Uczenie maszynowe, sieci neuronowe i sztuczna inteligencja (AI): w jaki sposób inteligentne technologie przewidują decyzje?

Część serii „Sztuczna inteligencja dla początkujących”

Co to jest sztuczna inteligencja i jak wpływa na proces podejmowania decyzji? Co należy rozumieć na temat sztucznej inteligencji, aby zbadać, w jaki sposób ta forma technologii zapewnia przedsiębiorstwom narzędzie umożliwiające zrozumienie ludzkich decyzji? Właśnie tym zagadnieniom przyjrzę się głębiej w tym artykule.

Dla kogoś, kto nie zajmował się sztuczną inteligencją, sam termin może sprowadzić go do wyobrażenia sobie postapokaliptycznego świata w wyniku „Skynetu” lub być może tak zwanego „uszkodzonego” systemu komputerowego V.I.K.I w I-Robocie. Te udramatyzowane wersje „przyszłości” przedstawianej przez Hollywood zapominają jednak powiedzieć, że sztuczna inteligencja to obszar, na badaniu którego najbardziej inteligentne umysły spędzają czas, czego przykładem są „Watson” IBM lub jeszcze wcześniejsze „Eliza”, której celem było wdrożenie testu Turinga, nie jest zaskoczeniem, że obserwujemy ciągły postęp w branży sztucznej inteligencji. Zanim dokładnie przeanalizuję, w jaki sposób postęp technologiczny prowadzi do „inteligentnych” decyzji podejmowanych na podstawie złożonych algorytmów, uważam, że ważne jest, abyśmy dokładnie zrozumieli, czym są powyższe terminy i jaką rolę odgrywają w szeregu innych systemów w przestrzeni sztucznej inteligencji .

Począwszy od uczenia maszynowego, ten obszar sztucznej inteligencji ma na celu badanie algorytmów, które pozwalają maszynom działać bez programowania. Te tak zwane maszyny i algorytmy uczą się na podstawie wzorców i odpowiednio dostosowują swoje zachowanie. Zatem w pewnym stopniu można to uznać za formę półautonomicznego podejmowania decyzji, której celem jest wyeliminowanie interakcji międzyludzkich. Sztuczne sieci neuronowe (ANN) to modele oparte na biologicznych sieciach neuronowych obecnych w mózgu, których zadaniem jest rozwiązywanie zadań, które byłyby zbyt trudne w przypadku tradycyjnych metod programowania. Zatem połączenie tych dwóch może prowadzić do zestawu algorytmów, które nie tylko uczą się na podstawie wzorców, ale także wykorzystują formy programowania, których nie byłyby w stanie rozwiązać tradycyjne metody. Właśnie tę formę analizy zbadam bardziej szczegółowo, chociaż w przyszłości przyjrzę się głębokiemu uczeniu się, eksploracji danych i przetwarzaniu języka naturalnego (NLP) oraz tym, w jaki sposób wszystkie te formy sztucznej inteligencji mogą również przynieść korzyści firmie i jej szerszym konsumentom .

Firmy takie jak Apple, Google i Microsoft korzystają z form sztucznej inteligencji, a dokładniej z form uczenia maszynowego, co jest prezentowane w postaci Siri, Google Now i Cortana. Chociaż w tym przypadku być może skupiono się na głębszym zrozumieniu mowy za pomocą NLP, systemy te nieustannie pracują nad rozpoznawaniem wzorców w ludzkich zachowaniach. Lepszym przykładem w przypadku Apple jest rozpoznawanie i analiza wzorców w klawiaturach predykcyjnych, które stale uczą się, jak użytkownik wchodzi w interakcję z urządzeniem mobilnym i klawiaturą, a efektem końcowym jest umożliwienie użytkownikowi szybkiego pisania wiadomości w swoim własnym języku. stylu i wyeliminowania typowych błędów w tym procesie. Pod tym względem jest to algorytm, który stale ewoluuje, co świadczy o zrozumieniu przez Apple algorytmów samodoskonalących się. W miarę jak Facebook zaczyna badać pomysł stworzenia własnego oprogramowania NLP podobnego do Siri w komunikatorze, on również bada różne formy sztucznej inteligencji, których można użyć w celu poprawy ogólnego doświadczenia użytkownika, ale w tle zaczyna analizować zainteresowania użytkowników i wzorce zachowań. Jednak to Google prowadzi w wyścigu o stworzenie czegoś, co przejdzie test Turinga, a po niedawnym przejęciu DeepMind wygląda na to, że nie planuje zwalniać tempa w najbliższej przyszłości. Sztuczna inteligencja to coś, co Google wdraża w szeregu swoich produktów, od Map po reklamy i wszystko pomiędzy.

