Přinášíme vám pravidelné shrnutí zajímavých článků z odborného tisku a specializovaných webů. Pro členy Asociace máme k dispozici podrobnější rozbor obsahu. Přihlášení zde.
AI předpovídá počasí
COMPUTERWORLD 1/2022, Michal Černý, str. 6-7
Jaké pokroky v sobě skrývá systém Deepmind takzvaný DGMR? Existující techniky předpovídání počasí používají rozsáhlé počítačové simulace atmosférické fyziky s rozlišením několika kilometrů. Jsou velmi dobře zaměřené na dlouhodobé předpovědi. Události v malém měřítku jako jsou dešťové srážky nebo silné bouře však neumí dobře předpovědět, protože nedokážou zobrazit komplexní fyziku tvorby oblaků. Pro předpověď počasí na několik následujících hodin přichází do hry strojové učení. Díky záznamu dešťového radaru jako tréninkových dat vznikají stop-motion videa, zobrazující jak dešťový vzorec putuje nad zemí. Deepmind systém trénuje na datech z GAN (Generative Adversarial Networks). Tento typ umělé inteligence je cvičen na to, jak vytvořit nové datové vzorce, které jsou podobné reálným datům, na nichž byl model původně testován. Model DGMR se naučil vyrobit radarové obrazy a s tím řadu reálně zaznamenaných měřících obrazů. Generativní síť slouží nejenom k předpovědi, ale dodává také informaci o pravděpodobnosti, s níž se předpověď uskuteční. Software pro předpověď počasí nevytváří jenom společnost Google, ale také německý projekt Deep Rain nebo společnost Microsoft.
Devět inovací, které mohou proměnit IT
COMPUTERWORLD 1/2022, Peter Wayner, str. 8-9
První inovací je modulární kód. Jedná se o ideu vzetí jedné části softwaru a její integrování do jiného softwaru. API ekosystém a další metody jsou odvozené z tohoto konceptu. Když modularita funguje dobře, firemní tým může snadno přidávat a odstraňovat funkčnost softwaru, nebo alespoň zdrojový kód využívat pro další potřeby. Modularizace softwaru má také přinést úspory. Druhou inovací je internet materiálů, kdy chytré čipy by byly ukryté v oblečení, cihlách, v dřevě a v podstatě kdekoliv. Třetí inovací je centralizovaná identita. Na jedné straně chytré algoritmy chrání uživatele tak, že ověřuji identitu na základě co nejmenšího množství dostupných informací. Na druhé straně je vývoj v reklamním průmyslu, který se snaží propojit všechny digitální Identity do jedné, aby co nejblíže odhalil, jaké reklamy budou mít u uživatele největší úspěch. Čtvrtou inovací jsou masivní místní databáze. Společnosti se často data a databáze přesunují na edge neboli na rychlejší přesun dat a méně nutný tok informací. Pátou inovací je GPU. Grafické karty a čipy se dají využívat pro zrychlení algoritmů nebo i pro vyhledávání v masivní databázi. Grafické karty dokážou vhodné procesy zrychlit klidně o stonásobky. Šestou inovací jsou decentralizované finance. Jedná se o blockchain nebo také účetní distribuovanou knihu. Decentralizované finance by mohly fungovat na konceptu sdílené kooperace mezi společnostmi, které si budou navzájem důvěřovat. Sedmou inovací je NFT. Nezměnitelné tokeny lákají především investory, fandy kryptoměn a podobných projektů. Jedná se o kus kódu, digitální objekt, jehož majitelem může být ten, kdo si jej zakoupí. NFT zatím nemají praktickou hodnotu, to se ale může změnit. Osmou inovací je Green computing. Tento computing může přispět ke zjednodušení algoritmů. Ukáže se, zda algoritmus strojového učení skutečně potřebuje databázi po jednom terabajtu nebo by stačilo pouze několik stovek gigabajtů. Devátou inovací je kvantová kryptografie, která pomůže ochránit počítač proti prolomení šifrování.
