Klienci rozmawiają z bankiem w aplikacji. Przy pomocy sztucznej inteligencji

Sztuczna inteligencja (Artificial Intelligence, AI) to już nie tylko domena science-fiction, lecz rzeczywistość, która otacza nas tu i teraz. Dyktowanie SMS-ów na smartfonie, wybieranie optymalnej trasy w nawigacji, szlaban na parkingu, który podnosi się po sczytaniu tablicy rejestracyjnej samochodu czy serwisy streamingowe, które podpowiadają najbardziej trafny wybór kolejnego filmu czy serialu do obejrzenia.

– Ze sztucznej inteligencji korzystamy, nawet nie zdając sobie z tego sprawy – przyznaje Dawid Kin z Departamentu Analityki Danych PKO Banku Polskiego, który był gościem programu "Cyfrowe Ewolucje" w Wirtualnej Polsce.

Bank PKO Bank Polski wykorzystuje sztuczną inteligencję między innymi w swojej aplikacji mobilnej IKO, która wielokrotnie była nagradzana w konkursach na całym świecie. Jednym z zastosowanych tam rozwiązań jest Asystent głosowy, który umożliwia używanie aplikacji bankowej bez konieczności wpisywania czegokolwiek na klawiaturze smartfona. Jedyne, co trzeba kliknąć czy "tapnąć" na początek to ikona Asystenta głosowego. Co dalej?

– Wtedy kontrolę przejmuje mózg operacji, czyli komponent odpowiedzialny za strategię rozmowy – wyjaśnia Dawid Kin. – On aktywuje syntezator mowy, który wita klienta. Syntezator zostaje wyłączony i aktywujemy nasłuch. Wtedy klient mówi na przykład: "Hej, przelej 100 zł do Kamila tytułem "Dzięki za spotkanie"". W tym momencie nasłuch jest wyłączany, a ten strumień audio poddawany jest procesowi transkrypcji. Tekst jest następne analizowany przez modele uczenia maszynowego i głębokiego uczenia. Pierwszy odpowiada za rozpoznanie tematu rozmowy, widzi to zdanie i ocenia, że prawdopodobnie jest to przelew. Przekazuje zadanie do kolejnego modelu, który dokonuje oznaczenia poszczególnych składowych tego zdania. I on widzi, że "przelej 100 złotych" oznacza prawdopodobnie kwotę, "do Kamila" – więc "Kamil" jest prawdopodobnie odbiorcą, oraz "z tytułem "Dzięki za spotkanie"", więc to jest prawdopodobnie tytuł przelewu. Te dane są przekazywane dalej i uruchamiany jest następny z modeli, którego zadaniem jest próba znalezienia tego rozpoznanego odbiorcy na liście odbiorców zdefiniowanych klienta.

Zwracamy wszystkie te dane do "mózgu operacji" czyli strategii dialogowej, która widzi: "mamy przelew, mamy takie zebrane dane, to jest komplet" – kontynuuje ekspert. – Jeżeli klient potwierdza operację, to wykonywany jest przelew. Wszystko trwa sekundy.

Sztuczna inteligencja budzi czasem obawy , wynikające głównie z przekazów pop-kultury, pokazujących „buntujące się” przeciw człowiekowi maszyny.

W tych opowieściach widzimy AI , która sama się uczy i wnioskuje. Czy to jest rzeczywistość? Czy maszyny naprawdę uczą się same?

– Nie, sztuczna inteligencja nie uczy się sama – zapewnia Dawid Kin. To, że AI coś potrafi, wynika z zamierzonych działań człowieka i jest przez niego kontrolowane.

Jak tłumaczy ekspert, istnieją trzy rodzaje uczenia sztucznej inteligencji – nienadzorowane, nadzorowane i uczenie przez wzmocnienie. Ale nawet to pierwsze – mimo swojej nazwy – nie jest autonomicznym procesem.

– Jest ono wykonywane przy minimalnym udziale człowieka, natomiast rozwiązania, które możemy w ten sposób stworzyć, mogłyby np. sprawić, że sztuczna inteligencja mogłaby analizować serie zdjęć i oceniać podobieństwa twarzy na tych zdjęciach – wyjaśnia ekspert.

Drugi rodzaj, uczenie nadzorowane, polega na przekazaniu algorytmowi ogromnej ilości danych, odpowiednio skategoryzowanych.

– Właśnie w taki sposób uczyliśmy model, który rozpoznaje tematy rozmowy w IKO PKO Banku Polskiego – zdradza Dawid Kin. – Nasz zespół wymyślał różne zdania, którymi np. klient chciałby wywołać jakieś działania aplikacji. Opisaliśmy je odpowiednio np. jako "przelew", "historia", "doładowanie" czy "saldo" i w ten sposób przygotowane dane zostały wtłoczone do algorytmu i on zaczął się uczyć. Dzięki temu możemy zlecić przelew na kilka tysięcy sposobów.

