A folyamatosan gyorsuló világban a mamutok már túl lassúnak bizonyulnak. A méret már nem elegendő a versenyben maradáshoz. A Mesterséges Intelligencia megoldások megfelelő használata azonban segíthet a vállalat irányításában, és irányban tartásában is. Ahogy Ferdinand Porsche mondta anno
Minél nagyobb a sebesség, annál finomabb kell, hogy legyen a kormányzás.
Egy másik téma, ami mostanában éberen vagy legalábbis ébren tartja a vállalatok vezetőit az az ESG törvény. Az ESG az Environmental (környezeti), Social (társadalmi) és Governance (irányítási) angol szavak rövidítése. Ez egy szempontrendszer, ami segít a vállalatok számára meghatározni fenntartható működési képességüket a 3 területet figyelembe véve. Természetesen ezek mellett van egy gazdasági láb is, amit a vállalatvezetők várhatóan mindezek felé fognak pozícionálni. Jogosan merülhet fel a kérdés, hogy a Mesterséges Intelligencia mennyire tud segíteni a fenntarthatósági küldetésünk teljesítésében.
Mind a két téma önmagában is egy elég komplex kihívást jelent, nemcsak a vállalatok számára, hanem talán az emberiségre vonatkozóan is. Az egyik témát még csak most tanuljuk, a másik viszont kezd a fejünkre égni. A kettő rossz együttműködését nagyon jól sikerült bemutatni a Wall-E rajzfilmben, ahol az emberiség a Mesterséges Intelligencia által biztosított rózsaszín felhőbe bújva élvezi az életet, tudomást nem szerezve a környezeti katasztrófáról, ami a világunkban történt. Mint minden mesében, itt is van remény a sikeres változásra, de félő, hogy a valóságban egy ponton túl már nincs visszaút. Az igazi kérdés tehát, hogy túl vagyunk-e már azon a ponton vagy még nem?
Néha komolyan elgondolkodtatnak bizonyos dolgok, amelyek körülöttünk történnek. Évekig nagy harc folyt, hogy megszabaduljunk a műanyagszívószálaktól és cseréljük le őket papír alapúakra. Nemrég találkoztam azzal a paradoxonnal, hogy igaz, hogy a szívószál papírból volt, de műanyag csomagolásban kaptam kézbe. Mennyivel jobb most a helyzet? Bizonyos szempontból még talán rosszabb is, mert addig amig régen a műanyagszívószálat papírba csomagoltuk, most megcseréltük a kettőt. Ráadásul ennek eredményeként sokkal rosszabb élményt is kapunk. A szívószálat ugyanis nemcsak a folyadék felszívására szoktuk használni, hanem az italunk felkeverésére, vagy akár a gyümölcs darabok kipréselésére is, ami önmagában is lehet egy fenntarthatósági kérdés, mivel a papírszívószállal minimum nehéz, de akár lehetetlen kivitelezni, ezáltal több gyümölcs marad a pohárban.
Ha csak a fenntarthatóság három pillérét tartjuk szem előtt, figyelmen kívül tartva minden mást, már akkor is érezzük, hogy ez lesz talán az emberiség legnagyobb kihívása.
Ha például a három elem a Rubik-kocka egy-egy oldalát jelenti, akkor minden egyes forgatásnál vagy változtatásnál, ahogy a Rubik-kocka is változik, úgy alakul át a környezetünk is. Egy kis változás itt, óriási cunamit okozhat a másik területen. Ezért lesz nagyon fontos bevetni minden létező vagy jövőbeli technológiát is ebben a küldetésbe.
