AI uzvedības prognozēšana: mašīnas, kas paredzētas nākotnes prognozēšanai

ATTĒLA KREDĪTS:
Attēls kredīts
iStock

AI uzvedības prognozēšana: mašīnas, kas paredzētas nākotnes prognozēšanai

AI uzvedības prognozēšana: mašīnas, kas paredzētas nākotnes prognozēšanai

Apakšvirsraksta teksts
Pētnieku grupa izveidoja jaunu algoritmu, kas ļauj mašīnām labāk paredzēt darbības.
    • Autors:
    • Autors nosaukums
      Quantumrun Foresight
    • 17. gada 2023. maijs

    Ierīces, ko darbina mašīnmācīšanās (ML) algoritmi, strauji maina mūsu darba un saziņas veidu. Un, ieviešot nākamās paaudzes algoritmus, šīs ierīces var sākt sasniegt augstāku argumentācijas un izpratnes līmeni, kas var atbalstīt proaktīvas darbības un ieteikumus to īpašniekiem.

    AI uzvedības prognozēšanas konteksts

    2021. gadā Columbia Engineering pētnieki atklāja projektu, kurā tiek izmantota paredzamā ML, pamatojoties uz datorredzi. Viņi apmācīja mašīnas, lai prognozētu cilvēku uzvedību līdz pat dažām minūtēm nākotnē, izmantojot tūkstošiem stundu vērtas filmas, TV šovus un sporta video. Šis intuitīvākais algoritms ņem vērā neparastu ģeometriju, ļaujot mašīnām veikt prognozes, kuras ne vienmēr ir saistošas ​​tradicionālajiem noteikumiem (piemēram, paralēlas līnijas, kas nekad šķērso). 

    Šāda veida elastība ļauj robotiem aizstāt saistītos jēdzienus, ja viņi nav pārliecināti, kas notiks tālāk. Piemēram, ja iekārta nav pārliecināta, vai cilvēki pēc tikšanās paspiedīs roku, viņi to atzīs kā "sveicienu". Šī prognozējošā AI tehnoloģija var atrast dažādus lietojumus ikdienas dzīvē, sākot no palīdzības cilvēkiem ikdienas uzdevumos līdz rezultātu prognozēšanai noteiktos scenārijos. Iepriekšējie centieni piemērot paredzamo ML parasti bija vērsti uz vienas darbības paredzēšanu jebkurā laikā, algoritmiem cenšoties klasificēt šo darbību, piemēram, piedāvājot apskāvienu, rokasspiedienu, augstu pieci vai nekādu darbību. Tomēr raksturīgās nenoteiktības dēļ lielākā daļa ML modeļu nevar noteikt līdzības starp visiem iespējamiem rezultātiem.

    Traucējoša ietekme

    Tā kā pašreizējie algoritmi joprojām nav tik loģiski kā cilvēkiem (2022), viņu kā līdzstrādnieku uzticamība joprojām ir salīdzinoši zema. Lai gan viņi var veikt vai automatizēt konkrētus uzdevumus un darbības, tos nevar ieskaitīt abstrakcijas vai stratēģijas veidošanā. Tomēr jaunie AI uzvedības prognozēšanas risinājumi mainīs šo paradigmu, jo īpaši attiecībā uz to, kā mašīnas strādās kopā ar cilvēkiem nākamajās desmitgadēs.

    Piemēram, AI uzvedības prognozēšana ļaus programmatūrai un iekārtām piedāvāt jaunus un vērtīgus risinājumus, ja rodas neskaidrības. Jo īpaši pakalpojumu un ražošanas nozarēs koboti (sadarbības roboti) spēs lasīt situācijas jau laikus, nevis sekot parametru kopumam, kā arī ieteikt iespējas vai uzlabojumus saviem kolēģiem. Citi iespējamie lietošanas gadījumi ir saistīti ar kiberdrošību un veselības aprūpi, kur arvien vairāk var uzticēties robotiem un ierīcēm, lai tie nekavējoties veiktu darbības, pamatojoties uz iespējamām ārkārtas situācijām.

    Uzņēmumi kļūs vēl labāk sagatavoti, lai piedāvātu saviem klientiem pielāgotus pakalpojumus, lai radītu individualizētāku pieredzi. Tas varētu kļūt par ikdienišķu uzņēmumu sniegt ļoti personalizētus piedāvājumus. Turklāt AI ļaus uzņēmumiem gūt dziļāku ieskatu klientu uzvedībā, lai optimizētu mārketinga kampaņas, lai panāktu maksimālu efektivitāti vai efektivitāti. Tomēr plaši izplatīta uzvedības prognozēšanas algoritmu pieņemšana varētu radīt jaunus ētiskus apsvērumus saistībā ar privātuma tiesībām un datu aizsardzības likumiem. Tā rezultātā valdības var būt spiestas pieņemt papildu pasākumus, lai regulētu šo AI uzvedības prognozēšanas risinājumu izmantošanu.

    Pieteikumi AI uzvedības prognozēšanai

    Dažas AI uzvedības prognozēšanas lietojumprogrammas var ietvert:

    • Pašbraucoši transportlīdzekļi, kas var labāk paredzēt, kā uz ceļa uzvedīsies citas automašīnas un gājēji, tādējādi samazinot sadursmju un citu negadījumu skaitu.
    • Tērzēšanas roboti, kas var paredzēt, kā klienti reaģēs uz sarežģītām sarunām, un piedāvās pielāgotākus risinājumus.
    • Roboti veselības aprūpes un palīdzības aprūpes iestādēs, kas var precīzi paredzēt pacientu vajadzības un nekavējoties risināt ārkārtas situācijas.
    • Mārketinga rīki, kas var paredzēt lietotāju tendences sociālo mediju platformās, ļaujot uzņēmumiem atbilstoši pielāgot savas stratēģijas.
    • Finanšu pakalpojumu uzņēmumi, kas izmanto mašīnas, lai noteiktu un prognozētu nākotnes ekonomikas tendences.
    • Politiķi, kas izmanto algoritmus, lai noteiktu, kurā apgabalā, visticamāk, būs visaktīvākā vēlētāju bāze, un paredzētu politiskos rezultātus.
    • Iekārtas, kas var analizēt demogrāfiskos datus un sniegt ieskatu kopienu vajadzībām un vēlmēm.
    • Programmatūra, kas var noteikt nākamo labāko tehnoloģisko sasniegumu konkrētai nozarei vai nozarei, piemēram, prognozēt vajadzību pēc jaunas produktu kategorijas vai pakalpojumu piedāvājuma jaunā tirgū.
    • To jomu identificēšana, kurās pastāv darbaspēka vai prasmju trūkums, organizāciju sagatavošana uzlabotiem talantu pārvaldības risinājumiem.
    • Algoritmi, ko izmanto, lai precīzi noteiktu mežu izciršanas vai piesārņojuma vietas, kurām var būt nepieciešama īpaša uzmanība, plānojot saglabāšanas vai vides aizsardzības pasākumus.
    • Kiberdrošības rīki, kas var atklāt jebkuru aizdomīgu uzvedību, pirms tā kļūst par draudu, palīdzot veikt agrīnus profilakses pasākumus pret kibernoziegumiem vai teroristu darbībām.

    Jautājumi, kas jāapsver

    • Kā citādi, jūsuprāt, AI uzvedības prognozēšana mainīs mūsu mijiedarbību ar robotiem?
    • Kādi ir citi paredzamās mašīnmācības lietošanas gadījumi?

    Ieskata atsauces

    Šim ieskatam tika izmantotas šādas populāras un institucionālas saites: