AI-adferdsprediksjon: Maskiner designet for å forutsi fremtiden

BILDEKREDITT:
Bilde kreditt
iStock

AI-adferdsprediksjon: Maskiner designet for å forutsi fremtiden

AI-adferdsprediksjon: Maskiner designet for å forutsi fremtiden

Underoverskriftstekst
En gruppe forskere laget en ny algoritme som lar maskiner forutsi handlinger bedre.
    • Forfatter:
    • forfatternavn
      Quantumrun Foresight
    • Kan 17, 2023

    Enheter drevet av maskinlæringsalgoritmer (ML) endrer raskt hvordan vi jobber og kommuniserer. Og med introduksjonen av neste generasjons algoritmer, kan disse enhetene begynne å oppnå høyere nivåer av resonnement og forståelse som kan støtte proaktive handlinger og forslag til eierne.

    AI atferdsprediksjonskontekst

    I 2021 avslørte Columbia Engineering-forskere et prosjekt som bruker prediktiv ML basert på datasyn. De trente maskiner til å forutsi menneskelig atferd opptil noen få minutter inn i fremtiden ved å bruke tusenvis av timer med filmer, TV-serier og sportsvideoer. Denne mer intuitive algoritmen tar hensyn til uvanlig geometri, og lar maskiner lage spådommer som ikke alltid er bundet av de tradisjonelle reglene (f.eks. parallelle linjer som aldri krysser hverandre). 

    Denne typen fleksibilitet lar roboter erstatte relaterte konsepter hvis de er usikre på hva som vil skje videre. For eksempel, hvis maskinen er usikker på om folk vil håndhilse etter et møte, vil de gjenkjenne det som en "hilsen" i stedet. Denne prediktive AI-teknologien kan finne ulike bruksområder i hverdagen, fra å hjelpe folk med deres daglige oppgaver til å forutsi utfall i visse scenarier. Tidligere forsøk på å bruke prediktiv ML konsentrerte seg vanligvis om å forutse en enkelt handling til enhver tid, med algoritmene som forsøkte å kategorisere denne handlingen, for eksempel å tilby en klem, håndtrykk, high-five eller ingen handling. På grunn av den iboende usikkerheten som er involvert, kan ikke de fleste ML-modeller identifisere likheter mellom alle potensielle utfall.

    Forstyrrende påvirkning

    Siden dagens algoritmer fortsatt ikke er like logiske som mennesker (2022), er deres pålitelighet som medarbeidere fortsatt relativt lav. Selv om de kan utføre eller automatisere spesifikke oppgaver og aktiviteter, kan de ikke telles for å gjøre abstraksjoner eller strategisere. Imidlertid vil nye AI-adferdsprediksjonsløsninger endre dette paradigmet, spesielt når det gjelder hvordan maskiner fungerer sammen med mennesker i løpet av de kommende tiårene.

    For eksempel vil AI-adferdsprediksjon gjøre det mulig for programvare og maskiner å foreslå nye og verdifulle løsninger når de møtes med usikkerhet. Spesielt i service- og produksjonsindustrien vil cobots (samarbeidsroboter) bli i stand til å lese situasjoner i god tid i stedet for å følge et sett med parametere, samt foreslå alternativer eller forbedringer til sine menneskelige medarbeidere. Andre potensielle brukstilfeller er innen cybersikkerhet og helsevesen, hvor roboter og enheter i økende grad kan stoles på for å iverksette umiddelbare tiltak basert på potensielle nødsituasjoner.

    Bedrifter vil bli enda bedre rustet til å tilby skreddersydde tjenester til sine kunder for å skape en mer individualisert opplevelse. Det kan potensielt bli vanlig for bedrifter å tilby svært personlige tilbud. I tillegg vil AI tillate bedrifter å få dypere innsikt i kundeadferd for å optimalisere markedsføringskampanjer for maksimal effektivitet eller effektivitet. Imidlertid kan den utbredte bruken av adferdsprediksjonsalgoritmer føre til nye etiske hensyn knyttet til personvernrettigheter og databeskyttelseslover. Som et resultat kan regjeringer bli tvunget til å lovfeste ytterligere skritt for å regulere bruken av disse løsningene for AI-adferdsprediksjon.

    Applikasjoner for AI-adferdsprediksjon

    Noen applikasjoner for AI-adferdsprediksjon kan omfatte:

    • Selvkjørende kjøretøy som bedre kan forutsi hvordan andre biler og fotgjengere vil oppføre seg på veien, noe som fører til færre kollisjoner og andre ulykker.
    • Chatboter som kan forutse hvordan kunder vil reagere på komplekse samtaler og vil foreslå mer tilpassede løsninger.
    • Roboter i helsevesenet og assisterte omsorgsinstitusjoner som kan forutsi pasientenes behov nøyaktig og umiddelbart håndtere nødsituasjoner.
    • Markedsføringsverktøy som kan forutsi brukertrender på sosiale medieplattformer, slik at bedrifter kan justere strategiene sine deretter.
    • Finansielle tjenestefirmaer som bruker maskiner for å identifisere og forutsi fremtidige økonomiske trender.
    • Politikere som bruker algoritmer for å bestemme hvilket område som sannsynligvis vil ha den mest engasjerte velgerbasen og forutse politiske utfall.
    • Maskiner som kan analysere demografiske data og gi innsikt i fellesskaps behov og preferanser.
    • Programvare som kan identifisere den nest beste teknologiske fremskritt for en bestemt sektor eller bransje, for eksempel å forutsi behovet for en ny produktkategori eller tjenestetilbud i et fremvoksende marked.
    • Identifisering av områder hvor det er mangel på arbeidskraft eller kompetansegap, forbereder organisasjoner for forbedrede talentstyringsløsninger.
    • Algoritmer som brukes til å finne områder med avskoging eller forurensning som kan trenge spesiell oppmerksomhet ved planlegging av bevaringsarbeid eller miljøverntiltak.
    • Nettsikkerhetsverktøy som kan oppdage mistenkelig atferd før det blir en trussel, og bistår med tidlige forebyggende tiltak mot nettkriminalitet eller terroraktiviteter.

    Spørsmål å vurdere

    • Hvordan tror du ellers AI-adferdsprediksjon vil endre hvordan vi samhandler med roboter?
    • Hva er de andre bruksområdene for prediktiv maskinlæring?

    Innsiktsreferanser

    Følgende populære og institusjonelle lenker ble referert for denne innsikten: