Czy sztuczna inteligencja pomoże bankom wygrać ze złożonością organizacji?

Pewnym zaskoczeniem może być fakt, że epoka kamienia łupanego bynajmniej nie zakończyła się z powodu braku kamieni. Być może koniec tej epoki został spowodowany pojawieniem się nowych, łatwiejszych w obróbce i lepszych materiałów. Dzisiaj taką zmianę określilibyśmy jako przełom technologiczny. Nasze czasy zdominowała wszechobecna i wykorzystująca wszystko żądza pieniądza, innymi słowy – pogoń za zyskiem. Niegdysiejszymi „kamieniami” stały się dzisiaj finanse, narzędziem pieniądz, a za obróbkę tych materiałów odpowiedzialni są finansiści i bankowcy.

Kryzys finansowy w 2008, wywołał u wielu ludzi wrażenie, że finansiści i bankowcy, którzy najbardziej się do niego przyczynili, są w swej chciwości i nieuczciwości, z natury złymi ludźmi. Widzisz przedstawienie, nie widzisz istoty – łatwo jest ocenić skutki i wydawać wyroki. Trudniej jest zrozumieć przyczyny ludzkiej motywacji i leżącej w złożoności organizacji, pokusy do podejmowania ryzyka opartego na zjawisku „racjonalnego przestępstwa”,  które oznacza jedynie, że przeciętny człowiek, podobnie jak przeciętny przestępca, podąża do celu motywowany własnym interesem. Ocenia on jedynie stawkę i prawdopodobieństwo, z jakim może zostać przyłapany i jakiej kary może się spodziewać. Jest to wyrafinowana strategia oparta wyłącznie na porównaniu zysków i strat.

W epoce rewolucji technologicznej, nadzieję na stworzenie szlachetnego banku, daje wiara w potęgę sztucznej inteligencji

Podkreślmy zatem, że ów kryzys sprzed 12 lat nie pojawił się z powodu braku pieniędzy. Był jedynie skutkiem zwykłego konfliktu interesów opartego na bilansie za i przeciw. Na niekorzyść banku wpłynął jeszcze inny istotny czynnik – siła niejasności. Pragnienie odnoszenia sukcesów poprzez naginanie rzeczywistości, tak aby pasowała do pożądanych celów, wpędziła w tarapaty nie tylko pracowników, ale również instytucje finansowe. W tym duchu – korzystając z opisanego algorytmu – możemy dzisiaj jedynie spekulować, co by było, gdyby sędziowie dostawali 10% prowizji od kwot zasądzonych w prowadzonych przez siebie sprawach.

POLEMIKA: Czy sztuczna inteligencja pomoże bankom wygrać ze złożonością organizacji?

Być może to najwyższy czas, aby stworzyć system finansowy wolny od konfliktu interesów. Pytanie czy jest to możliwe, aby smutna historia kryzysu z roku 2008 już się nie powtórzyła? W epoce rewolucji technologicznej, nadzieję na stworzenie takiego szlachetnego banku, daje wiara w potęgę sztucznej inteligencji, która najprawdopodobniej pozwoli uprościć złożoność organizacji. Z pewnością, za romans nadziei ze sztuczną inteligencją przyjdzie nam słono zapłacić. Pytanie w jakiej walucie? Być może będzie to wzrost entropii, czyli złożoności i nieuporządkowania organizacji.

Walka ze złożonością poprzez procedury i wydłużony łańcuch decyzyjny, prowadzi do wzrostu niejednoznaczności i niepewności

Niezależnie od kosztów warto ponieść tego typu inwestycje tak, aby poznać obraz prawdy o tym co stworzyliśmy. Tym bardziej, że dotychczasowa walka ze złożonością poprzez procedury i wydłużony łańcuch decyzyjny, prowadzi do wzrostu niejednoznaczności i niepewności. W dłuższej perspektywie może doprowadzić to do destrukcji, a nawet upadku. Broniąc się przed tym, organizacje stają się coraz bardziej skupione na sobie i coraz bardziej zamknięte.

W życiu codziennym prawo wzrostu entropii przejawia się w tym, że rozwiązanie jednego problemu zawsze staje się źródłem powstania wielu nowych. Dobrym przykładem jest sam człowiek, który jako maszyna o niskiej entropii, istotę swojego ewolucyjnego piękna ma zapisaną w kodzie DNA, kombinacji zaledwie 4 aminokwasów! Dzięki tej prostocie, nauka jest na dobrej drodze do odczytania algorytmu złożoności ludzkiej natury.