Inteligentní automatizace pomocí umělé inteligence
COMPUTERWORLD 1/2022, Maria Korolov, str. 19-22
Umělá inteligence doposud fungovala jako nástroj, který může vyplnit mezery ve velkém schématu automatizace. Protože zaměstnanci často při některých úkolech procházejí mezi systémy, nebo dokončí akci, kterou je obtížné digitálně zachytit, blokuje to schopnost umělé inteligence plně pochopit proces ve všech jeho částech. Společnost Genpact používá inteligenci ke spárování jednotlivých transakcí v základních systémech s většími procesy, kterých jsou součástí. Inteligence ale nestačí na případy, kdy zaměstnanec opustí základní systém a přejde na nějakou stránku ve webovém prohlížeči. Pomohlo by počítačové vidění pomocí kamer na pracovních stanicích, které sledují co zaměstnanec pozoruje. K tomu je ale nutný souhlas zaměstnanců. Identifikace všech úloh a jejich propojení do pracovního toku se nazývá těžba procesu. Jakmile se firemní proces identifikuje a vytěží, může následně systém monitorovat a řešit problémy u jednotlivých instancí takového procesu, nebo procesy doladit na základě průběžné zpětné vazby. Společnost UST má patent na objevování firemních procesů s využitím učení bez učitele a propojování individuálních úloh do úplného procesu. Vektorizuje vstupy a používá hluboké učení, aby identifikovala co je vstupem. Tento systém ale stále vyžaduje základní sadu protokolů, podle kterých pracuje. Najít a uspořádat všechny protokoly procesů zůstává časově náročným manuálním procesem. Společnosti které začaly používat RPA, mají stále velký problém s úlohami mimo základní systémy. Náhradní metody jako je extrakce obsahu webu nebo OCR jsou jen dočasnými řešeními. AI pro těžbu procesů a automatizaci pracovních toků je stále tedy v raných fázích. Hlavní dodavatelé RPA ale vytvářejí nebo kupují funkce těžby procesu a investují do AI. Podobně posilují i firmy jako IBM, SAP nebo Microsoft.
Virtualizace urychlí testování softwaru
COMPUTERWORLD 1/2022, Isaac Sacolick, str. 30-32
Pokud společnost vyvíjí aplikace, které se připojují k více mikroslužbám, rozhraní API pro SaaS, zastaralým systémům nebo k dalším službám třetích stran, může být vytvoření robustního testovacího prostředí obtížné. Platforma pro virtualizaci služeb a rozhraní API se snaží tyto složitosti vyřešit vytvořením a simulováním rozhraní API a koncových bodů služby. Namísto spuštění testovacího prostředí slouží platforma virtualizace služeb jako koncové body pro testování závislých aplikací a kompozitních služeb a reaguje na požadavky a transakce připojující se aplikace či služby. Virtualizace služeb pomáhá při primárním využití ke zlepšení spolupráce mezi hlavními a závislými systémy. Aktualizace jsou okamžité a dodávky je možné výrazně zrychlit. Výsledkem je dobře vytvořený systém a rychlejší uvádění aktualizací na trh. Jaké výhody má použití platformy virtualizace služeb? První výhodou je to, že virtualizace služeb je přirozeným rozšířením vývoje testovacích jednotek a zavádění průběžného testování pro mikroslužby. Druhou výhodou je to, že vrstvy virtualizace služeb zjednoduší testování vůči více verzím rozhraní API zpřístupněním koncových bodů pro všechny podporované verze. Třetí výhodou je to, že virtualizaci služeb lze balíčkovat se sadami testovacích dat a používat k validaci transakcí. Čtvrtou výhodou je, že při provozu v cloudu mohou virtualizační platformy zvyšovat nebo snižovat kapacitu na základě testovacího objemu. Platformy mají různé možnosti vytváření koncových bodů služeb. Po vytvoření koncových bodů uplatňují platformy obecně připojení k testovacím datovým zdrojům, nahrávání testovacích dat a automatizaci generování testovacích dat. Generování testovacích dat je velmi užitečné při validaci formulářů, odesílání dokumentů a při zpracování komplexních transakcí. Je to také bezpečnější způsob, jak vytvářet sady fiktivních dat a osobních citlivých údajů jako jsou jména, rodná čísla nebo čísla kreditních karet. Virtualizace služeb je kritickou schopností platformy pro podporu masivního a kontinuálního testování.
