Početna Broj 175 Računari budućnosti – IBM, Aleksandra Mojsilović

Računari budućnosti – IBM, Aleksandra Mojsilović

Današnji računari imaju toliko snage da mogu da obrade ogroman broj podataka, a u bliskoj budućnosti ćemo koristiti računare za rešavamo kategorije problema koje nikada pre nismo mogli

TL-10 saveta za Instagram HEADER

Jedna od vodećih naučnica u IBM-u je Aleksandra Mojsilović, vodi Data Science grupu koja se bavi istraživanjem u teoriji verovatnoće, primenjenoj matematici, kao i rešavanju izazova u poslovnoj analitici. Na kratko je posetila Beograd, a mi nismo propustili priliku da joj postavimo nekoliko pitanja o tome šta radi i kako se to odražava na krajnjeg korisnika.

Tech Lifestyle: Sve češće se susrećemo sa pojmom „Big data“. Šta je zapravo „Big data“?

10 saveta Instagram IN PAGE

Aleksandra Mojsilović: Sve je krenulo od ideje da mi živimo u svetu signala. Muzika je signal, radio je signal, TV, video, kada čitamo novine, naš pritisak je signal, otkucaji srca su signali… Svet u kome živimo se može videti kroz mnoštvo signala.

Odjednom se desilo da je tehnologija napredovala i da su nam svi ti signali dostupni. Sve je digitalizovano, kompjuteri su snažni, mi smo svi povezani preko društvenih mreža i telefonskim razgovorima. Odjednom su svi ti signali postali podaci, informacija, bit. Te informacije su sada dostupne ljudima i računarima za alanizu. Ceo svet nam je danas dostupan za analizu. Posedujemo softverske i hardverske mogućnosti da analiziramo podatke i da izvlačimo zaključke i nove informacije koje nas čine malo više obrazovanim i možda inteligentnijim. Omogućavaju nam da donesemo neke odluke sa više znanja.

TL: Šta je „Small data“?

AM: Ne možemo striktno odvojiti Big data od Small data, ali ima primena u kojima imate jako malo opservacija. Small data je ekstrem. Kada pokušavate da modelirate neki proces sa 15 do 50 opservacija to je jako malo. Kada u IBM-u pravimo matematičke modele mi ih pravimo na osnovu toga što opserviramo procese iz prošlosti. Učimo se od primera. Ako imate malo primera, onda to nije dobro. Ponekad Small data postavlja velika ograničenja na algoritam koji se koristi zato što treba da nauči iz jako malog broja podataka.

TL: Šta Big data menja u životu običnog građanina i kako će obrada velikog broja podataka pomoći u svakodnevnom životu ljudi?

AM: Možete analizirati vremenske signale i možda budete malo inteligentniji u prirodnim nepogodama do te mere da budete malo spremniji za buduće nepogode – da li se nivo okeana podiže ili spušta, kojim intenzitetom se to odvija i koja su predviđanja za bližu i dalju budućnost.

Korišćenje Big data je i način kako upravljamo gradom. Imamo dovoljno signala da niveliramo mnogo procesa urbanog života. Možemo da modeliramo saobraćaj, da predvidimo saobraćajne špiceve, kada je velika gužva, gde će biti gužva i kako da dizajniramo čitavu urbanu strukturu da bi je nekako prilagodili.

U poljoprivredi smo u mogućnosti da stavimo senzore u polje i da merimo razne signale – o vremenu, zemlji, o žitaricama koje sejemo – da bismo optimizovali odluke kada da posejemo, nađubrimo, koju vrstu semena da koristimo, da bi bovećali količinu hrane koju koristimo.

Mogućnost da se sve meri utiče na sve oblasti života. Sve fabrike u industriji su automatizovane, kontrolišemo procese, upravljamo fabrikama, flotom aviona… Sve smo efektivniji i produktivniji.

TL: Koliko nauka o predviđanju može da pogreši i da li računar zna (ili može da nauči) kad je pogrešio?

AM: Nauka o predviđanjima je ozbiljna. Volimo da pričamo o nauci o predviđanjima zato što se vrlo senzacionalno može predvideti da će se srušiti WallStreet, da će doći do kraja sveta, da će biti pomračenje Sunca…

Veliki broj modela koji se bave predviđanjem su zasnovani na činjenici da ako analiziramo podatke iz prošlosti, pogotovo ako imamo jako puno podataka iz prošlosti, možemo da vidimo neke šablone koje se ponavljaju. To znači da smo naučili, da smo modelirali proces ili da razumemo kako se stvari dešavaju. Kada vidite sličnu situaciju danas, znate šta će se najverovatnije desiti, jer smo dovoljno podataka sakupili. To je predviđanje – vrlo ozbiljna disciplina koja je zasnovana na nauci i matematici.

Kompjuter može da nauči. Postoji čitava oblast koju zovemo „Machine learning“ ili „Learning by example“ gde kompjuter može da poredi svoju predikciju sa onim što se zaista desilo i da napravi algoritam koji će se sam korigovati. To je opet zasnovano na observacijama i na velikom broju podataka. Koristi se u proizvodnji i kontroli procesa.

TL: Koliko se Watson bazira na obradi velikog broja podataka?

AM: Ideja Watsona je da je to sistem koji je u stanju da analizira ogromnu količinu tekstualnih podataka. Da to sažme na način koji mogu da se izvrše zaključci. Watson olakšava ljudima poslovanje ili način donošenja odluka. Ima aplikacija gde se mi susrećemo sa neviđeno velikom količinom podataka koju niko ne može da sažme u realnom vremenu. Medicina je idealna za aplikaciju tipa Watson zato što imate ogromnu količinu medicinske literature i naučne literature, istraživanja i ličnih dijagnoza koje mogu da se analiziraju i nađe dobar odgovor na određeno pitanje.

TL: Kako će izgledati računari u budućnosti?

AM: Ima toliko mnogo različitih puteva na kojima se razvija. Trenutno razvijamo „Neurosynaptic chips“. To su procesori čija je arhitektura bazirana na arhitekturi ljudskog mozga, što je potpuno razdvajanje od dosadašnjih tipova računara. Mašine će možda jednog dana i arhitektonski ličiti na ljude.

Mi sve više koristimo „Wearables“. Mašine počinju da bivaju deo nas. To je trend koji neviđeno brzo raste.

Činjenica je da smo mi okruženi sve inteligentnijim aplikacijama, koje osećaju i čak na neki način skoro i da razmišljaju za nas. Dajemo im savete i to će samo još više da raste. Mi ćemo biti okruženi sve pametnijim mašinama. Šta će se desti zbog toga – ne znam. Neko kaže da ćemo imati „Super human powers“; postaćemo supermeni zato što će te mašine omogućiti da rešavamo kategorije problema koje nikada pre nismo mogli.

To je neka budućnost koju ja mogu da vidim tamo negde daleko…

Leave a Reply