Jak więc ta technologia naprawdę wpływa na styl życia codziennego użytkownika i jak można ją wykorzystać do przewidywania decyzji podejmowanych przez osoby z niej korzystające? Jeden ze sposobów został już wyraźnie zademonstrowany w postaci predykcyjnej analizy tekstu, ale inne formy, takie jak „NEIL” lub Never Ending Image Learner, zaczynają już pojawiać się na większym rynku. NEIL został wydany na Uniwersytecie Carnegie Melon i wykorzystuje złożone algorytmy do ciągłego porównywania relacji między różnymi obrazami. Chociaż możliwości techniczne mogą być obecne, pytanie brzmi, w jaki sposób można wykorzystać to narzędzie, aby przynosiło korzyści codziennemu użytkownikowi oraz powiązaniom między firmami i osobami fizycznymi? Z pewnością jednym ze sposobów opracowania tej technologii jest połączenie analizy wzorców w modzie. W miarę przyzwyczajania się ludzi do własnego „stylu” można wdrożyć technologię taką jak NEIL, aby zapewnić użytkownikowi dalsze „podobne” elementy garderoby, które do niego pasują, usuwając w ten sposób barierę w poszukiwaniu czegoś nowego, co pasuje do jego stylu. Zależy to jednak od tego, czy styl użytkownika pozostanie niezmienny i naturalnie należy wdrożyć formy zautomatyzowanego uczenia się, aby pomóc algorytmom dostosować się do zmian w stylu i modzie. Jest to również bardzo przydatne dla osób zajmujących się biznesową stroną mody, ponieważ ci, którzy działają w tej branży, mają możliwość przejrzystej analizy popularnych elementów garderoby, a nawet można przewidzieć, że prognozowanie w przyszłości wskaże trendy oparte na algorytmach. Manipulowane algorytmy mają na celu wywarcie wpływu na decyzję konsumenta aż do momentu zakupu, a tym samym umożliwiają przedsiębiorstwom czerpanie korzyści z tego rodzaju technologii. Chociaż może to budzić wątpliwości etyczne, czy nierozsądnym jest założenie, że technologia zmierza w tym kierunku? Czas pokaże, kiedy Google i inne wiodące firmy wpompują pieniądze w tę nową inteligencję.

Gdzie zatem można wdrożyć sztuczną inteligencję, aby uzyskać zrozumienie użytkownika lub przyjąć założenia predykcyjne na jego temat. Można argumentować, że niemal każda branża może odnieść korzyści z tego rodzaju technologii, ponieważ masowe dane można zmieniać i prezentować w spersonalizowany sposób. Najnowsze prace badawcze skutecznie wykazują, że połączenie eksploracji danych i analizy danych z wykorzystaniem algorytmów samouczących się pozwala komputerom na zrozumienie poszczególnych osób na podstawie ich kont na Facebooku, pod warunkiem dostarczenia wystarczającej ilości informacji. Nie oznacza to tylko dokładniejszego zrozumienia użytkownika, ale prowadzi do tego, że komputery są w stanie podejmować decyzje inteligentne emocjonalnie. Można nawet argumentować, że komputery zyskują coraz większe umiejętności społeczne. W ten sposób zbiory danych stają się bardziej specyficzne dla każdego użytkownika, a firmy są w stanie przedstawić informacje dostosowane do każdej osoby. To, co tutaj argumentuję, prowadzi oczywiście do poglądu, że komputery coraz lepiej rozumieją jednostkę, a w miarę budowania cyfrowego śladu algorytmy te pozwalają firmom podejmować bardziej świadome decyzje dotyczące danej osoby. Może to jednak sprawić, że szersza opinia publiczna poczuje się niekomfortowo, ale jest to kwestia etyczna i pozostawiam ją do zrozumienia przez każdą osobę inaczej. Jedno staje się jednak jasne: prywatność w Internecie będzie czymś, co będzie trudniejsze do osiągnięcia przez pokolenia po nas, chyba że powstanie produkt przeciwny.

Teraz, gdy wyjaśniłem rosnący poziom inteligencji, jaką posiadają dziś komputery, łatwo zauważyć, że przyszłość wskazuje na świat, w którym czyjąś cyfrową obecność można łatwo zinterpretować i przewidzieć za pomocą inteligentnych algorytmów. Ponieważ komputery wykonują procesy szybciej niż ludzki umysł, zdolność przetwarzania danych staje się możliwa i dokładniejsza. Należy jednak zrozumieć, że nie należy tego postrzegać w negatywnym świetle lub jako niebezpiecznego narzędzia, jakim dysponują przedsiębiorstwa, lecz zamiast tego twierdzę, że narzędzia te powinny być wykorzystywane do dalszego napędzania innowacji, umożliwiając ludziom tworzenie produktów, które nie tylko działają efektywniej, ale działają na korzyść użytkownika końcowego na poziomie spersonalizowanym, ponieważ oprogramowanie zaczyna rozumieć końcową grę osoby, która z niego korzysta, i dzięki temu jest w stanie szybciej prezentować te dane. W ciągu najbliższych kilku miesięcy będę pisać artykuły dotyczące sztucznej inteligencji i stale zmieniającej się dziedziny technologii, aby ułatwić zwykłemu człowiekowi zrozumienie zasad sztucznej inteligencji i jej działania. Moim celem jest oczyszczenie branży z tajemnic i uczynienie jej bardziej zrozumiałą, tak aby szersza publiczność była w stanie zrozumieć zarówno wady, jak i zalety branży oraz jej potencjał.