ponieważ koszty zakupu filmów i ich wywołania były wysokie. Z chwilą kiedy zdjęcia stały się cyfrowe, wszystkie te koszty zniknęły. Dzisiaj robimy zdjęcia, nawet się nad tym nie zastanawiając, a prawdziwą trudnością jest konieczność dokonania wyboru z nadmiaru opcji.
Dematerializacja
Raz to widzisz, raz nie widzisz. Teraz znikają same produkty. Aparaty fotograficzne, zestawy stereo, konsole gier wideo, odbiorniki telewizyjne, urządzenia GPS, kalkulatory, papier, swatanie, jakie znaliśmy do tej pory, i tak dalej. Te niegdyś funkcjonujące niezależnie produkty są dzisiaj standardowym wyposażeniem każdego smartfona. Wikipedia zdematerializowała encyklopedię, iTunes zdematerializowało sklep muzyczny. I tak dalej.
Demokratyzacja
Proces, który zachodzi, kiedy wykładnicze technologie zyskują skalę i zdobywają popularność. Telefony komórkowe były kiedyś urządzeniami wielkości cegły dostępnymi jedynie dla nielicznych najbogatszych. Dzisiaj mają je niemal wszyscy i niemal cały świat pozostaje pod wpływem tej technologii.
Jak się to odnosi do technologii komputera kwantowego? W świetle zarysowanego tutaj cyklu rozwojowego wprowadzenie łatwego w użyciu interfejsu sytuuje się pomiędzy fazą deceptywną i dysruptywną. Przypomnijmy tutaj rozwój internetu. W 1993 roku Marc Andreessen opracował przeglądarkę Mosaic – pierwszy łatwy w użyciu interfejs dla internetu (z której powstał później Netscape). Zanim się pojawiła, w internecie było dostępnych 26 stron. Kilka lat później było ich już setki tysięcy, po kolejnych kilku latach – miliony. Na tym polega prawdziwa moc przyjaznego użytkownikom interfejsu – demokratyzuje on technologię. Dzięki temu, że pozwala włączyć się do gry ludziom, którzy nie są ekspertami, umożliwia technologii osiągnięcie efektu skali. Szybkie osiągnięcie. Zatem 1,5 miliona programów, które zostały uruchomione w środowisku Forest autorstwa firmy Rigetti – łatwym interfejsie do świata komputerów kwantowych – nie pozostawia wątpliwości, że gruntowna zmiana jest tuż, tuż.
Sztuczna inteligencja
W 2014 roku Microsoft wprowadził na chiński rynek chatbota o imieniu Xiaoice, którego misją miał być swego rodzaju test. W przeciwieństwie do większości osobistych aplikacji sztucznej inteligencji, które są projektowane z myślą przede wszystkim o sprawnej realizacji zadań, Xiaoice została zoptymalizowana pod kątem jak największej przyjazności. Zrezygnowano z priorytetu szybkiej realizacji zadań, określając, że celem jej działania ma być podtrzymanie dialogu. Zaprojektowano ją jednak tak, by reagowała jak siedemnastoletnia dziewczyna, więc jej odpowiedzi nie zawsze są uprzejme.
Cechuje ją sarkazm, jest ironiczna, lubi zaskakiwać? Tak, właśnie tak się zachowuje. Podajmy przykład. Xiaoice została skonstruowana z sieci neuronowych – technologii, o której za chwilę powiemy więcej. Jednak kiedy zapyta się ją, czy rozumie, jak te sieci działają, odpowiada: „No pewnie. To wszystko dzięki magnesom”.
Jeszcze bardziej zaskakujące jest to, jak bardzo ludzie lubią rozmawiać z Xiaoice. Od swojego debiutu przeprowadziła ona ponad 30 miliardów konwersacji z ponad 100 milionami osób. Przeciętny rozmówca ucina sobie z nią pogawędkę około 60 razy w miesiącu, a liczba zarejestrowanych użytkowników przekroczyła 20 milionów.
O czym sztuczna inteligencja rozmawia z ludźmi? Misją Xiaoice jest budowanie emocjonalnych więzi, dlatego zazwyczaj wspiera ona swoich rozmówców radami. Często są one niezwykle roztropne. Kiedyś na przykład wypowiedziane przez człowieka: „Sądzę, że moja dziewczyna jest na mnie wściekła”, spotkało się z odpowiedzią: „Czy nie jest tak, że więcej uwagi poświęcasz temu, co dzieli, niż temu, co łączy?”.
