Tiesa ta, kad su jomis susiduriame kasdien – buityje, darbe, pramogaudami. Kasdien jos tampa vis paprastesnės ir plačiau prieinamos. O jas apjungus, galime susikurti dar paprastesnį ir patogesnį gyvenimą.
Jeigu apsidairysime aplinkui, pamatysime daugybę prietaisų, prie kurių yra prijungtas internetas. Tai kiekvieną jų padaro daiktų interneto dalimi.
„Duosiu keletą pavyzdžių. Pirmas – išmanioji kolonėlė, kurią daugelis turite savo namuose. Ji sujungia daugybę kitų jutiklių ir paslaugų. Tarkime, programėlę „Spotify“, per kurią galite klausytis mėgstamos muzikos. Kitas pavyzdys – automatizuota gamyba fabrikuose, gamyklose. Galite įsivaizduoti, kad surinkimo linijoje yra šimtai automatizuotų kritinių jutiklių, kurie bendrauja vieni su kitais, renka duomenis bei pateikia juos pagrindinei programinei įrangai, padarydami visą procesą daug efektyvesnį. Galiausiai, manau, neįmanoma įsivaizduoti sėkmingai dirbančios logistikos kompanijos be geros automobilių valdymo sistemos.
Kiekviename automobilyje yra po „juodąją dėžę“, kur renkami duomenys apie tą transporto priemonę, vairuotoją, krovinį ir, naudojant debesų kompiuteriją, ją gauna logistikos įmonės vadybininkas. Taip, žinodamas realią situaciją, jis gali priimti geriausius sprendimus“, – pasakoja I. Poliščuk.
Pasirodo, šiandien mes jau galime suskaičiuoti apie 30 mlrd. sujungtų IT prietaisų. Vienas žmogus naudoja bent 3 prie interneto prijungtas namų sistemas – t.y. buitinius prietaisus, virtualius asistentus ir pan. Ir skaičiai tik auga. Ekspertai prognozuoja, kad po penkių metų kiekvienas naudosime bent 6 prie interneto prijungtas namų sistemas ir šis skaičius didės.
Kodėl daiktų internetas taip sparčiai populiarėja dabar? Kas tam turėjo daugiausia įtakos? „Paskutiniais metais buvo išspręsta keletas didelių problemų. Pirmiausia – prietaisai pradėjo naudoti mažiau energijos, sukonstruoti daug metų galintys veikti elementai. Kitas dalykas, technologijos atpigo iš esmės, taigi tapo labiau prieinamos.
Jei anksčiau pažangios technologijos buvo naudojamos tik laboratorijose, tai šiandien net dantų šepetėlis gali turėti „bluetooth“, rinkti informaciją apie jūsų naudojimo įpročius ir ją kelti tiesiai į išmanųjį telefoną. Taigi, daiktų internetas tapo labiau prieinamas visiems. Jis gana pigus ir supa mus kasdien“, – kalba kompanijos „Mainlink“ vadovas.
Kompiuteriai taip pat mokosi
Mašininis mokymas – arba tai, kaip mokosi patys kompiuteriai. Išskirtinai protingas algoritmas treniruoja pats save naudodamas duomenis, kuriuos jam teikiame. Turėdamas šiuos duomenis, jis gali duoti mums labai tikslias ateities prognozes.
„„Spotify“, „Netflix“, „Facebook“ – visos šios platformos naudojasi mašininiu mokymusi, kuris kruopščiai analizuoja jūsų naudojamą turinį ir, į jį atsižvelgdamas, teikia jums pasiūlymus. Su kiekviena daina, kurios klausotės, filmu, kurį žiūrite, algoritmas tampa gudresnis ir vis tiksliau gali nuspėti, koks turinys jums patiktų.
Kitas pavyzdys – lietuvių kompanija „Oxipit“, kuri specializuojasi medicinos srityje. Jie sukūrę algoritmą, kuris, pagal krūtinės ląstos nuotrauką, padarytą rentgeno aparatu, gali diagnozuoti daugiau nei 70 ligų!
Dar vienas pavyzdys, interneto naujienų portalas „The Financial Times“. Kaip žinote, dauguma paslaugų, ar tai būtų interneto portalas, ar mobilioji aplikacija, tam tikrą laiką galima naudotis nemokamai, o paskui, jei norite tai daryti ilgiau, pinigai nuskaičiuojami nuo jūsų banko kortelės. Kad paslauga nemokamai galėtų naudotis kuo ilgiau, kai kurie žmonės sukčiauja – registruojasi vis iš naujo ir iš naujo. Taigi, kartą nedidelė kompanijos IT specialistų komanda per 7 val. ėmė ir sukūrė algoritmą, kuris galėjo identifikuoti sukčiaujančius naujienų portalo skaitytojus ir taip užkirto kelią tiems, kurie norėjo nemokamai jį skaityti ilgiau nei priklauso pagal kompanijos nustatytas taisykles. Įdomu tai, kad nei vienas komandos narys iki tol su mašininiu mokymusi susidūręs nebuvo...,“ – pasakoja pranešėjas.
Jis taip pat prisipažįsta, kad pats iki galo nesupranta, kaip veikia tas sunkus ir daugialypis algoritmas – mašininis mokymasis. „Galiu tik kaip pavyzdį duoti „Excel“ programą. Čia mes turime langelį, kuriame parašome tam tikrus duomenis. Tada įkeliame formulę, programa viską „sugromuliuoja“ ir pateikia rezultatą. Mašininis mokymasis vyksta panašiai. Įvedame duomenis, tada – norimą rezultatą ir leidžiame įrangai sumąstyti, kokia turėtų būti formulė, kad tą rezultatą gautume. Kuo daugiau jai duodi duomenų, tuo tikslesnė bus formulė“, – kalba I. Poliščuk.
