Skomentuj (7) 
Podziel się!
Udostępnij
Twittnij
Wyślij
Drukuj
- Modele ekonomiczne przestały się sprawdzać, w ekonomii zaczęła dominować polityka. Przez kilka lat oddalałem się od "czystej" ekonomii i teraz zajmuję się analizami z obszaru uczenia maszynowego - mówi w rozmowie z WNP.PL prof. Krzysztof Rybiński, były wiceszef NBP, dziś Chief Ideator w Synerise.
- - Modele ekonomiczne przestały się sprawdzać, bo zdominowała je polityka. Kompetencje ekonomisty stają się coraz mniej pożądane - twierdzi Krzysztof Rybiński.
- Jeżeli coraz więcej firm zaczyna inwestować w sztuczną inteligencję naprawdę poważne pieniądze, to nie jest to tylko moda, ale za tym hasłem rzeczywiście stoją potężne możliwości.
- Sztuczna inteligencja atakuje obszary zarezerwowane dla człowieka i już są tego daleko idące konsekwencje.
- O data science będziemy mówić podczas sesji "Cyfryzacja i nowe technologie" na Europejskim Kongresie Gospodarczym od 13 do 15 maja w Katowicach pod patronatem WNP.PL, na który serdecznie zapraszamy.
Kim jest dzisiaj jeden z najbardziej znanych kilka lat temu polskich ekonomistów?
Pełnię funkcję Chief Ideatora w Synerise. To polska firma zajmująca się sztuczną inteligencją. Ponadto pracuję nad różnymi ciekawymi projektami jako wiceprezes Aigocracy Institute oraz wykładam data science na mojej dawnej uczelni - Akademii Finansów i Biznesu Vistula. Prowadzę również szereg badań naukowych związanych z uczeniem maszynowym.
Nie pracuje pan już jako ekonomista. Dlaczego?
Dlatego, że zmieniła się ekonomia. Podstawowe modele, których się uczyło studentów, które wykorzystywało się do prognoz, do analizy sytuacji gospodarczej, przestały działać. Weszliśmy w świat ujemnych stóp procentowych, w którym banki centralne kreują rzeczywistość i w którym polityka dominuje nad ekonomią.
Zobacz też: Sztuczna inteligencja skokowo rozwinie możliwości przemysłu
W takim świecie wartość analiz ekonomicznych stała się zdecydowanie mniejsza. Rośnie natomiast popyt na osoby, które potrafią przewidzieć decyzje polityków, zjawiska polityczne, które wpływają na banki centralne. Na tym się dzisiaj buduje prognozy i scenariusze. Ekonomiści, i w ogóle ekonomia jako nauka, mają dużo mniej do powiedzenia, zarówno w ocenie perspektyw biznesu, jak i perspektyw koniunktury gospodarczej. Uprawianie ekonomii stało się po prostu mniej ciekawe.
W pańskim przypadku odejście od ekonomii było procesem, czy był jakiś decydujący impuls?
Oczywiście w pewnym momencie należało wreszcie podjąć decyzję, że trzeba zająć się czymś innym, ale oczywiście do tej decyzji trzeba było też dojrzeć, więc można powiedzieć, że to był proces.
Obserwowałem, jak z roku na rok kompetencje ekonomisty stają się coraz mniej pożądane. Szczególnie jeśli ktoś chce przewidywać trendy sektorowe, makroekonomiczne, gdzie z każdym rokiem rosło znaczenie polityki i bankowości centralnej.
Zobacz też: Sztuczna inteligencja zastąpi dziennikarzy? Pokazano nowy algorytm
Jednocześnie widziałem, jak coraz istotniejszy stawał się inny czynnik – pojawiało się coraz więcej danych i powstawały nowe metody ich analizy oparte na czymś, o czym się jeszcze kilka lat temu mówiło się big data, potem sztuczna inteligencja, teraz się mówi uczenie maszynowe.
Te wszystkie techniki, nazywane łącznie data science, pozwalają na podstawie różnych dostępnych danych - a ich jest coraz więcej - wnioskować o bardzo ciekawych trendach. I właśnie te modele zaczęły coraz bardziej zyskiwać na znaczeniu w każdej dziedzinie życia, również na styku ekonomii i uczenia maszynowego.
Było to zatem w pańskim przypadku płynne przejście…
Zacząłem obserwować ukazujące się nowe prace naukowe na ten temat, wczytywać się w nie, śledzić nowe osiągnięcia. Na swój sposób wróciłem do korzeni, bo moje pierwsze wykształcenie to informatyka, skończona na Uniwersytecie Warszawskim.