Sokszor elgondolkodtat az a tény is, hogy jó, ha a Mesterséges Intelligencia segít, de mi van, ha önmagában a létezése is kockáztatja a fenntarthatóságunkat? Nem alaptalanok ezen gondolatok, mivel az AI az adatközpontokban „lakik” és az adatközpontok önmagukban óriási számítási gyárak. Ma a világon közel 11.000 adatközpont található. Ezek átlagos mérete 100.000 m2, és az összes energia igényük közel 7.5 GigaWatt, ami 6.5 millió háztartási lakás energiaigényének felel meg. Jelenleg a világ legnagyobb adatközpontját a China Telekom működteti. Ez önmagában 1.000.000 m2 területen helyezkedik el, energiaigénye 150 MegaWatt, ami 150 ezer család áramellátásának megfelelő mennyiség. Ez az egy adatközpont méretileg annyi területet foglal el, mint 142 focipálya, vagy a Margitsziget 42%-a. Ezek a számok igen rémisztőek. A ma rendelkezésre álló technológia azonban olyan hatékonysággal működik, hogy az adatközpontok globális üvegházhatású gázkibocsátása alig pár százalék. Optimista számítások szerint 1-2%, de a legpesszimistább számítások szerint is maximum 5%.
A fenntarthatóság szellemében vizsgáljuk meg, hogy ki is felel leginkább a globális üvegházhatású gázkibocsátásért? Talán az elefántok, a mamutok leszármazottai? Valójában nem ők, hanem a kérődző állatok, mint pl.: a tehenek, akik a betevő után metán gázt termelnek, nem is keveset. Volt időszak amikor a közel 1.6 milliárd tehén ökológiai lábnyoma elérte a 18%-ot. Egyes jelentések szerint ez a szám mostanában csökkent... Na de miért? Lehet, hogy működnek azon ötletek, hogy ezt a gázt valamilyen formában gyűjtsük be, és használjuk energiaforrásnak? Többféle megoldás is van erre. Például, amikor egy épületen belül egy zárt rendszerben történik a begyűjtés. Vannak viszont olyan megoldások is, amikor az állatok oldalán létrehozott lyukon keresztül gyűjtik be a gázokat az állat hátán található ballonba. És ezt nem a Mesterséges Intelligencia találta ki, hanem a kétségbeesett ember Természetes Hülyesége.
Szerencsére mára már ennél okosabbak vagyunk, részben a rendelkezésre álló Mesterséges Intelligencia technológiáknak is köszönhetően. A fent említett kihívásra nagyon izgalmas és talán állatbarátibb megoldást dolgozott ki a metha.ai csapata, akik az MIT startup exchange program keretein belül hozták létre az AI alapú innovációjukat. Az ötlet nagyon egyszerű, a teljes ökoszisztémában történő adatgyűjtés segítségével - beleértve a farmokat, az étel gyártókat, de a takarmány beszállítókat is egyaránt - létrehoztak egy microbiome AI vezérelt analitikai technológiát, amely személyre szabottan tudja meghatározni azt, hogy mit egyenek a tehenek annak érdekében, hogy a lehető legkevesebb metánt állítsák elő. Figyelembe véve minden körülményt, és folyamatosan finomhangolva a javaslatokat a mérésekre építve. Mondhatjuk, hogy „a Mesterséges Intelligencia lett a tehenek dietetikusa” és még csak ki sem kell rúzsozni őket. Természetesen nem tudni, hogy maguk a tehenek mennyire örülnek ennek a megoldásnak, de biztos, hogy jobb, mint amikor egy tátongó lyukkal és egy ballonnal a hátukon legelésznek a mezőn... Lehet, hogy ez az egy ötlet önmagában is képes lesz „kompenzálni” a Mesterséges Intelligencia globális felmelegedésre gyakorolt összes hatását, mert könnyen előfordulhat, hogy sikerül annyival csökkenteni a kérődző állatok metángáz kibocsátását, hogy %-ban is pozitív oldalra billenjen ez a mérleg. És ez csak egy ötlet a számtalan lehetőség közül, amiben az AI segíteni tudhat a fenntarthatóság témakörében.