Ale wróćmy do bankowców. Ile w takim przypadku powinni zarabiać bankowcy, którzy stracili trzeźwy osąd i kontakt z rzeczywistością, pod wpływem atrakcyjnych pokus finansowych? Co tak naprawdę wiemy na temat relacji między wysokimi zarobkami, które płaci im organizacja, a rozumieniem istoty jej działania jako całości, czyli macierzy czynników składających się na obraz jej aktywności biznesowej? Może nastał dziś czas, w którym pojawia się świadomość prawdy, że skończył się okres inwestowania tylko w te obszary wiedzy, które przynoszą prawdy użyteczne dla konsumpcji, destrukcji i przede wszystkim komercji. Zjawisko pandemii pokazuje, że świat „zatrzymał się” nie tyle z powodu wzrostu statystyki zachorowań, ile  z powodu  siły niejasności wynikającej z braku wiedzy o mechanizmie i dynamice jej rozwoju. To nietrywialna informacja o złożoności świata, w którym żyjemy.

Jest coś intrygującego w naturze człowieka, co sprawia, że doświadcza on dyskomfortu psychicznego, gdy staje wobec sytuacji, której nie rozumie i zmuszony zostaje do zadawania pytań. Historia nauki pokazała nam wielokrotnie, że każda nauka – może z wyjątkiem matematyki – jest sumą prawd tymczasowych. Tak, jak tymczasowe są wszystkie modele biznesowe.

Jak powstawała przyjemność poznawania pomiędzy doktorem wyposażonym w sztuczną inteligencję, a pacjentem chorym na złożoność?

Warto zacząć od stwierdzenia prostego faktu. Żyjemy w erze nadmiaru informacji TMI (Too Much Information) i złożoności ich źródeł, z których dane stały się paliwem ekonomii XXI wieku. To czas, w którym motto Oświecenia – Sapere aude (Miej odwagę być mądrym) – prowokuje do pójścia drogą przyjemności poznawania samych siebie. Przyjemność tę możemy znaleźć w potędze nauki, której istotą jest doskonalenie rozumu w celu zrozumienia otaczającego nas świata. Jednak zanim doszliśmy do tego czasu w ewolucji myślenia i rozwoju – jak pokazuje historia ludzkości – musiało upaść wiele cywilizacji, które nie potrafiły wygrać z wyzwaniami swoich czasów – chorobami, wojnami, głodem czy pogodą.

David Deutsch w książce „The Beginning of Infinity” zwraca uwagę, że cywilizacje te mogłyby przetrwać, gdyby dysponowały lepszą wiedzą (literatura źródłowa pkt. 1): „Zanim nasi przodkowie nauczyli się rozpalać ogień, umierali z zimna, dosłownie leżąc na surowcach, których mogli użyć do rozpalania ognia i uratowania sobie życia, ale nie umieli ich wykorzystać. W uproszczonym sensie zabiła ich pogoda, ale głębsze wyjaśnienie brzmi: brak wiedzy. Wiele setek milionów ofiar cholery w dziejach ludzkości zmarło w pobliżu paleniska, na którym mogli zagotować wodę pitną i ocalić życie, ale o tym nie wiedzieli. Rozróżnienie między klęską ‘żywiołową’ czy ‘naturalną’, a wynikającą z niewiedzy świadczy o zawężonym spojrzeniu. Jak teraz widzimy, istnieje wiele opcji, które można wykorzystać – a raczej stworzyć – przed każdą naturalną katastrofą, o której ludzie kiedyś myśleli jako o zrządzeniu losu albo bogów. Wszystkie te opcje składają się na jedną ogólną, której oni nie stworzyli, a mianowicie budowę cywilizacji naukowo-technicznej takiej jak nasza. Tradycji krytycznej. Oświecenia.”.

Tak właśnie, na drodze postępującego rozwoju nauki i technologii, nastała era współczesna, era komputerów, Internetu i sztucznej inteligencji AI (z uwagi na źródło i literaturę pozostawię akronim angielski). Obecnie stoimy w obliczu nadchodzącej technologicznej osobliwości, czyli takiego momentu w czasie, w którym technologia rozwija się z nieskończoną szybkością, co oznacza, że każdy nowy wynalazek przyspiesza tempo pojawienia się kolejnego etapu rozwoju cywilizacji. Myśl tę ostatnio tak mocno spopularyzował Ray Kurzweil w swoich najnowszych publikacjach. Związana z osobliwością wizja, to możliwość eksplozji inteligencji skojarzona z perspektywą rozwoju superinteligentnych maszyn klasy HLMI (Human Level Machine Intelligence). Głównym jednak celem, który pozwoli to osiągnąć będzie stworzenie sztucznej inteligencji przewyższającej intelektualnie ludzi.