Nauczyłem się dwóch języków programowania, które są podstawowe, jeśli chodzi o uczenie maszynowe, czyli Python i R i zacząłem programować w nich własne modele. Okazało się, że osiągam bardzo ciekawe wyniki. W odróżnieniu od modeli ekonomicznych, modele uczenia maszynowego pozwalają przewidzieć wiele trendów, ekonomicznych, finansowych czy nawet politycznych.
W ten sposób płynnie w ciągu kilku lat oddalałem się od „czystej” ekonomii i teraz zajmuję się analizami z obszaru uczenia maszynowego, ale nie jest to też zupełna odmiana. Nie zajmuję się wszak np. projektowaniem samochodów autonomicznych czy oprogramowania, które np. rozpoznaje emocje ludzkie. Zajmuję się modelami uczenia maszynowego na styku z ekonomią, finansami czy też administracją publiczną.
Zmierza pan do tego, żeby pańską poprzednią profesję ekonomisty zastąpiły maszyny.
To, co obecnie robię, to projektowanie algorytmów, które potem same się uczą, jak na podstawie różnych ciekawych danych wyciągać wnioski i podejmować decyzje. Można powiedzieć, że pracę koncepcyjną ciągle wykonuję ja jako człowiek, ale potem całą robotę za mnie wykonuje program komputerowy.
Zdarza się często, że puszczam program napisany w Pythonie, który całą noc liczy na bardzo mocnym serwerze, ja zaś rano patrzę, czy wygenerował ciekawe wyniki, czy odkrył ciekawe trendy, ciekawe zależności. Tak dzisiaj wygląda profesja kogoś, kto zajmuje się uczeniem maszynowym, gdzie gros pracy wykonuje komputer, ale ciągle pracę koncepcyjną, kreatywną musi wykonać człowiek.
Ale i to niedługo ulegnie zmianie, czego dowodzą na przykład algorytmy firmy Deepmind, które osiągnęły nadludzkie możliwości w grze w Go, ucząc się samemu od zera.
Wygląda na to, że wyczuł pan perspektywiczny trend. Badania nad sztuczną inteligencją wydają się w ostatnich latach inwestycyjnym hitem.
Słowo hit wskazywałoby na to, że zjawisko jest marketingowym bublem. Tymczasem, jeżeli coraz więcej firm zaczyna inwestować w te technologie naprawdę poważne pieniądze, to można jednak dojść do wniosku, że sztuczna inteligencja to nie tylko moda, ale za tym hasłem rzeczywiście stoją potężne możliwości.
Trudno dzisiaj znaleźć dziedzinę działalności biznesowej czy administracji publicznej, w której nie pojawiły się już modele sztucznej inteligencji, które radykalnie zmieniają tę dziedzinę. A to jest dopiero początek drogi, bo tzw. głębokie uczenie się (ang. deep learning), które rozpoczęło tę rewolucję sztucznej inteligencji, gdzie komputery – mówiąc w pewnym uproszczeniu - analizują problemy i uczą się, jak robi to mózg ludzki, to stosunkowo nowa dziedzina.
Przełom to był rok 2012, gdy zespół prof. Geoffreya Hintona z Uniwersytetu Toronto pokazał światu głęboką sieć neuronową - AlexNet, która potrafiła poprawnie rozpoznawać obrazy z dokładnością wcześniej niespotykaną. Z czymś, co nazywamy sztuczną inteligencją, żyjemy zatem raptem od kilku lat, ale już teraz można powiedzieć, że te firmy czy kraje, które nie ruszą w wyścigu o szybkie wdrażanie najnowszych zdobyczy AI, pozostaną daleko z tyłu. Korzyści z tej technologii są bowiem olbrzymie.
Właśnie: czy już są? Skoro to tak nowa dziedzina, to czy te korzyści, liczone oczywiście w pieniądzach, są jeszcze spodziewane czy już odczuwalne?
Już w tej chwili zarabia się olbrzymie pieniądze na tych technologiach, a mimo że są stosowane od kilku lat, w niektórych dziedzinach są już niemal powszechne. Pamiętajmy bowiem o pierwszych zastosowaniach prostych modeli uczenia maszynowego. Pierwszym narzucającym się przykładem jest analiza ryzyka kredytowego w bankach, gdzie decyzje, czy zatwierdzić, czy odrzucić transakcje kartą płatniczą, kiedyś realizował człowiek. Było przy tym mnóstwo błędów i zajmowało to dużo czasu, a potem przejęły to w całości maszyny, które były w porównaniu z człowiekiem niemal nieomylne. To było jedno z pierwszych poważnych biznesowych zastosowań na tak dużą skalę.