W efekcie najwięcej rozmów z Xiaoice odbywa się późno w nocy, kiedy szczególnie doskwiera nam samotność. Na tyle późno i długo, że Microsoft zaczął się zastanawiać, czy nie wprowadzić nocnej przerwy w działaniu swojej sztucznej inteligencji. Stała się ona tak popularna, że w 2015 roku Dragon TV, chiński kanał telewizji satelitarnej, wynajął Xiaoice do prowadzenia na żywo prognozy pogody w porannych wiadomościach. To pierwszy przypadek, kiedy sztuczna inteligencja została zatrudniona do wykonywania takiej pracy, jednak na pewno nie ostatni.
W 2015 roku, kiedy miał miejsce telewizyjny debiut Xiaoice, sztuczna inteligencja znalazła się w okresie przejściowym między fazą deceptywną a dysruptywną. Zadecydowały o tym 2 czynniki. Pierwszym z nich jest pojawienie się dużych zbiorów danych. Prawdziwa moc sztucznej inteligencji polega na zdolności do odnajdywania ukrytych powiązań między niejasnymi fragmentami informacji – powiązań, których żaden człowiek nie byłby w stanie dostrzec. Zatem, im więcej informacji zostanie dostarczonych sztucznej inteligencji, tym lepsze wyniki będzie osiągać.
Około 2015 roku, dzięki internetowi i mediom społecznościowym, zaczęło pojawiać się coraz więcej ogromnych zbiorów danych. Okazało się, że popularne filmy z kotami to świetny materiał, na którym sztuczna inteligencja może uczyć się rozpoznawania obrazów i identyfikowania scen. Reakcje, które zamieszczamy na Facebooku? Tak samo. Mówiąc inaczej, wiele osób uważa, że media społecznościowe nas ogłupiają, jednak to właśnie dzięki nim sztuczna inteligencja staje się bardziej inteligentna.
W tym samym czasie, kiedy zaczęły tworzyć się wspomniane zbiory danych, na rynkach pojawiły się wyjątkowo tanie i ogromnie wydajne procesory graficzne (czyli GPU – graphics processing units). Do dziś są one używane do przetwarzania coraz bardziej skomplikowanych grafik występujących w grach komputerowych, a wówczas zaczęły również napędzać sztuczną inteligencję. Ta stosunkowo drobna konwergencja – połączenie dużych zbiorów danych z tanimi i mocnymi procesorami graficznymi – dała początek jednej z najszybszych inwazji w historii, a sztuczna inteligencja zaczęła wkraczać we wszystkie aspekty naszego życia.
Najpierw pojawiło się uczenie maszynowe, które używa algorytmów do analizowania danych, uczenia się na ich podstawie i tworzenia prognoz dotyczących otaczającego nas świata. Przykładem mogą być serwisy Netflix i Spotify, które polecają swoim użytkownikom filmy i muzykę, ale również skonstruowany przez IBM Watson, który jest wykorzystywany do zarządzania majątkiem klientów.
Potem sieci neuronowe pojawiły się w internecie. Inspiracją do ich powstania była budowa ludzkiego mózgu, co oznacza, że są one zdolne do uczenia się bez nadzoru na podstawie nieuporządkowanych danych. Sztuczna inteligencja nie wymagała już podawania informacji w kolejności, jeden fragment za drugim. W przypadku sieci neuronowych wystarczyło umieścić dane w internecie, a system był w stanie zająć się całą resztą.
Jeśli chcemy zrozumieć, co stało się możliwe dzięki tej neuronowej sztucznej inteligencji zasilanej danymi z internetu, zastanówmy się nad sektorem usług, który dzisiaj odpowiada za ponad 80 procent amerykańskiego PKB. Eksperci zajmujący się klasyfikacją głównych zadań tego sektora najczęściej wyróżniają w nim 5 obszarów: patrzenie, słuchanie, czytanie, pisanie i łączenie zdobytej wiedzy w całość. W celu lepszego zorientowania się, w jakim miejscu sztuczna inteligencja jest teraz i dokąd będzie zmierzać, prześledźmy postęp, jaki do tej pory dokonał się w poszczególnych obszarach.
W obszarze patrzenia liczne innowacyjne rozwiązania pojawiają się już od wielu lat. W 1995 roku sztuczna inteligencja potrafiła odczytywać kody pocztowe z adresów umieszczanych na kopertach. W 2011 roku nauczyła się rozpoznawać 43 rodzaje znaków drogowych z dokładnością sięgającą 99,46 procent, czyli lepiej niż ludzie. Rok później sztuczna inteligencja ponownie osiągnęła lepsze