Sztuczna inteligencja zatraciła swoje pierwotne znaczenie, a w oczach przeciętnego użytkownika oznacza jedynie algorytmy

Warto zaznaczyć, że używanie określenia sztuczna inteligencja jest jednak swego rodzaju nadużyciem, ponieważ w większości przypadków mamy do czynienia raczej z uczeniem maszynowym – a jeśli nawet jedno z drugim jest powiązane, to jedynie poprzez potencjał ich twórców, ponieważ nie jest to, to samo. Z tego właśnie powodu sztuczna inteligencja zatraciła pierwotne znaczenie, a w oczach przeciętnego użytkownika oznacza jedynie algorytmy, które wykonują jakieś konkretne zadanie bez żadnej pomocy, często i bez świadomości, ze strony właściciela procesu. Istotę tego zagadnienia najlepiej definiuje David Deutsch w książce „Struktura Rzeczywistości”: „Sztuczna inteligencja to program komputerowy posiadający cechy ludzkiego umysłu, włączając inteligencję, świadomość, wolną wolę i emocje, który jest realizowany przez komputer różny od mózgu człowieka” (literatura źródłowa pkt. 2).

Dane z algorytmami i strukturami tworzą umysł i inteligencję systemów AI i Machine Learning

Kończąca się właśnie druga dekada XXI wieku zaowocowała systemami, które potrafią prowadzić samochody, opisywać fotografie, rozpoznawać mowę i pismo, pokonywać ludzi w Go i szachy. Jednak postępy te nie wynikają z lepszego rozumienia działania inteligencji, lecz ze wzrostu mocy obliczeniowej i ogromnych zbiorów danych, dzięki czemu programy te mogą się uczyć na milionach przykładów i wnioskować z nich uogólnienia bazując na zdefiniowanych algorytmach. Nie zapominajmy jednak, że te wyrafinowane, często bardzo złożone algorytmy muszą podołać obróbce ogromnej ilości danych. Dane z algorytmami i strukturami tworzą umysł i inteligencję systemów AI i Machine Learning. Tak naprawdę jednak, każdy system AI jest „genialnym idiotą”, słabo radzącym sobie z problemami, do których rozwiązania nie jest przeznaczony. Jest to w praktyce „sztuczna inteligencja maszynowa” nazywana również w literaturze słabą AI. Słaba AI potrafi znaleźć wzorce w danych, ale nie potrafi ich zinterpretować ani stwierdzić, czy mają logiczny sens. Brakuje jej zatem zdolności rozpoznawania i reagowania na niuanse interakcji międzyludzkich i emocje.

Nadzieję na ulepszenie możliwości AI daje ufność, że w miarę postępów naukowców w tworzeniu rozbudowanej wiedzy specjalistycznej, sztuczna inteligencja będzie w stanie wyjść poza dane statystyczne i obliczeniowe. To w konsekwencji doprowadzi do zbudowania bardziej zdolnej AI nazywanej silną czy ogólną AGI (Artificial General Intelligence). Niestety, na drodze do zbudowania silnej AGI pojawia się wiele różnych przeszkód. Być może największą z nich jest ludzka natura. W swoich zachowaniach nie jesteśmy przecież ani szczególnie racjonalni, ani nazbyt konsekwentni. To spore wyzwanie dla maszyny, która miałaby rozumieć złożoność procesów myślowych, wielość poglądów, dylematów moralnych, czy systemów wartości. Dodając do tego intencjonalne działanie niektórych z nas na szkodę innych, uświadomimy sobie, że przed AI piętrzy się cała masa trudności.

Sztuczna inteligencja jest jak dotychczas najlepszą strategiczną ideą w całej historii ludzkości, która ma umożliwić człowiekowi stworzenie nowego inteligentnego i mądrego świata. Musimy jednak pamiętać, że jak to ujął twórca teorii zbiorów rozmytych L. Zadeh, „w miarę wzrostu złożoności systemu nasza zdolność do formułowania istotnych stwierdzeń dotyczących jego zachowania maleje, osiągając próg, poza którym precyzja i istotność stają się cechami wzajemnie się wykluczającymi”. To pokazuje, że nasze perspektywy poznawcze, nie wydają się aż tak jednoznacznie atrakcyjne.