Automatizace přináší efektivitu v každém odvětví – od vývoje až po kontaktní centra pro zákazníky
IT Systems 1-2/2022, Dominika Šindlerová, str. 32-33
Kontaktní centrům může automatizace přinést výrazné výhody, jako je zrychlení stávajících procesů, efektivnější využití času zaměstnanců, lepší koordinace telefonních agentů a dalších zaměstnanců. Také zvyšuje spokojenost zaměstnanců, která se následně odráží na spokojenosti zákazníků, kterým telefonují. Zároveň je díky automatizaci snadnější získávat a zpracovávat nejrůznější data. Lze také hlídat reálné vytížení agentů, naslouchat aktuálně probíhajícím hovorům a automaticky zpracovávaným nahrávkám, kontrolovat kvalitu hovoru a zpracovávat data v hovorech získaná. Automatizace procesů v kontaktních centrech může mít vícero podob. Vždy záleží zejména na druhu poskytovaných služeb a hlavně na tom, jakým způsobem si konkrétní společnost přeje komunikovat se svými zákazníky. Kontaktní centrum musí v první řadě disponovat nějakým komunikačním systémem, typicky který hromadně spravuje emailovou schránku, online chaty nebo má přímo telefonní centrum. Umělá inteligence zvládne obsluhu jednoduchých chatbotů, kteří jsou schopni poradit s některými základními problémy. Automatizace a umělá inteligence v kontaktních centrech nachází uplatnění ne jako náhrada telefonních agentů, ale jako doplňkový nástroj, který pracovníkům výrazně ulehčuje práci. Uplatňuje se také ve zpracování dat, která při telefonátu s klientem zaměstnanci získají. Je důležité, aby komunikační software používaný v přímé komunikaci se zákazníky nabízel firmám co největší rozsah možných integrací se systémy třetích stran. Skrze integraci se informace v jednotlivých systémech synchronizují, doplňují se a umožňují je naplno využít. Jak začít s implementací automatizace? Důležité je nastavit si z čeho chce firma dosáhnout a také je potřeba vědět co se očekává od zaměstnanců v souvislosti s jejich pracovním výkonem. Je potřeba si nastavit jasné požadavky a parametry, ke kterým patří například integrace se stávajícími systémy. Dalším kritériem může být provoz technologie. Důležitý je i rozpočet. Většina systémů nabízí testovací období, které je dobré využít před konečným výběrem softwaru.
Budoucnost business intelligence je v propojení kompozitní analytiky a headless BI
IT Systems 1-2/2022, str. 42-43
Podle průzkumu společnosti GoodData se firmy snaží o demokratizaci dat, neboli o odstranění překážek, které brání přístupu k datům a jejich interpretaci v reálném čase. Je to nutné z důvodu toho, že s daty bude v budoucnosti pracovat stále více lidí. Budou vznikat multifunkční týmy, které se zaměření na zlepšení analytických dovedností, správu a kvalitu dat. Analytika se postupně přesune do cloudů, a to kvůli uspokojení vyšších nároků na zpracovávaný objem dat a poskytnutí pokročilých funkcí. Podniky také budou hledat rovnováhu mezi flexibilitou a správou svých dat. Díky kompozitní analytice nakonec získají obojí. V budoucnosti se také změní distribuce práce mezi a IT oddělením a běžnými firemními uživateli. Základním problémem demokratizace dat je zachování jejich konzistence neboli jak mít jediný správný zdroj pravdy pro celou organizaci. Firmy, které to zvládnou, získají obrovskou konkurenční výhodu. Se sblížením světa analytiků a běžných uživatelů pomáhá nový přístup, kompozitní datová analytika, která je propojena s otevřenou formou Business Intelligence, tzv. headless BI. Headless BI zajistí, že všichni koncoví uživatelé budou pracovat s jednoduchými daty, a přitom poskytne každému přesně to co potřebuje, díky jedinému zdroji metrik a sdílenému sémantickém modelu. Všechny analytické výstupy tak pracují se stejnými výpočty a datovými sadami.
