Nowe technologie rewolucjonizują życie we wszystkich zakątkach świata i zmieniają sposób funkcjonowania firm. Przedstawiamy najciekawsze innowacje, które mogą już niebawem przydać się w biznesie.
Roboty przy pomocy sztucznej inteligencji, uczenia maszynowego i pracy naukowców przejawiają coraz więcej ludzkich cech. Przychodzą nam na pomoc tam, gdzie we znaki dają się ludzkie ograniczenia: pomagają w podjęciu decyzji, które do niedawna przekraczały nawet możliwości komputerów albo umożliwiają lokalizację pojazdów z dokładnością do 10 centymetrów. Jak wykorzystać w biznesie ich rosnący potencjał?
Materiał, który posiada pamięć mięśniową
Inżynierowie z Uniwersytetu Kalifornijskiego w Los Angeles stworzyli materiał, który reaguje na działające na niego z zewnątrz siły, podobnie jak człowiek, używając „pamięci mięśniowej”. Ma on znaleźć zastosowanie m.in. w samolotach, gdzie nauczony, jaki kształt i jakie ułożenia skrzydeł maksymalizuje wydajność lotu, będzie w stanie dostosować je do siły i kierunku wiatru.
Materiał ma postać mechanicznej sieci neuronowej (MNN), wzorowanej na sztucznej sieci neuronowej (ANN). Tworzy go układ konstrukcyjny belek, które połączone są ze sobą elastycznymi ramionami przenoszącymi siłę na kolejne elementy. Każdy z elementów wyposażony jest w cewkę, która odpowiada za inicjowanie ściskania lub rozszerzania poszczególnych części sieci w odpowiedzi na pojawienie się nowych oddziałujących na nią sił. Kluczowe dla funkcjonowania systemu są czujniki tensometryczne, które zbierają dane o ruchach ramion. Informacje te są następnie wykorzystywane do uczenia algorytmu inicjującego regulację całego systemu, jak ma reagować na poszczególne rodzaje działających na niego z zewnątrz sił.
Obecnie cały system ma rozmiar kuchenki mikrofalowej, ale naukowcy planują uprościć projekt MNN tak, aby materiał mógł być produkowany w skali mikro i wykorzystywany, np. w budownictwie na terenach narażonych na klęski żywiołowe. W biznesie technologia ta może m.in. wesprzeć optymalizację procesów produkcji. Czynności, które nadal są zbyt skomplikowane dla poruszających się zbyt mechanicznie maszyn (w związku z czym są wykonywane przez ludzi), będą mogły zostać przekazane w ręce robotów, gdy nauczą się one subtelniejszych ruchów.
Indeks górny Źródło: UCLA Samueli Newsroom. Indeks górny koniecŹródło: UCLA Samueli Newsroom.
Sztuczna inteligencja w ochronie wypłacalności
Naukowcy z University College London (UCL) i Queen Mary University of London stworzyli narzędzie oparte o AI, które ocenia, kiedy, ile oraz czy w ogóle państwo powinno przeznaczyć środki finansowe na ratowanie banków. Podejmowanie takich decyzji ze względu na ich złożoność i dalekosiężne skutki polityczne, społeczne oraz gospodarcze jest bardzo ryzykowne. Zwłaszcza, że liczba wariancji różnych strategii wsparcia instytucji finansowych i ich skutków jest nieskończona. W takiej sytuacji pomoc AI przyda się nawet najbieglejszym finansistom.
Naukowcy stworzyli model matematyczny, który pozwala na przewidzenie wynikających z bailoutu (ratowania finansowego) strat dla podatników, w zależności od przyjętej przez państwo strategii. W prognozowaniu tym brane pod uwagę są m.in. przewidywany czas trwania kryzysu finansowego, prawdopodobieństwo niewypłacalności banku oraz potencjalny wpływ jego niewypłacalności na inne banki. Do modelu włączono także proces kontroli, nazywany procesem decyzyjnym Markowa, który przy przewidywaniu konsekwencji zdarzeń uwzględnia także alternatywy poprzedzających je wydarzeń wraz z prawdopodobieństwem ich wystąpienia, co pozwala na rozważenie jeszcze większej liczby potencjalnych scenariuszy.