Może dlatego, aby w pełni zaufać i zaadaptować nowo pojawiające się rozwiązania w zakresie sztucznej inteligencji w naszym codziennym życiu, będziemy potrzebować pewnej nowej formy sztucznej inteligencji transgranicznej XAI (eXplainable AI), która zapewni zrozumiałe dla człowieka interpretacje ich algorytmicznych zachowań i wyników umożliwiając nam kontrolowanie przejrzystości i wytłumaczalności w całym cyklu życia rozwiązań AI. Podążając za tą motywacją, wyłaniający się ostatnio w różnych multidyscyplinarnych środowiskach badawczych trend, opiera się na ukierunkowanym na człowieka podejściu do AI. Polega on na opracowaniu kontekstowych modeli wyjaśniających, które napędzają symbiozę ludzkiej i sztucznej inteligencji, przez pryzmat fizyki statystycznej (entropii), teorii informacji i nauki o złożoności w ogóle (literatura źródłowa pkt. 3).

Czy zatem AI poradzi sobie ze złożonością otaczającego nas świata rzeczywistego?

Termin złożoność wyraża liczbę, stopień skomplikowania i różnorodność elementów występujących zarówno w środowisku zewnętrznym i wewnętrznym danego systemu. Złożoność organizacji możemy natomiast zdefiniować jako „macierz wzajemnych powiązań i relacji zachodzących pomiędzy poszczególnymi elementami, wymiarami i płaszczyznami otoczenia organizacji”. W omawianym kontekście można zatem określić złożoność organizacji poprzez dwa wymiary, które tworzą jeden spójny obraz.

Z jednej strony, organizacja jest systemem inżynieryjnym, na który składają się wszelkiego rodzaju bilanse, tabele, wskaźniki, systemy księgowe, struktura administracyjna – dość przewidywalne i kontrolowalne. W tym obszarze złożoność jest wręcz istotą natury takich organizacji i zarazem naturalnym skutkiem dziejącego się postępu. Dla przykładu IBM posiada wielowymiarową strukturę macierzową, dzięki której może świadczyć skoordynowane usługi klientom na całym świecie. Innym przykładem jest Airbus, który – aby wyprodukować samolot A380 – prowadzi skomplikowany proces zarządzania tysiącami dostawców, co w konsekwencji pozwala, aby w optymalny sposób zarządzić złożonym procesem produkcji. Z drugiej strony, organizacja jest systemem społecznym, z macierzą relacji, zachowaniami czy kulturą jego uczestników, który jest znacznie bardziej złożony i nieprzewidywalny.

Na podstawie wielu badań nad wymiarami złożoności organizacji, Julian Birkinshaw (literatura źródłowa pkt. 4)rozpoznaje trzy procesy, które występując w organizacji determinują poziom jej złożoności. Są to: projektowanie organizacji – związane z alokacją poszczególnych ról i odpowiedzialności w strukturze poprzez pewien odgórny plan generalny; emergencja – zjawisko, które pojawia się przy przekroczeniu pewnej krytycznej liczby elementów danego systemu oraz stopnia ich skomplikowania i wyraża się całkowicie nową jakością charakteryzującą ten system, ujawnia się na konkretnym poziomie organizacji i w żaden sposób nie może być wyprowadzone z właściwości poziomu niższego;entropia – stopniowe podążanie systemu organizacji w kierunku nieuporządkowania.

W przypadku złożoności organizacji kluczową informację stanowi fakt, że jeśli wzrasta stopień skomplikowania relacji pomiędzy elementami organizacji, to entropia rośnie

Miłośnicy samoorganizacji często zauważają, że firmy są systemami otwartymi, które wymieniają się zasobami z resztą świata, a to zewnętrzne źródło energii pomaga im je odnowić i odświeżyć. W rzeczywistości wiele dużych organizacji w niewielkim stopniu otwiera się na wpływy zewnętrzne (literatura źródłowa pkt. 5). Powoduje to, że w życiu organizacji zaczyna dominować drugie prawo termodynamiki, mówiące o tym, że system zamknięty będzie stopniowo zmierzał w kierunku stanu maksymalnego zaburzenia tj. entropii. Najogólniej rzecz ujmując, druga zasada termodynamiki stwierdza, że „wszystkie procesy fizyczne są nieodwracalne, ponieważ część energii zawsze ulega dyssypacji w postaci ciepła” (literatura źródłowa pkt. 6).

Jest to jedyne z podstawowych praw fizyki, które rozróżnia przeszłość i przyszłość, i tym samym jedno z kluczowych praw naszego wszechświata. Wzrost entropii nie jest więc niczym innym, jak tylko wszechobecnym naturalnym narastaniem bałaganu. W przypadku złożoności organizacji, kluczową informację stanowi fakt, że jeśli wzrasta ilość i stopień skomplikowania relacji pomiędzy elementami organizacji (koordynacja, systemy zarządzania, itp.), to entropia zawsze rośnie. Zgodnie z tym rozumowaniem różnica między przeszłością, a przyszłością oznacza, że wczoraj było lepiej uporządkowane niż dzisiaj. A to już nie jest trywialny wniosek dla strategii jutra.