Dzisiaj wchodzą już w życie dużo bardziej zaawansowane modele. Przy ich zastosowaniu bardzo się zmienił np. scoring kredytowy. Mamy też bardzo poważne zastosowania przy rozpoznawaniu obrazu np. w samochodach, które automatycznie rozpoznają znaki drogowe i sygnalizują nam konieczność ograniczenia prędkości.
Mamy rozpoznawanie tablic rejestracyjnych, pojawiają się systemy rozpoznawania obrazu, które wspierają zarządzanie miastem, żeby ruch był bardziej płynny. Mamy bardzo poważne zastosowania w Chinach, gdzie większość osób jest objętych systemem rozpoznawania twarzy. Już dzisiaj łączy się bazy danych twarzy z bazami danych płaconych podatków i nieruchomości, które mają te osoby. Łącząc to wszystko plus zdjęcia satelitarne możemy mieć precyzyjny i szczelny system monitorowania płacenia podatków.
W Polsce mamy system STIR, który typuje firmy, ale nie, te które już popełniły przestępstwo podatkowe, ale te, które mogą w przyszłości popełnić przestępstwo podatkowe np. w podatku VAT... Polskie prawo pozwala na zamrożenie na 72 godziny rachunku firmy, którą podejrzewa się, że popełni przestępstwo. To się nazywa po angielsku predictive policing. Analiza predykcyjna na potrzeby policji, w tym przypadku skarbowej, której człowiek nie byłby w stanie zrobić, a tutaj na wielką skalę możemy przewidywać, gdzie dopiero pojawi się przestępstwo.
To samo dzieje się na ulicach, gdzie kamery potrafią wykrywać podejrzane zachowania ludzi i informować policję, że w danym miejscu pojawił się człowiek, którego wzorzec zachowania odchyla się istotnie od typowych zachowań. Maszyna jest się w stanie tego nauczyć.
Mamy modele uczenia maszynowego marketingu, gdzie zachowanie każdego człowieka jest śledzone przez sztuczną inteligencję i ona podpowiada, jaką reklamę i jakiego produktu mu wysłać, tak aby ten produkt kupił. Mówimy nawet, że sztuczna inteligencja zna nas lepiej niż my sami, ponieważ możemy dostać ofertę produktu, o którym nie wiemy, że istnieje, a który na pewno nam się spodoba.
W ochronie zdrowia mamy diagnostykę obrazową, gdzie jakość oceny zdjęć rentgenowskich czy USG poprzez algorytmy rozpoznawania obrazu jest lepsza niż ta sama diagnostyka dokonywana nawet przez doświadczonych lekarzy. Mamy programy, które piszą teksty za dziennikarzy. To na razie proste rzeczy - relacje sportowe, konferencje prezesów firm prezentujących kwartalne wyniki, ale już niedługo możemy mieć do czynienia z algorytmem, który napisze wspaniałą książkę, która stanie się bestsellerem.
Gdziekolwiek nie spojrzymy, sztuczna inteligencja atakuje obszary zarezerwowane dla człowieka i już są tego daleko idące konsekwencje.
Trochę to niepokojące, bo gdy mamy system, który przewiduje, która firma może nie zapłacić podatku, to wchodzimy chyba w świat „Raportu mniejszości”.
To już jest świat "Raportu mniejszości". Przecież mamy PredPol, program, który w Stanach Zjednoczonych wysyła patrole w miejsca, gdzie podejrzewa się, że o danej porze może dojść do przestępstwa. Mamy program w Wielkiej Brytanii, który przewiduje, kto może popełnić przestępstwo i wobec takiej osoby mogą być podjęte działania – oczywiście nie jest to fizyczna eliminacja, jak w "Raporcie mniejszości" – ale można objąć taką osobę terapią, obserwacją itp.
Oczywiście, że to ingerencja w nasze życie, ale po pierwsze, rządy chcą takiej ingerencji, bo zawsze chciały kontrolować swoich obywateli. Oczywiście dla ich dobra. Zawsze, gdy pojawia jakaś nowa technologia, to rządy starają się ją dostosować do zbierania jeszcze większej ilości informacji o obywatelach. Do pilnowania, czy płacą podatki, czy nie naruszają innych przepisów. Nie miejmy złudzeń - ten proces będzie postępował.
Po drugie jednak – i to ciekawe - ludzie też to akceptują. I nie mówię o takich skrajnych, jak nam się na dziś wydaje, przypadkach, jak social scoring w Chinach. Ale akceptujemy przecież, że ciasteczka na komputerach nas śledzą, wiedzą, jakie strony przeszukujemy, akceptujemy, że nasze zachowania na Facebooku są pilnie śledzone, co umożliwia wysyłanie nam sprofilowanych reklam.