Technologie ve vzdělávání aneb EdTech trendy na vzestupu
Reseller Magazine 1/2022, Michala Benešovská, str. 24-25
Co je EdTech? EdTech je integrace počítačového hardwaru anebo softwaru do vzdělávacího sektoru za účelem usnadnění výuky. Jde o rozsáhlou oblast, která může zahrnovat celou škálou různých technologií a procesů. Ve třídě může mít podobu interaktivního promítacího plátna, tabule, digitálního tabletu pro psaní poznámek a systémů pro reakce studentů. Trendem je rozšíření technologií do škol. Díky němu se daří překonávat problémy tradičního vzdělávání. Nástroje jako je například Google Classroom umožňují učitelům rychleji se vyškolit ve výuce založené na technologiích. Technologie tak pronikají i do profesního rozvoje pedagogů. Rozšířená realita, virtuální realita a smíšená realita také ovlivňují vzdělávání ve školách. Simulace a virtuální robotika skýtají pro vzdělání obrovský potenciál, simulace jsou cenné například pro lingvistiku, historii, architekturu a další vzdělávací obory. Obrovské příležitosti přinesli do oblasti EdTechu umělá inteligence a internet věcí. Umožňují adaptivní učení tím, že přizpůsobují materiály při jejich prezentaci na základě výkonu studenta. Změna informací a jejich podávání nejen zlepšuje celkový výkon studentů, ale také jim pomáhá zaměřit se na jejich nadání. Učební platformy řízené umělou inteligenci navíc shromažďují údaje o studentech a analyzují, kde by student mohl potřebovat pomoc, a posílají mu upomínky ke studiu nebo shromažďují další materiály ke konkrétním tématům pro daného studenta. Velký potenciál má také použití her ve výuce. Hry nabízejí okamžitou zpětnou vazbu, díky ní že studenti chtějí dále používat a rozvíjet své dovednosti. EdTech odvětví má před sebou velký růst.
Technologické trendy, kterým letos budete muset věnovat pozornost
Reseller Magazine 2/2022, Michala Benešovská, str. 12-14
Kterých novinek se v oblasti technologií dočkáme v roce 2022? První je metaversum. Metaversum je teoretický sdílený prostor, kde se lidé mohou setkávat ve virtuální realitě. Takovýto prostor nechce vytvářet pouze společnost Facebook ale i další společnosti jako je Google, Microsoft a Apple. Firmy a startupy, které vyrábějí náhlavní soupravy pro rozšířenou a virtuální realitu se chtějí v metaversu prosadit. Tyto programy budou muset dobře fungovat s různými operačními systémy. Metaversum ale zatím neexistuje. Dalším trendem je chytrá domácnost. Vznikl nový standard pro chytré domácnosti nazvaný Matter. Cílem je zajistit, aby všechny domácí přístroje, které člověk budoucnu koupí, spolu dobře spolupracovali bez ohledu na to, kdo je vyrobil nebo třeba jakého virtuálního asistenta při interakci s nimi používá. Dalším trendem je elektromobilita. Elektromobily jsou stále dostupnější a disponují lepšími bateriemi a možnostmi nabíjení. Dalším trendem je nedostatek čipů, který zvyšuje ceny různých spotřebičů a jiných výrobků. Další trend je umělá inteligence a využití cloudu, které jsou již několik let na vzestupu. Čeká se také větší využívání samoobslužných oprav elektronických zařízení. Cenou komoditou budou data, například v lékařství nebo i ve firmách.