AI adfærdsforudsigelse: Maskiner designet til at forudsige fremtiden

• Forfatter:
• Forfatter navn

  Quantumrun Foresight
• Maj 17, 2023

Enheder drevet af maskinlæringsalgoritmer (ML) ændrer hurtigt, hvordan vi arbejder og kommunikerer. Og med introduktionen af ​​næste generations algoritmer kan disse enheder begynde at opnå højere niveauer af ræsonnement og forståelse, der kan understøtte proaktive handlinger og forslag til deres ejere.

AI adfærdsforudsigelseskontekst

I 2021 afslørede Columbia Engineering-forskere et projekt, der anvender prædiktiv ML baseret på computersyn. De trænede maskiner til at forudsige menneskelig adfærd op til et par minutter ud i fremtiden ved at bruge tusindvis af timers film, tv-shows og sportsvideoer. Denne mere intuitive algoritme tager usædvanlig geometri i betragtning, hvilket gør det muligt for maskiner at lave forudsigelser, der ikke altid er bundet af de traditionelle regler (f.eks. parallelle linjer, der aldrig krydser hinanden). 

Denne form for fleksibilitet giver robotter mulighed for at erstatte relaterede koncepter, hvis de er usikre på, hvad der vil ske næste gang. For eksempel, hvis maskinen er usikker på, om folk ville give hånd efter et møde, ville de genkende det som en "hilsen" i stedet. Denne forudsigende AI-teknologi kan finde forskellige anvendelser i hverdagen, lige fra at hjælpe folk med deres daglige opgaver til at forudsige resultater i visse scenarier. Tidligere bestræbelser på at anvende prædiktiv ML koncentrerede sig typisk om at forudse en enkelt handling på et givet tidspunkt, hvor algoritmerne forsøgte at kategorisere denne handling, såsom at tilbyde et kram, et håndtryk, high-five eller ingen handling. Men på grund af den involverede iboende usikkerhed kan de fleste ML-modeller ikke identificere ligheder mellem alle potentielle resultater.

Forstyrrende påvirkning

Da de nuværende algoritmer stadig ikke er så logiske som mennesker (2022), er deres pålidelighed som kollegaer stadig relativt lav. Selvom de kan udføre eller automatisere specifikke opgaver og aktiviteter, kan de ikke tælles for at lave abstraktioner eller strategier. Imidlertid vil nye AI-adfærdsforudsigelsesløsninger ændre dette paradigme, især i hvordan maskiner fungerer sammen med mennesker i løbet af de kommende årtier.

For eksempel vil AI-adfærdsforudsigelse gøre det muligt for software og maskiner at foreslå nye og værdifulde løsninger, når de mødes med usikkerheder. I service- og fremstillingsindustrien vil især cobots (samarbejdsrobotter) blive i stand til at aflæse situationer i god tid i stedet for at følge et sæt parametre, samt foreslå muligheder eller forbedringer til deres menneskelige kolleger. Andre potentielle anvendelsessager er inden for cybersikkerhed og sundhedspleje, hvor robotter og enheder i stigende grad kan have tillid til at træffe øjeblikkelige handlinger baseret på potentielle nødsituationer.

Virksomheder vil blive endnu bedre rustet til at tilbyde skræddersyede tjenester til deres kunder for at skabe en mere individualiseret oplevelse. Det kan potentielt blive almindeligt for virksomheder at levere meget personlige tilbud. Derudover vil AI give virksomheder mulighed for at få dybere indsigt i kundeadfærd for at optimere marketingkampagner for maksimal effektivitet eller effektivitet. Imidlertid kan den udbredte anvendelse af adfærdsforudsigelsesalgoritmer føre til nye etiske overvejelser i forbindelse med privatlivsrettigheder og databeskyttelseslove. Som følge heraf kan regeringer blive tvunget til at lovgive om yderligere trin for at regulere brugen af ​​denne AI-adfærdsforudsigelsesløsning.

Ansøgninger til AI adfærdsforudsigelse

Nogle applikationer til AI-adfærdsforudsigelse kan omfatte:

• Selvkørende køretøjer, der bedre kan forudsige, hvordan andre biler og fodgængere vil opføre sig på vejen, hvilket fører til færre kollisioner og andre ulykker.
• Chatbots, der kan forudse, hvordan kunder vil reagere på komplekse samtaler, og vil foreslå mere tilpassede løsninger.
• Robotter i sundhedsvæsenet og assisterede plejefaciliteter, der præcist kan forudsige patienters behov og straks håndtere nødsituationer.
• Marketingværktøjer, der kan forudsige brugertendenser på sociale medieplatforme, så virksomheder kan justere deres strategier i overensstemmelse hermed.
• Finansielle servicevirksomheder, der bruger maskiner til at identificere og forudsige fremtidige økonomiske tendenser.
• Politikere, der bruger algoritmer til at bestemme, hvilket område der sandsynligvis vil have den mest engagerede vælgerbase og forudse politiske resultater.
• Maskiner, der kan analysere demografiske data og give indsigt i samfunds behov og præferencer.
• Software, der kan identificere det næstbedste teknologiske fremskridt for en bestemt sektor eller branche, såsom at forudsige behovet for en ny produktkategori eller servicetilbud på et emerging market.
• Identifikation af områder, hvor der er mangel på arbejdskraft eller kvalifikationsmangler, forbereder organisationer på forbedrede talentstyringsløsninger.
• Algoritmer, der bruges til at udpege områder med skovrydning eller forurening, der kan kræve særlig opmærksomhed, når der planlægges bevaringsindsats eller miljøbeskyttelsesindsats.
• Cybersikkerhedsværktøjer, der kan opdage enhver mistænkelig adfærd, før den bliver en trussel, hjælper med tidlige forebyggende foranstaltninger mod cyberkriminalitet eller terroraktiviteter.

Spørgsmål at overveje

• Hvordan tror du ellers AI-adfærdsforudsigelse vil ændre den måde, vi interagerer med robotter på?
• Hvad er de andre use cases til prædiktiv maskinlæring?