Paghula sa asal ng AI: Mga makina na idinisenyo upang mahulaan ang hinaharap

• May-akda:
• pangalan Author

  Quantumrun Foresight
• Mayo 17, 2023

Mabilis na nagbabago ang mga device na pinapagana ng machine learning (ML) algorithm kung paano tayo nagtatrabaho at nakikipag-usap. At sa pagpapakilala ng mga susunod na henerasyong algorithm, ang mga device na ito ay maaaring magsimulang makamit ang mas mataas na antas ng pangangatwiran at pag-unawa na maaaring suportahan ang mga proactive na aksyon at mungkahi para sa mga may-ari ng mga ito.

Konteksto ng hula sa asal ng AI

Noong 2021, isiniwalat ng mga mananaliksik ng Columbia Engineering ang isang proyekto na naglalapat ng predictive ML batay sa computer vision. Sinanay nila ang mga makina upang mahulaan ang pag-uugali ng tao hanggang sa ilang minuto sa hinaharap sa pamamagitan ng paggamit ng libu-libong oras na halaga ng mga pelikula, palabas sa TV, at sports video. Ang mas intuitive na algorithm na ito ay isinasaalang-alang ang hindi pangkaraniwang geometry, na nagbibigay-daan sa mga makina na gumawa ng mga hula na hindi palaging nakatali sa mga tradisyonal na panuntunan (hal., parallel lines na hindi kailanman tumatawid). 

Ang ganitong uri ng flexibility ay nagbibigay-daan sa mga robot na palitan ang mga nauugnay na konsepto kung hindi sila sigurado kung ano ang susunod na mangyayari. Halimbawa, kung hindi sigurado ang makina kung makikipagkamay ang mga tao pagkatapos ng engkwentro, kikilalanin nila ito bilang isang "pagbati" sa halip. Ang predictive AI technology na ito ay makakahanap ng iba't ibang application sa pang-araw-araw na buhay, mula sa pagtulong sa mga tao sa kanilang pang-araw-araw na gawain hanggang sa paghula ng mga resulta sa ilang partikular na sitwasyon. Ang mga nakaraang pagsisikap na maglapat ng predictive ML ay karaniwang nakatuon sa pag-asam ng isang aksyon sa anumang partikular na oras, na may mga algorithm na sinusubukang ikategorya ang pagkilos na ito, gaya ng pag-aalok ng yakap, pagkakamay, high-five, o walang aksyon. Gayunpaman, dahil sa likas na kawalan ng katiyakan na kasangkot, karamihan sa mga modelo ng ML ay hindi matukoy ang mga pagkakatulad sa pagitan ng lahat ng mga potensyal na resulta.

Nakakagambalang epekto

Dahil ang mga kasalukuyang algorithm ay hindi pa rin kasing lohikal ng mga tao (2022), ang kanilang pagiging maaasahan bilang mga katrabaho ay medyo mababa pa rin. Bagama't maaari silang magsagawa o mag-automate ng mga partikular na gawain at aktibidad, hindi sila mabibilang na gumawa ng mga abstraction o diskarte. Gayunpaman, babaguhin ng mga umuusbong na solusyon sa paghula sa asal ng AI ang paradigm na ito, lalo na sa kung paano gumagana ang mga makina kasama ng mga tao sa mga darating na dekada.

Halimbawa, ang AI behavioral prediction ay magbibigay-daan sa software at machine na magmungkahi ng mga nobela at kapaki-pakinabang na solusyon kapag natugunan ng mga kawalan ng katiyakan. Sa mga industriya ng serbisyo at pagmamanupaktura, lalo na, ang mga cobot (mga collaborative na robot) ay makakapagbasa ng mga sitwasyon nang maaga sa halip na sundin ang isang hanay ng mga parameter, pati na rin magmungkahi ng mga opsyon o pagpapahusay sa kanilang mga katrabaho. Ang iba pang mga potensyal na kaso ng paggamit ay nasa cybersecurity at pangangalagang pangkalusugan, kung saan ang mga robot at device ay maaaring lalong mapagkakatiwalaan na gumawa ng agarang pagkilos batay sa mga potensyal na emerhensiya.