Młodzież wykorzystuje dzisiaj Snapchata, który na bieżąco informuje, gdzie się jest i co się robi. Młody człowiek akceptuje zatem, że jest całkowicie monitorowany przez tę aplikację. Wydaje mi się zatem, że z jednej strony te zmiany społeczne, które zachodzą, i odwieczne dążenia polityków do kontrolowania społeczeństwa z drugiej, będą tylko skutkowały tym, że ten Wielki Brat, wspierany sztuczną inteligencją, będzie jeszcze bardziej wszechobecny, co będzie miało daleko idące konsekwencje dla gospodarki i dla społeczeństwa.
Jak będzie wyglądał świat za dziesięć lat? Z tego, co pan mówi, wynika, że zniknie wiele zawodów, z moim na czele...
Z pewnością możliwości programów do generowania ciekawych tekstów z pewnością wzrosną, właśnie doszło do kolejnego przełomu i program stworzony przez OpenAI może generować teksty zupełnie jak człowiek. Czy to doprowadzi do zniknięcia zawodu dziennikarza, nie wiem. Na pewno doprowadzi do jego zmiany.
Ale rzeczywiście, wiele miejsc pracy zniknie. Nie wyobrażam sobie, żeby zawód analityka finansowego pozostał za dziesięć lat w obecnym kształcie. Nie widzę ani jednego powodu, żeby algorytmy nie robiły tego lepiej niż człowiek. Już dzisiaj są aplikacje, które automatyzują pewne funkcje pracy prawników, przy czym nie oznacza to, że zawód prawnika zniknie. Po prostu prawnicy będą zajmowali się tym, co jest ciekawe, niestandardowe i będzie wymagało głębokiej wiedzy prawniczej. Natomiast proste czynności zostaną zautomatyzowane.
Zmiany nie muszą jednak oznaczać zanikania zawodów. Efektem może być wzrost wydajności. Dzisiaj chirurg wykonuje około 300 operacji rocznie. I musi być z naturalnych względów geograficznie w tym miejscu co pacjent. Całkiem prawdopodobny jest jednak scenariusz, że za kilka lat dzięki robotyce wspieranej sztuczną inteligencją, chirurg będzie mógł wykonywać 1000 operacji rocznie w kilku lokalizacjach geograficznych naraz, nadzorując prace robotów.
Dzięki temu będziemy mieli lepszy dostęp do służby zdrowia, nie będziemy czekać na operację rok czy półtora. A i chirurdzy będą zarabiali znacznie więcej.
Mówił pan, że kto nie zaangażuje się w prace nad sztuczną inteligencją, odpadnie z globalnego wyścigu. Jak dziś wygląda układ sił w tym wyścigu?
Dziś są dwa mocarstwa w dziedzinie sztucznej inteligencji - Stany Zjednoczone i Chiny. Stany Zjednoczone ciągle mają przewagę polegającą m.in. na tym, że udało im się pozyskać najlepszych na świecie fachowców w tej dziedzinie. Ale Chińczycy dogonili, a może nawet już przegonili USA, jeśli chodzi o rozpoznawanie obrazu. Mają jednak inną kluczową przewagę – dostęp do danych. Ilość i jakość danych, które są dostępne w Chinach do trenowania modeli AI, jest znacznie większa i lepsza niż w USA. Myślę, że w perspektywie dekady będziemy mieli dwóch równorzędnych liderów.
Z mniejszych krajów liczą się jeszcze oczywiście Izrael, Wielka Brytania i Kanada, gdzie też jest mnóstwo zaawansowanych w tej technologii firm.
A Polska?
Jestem optymistą, bo widzę, że i w Polsce pojawiły się firmy, które opracowują nowe rozwiązania i wdrażają produkty oparte o sztuczną inteligencję. Moja firma jest tego przykładem, w ubiegłym roku została wybrana do pierwszej trójki firm na świecie, które oferują najbardziej zaawansowane rozwiązania e-commerce oparte na sztucznej inteligencji. Dzisiaj zatrudnia 200 osób, ma biura za granicą i klientów na kilku kontynentach. A takich firm jest znacznie więcej.
Mówimy o podaży rozwiązań AI, czy jednak w Polsce jest już na nie popyt?
W Polsce również pojawia się silny popyt z sektora prywatnego na te usługi i widać to w sektorze finansowym, w sektorze e-commerce, energetyce, transporcie, nawet w tzw. budżetówce. Jest sporo projektów z Internetu rzeczy. To ruszyło. Ten rynek będzie w Polsce gwałtownie rósł w najbliższych latach.
KOMENTARZE (7)
Do artykułu: Krzysztof Rybiński: Ekonomia to przeżytek