Aby spróbować poradzić sobie z entropią musimy mieć świadomość, że wszechświat naturalnie przesuwa się w kierunku zaburzeń, dlatego trzeba poświęcić energię, aby stworzyć stabilność, strukturę i prostotę. Świadomość ta – iż w funkcji czasu zaburzenia mają naturalną skłonność do narastania oraz że możemy przeciwdziałać tej tendencji poprzez wydatkowanie energii – ujawnia główny sens życia nie tylko dla rozwoju organizacji. Człowiek musi pojąć ten fakt, aby stworzyć użyteczne rodzaje porządku, które będą na tyle odporne, aby wytrzymać niekończące odradzanie się entropii. Jak zatem opisać nasz współczesny świat tkwiący w erze TMI z dynamicznie nadchodzącą osobliwością, która stawia pytanie: Kiedy człowiek przekroczy granice biologii?

Istnieją, przynajmniej trzy podstawowe czynniki, które determinują codzienną aktywność Homo Sapiens, tj. potrzeba uznania, skłonność do agresji i zwykła pazerność. Zależności te są trudne do pojęcia dla samego człowieka i nie da się ich zapisać w postaci algorytmu. Dodając do tego złożoność organizacji, emergencję i entropię otrzymamy obraz otaczającej rzeczywistości. Dopiero macierz tych powiązań opisuje prawdziwą gramatykę złożoności otaczającego nas świata.

Jak przygotować nasz ekosystem na nadchodzące wyzwania, które w istocie swego piękna mogą sprawić, że nasze życie będzie łatwiejsze?

Sens powyższego pytania doskonale oddaje definicja rzeczywistości zaczerpnięta z książki Andrzeja Zawiślaka „O kwantach, rynkach i ekonomistach. Ikebana zadziwień i paradoksów”: „Rzeczywistość to świadomość plus reszta Wszechświata” (literatura źródłowa pkt. 7). Świadomość jest naszym słownikiem pojęć, który budujemy w procesie naszej codziennej edukacji, otwartości na wyzwania i nadążania za dynamicznie rozwijającym się postępem. Jak zatem przygotować nasz ekosystem na nadchodzące wyzwania, które w istocie swego piękna mogą sprawić, że nasze życie będzie łatwiejsze? Co prawda  wiemy, że użycie technologii do optymalizacji procesów produkcji będzie raczej proste i łatwe w implementacji, to jednak główne wyzwanie będzie skupiać się na walce z ciemnymi stronami ludzkiego charakteru i z drugą zasadą termodynamiki.

Czy złożoność da się uprościć? Wygląda na to, że kolejnym etapem, który stanie się wyzwaniem dla AGI, będzie z jednej strony nasza ludzka mentalność, a z drugiej strony złożoność i walka z entropią. Z naszą mentalnością, w ramach dalszego rozwoju cywilizacyjnego, być może sobie poradzimy. Kluczową rolę odegra tu mądrość, która jest zdolnością do identyfikowania najistotniejszych kwestii naszych czasów, analizowania ich atrakcyjności i dokonywania takich wyborów, które umożliwią realizację szlachetnych celów. Do walki ze złożonością możemy użyć Brzytwy Ockhama, czyli niemnożenie bytów poza konieczność, aby niwelować to, co wydaje się niekonieczne, ponieważ wymaga to jedynie umiejętności podejmowania decyzji. Ciekawe. Znów wracamy do mentalności.

Co natomiast z entropią? Zgodnie z przywołaną powyżej, drugą zasadą termodynamiki, z entropią nie można wygrać. Niemniej świadomość jej istnienia i jej rola w kreowaniu złożoności organizacji, pozwoli w przyszłości na opracowanie leku na jej spowolnienie. Szczególnie teraz, w czasach nadmiaru informacji, znalezienie tego właściwego remedium, będzie wymagać głębokiego zrozumienia mechanizmu jej powstawania (złożoności). Jedynym sensownym sposobem na uporządkowanie spraw w walce z entropią jest dodatkowy zastrzyk energii. Porządek po prostu wymaga wysiłku.