Ang mga kumpanya ay magiging mas mahusay na kagamitan upang mag-alok ng mga pinasadyang serbisyo sa kanilang mga customer upang lumikha ng isang mas indibidwal na karanasan. Posibleng maging pangkaraniwan para sa mga negosyo na magbigay ng lubos na naka-personalize na mga alok. Bukod pa rito, papayagan ng AI ang mga kumpanya na makakuha ng mas malalim na mga insight sa gawi ng customer upang ma-optimize ang mga campaign sa marketing para sa maximum na kahusayan o pagiging epektibo. Gayunpaman, ang malawakang paggamit ng mga algorithm ng paghula ng asal ay maaaring humantong sa mga bagong pagsasaalang-alang sa etika na nauugnay sa mga karapatan sa privacy at mga batas sa proteksyon ng data. Bilang resulta, maaaring mapilitan ang mga pamahalaan na magsabatas ng mga karagdagang hakbang para i-regulate ang paggamit nitong mga solusyon sa paghula ng asal ng AI.

Mga aplikasyon para sa hula ng asal ng AI

Maaaring kabilang sa ilang mga application para sa AI behavioral prediction ang:

• Mga sasakyang self-driving na mas mahusay na mahulaan kung paano kikilos ang ibang mga sasakyan at pedestrian sa kalsada, na humahantong sa mas kaunting banggaan at iba pang aksidente.
• Mga chatbot na maaaring umasa kung ano ang magiging reaksyon ng mga customer sa mga kumplikadong pag-uusap at magmumungkahi ng mas naka-customize na mga solusyon.
• Mga robot sa pangangalagang pangkalusugan at mga pasilidad ng tinulungang pangangalaga na tumpak na mahulaan ang mga pangangailangan ng mga pasyente at agad na tumugon sa mga emerhensiya.
• Mga tool sa marketing na maaaring mahulaan ang mga uso ng user sa mga platform ng social media, na nagpapahintulot sa mga kumpanya na ayusin ang kanilang mga diskarte nang naaayon.
• Mga kumpanya ng serbisyo sa pananalapi na gumagamit ng mga makina upang tukuyin at hulaan ang mga uso sa ekonomiya sa hinaharap.
• Mga pulitiko na gumagamit ng mga algorithm upang matukoy kung aling lugar ang malamang na may pinakamaraming nakatuong base ng botante at umasa sa mga resulta sa pulitika.
• Mga machine na maaaring magsuri ng demograpikong data at magbigay ng insight sa mga pangangailangan at kagustuhan ng mga komunidad.
• Software na maaaring tumukoy sa susunod na pinakamahusay na teknolohikal na pag-unlad para sa isang partikular na sektor o industriya, tulad ng paghula sa pangangailangan para sa isang bagong kategorya ng produkto o serbisyo na nag-aalok sa isang umuusbong na merkado.
• Pagkilala sa mga lugar kung saan mayroong mga kakulangan sa paggawa o mga kakulangan sa kasanayan, na naghahanda sa mga organisasyon para sa pinahusay na mga solusyon sa pamamahala ng talento.
• Ginagamit ang mga algorithm upang matukoy ang mga lugar ng deforestation o kontaminasyon na maaaring mangailangan ng espesyal na atensyon kapag nagpaplano ng mga pagsisikap sa konserbasyon o mga pagsisikap sa pangangalaga sa kapaligiran.
• Mga tool sa cybersecurity na maaaring makakita ng anumang kahina-hinalang gawi bago ito maging banta, na tumutulong sa mga maagang hakbang sa pag-iwas laban sa cybercrime o mga aktibidad ng terorista.

Mga katanungang dapat isaalang-alang

• Sa palagay mo, paano pa magbabago ang hula ng asal ng AI kung paano tayo nakikipag-ugnayan sa mga robot?
• Ano ang iba pang mga kaso ng paggamit para sa predictive machine learning?