Visgi, tai, kad gilieji mašininio mokymosi klodai yra suvokiami tik itin daug patirties ir žinių turintiems ekspertams, nėra problema. Kuomet atsirado pirmieji kompiuteriai, juos naudoti buvo tikrai sudėtinga. Turėjai būti mokslininkas, reikėjo krūvos popierių, kad žinotum, kaip elgtis. O tie kompiuteriai gebėdavo atlikti tik labai paprastas operacijas. Šiandien turime milijonus kartų galingesnius kompiuterius, o instrukcijų niekas neskaito. „Mano dviejų metų sūnus nemoka nei skaityti, nei gerai kalbėti, bet planšetinį kompiuterį valdo puikiai. Labai panaši situacija su mašininiu mokymusi. Tokios stambios kompanijos kaip „Google“, „Microsoft“, „Amazon“ šią sudėtingą technologiją pavertė gana paprasta. Todėl net pradedantysis IT specialistas gali kurti šiuo principu veikiančią programinę įrangą. Kas nutiko ir „The Financial Times“ atveju“ – paaiškina ekspertas.
Daiktų internetas + mašininis mokymasis = tvarumas
Kaip buvo galima suprasti iš kompanijos „Mainlink“ vadovo Igor Poliščuk pasakojimo, tiek daiktų internetas, tiek mašininis mokymasis šiandien yra gana lengvai prieinami ir paprasti naudoti.
Vienas iš jų generuoja daugybę duomenų, o kitas – naudoja. Ir galiausiai tas pats nutinka su jų išmanumu. Mašininis mokymasis iš paprastų duomenų sukuria naują vertę, o daiktų internetas yra niekas be algoritmų.
Kas gi įvyksta daiktų internetą sujungus su mašininiu mokymusi? „Mūsų įmonė specializuojasi išmaniųjų matavimų srityje. Mes sujungėme daiktų internetą su mašininiu mokymusi, taip sukūrėme prietaisą, kuris instaliuojamas namuose ir matuoja, kiek jūs sunaudojate vandens ir kodėl būtent tiek sunaudojate. Ar dėl to, kad neatsakingai elgiatės su šiuo resursu, ar dėl vamzdžių gedimo, avarijų. Sistemai tikrai nėra lengva suprasti, ar jūs nusprendėte 3 val. ryto išsimaudyti vonioje, ar įvyko nelaimingas nutikimas, pratrūko vamzdis ir pan. Štai čia suveikia mašininis mokymasis. Jis analizuoja jūsų individualius vandens naudojimo įpročius: žino, kada naudojate daugiau vandens, kada jūs įprastai maudotės vonioje, kada atostogaujate, tuo remdamasis nustato, kas įvyksta ir jūs tą informaciją gaunate. Jei kalbame apie tvarumą, šis termometras su vienu elementu veikia daugiau nei 16 metų!
Kitas pavyzdys – išmaniosios atliekų tvarkymo sistemos. Štai turime šiukšlių dėžę, šiukšlių vežimo mašiną ir tvarkaraštį, kada tos šiukšlės bus vežamos. Niekam nesvarbu, ar numatytą dieną konteineris bus pilnas, ar tuščias. Kai prijungiame internetą ir konteineriai tampa išmaniaisiais, gauname duomenis, kiek jie užpildyti. Galime iškviesti šiukšliavežę ir tikėtis, kad ji atvyks laiku. Jeigu čia pridėsime ir mašininį mokymąsi, turėsime tokius duomenis kaip: kaip ir kiek paprastai užpildomas vienas ar kitas konteineris, koks tuo metu automobilių srautas gatvėse – kada šiukšliavežei protingiau atvažiuoti. Tai sutaupo daugybę kuro, garantuoja, kad nebus perpildytų konteinerių“, – paaiškina Igor Poliščuk.
Kas mūsų laukia?
Daugelis turime išmaniuosius laikrodžius, kurie gali išmatuoti širdies plakimo dažnį, deguonies įsisavinimo kraujyje lygį ir pan. Visai netrukus, anot eksperto, technologijos apie mūsų kūną galės perskaityti daug daugiau informacijos. Jei daiktų internetas su mašininiu mokymusi eis išvien, technologijos nuspės daugelį mūsų ligų, primins mums užsirašyti pas gydytoją, pakeisti mitybos įpročius, kad išvengtume tam tikrų susirgimų.
Taip pat išsivystys tokia sritis kaip technologijomis valdomos smegenys. „Jau dabar yra padarytas eksperimentas, kai beždžionėlės smegenyse implantuota mikroschema, leidžianti jai žaisti kompiuterinius vaizdo žaidimus, nenaudojant rankų. Gali būti, kad ateityje viską valdysime virtualiai, tiesiog mintimis.
Beje, kalbant apie inovacijas, man labai patinka mintis, jog inovacija nėra naujas, revoliucingas dalykas. Tai labiau egzistuojančių technologijų kombinacija, kuri tampa nauju daiktu ir sukuria naują vertę. Daiktų internetas ir mašininis mokymasis ir yra labai geras pavyzdys“, – savo kalbą baigia I. Poliščuk.
„Mainlink“ vadovo Igor Poliščuk pranešimą LOGIN konferencijoje galite žiūrėti ČIA, o visi LOGIN 2021 pranešėjų įrašai yra ČIA.