Trzecim typem uczenia jest tzw. uczenie przez wzmocnienie.

– Tutaj działa to trochę jak kij i marchewka, to znaczy algorytm dostaje nagrodę w postaci jednego punktu lub karę w postaci zero punktów za wykonanie jakiegoś zadania – mówi Kin. Przykładem mogłoby być nauczenie programu komputerowego gry polegającej na tym, że jedziemy samochodem i musimy omijać przeszkody. Uderzamy w przeszkodę – zero punktów, jeszcze raz i jeszcze raz – zero punków. Po kilku próbach program omija przeszkodę i dostaje jeden punkt. Rozumie więc, że zrobił dobrze. Oczywiście takich prób mogą być tysiące, ale w końcu taki algorytm jest w stanie nauczyć się gry doskonale, perfekcyjnie na poziomie niedostępnym dla człowieka, bo zawsze ruch AI będzie idealny.

Wykorzystanie AI najlepiej ilustruje omawiany już wspomniany Asystent głosowy w aplikacji IKO. To przykład interfejsu komunikacyjnego – ale mogą nimi być zarówno mechanizmy głosowe, jak i tzw. chatboty, czyli asystenci, z którymi klient porozumiewa się, pisząc. To rozwiązania, które potrafią zrozumieć wypowiedź klienta i odpowiedzieć.

Dlaczego asystenci głosowi zyskują taką popularność w biznesie i bankowości?

– Po pierwsze aplikacje mają coraz więcej funkcji, ale mają pewne ograniczenia, jak na przykład wielkość ekranu. Nawet w najwyższej jakości interfejsach klienci mogą mieć problemy z odnalezieniem niektórych funkcji. Odpowiedzią na te problemy jest właśnie interfejs konwersacyjny, dzięki któremu klient uzyskuje konkretną odpowiedź, nie musi jej sam szukać w aplikacji – mówi ekspert. – Zaczynaliśmy niecały rok temu od kilkudziesięciu tematów rozmów i od tego momentu moduł rozpoznający tematy urósł już do 250 . Stało się tak dlatego, że obserwowaliśmy potrzeby klientów i chcieliśmy im sprostać.

Innym obszarem wykorzystania sztuczne inteligencji w bankowości jest wizja komputerowa.

– Na przykład w zakresie bezpieczeństwa – mówi Dawid Kin. - Potrafi ona na przykład zidentyfikować klienta lub pracownika na podstawie danych z aparatu telefonu lub na podstawie zdjęcia z dokumentu tożsamości i ocenić, czy to jest ta osoba.

Trzeci obszar to automatyczna obsługa dokumentów, ich klasyfikacja i ekstrakcja danych. Zadania żmudne i powtarzalne, które idealnie nadają się dla sztucznej inteligencji.

Jak będzie wyglądało korzystanie ze sztucznej inteligencji za 5 czy 10 lat?

– Tego nie wiem – przyznaje Dawid Kin. – Wiem natomiast, jak chciałbym, żeby to wyglądało. Chciałbym, żeby sztuczna inteligencja była spopularyzowana w branży motoryzacyjnej i medycynie. Chciałbym, aby w przyszłości wszystkie samochody miały zainstalowane kamery, które będą obserwowały wszystko, co się dzieje dookoła, dzięki czemu mogą ostrzegać o zagrożeniu czy zahamować w przypadku, gdy wykryją zagrożenie, którego użytkownik nie był jeszcze w stanie dostrzec.

Inny obszar do rozwoju AI to medycyna.

– Tu na przykład moglibyśmy stworzyć jedną centralną bazę medyczną, w której przechowywalibyśmy wyniki badań wszystkich obywateli, a algorytm uczenia maszynowego mogłyby analizować te dane w taki sposób, aby choroba kogoś z Wielkopolski miała wpływ na to, że osoba z innego województwa nigdy nie dojdzie do tego stanu, ponieważ wykryte zostaną pewne podobieństwa, które w porę pomogą przewidzieć pogorszenie stanu zdrowia – przewiduje ekspert. – To jest poziom rozwoju, do którego powinniśmy dążyć, żeby osiągnąć taki poziom synergii pomiędzy wiedzą człowieka a algorytmami, która pozwoli nam rozwinąć zarówno służbę zdrowia, jak i inne dziedziny, w taki sposób, aby było to wyłącznie z korzyścią dla nas wszystkich.