AI: Svět za hranicemi naší představivosti

Kde se tradiční IT systémy liší od špičkové AI?

Konvenční IT systémy jsou založeny na pravidlech a fungují podle statických instrukcí. Jinými slovy, definujeme funkce a rozhodovací stromy, které stroje následně vykonávají. Dnešní podniky však chtějí víc. Potřebují vysoce flexibilní a přizpůsobenou IT podporu pro různé typy objednávek a struktury přicházející z různých prodejních kanálů. Například systémy musí současně podporovat dodávky do kamenných obchodů i e‑commerce fulfillment. Prvním krokem je nasazení algoritmů optimalizujících fulfillment. SSI SCHAEFER tyto algoritmy implementovala pro klienta Desigual, což nám umožnilo kontinuálně upravovat a zlepšovat procesy správy objednávek a zvýšit efektivitu vychystávání. Současný způsob modelování logiky v IT systémech však stále omezuje naše možnosti.

Ve společnosti SSI SCHAEFER nás inovativní kultura posouvá kupředu a AI je naše další velká mise. Chceme vytvářet intralogistické procesy, které se dokáží autonomně a dynamicky přizpůsobovat měnícím se potřebám zákazníků. Chceme IT systémy, které jsou „otevřené“ a dokážou identifikovat a analyzovat vzorce – například v objednávkovém chování – v situacích, kdy lidé se svým zaměřením na příčinné souvislosti nemohou efektivně reagovat. Tento posun paradigmat nám umožní navrhovat procesy agilnější a citlivější na konkrétní situace. Například budeme schopni předpovídat zákaznické objednávky dříve, než budou zadány, a zahájit vychystávání a expedici dříve. Chceme využít znalosti o zákaznících, které se skrývají v našich datech.

Co je umělá inteligence? Co je inteligence? Kdy se systém stává AI?

AI je snaha dát počítačovým systémům schopnost „myslet“ do určité míry samostatně. Ani odborníci se však nedokáží shodnout na přesné definici inteligence. Příkladem jsou neuronové sítě – IT model kognitivních struktur, jehož cílem je aproximovat obecně neznámou funkční závislost mezi vstupními daty a výsledky. Tyto systémy analyzují možné souvislosti a využívají dostupná data způsobem, který lidé se svými předsudky a omezenými zkušenostmi nedokážou. Jinými slovy, lidé myslí v kontextu konkrétních problémů; stroje hledají souvislosti a poskytují odpovědi na otázky, které jsme možná ani nepoložili.

Jak bude vypadat budoucnost?

AI systémy vyškolené k provádění příslušných intralogistických úkolů mohou pomáhat lidským pracovníkům ve skladech. Budou poskytovat doporučení a zvyšovat efektivitu procesů pomocí chytrých předpovědí. Například prediktivní údržba umožní včas odhadnout zbývající životnost stroje. Potenciální závady budou diagnostikovány předem a preventivní údržba prováděna s podporou proaktivních intralogistických procesů, čímž se minimalizuje prostoje zařízení. Prediktivní údržba tak spojuje inteligenci hardwaru i softwaru.

Termín AI není nový, ale získává na významu. Proč je toto téma čím dál častěji diskutováno?

V 90. letech jsme jednoduše neměli objem dat ani výpočetní výkon potřebný pro sofistikované procesy strojového učení. Dnešní hardware a výkonné čipy to umožňují. Technologie Big Data nám poskytuje možnost dodávat systémům umělé znalosti a umožnit kontinuální učení. Deep learning, typ strojového učení založený na hierarchických neuronových sítích, je nyní ověřený a použitelný. Máme flexibilnější a lepší možnosti – můžeme jít nad rámec teorie a nasazovat tyto technologie v každodenní práci. Všechno se neustále vyvíjí a zlepšuje, což výrazně rozšiřuje možnosti AI.

Jaký dopad má AI na intralogistická řešení SSI SCHAEFER? Jakou roli hraje AI v týmu?

Vidíme, že naše IT a softwarové schopnosti v SSI SCHAEFER IT Solutions se rozvíjejí a otevírají nové možnosti využití AI. SSI SCHAEFER brzy bude schopna nasazovat AI systémy v projektech pro zákazníky – alespoň pokud jde o historická data. V budoucnu to povede k menší programátorské práci a většímu zaměření na trénování systémů s cílem vyššího úspěchu projektů. Současně je však nutné udržet kontrolu nad systémem. Jak daleko můžeme zajít? Budeme potřebovat záložní strategie, které umožní reagovat na nepředvídané změny na straně zákazníka. Pouze tak zajistíme, že sklad zákazníka bude vždy funkční. Cílem je implementovat řešení, jehož jediným omezením bude samotné intralogistické vybavení.

Flexibilita je klíčovou vlastností softwarové podpory, umožňující rychlejší reakci na potřeby zákazníků. Aby však byl AI projekt úspěšný, je nezbytná komunikace mezi datovými specialisty, odborníky na simulace a lidmi odpovědnými za samotnou implementaci. Porozumění reálné situaci zákazníka je zásadní, aby SSI SCHAEFER mohla efektivně postupovat kupředu.