Czy złożoność organizacji da się uprościć? Przykład z sektora bankowego

Najlepszą formą zrozumienia, o co w tym wszystkim chodzi, jest wizualizacja omawianych procesów na przykładzie sektora bankowego. Statystyka mówi, że zasoby ludzkie i informatyka (HR i IT) stanowią średnio 66% kosztów administracyjnych banku (literatura źródłowa pkt. 8). Banki (i nie tylko) dążąc do maksymalizacji zysku, będą na tym polu szukać efektywności kosztowej. Sztuczna Inteligencja, Machine Learning, Cloud Computing, Blockchain, Data Science i wiele innych idei, ukazuje mnogość i wielowątkowość możliwych do wykorzystania innowacji i technologii, które w sposób zasadniczy mogą zmienić obraz współczesnego banku. Tłumaczy to jasno, dlaczego opisując złożoność organizacji skupiłem się na przyczynach jej powstawania na dwóch płaszczyznach jej aktywności: inżynierskiej i ludzkiej. Całością tak naprawdę steruje walka z niedocenioną entropią, której nie da się wyeliminować, ponieważ jest stałym elementem krajobrazu każdej organizacji.

Nie wchodząc w szczegóły organizacyjne banku, można zaryzykować utopijną nieco wizję. Założenie podstawowe – obserwator, który spogląda na istotę działania banku z punktu widzenia efektywności kosztowej. Założenie dodatkowe – strategia przetrwania w sytuacji, gdy giganci, tacy jak Google, Amazon, Facebook i Apple (tzw. GAFA), wkraczają w obszar aktywności banków, muszą mieć, odpowiednie możliwości do budowania przewagi konkurencyjnej. Te możliwości to wykorzystanie w praktyce współczesnych, dynamicznie rozwijających się technologii, sił emergencji i trendów w budowaniu marki. Wpływ złożoności organizacji może być intuicyjnie negatywny i bardzo trudny do zmierzenia, chyba że wykorzystany zostanie mechanizm pomiaru entropii oparty o świadomość jej stanu i zaimplementowany w strategię rozwoju organizacji jako istotny czynnik zarządczy.

Na potrzeby niniejszych rozważań przyjmijmy uzasadnione w praktyce założenie, że wielowymiarowe środowisko IT jest najbardziej kosztownym pod względem utrzymania i złożoności, składnikiem organizacji, a jego skutkiem są nieinformatyczne koszty operacyjne. Równie istotny jest wpływ, jaki złożoność ta ma na określenie wartości każdego wydatku inwestycyjnego w obszarze IT. To uzasadnia poszukiwanie nowych dróg optymalizacji kosztów poprzez zmiany technologiczne. Wątek HR jest, mimo złożoności ludzkiej natury, prostszy ponieważ do pewnego stopnia można go ograniczyć, poprzez zbudowanie architektury banku opartej na nowym modelu zarządzania jego pracownikami. To powoduje, że czynnik ludzki w naturalny sposób zostaje ograniczany wraz z postępem technologicznym.

Jak zatem może brzmieć odpowiedź na pytanie zawarte w tytule niniejszego artykułu?

W praktyce codziennych zmagań, złożoność banków można uprościć poprzez zmianę struktury działania na rzecz cywilizacyjnych osiągnięć. Giganci światowego rynku mają globalny zasięg oparty o rozwiązania chmurowe (cloud computing). Dlaczego w tej sytuacji nie powołać do życia podmiotu, który byłby wspólnym dzieckiem sektora bankowego do zarządzania dedykowaną dla niego (docelowo nie tylko) chmurą, w której będzie koegzystowało ze sobą to jedno wspólne środowisko IT, np. dla bankowości internetowej? Dlaczego w podobnym modelu, nie powołać do życia jednego Centrum Data Science (nazwa może być dowolna) we współpracy z jakąś globalną firmą, aby wykorzystać jej brand do stworzenia lokalnego modelu ratingowego – coś na wzór S&P – do oceny kondycji lokalnego sektora w świetle zarządzania ryzykiem? Podobnie można pomyśleć o Centrum Obsługi Prawnej będącym stroną dla regulatora i wielu innych obszarach działalności banków, które można zestandaryzować. Cyberbezpieczeństwo świadomie pominę jako oczywistość.

Posiadając mechanizmy sztucznej inteligencji, można tym wszystkim zarządzić bez uszczerbku dla pozycji rynkowej poszczególnych banków. Struktura organizacyjna banku przyszłości będzie zdecydowanie bardziej przejrzysta i skupiona na właściwej roli biznesowej. Wymaga to jednak optymalizacji istniejącego ekosystemu, nie tylko IT, oraz zbudowania wspólnego frontu do walki z nadchodzącymi Fintechami. Oznacza to wspólnotę celów dla środowiska. Ale też walkę z ludzką mentalnością.

