Sztuczna inteligencja (AI) w logistyce. Jak uczące się maszyny zmienią logistykę

Sztuczna inteligencja jako pojęcie zaistniało w świecie dzięki Johnowi  McCarthy’emu w 1955, który wykorzystał je podczas jednego ze swoich seminariów. Od tego momentu możemy mówić o karierze AI (Artificial Inteligence), która znacząco przyśpieszyła w ostatniej dekadzie. Sztuczna inteligencja stała się synonimem najwyższego poziomu rozwoju technologii. Obecnie największe firm technologiczne posiadają lub tworzą działy odpowiedzialne za rozwój i komercjalizację tej technologii.

Na rynku, możemy spotkać wiele tak zwanych uczących się maszyn, które można podzielić na dwie kategorie. Pierwsza to nadzorowane systemy uczące, które uczą się bazując na milionach przykładów. Na wejściu mamy np. zdjęcie twarzy, na wyjściu osobę na tym zdjęciu, a jako wynik aplikację rozpoznającą osoby na zdjęciach. Druga kategoria to nienadzorowane systemy uczące się, które w przyszłości mają uczyć się samodzielnie. Z powodu wysokiego poziomu skomplikowania drugiego rodzaju uczących się maszyn, zdecydowane dominującą rolę odgrywa obecnie pierwsza kategoria.

Szerokie zastosowanie uczących się maszyn pozwoli poprawić efektywność wielu operacji w logistyce, które obecnie są żmudnie realizowane przez pracowników, a ludziom umożliwi skupienie się na działaniach zwiększających wartość. Systemy rozpoznawania mowy, których skuteczność jest już teraz na wysokim poziomie, pozwolą na uproszczenie oraz zautomatyzowane procesu składania zamówień transportowych. Jedocześnie wyeliminują bariery językowe, gdyż system rozpozna język rozmówcy, przetłumaczy rozmowę i w zdygitalizowanej formie przekazie zlecenie do realizacji. Systemy rozpoznawania pisma umożliwią odczytywanie podpisów i uwag na np. CMR, dygitalizowanie dokumentacji i wprowadzenie jej do systemów informatycznych bez ingerencji człowieka. W przyszłych centrach obsługi klienta pracownicy będą się skupiać na rozwiązywaniu problemów, których nadzorowane systemy uczące nie mogły nauczyć się na wcześniejszych przykładach.

Obecnie uczące się maszyny są wykorzystywane w sklepach internetowych, aby sugerować klientom kolejne artykuły do zakupu. W centrach logistycznych podobne systemy będą sugerowały sposób ułożenia towaru na regałach, prognozując pojawienie się zamówienia, które jeszcze nie zaistniało w systemie sprzedażowym. Możliwe że system bazując na zaistniałych wcześniej przykładach będzie kreował zamówienia i zlecał ich prepicking w celu wygładzenia obciążeń w działaniu centrów logistycznych.

Kolejnym obszarem, w którym sztuczna inteligencja będzie wykorzystywana na szeroką skalę jest bezpieczeństwo. Dron monitorujący otoczenie terminali kolejowych, centrów dystrybucji czy towarzyszący transportowi będzie przekazywał obraz do systemu rozpoznawania twarzy, który natychmiast zaalarmuje dział bezpieczeństwa w sytuacji wykrycia potencjalnego intruza. Aktualnie na rynku dostępne są rozwiązania, które rozpoznają nasze samopoczucie po wyrazie twarzy, a to oznacza, że mogą być również wykorzystywane do oceny kondycji kierowcy w celu podniesienia alarmu w przypadku np. zasłabnięcia czy zaśnięcia.

Wyobraźmy sobie kuriera doręczającego przesyłki, który obsługuje nową trasę i klientów, których jeszcze nie poznał. Zgadywanie gdzie i o jakiej konkretnie porze w dany dzień może ich zastać, zakończy się niską skutecznością doręczeń i niezadowoleniem klientów. Jednak gdy system na podstawie informacji z wcześniejszych doręczeniach odkrył pewne wzory zachowań, przypisał je do konkretnych klientów, jest w stanie poprowadzić kuriera w optymalny sposób.

Jednak, aby nie obracać się tylko w sferze domysłów do czego uczące się maszyny mogą być wykorzystywane, warto zapoznać się z już zaimplantowanymi rozwiązaniami. System rozpoznawania twarzy Facebook ma prawie 98% skuteczność, firma IBM wykorzystuje AI przy rozpatrywaniu reklamacji, JPMorgan użytkuje uczące się systemu do analizy wniosków kredytowych (zaoszczędził dzięki temu 360000 godzin pracy urzędników bankowych).

Warto zauważyć, ze sztuczna inteligencja na obecnym poziomie rozwoju nie likwiduje całkowicie stanowisk pracy. Pozwala na zautomatyzowanie i poprawienie efektywności pewnych działań pozostawiając więcej czasu człowiekowi na działania mniej rutynowe.

Obecnie wykorzystywane systemy oferują stosunkowo niewiele w porównaniu do możliwości jakie pojawią się w momencie upowszechnienia nienadzorowanych systemów uczących. Systemy te będą mogły spojrzeć na każdy problem w sposób podobny do człowieka, jednak analizując olbrzymie ilości danych mogą sugerować rozwiązania których my nie potrafimy dostrzec.

Dariusz Botkowski – Członek zarządu PSML

Foto: pixabay.com