W niektórych kręgach nadal panuje błędne przekonanie, że sztuczna inteligencja to tylko chatboty, które zwalniają nas z jakiegokolwiek procesu myślowego. Nic z tych rzeczy – usługi takie jak ChatGPT to naprawdę świeżynka, jeśli spojrzymy na całą historię branży. Jednak systemy uczenia maszynowego i wizji komputerowej są z nami o wiele dłużej. Co więcej, o ich praktycznych zastosowaniach można się rozpisywać godzinami.
Ograniczyć marnowanie jedzenia
Przez ostatnie 2,5 roku zmieniło się naprawdę wiele w sektorze marketingu. Można odnieść wrażenie, że jeśli nie mamy pomysłu na to, jak zareklamować swój produkt, to wystarczy dodać etykietę „AI”, a klienci znajdą się sami. Coś w tym może być – temat sztucznej inteligencji z jednej strony arcyciekawy, a z drugiej spłycany przez jednostki próbujące po prostu zarobić.
Kto wie, być może gdyby ChatGPT nie ujrzał światła dziennego w listopadzie 2022 roku, to nie czytałbyś tego tekstu. Może sama Lufthansa nie byłaby skłonna się pochwalić swoimi osiągnięciami, tylko trzymałaby je w tajemnicy. Tymczasem słowo „sztuczna inteligencja” staje się jednocześnie wszystkim i niczym. Coraz trudniej rozróżnić produkt na poziomie od zwykłego chwytu marketingowego. Nie pomaga zwykły lęk ludzi przed rozwojem AI.
Dlatego też inicjatywa podjęta przez niemiecką Lufthansa Group pomimo bycia istotnym elementem strategii marketingowej, robi zdecydowanie więcej dobrego. Chodzi tutaj o projekt Tray Tracker, który przy użyciu AI ma mierzyć i redukować zwroty posiłków na pokładach samolotów.
Zeskanuj jedzenie i gotowe
Zasada działania Tray Tracker jest prosta – na linii zmywania skanujemy tacki z jedzeniem. Sztuczna inteligencja rozpoznaje wtedy w jakim stopniu posiłek został zjedzony. W trakcie wykonywanej analizy brane są pod uwagę również takie czynniki jak trasa lotu, klasa podróżującego. Wszystko po to, aby móc później zoptymalizować wielkość porcji i rodzaj posiłków – aby marnować go jak najmniej.
Nie będzie zdziwieniem, że Lufthansa chce znaleźć miejsce, w którym może zaoszczędzić. Mniej posiłków na pokładzie to mniejsza masa, a w konsekwencji niższe spalanie paliwa, czyli także ograniczenie emisji dwutlenku węgla.
Jest to projekt ambitny, przedstawiający w praktyce, jak możemy wykorzystać uczenie maszynowe w praktyce. To jest wręcz kwintesencja „działalności” sztucznej inteligencji – optymalizacja i automatyzacja. Nie jest to jednak pierwszy raz, kiedy uczenie maszynowe wkracza na rynek lotniczy. Systemy optymalizujące np. załadunek bagażu, predykcji opóźnień, czy wspomagania pilotów również istnieją nie od dziś. Lufthansa może pochwalić się innym systemem opartym na uczeniu maszynowym – Pendle. Jego zadaniem jest optymalizacja załadunku posiłków na podstawie danych lotu. Co go w takim razie odróżnia od Tray Tracker? Pendle prognozuje zapotrzebowanie i planuje załadunek przed lotem, a Tray Tracker analizuje konsumpcję posiłków po locie. Docelowo oba projekty mają być połączone w jeden. W końcu już teraz jeden z nich zbiera dane, a drugi w odpowiedni sposób je wykorzystuje.
I oto właśnie chodzi w całej tej „sztucznej inteligencji” – nie o zastępowanie ludzi, nie o marketingowe slogany, ale o rozwiązanie (nudnych) problemów z pomocą dużych zbiorów danych.