Talán már nem kérdés, hogy az elmúlt időszakban átléptünk az adat vezérelt vállalatok korából a Mesterséges Intelligencia által vezérelt működésbe. Kérdés azonban, hogy mennyire leszünk képesek tovább is menni ezen az úton, ahol a munkamenetek bonyolultsága miatt kényszerként, vagy lehetőségként éljük meg azt, amikor felbukkannak a felfedezés vezérelt vállalatok is a porondon?
Olyan működésről beszélünk amikor nemcsak a döntés előkészítéshez teszi össze a Mesterséges Intelligencia a lehetséges utakat hagyományos, részben akár tudományos módszerekkel, hanem a tudományos módszerek újragondolásával tovább megy a felfedezés útján. Hogyan is működik mindez?
A klasszikus tudományos módszerek elsősorban empirikus ismeretszerzésre építenek, vagyis vízesés logika mentén rögzítik a megfigyeléseket. Kérdésfeltevés segítségével próbáljuk azonosítani a problémákat, amiket szeretnénk orvosolni, vagy a célokat, amiket el szeretnénk érni. Ezután következik a téma alapos kutatása, a feltevések és hipotézisek megfogalmazása. Majd a felvetések és hipotézisek tesztelése zajlik. A kísérleteket előre megtervezzük, és utána végre is hajtjuk azokat. A kísérletből származó adatok rögzítésre és elemzésre kerülnek. Általában emberi döntés szükséges a hipotézis elfogadásához vagy elutasításához, és amint megvan maga a döntés, utána szoktuk levonni a következtetéseket, és elkészítjük a beszámolókat, pontosan úgy, mint egy tudományos kutatás során.
A Mesterséges intelligencia, a kvantum számítástechnika, a nagy teljesítményű számítástechnika (HPC) és a hibrid felhőtechnológiák segítenek bevezetni az új, gyorsított felfedezés korszakát.
Az AI segíthet felgyorsítani a tudományos módszereket, átalakítva a lineáris folyamatokat zárt hurkokká. A kör bezárásával nem csak, hogy gyorsabban lehet eljutni a döntéshozatalig, hanem és amennyiben rábízzuk az AI-ra, akkor bármelyik pontból kiugorva újabb és újabb ciklusokat lehet elindítani, akár végtelen mélységig elmenve. A tesztelés során botok automatizálják a kísérleteket, és összekapcsolják a digitális modelleket a fizikai tesztekkel. Az elemzés során felfedezett mintázatok és anomáliák újabb szimulációkat és kísérletezéseket indítanak, mélyebb betekintést biztosítva számunkra. Az értékelés sem kizárólag az emberre van bízva, hanem maga az AI is végez értékelést. A tudás gépi reprezentációja új hipotézisekhez és kérdésekhez vezet. A kérdések feltevése során az AI eszközök segítenek azonosítani új kérdéseket, az igényekre és a tudás hiányára építve. A rendelkezésre álló tudásnak köszönhetően a tanulmányozás alatt az információ kinyerése, integrálása és pontosabb indoklása is megvalósul. Végül, de nem utolsó sorban, a ciklus bezárásával a generatív modellek automatikusan javasolnak új hipotéziseket, amelyek kibővítik a felfedezési teret és ez így mehet tovább a végtelenségig.
Mindezek után, jogosan felmerülhet bennünk a kérdés, hogy mennyire bízhatunk a Mesterséges Intelligenciában? Hogyan tudjuk egyáltalán visszagörgetni az eredmények pontos döntési mechanizmusát és az odavezető utat akkor, amikor egy egyszerű döntés, ami az AI-nak pár másodpercig tartott, visszaelemzése akár hónapokig vagy évekig is eltarthat? Véleményem szerint manapság már nem az a kérdés, hogy bízhatunk-e az AI-ban hanem hogy megtehetjük-e egyáltalán azt, hogy nem bízunk meg benne.
Címlapkép forrása: Getty Images
