Ulli Waltinger, voditelj istraživačke grupe za strojnu inteligenciju te osnivač i suvoditelj Siemens AI Laba u Siemensovoj svjetskoj istraživačkoj organizaciji Siemens Corporate Technology, održao je u četvrtak predavanje na temu dubokog i strojnog učenja i umjetne inteligencije. U svom predavanju u zagrebačkom Siemensu osvrnuo se i na razvoj podatkovne znanosti koja se uz tehnologije umjetne inteligencije širi velikom brzinom te širi svoj utjecaj na elektroničko poslovanje.
- Simens kao velika korporacija na istraživanje i razvoj troši do 5.2 milijarde eura, a u tom sektoru je zaposleno čak 40 500 zaposlenika koji rade na kreiranju novih tehnoloških proizvoda – rekao je u uvodu Waltinger.
Nakon uvoda osvrnuo se i na umjetnu inteligenciju rekavši kako ju danas svi poimaju na drugačiji način, ali i da mnogi ne shvaćaju da su mali sustavi umjetne inteligencije već sada svuda oko nas.
- Ljudi danas umjetnu inteligenciju povezuju najčešće s filmovima poput Terminatora, što nije ni približno onome što ona zaista je. Zapravo umjetna inteligencija je tu da podrži čovjekov rad, a ne da ga zamjeni ili kao u filmu uništi – kaže Waltinger.
U Siemensu je umjetna inteligencija jedna od vodećih tehnoloških ‘tema‘. Bez obzira radi li se o autonomnoj optimizaciji plinskih turbina, poboljšanom praćenju pametnih mreža ili održavanju industrijskih postrojenja, umjetna inteligencija ima veliki potencijal za Siemens.
- Umjetna inteligencija u Siemensu se koristi za optimizaciju industrijskih postrojenja, ali se koristi i za širok raspon drugih aplikacija u područjima kao što su distribucija energije – rekao je Waltinger i dodao kako je sadašnji fokus na područjima kao što je duboko učenje – deep learning.
Veliki napredak umjetne inteligencije u zadnjih nekoliko godina temelji se na značajnom napretku upravo deep learninga i machine learniga. (duboko i strojno učenje)
- Sve je povezano. Umjetna inteligencija čini da strojevi obavljaju inteligentne zadatke, baš kao i ljudi. Strojno učenje je set algoritama koje koristi inteligentni sustav kako bi učila iz iskustva, dok Duboko učenje je grana strojnog učenja koja je posebno prikladna za rješavanje problema iz područja umjetne inteligencije. Duboko učenje se temelji na predstavljanju podataka složenim reprezentacijama do kojih se dolazi slijedom naučenih nelinearnih transformacija – objasnio je Waltinger.
Za kraj je rekao kao je sljedeći veliki izazov povezati stvarni svijet s onim virtualnim koji iz dana u dan sve više buja zahvaljujući velikoj količini podataka kojim ga svakodnevno hranimo.