Być może bank przyszłości, będzie bankiem partnerskim, który z jednej strony podzieli się z klientem ryzykiem straty, a z drugiej strony klient podzieli się z bankiem szansą zysku. Byłby to wtedy bank – doradca przedstawiciel tego szlachetnego systemu finansowego, który wykorzysta najlepsze wzorce AGI do zbudowania optymalnych algorytmów wiedzy o rynku, o oczekiwaniach klientów i o związanym z tym ryzykach wspólnych celów. Nie będzie wtedy ważne, ile mam możliwości wydawania pieniędzy, ważne będzie, jak mogę je zarobić inwestując w doborowym towarzystwie. Bez względu na to w jakiej architekturze taki bank będzie egzystował. Taki model biznesowy obroni się sam przed ciemną stroną ludzkiej natury, przez którą dzisiaj stworzył wiele kosztownych systemów zabezpieczeń. Dlatego z nadzieją powinniśmy wyczekiwać nadchodzącej osobliwości, która być może stworzy sztuczną inteligencję ogólną. Jaki będzie wtedy model biznesowy banku przyszłości? Może będzie to bank, w którego zarządzie będą zasiadać Technologiczne Osobliwościwyposażone w potęgę AGI z charakterystycznymi wadami wywołanymi przez entropię, która i tak będzie rozwijać się w sposób ze wszech miar charakterystyczny dla mechanizmów AGI – czyli od entropii informacji Shannona do entropii niepewności w Machine Learning.

Według austriackiego fizyka Ludwiga Boltzmanna, entropia jest miarą zaburzeń w układzie fizycznym i jest miarą niepewności związaną z jego stanem fizycznym. Podobna koncepcja niepewności i braku wiedzy istnieje również w uczeniu maszynowym. W rzeczywistości, entropia jest miarą oczekiwanej ilości informacji. Koncepcja ta odgrywa kluczową rolę w uczeniu maszynowym (ML) (literatura źródłowa pkt. 9). Czy możliwym jest zatem, że świat osiągnie stan ograniczenia procesu entropi dzięki AGI? Czy wtedy okaże się, że druga zasada termodynamiki stanie się jedynie częścią historii fizyki, co będzie dowodem na to, że ze złożonością można jednak wygrać?

Przyszłość to geometryczna koegzystencja środowiska chmurowego, w którym będą dominować AGI i komputery kwantowe wraz z kotem Schrödingera

Z dzisiejszej perspektywy i dynamiki rozwoju postępu, wydaje się, że Architektura Świata Przyszłości będzie niezwykle prosta. Będzie to geometryczna koegzystencja Środowiska Chmurowego, w którym będą dominować sztuczna inteligencja ogólna i komputery kwantowe wraz z kotem Schrödingera. W kolejnym rogu, stać będzie Laboratorium produkujące stan zera (prawie) bezwzględnego, a to wszystko będzie zasilane energią z ekologicznej Elektrowni Atomowej. Tyle, że taki trójkąt nadal będzie się zmagać z ciepłem i złożonością, a to oznacza powrót entropii. Reszta będzie już tylko emergentną komercją. Nie da się zrozumieć przyszłości nie rozumiejąc teraźniejszości jako punktu odniesienia.

Obawiam się, że K. Kelly w książce „Nieuniknione – jak technologie zmienią naszą przyszłość” ujął wyjątkowo sensowną funkcję celu tego wyzwania: „Ironią okazuje się to, że najważniejszą korzyścią z posiadania sztucznej inteligencji do codziennego użytku nie będzie redukcja kosztów, zwiększenie efektywności, choć są one również duże, czy nowy sposób prowadzenia badań naukowych – chociaż to wszystko oczywiście się stanie – najważniejszą korzyścią z pojawienia się AI jest to, że pomoże nam zdefiniować, czym i kim jest człowiek. Potrzebujemy AI, aby się dowiedzieć od niej kim naprawdę jesteśmy. Dzięki AI lepiej zrozumiemy co to jest inteligencja” (literatura źródłowa pkt. 10).

Miejmy nadzieję, że wtedy pozwoli to odblokować nowe poziomy kreatywności i innowacyjności człowieka. Aby jednak odblokować ten potencjał, potrzebne będzie nowe spojrzenie na podejście do projektowania organizacji, które zoptymalizuje strategię organizacji pod kątem niepewności (entropii). Podejście, które postawi na pierwszym miejscu otwartość, przejrzystość, ewolucyjność i zaangażowanie. To pozwoli zbudować organizację, która z jednej strony wykorzysta potencjał sztucznej inteligencji, jednocześnie uwalniając potencjał ludzkiej inteligencji.