Na podstawie modelu opracowano natomiast algorytm AI, którego zadaniem jest optymalizować decyzje o wspieraniu banków. Jest on w stanie ocenić jaka strategia, w którym momencie kryzysu, jakie przyniesie rezultaty i na tej podstawie wybrać najkorzystniejszą opcję. Wsparcie przez sztuczną inteligencję jest tu konieczne ze względu na nieskończoną liczbę możliwych wyników, których analiza jest poza zasięgiem człowieka.
Na razie rozwiązanie stworzono z myślą o rządach państw, daje ono jednak solidne podstawy do przygotowania podobnego wsparcia w skali mikro, w której mogłoby pomagać dyrektorom finansowym unikać nietrafionych decyzji budżetowych.
Nawigacja dokładna jak nigdy dotąd
Naukowcy opracowali alternatywny system lokalizacji, który jest odporniejszy na zakłócenia i dokładniejszy niż GPS – zwłaszcza w warunkach miejskich. Autorami rozwiązania są badacze z Delft University of Technology, Vrije Universiteit Amsterdam i VSL. Stworzony przez nich prototyp ma dokładność 10 centymetrów, podczas gdy w przypadku popularnej nawigacji Google wynosi ona ok. 20 metrów.
Na czym polega przewaga nowej nawigacji nad innymi systemami, jak GPS czy Galileo? Podczas gdy one opierają się na satelitach, których sygnał odbierany na Ziemi jest słabszy i dodatkowo odbijany lub blokowany przez budynki, nowy system korzysta z sieci komórkowej. Połączono ją z zegarem atomowym, co pozwala nadawać idealnie wyliczone w czasie komunikaty dotyczące położenia.
Co więcej, system wykorzystuje sygnały radiowe o szerokości pasma znacznie większej niż powszechnie stosowane. „Budynki odbijają sygnały radiowe, co może mylić urządzenia nawigacyjne. Duża szerokość pasma naszego systemu pomaga uporządkować te mylące odbicia sygnału i umożliwia większą dokładność lokalizacji” – wyjaśnia Gerard Janssen z Delft University of Technology.
Nowa technologia znajdzie zastosowanie m.in. w dynamicznie rozwijającej się dziedzinie pojazdów autonomicznych. Jej możliwości biznes może wykorzystać jednak zdecydowanie szerzej, np. w aplikacjach wspierających branżę usługową. Dokładniejsza lokalizacja będzie pozwalała bowiem klientom na trafniejsze wyszukiwania najbliższych lokali usługowych. Z kolei firmom transportowym może pomóc jeszcze bardziej zoptymalizować procesy dostaw.
Źródła:
Indeks górny An AI approach for managing financial systemic risk via bank bailouts by taxpayers Indeks górny koniecAn AI approach for managing financial systemic risk via bank bailouts by taxpayers Indeks górny by Daniele Petrone, Neofytos Rodosthenous, Vito Latora, 17 November 2022, „Nature Communications”. Indeks górny koniecby Daniele Petrone, Neofytos Rodosthenous, Vito Latora, 17 November 2022, „Nature Communications”.
Indeks górny Mechanical neural networks: Architected materials that learn behaviors by Ryan H. Lee, Erwin A. B. Mulder, Jonathan B. Hopkins, 19 October 2022, „Science Robotics”. Indeks górny koniecMechanical neural networks: Architected materials that learn behaviors by Ryan H. Lee, Erwin A. B. Mulder, Jonathan B. Hopkins, 19 October 2022, „Science Robotics”.
Indeks górny A hybrid optical‑wireless network for decimetre‑level terrestrial positioning by Jeroen C.J. Koelemeij, Han Dun, Cherif E.V. Diouf, Erik F. Dierikx, Gerard J.M. Janssen, Christian C.J.M. Tiberius, 16 November 2022, „Nature*”.* Indeks górny koniecA hybrid optical‑wireless network for decimetre‑level terrestrial positioning by Jeroen C.J. Koelemeij, Han Dun, Cherif E.V. Diouf, Erik F. Dierikx, Gerard J.M. Janssen, Christian C.J.M. Tiberius, 16 November 2022, „Nature*”.*
