacza również niepowiązaną „technikę psychologiczną”, jaką jest programowanie neurolingwistyczne, które pomimo swojej nazwy, nie ma nic wspólnego z AI, ani z programowaniem komputerów. Klasyczne zastosowania to chociażby automatyczne czytanie wiadomości mailowych, a następnie przekazywanie ich do odpowiednich działów, czy nawet generowanie automatycznych odpowiedzi na typowe pytania. Innym przykładem może być tzw. analiza sentymentu - jeżeli spływa do nas dużo opinii naszych klientów, będziemy mogli automatycznie dzielić je na pozytywne i negatywne oraz grupować tematycznie, w zależności od tego co się podobało lub nie. Wraz z modelami takimi jak GPT-2 generowanie tekstów, na przykład dialogów w scenariuszu filmowym, jest możliwe do zrealizowania.

Analityka Danych

Ostatnim punktem jest analityka danych, czyli „klasyczne” data science. Poza danymi tekstowymi czy obrazami, które dopiero od niedawna dzięki postępom w sztucznej inteligencji można stosunkowo tanio i dokładnie analizować, pozostaje cała gama innych, równie (o ile nie bardziej) użytecznych, ale nie tak spektakularnych do pokazania danych. Tabele, raporty, odczyty z urządzeń pomiarowych, Google Analytics, strony internetowe czy logi z aplikacji i urządzeń pozwalają wychwytywać i przewidywać zjawiska, anomalie w zachowaniach użytkowników czy analizować stopień zużycia podzespołów maszyn. W przeciwieństwie do typowego analityka, data scientist jest również programistą oraz posiada kompetencje związane z uczeniem maszynowym. Dzięki temu jest w stanie samodzielnie zintegrować się z różnymi źródłami danych, opracować raporty i analizy przy użyciu klasycznych metod statystycznych, jak również sztucznej inteligencji, a nawet napisać serwis, który automatycznie będzie powtarzał zlecone analizy i zintegruje je z oprogramowaniem działającym w firmie.

 

Sztuczna Inteligencja - odpowiedź na problemy Twojego biznesu

 

Podsumowanie

Warto zaznaczyć, że często projekty wymagają wiedzy z kilku obszarów. Przykładem niech będzie realizacja obiegu dokumentów dla systemu zarządzania pracą na platformach wiertniczych. Dzięki technikom wizji komputerowej i uczenia głębokiego byliśmy w stanie odczytać i pogrupować tekst zawarty na zdjęciach. Następie wykorzystaliśmy metody przetwarzania języka naturalnego tak, aby skorygować potencjalne błędy i połączyć dane pomiędzy różnymi dokumentami - na przykład fakturą i listem przewozowym. Aby tego dokonać konieczna była eksploracyjna analiza danych, która pozwoliła określić wielkość problemu i potencjalne ścieżki jego rozwiązania.

Podsumowując, Numlabs specjalizuje się w trzech dziedzinach: wizji komputerowej, przetwarzaniu języka oraz analizie danych z wykorzystaniem metod sztucznej inteligencji. Zazwyczaj projekty są multidyscyplinarne co wymaga od nas użycia kompetencji w każdej z wymienionych dziedzin.