Czy w takiej sytuacji, pozwolimy dorosnąć sztucznej inteligencji? I co ważniejsze czy sami do niej dojrzejemy? Czy człowiek potrafi stworzyć coś co będzie od niego mądrzejsze? Odpowiedź na te pytania wciąż pozostaje otwarta. O ile mi wiadomo nie ma jeszcze projektów budowy AGI, nie tylko dlatego że byłoby to komercyjnie wątpliwe, ale również dlatego, że samo pojęcie nie jest jednoznaczne i spójne.

Ciekawy przykład próby wykorzystania sztucznej inteligencji w praktyce opisuje Michio Kaku w książce „Przyszłość ludzkości”: „W 2013 roku Agencja Zaawansowanych Projektów Badawczych w Dziedzinie Obronności DARPA (Defense Advanced Research Projects Agency), rzuciła wyzwanie naukowcom z całego świata. Wezwała do ich do skonstruowania robota, który mógłby posprzątać promieniotwórczy bałagan w elektrowni jądrowej w Fukushimie, gdzie w 2011 roku doszło do stopienia rdzeni w reaktorach jądrowych. Szefom DARPA przyświecała idea, że ta eFlektrownia jest doskonałym miejscem do wykorzystania najnowszych zdobyczy w zakresie AI i ogłosili konkurs DARPA Robotics Challenge. Reguły były proste. Robot miał poradzić sobie z wykonaniem ośmiu podstawowych zadań, m.in. prowadzić samochód, usuwać gruz, otwierać drzwi, zakręcać zawory, podłączyć wąż strażacki i odkręcać wodę. Konkurs pokazał, że budowa AI jest bardziej wyrafinowana niż myślano pierwotnie. Zakończył się kompromitacją” (literatura źródłowa pkt. 11).

Literatura źródłowa:

1. Pinker S., Nowe Oświecenie. Argumenty za rozumem, nauką, humanizmem i postępem, Zysk i S-ka, Poznań 2018
2. Deutsch D., Struktura rzeczywistości, Prószyński i S-ka, Warszawa 1997
3. Horvatic D., Lipic T. Human-Centric AI: The Symbiosis of Human and Artificial Intelligence https://www.mdpi.com/journal/entropy/special_issues/Human-Centric_AI
4. Julian Birkinshaw, Managing Complexity is the Epic Battle Between Emergence and Entropy, Harvard Business Review, November 11, 2013
5. Julian Birkinshaw, op. cit.
6. Highfield R, Coveney P., Strzałka czasu, Zysk i s-ka, 1997
7. Zawiślak A. M., O kwantach, rynkach i ekonomistach. Ikebana zadziwień i paradoksów, Poltex, Warszawa, 2011
8. https://www.it.kearney.com/financial-services/article?/a/managing-complexity-preemptively-at-banks
9. Preiswerk F., Shannon entropy in the context of machine learning and AI https://medium.com/swlh/shannon-entropy-in-the-context-of-machine-learning-and-ai-24aee2709e32
10. Kelly K., Nieuniknione. Jak inteligentne technologie zmienią naszą przyszłość, Poltext, Warszawa 2017
11. Kaku M., Przyszłość ludzkości, Prószyński i S-ka, Warszawa 2018
12. Birkinshaw J., Managing Complexity: The Battle Between Emergence and Entropy, Forbes 28 November 2013
13. Chojnowski M., Stuart Russell; Pędzimy ku przepaści,
    https://www.sztucznainteligencja.org.pl/stuart-russell-pedzimy-ku-przepasci/
14. Dooley K., Organizational Complexity, https://www.researchgate.net/publication/228384313_Organizational_complexity
15. Gleick J., Informacja. Bit, Wszechświat, Rewolucja, Wydawnictwo Znak, Kraków 2012
16. Highfield R., Coveney P., Strzałka czasu, Zysk i s-ka, 1997
17. Kaku M., Fizyka przyszłości. Nauka do 2100 roku, Prószyński i S-ka, Warszawa 2011
18. Kurzweill R., Nadchodzi osobliwość. Kiedy człowiek przekroczy granice biologii, Kurhaus Publishing Kurhaus Media, Warszawa 2013
19. Preiswerk F., Shannon entropy in the context of machine learning and AI
    https://medium.com/swlh/shannon-entropy-in-the-context-of-machine-learning-and-ai-24aee2709e32
20. Rovelli C., Tajemnica czasu, Wydawnictwo JK, Łódź 2019
21. Stępień A., Zjawisko entropii na przestrzeni cyklu życia organizacji, Praca magisterska UW, Warszawa 2016
22. Tegmark M., Życie 3.0. Człowiek w erze sztucznej inteligencji, Prószyński Media, 2019
23. https://www.it.kearney.com/financial-services/article?/a/managing-complexity-preemptively-at-banks