Kondutisma prognozo de AI: Maŝinoj desegnitaj por antaŭdiri la estontecon

BILDA KREDITO:
Bildo kredito
iStock

Kondutisma prognozo de AI: Maŝinoj desegnitaj por antaŭdiri la estontecon

Kondutisma prognozo de AI: Maŝinoj desegnitaj por antaŭdiri la estontecon

Subtitolo teksto
Grupo de esploristoj kreis novan algoritmon, kiu permesas al maŝinoj antaŭdiri agojn pli bone.
    • Aŭtoro:
    • Aŭtora nomo
      Quantumrun Foresight
    • Eble 17, 2023

    Aparatoj funkciigitaj per maŝinlernado (ML) algoritmoj rapide ŝanĝas kiel ni laboras kaj komunikas. Kaj kun la enkonduko de venontgeneraciaj algoritmoj, ĉi tiuj aparatoj povas komenci atingi pli altajn nivelojn de rezonado kaj kompreno, kiuj povas subteni iniciatemajn agojn kaj sugestojn por siaj posedantoj.

    AI kondutisma prognoza kunteksto

    En 2021, esploristoj de Columbia Engineering rivelis projekton, kiu aplikas prognozan ML bazitan sur komputila vizio. Ili trejnis maŝinojn por antaŭdiri homan konduton ĝis kelkaj minutoj en la estonteco uzante milojn da horoj da filmoj, televidaj programoj kaj sportaj videoj. Ĉi tiu pli intuicia algoritmo enkalkulas nekutiman geometrion, permesante al maŝinoj fari antaŭdirojn, kiuj ne ĉiam estas ligitaj per la tradiciaj reguloj (ekz. paralelaj linioj neniam kruciĝantaj). 

    Ĉi tiu speco de fleksebleco permesas al robotoj anstataŭigi rilatajn konceptojn se ili ne certas kio okazos poste. Ekzemple, se la maŝino estas necerta ĉu homoj manpremus post renkonto, ili rekonus ĝin kiel "saluton" anstataŭe. Ĉi tiu prognoza AI-teknologio povas trovi diversajn aplikojn en la ĉiutaga vivo, de helpi homojn kun siaj ĉiutagaj taskoj ĝis antaŭdiri rezultojn en certaj scenaroj. Antaŭaj klopodoj por apliki prognozan ML tipe koncentriĝis pri anticipado de ununura ago en iu ajn antaŭfiksita tempo, kie la algoritmoj provas kategoriigi ĉi tiun agon, kiel oferti brakumon, manpremon, altan kvin aŭ neniun agon. Tamen, pro la eneca necerteco implikita, la plej multaj ML-modeloj ne povas identigi similecojn inter ĉiuj eblaj rezultoj.

    Disrompa efiko

    Ĉar nunaj algoritmoj ankoraŭ ne estas same logikaj kiel homoj (2022), ilia fidindeco kiel kunlaborantoj daŭre estas relative malalta. Dum ili povas plenumi aŭ aŭtomatigi specifajn taskojn kaj agadojn, ili ne povas esti kalkulitaj por fari abstraktaĵojn aŭ strategiojn. Tamen, emerĝantaj AI kondutismaj prognozaj solvoj ŝanĝos ĉi tiun paradigmon, precipe pri kiel maŝinoj funkcias kune kun homoj dum la venontaj jardekoj.

    Ekzemple, AI kondutisma prognozo ebligos al programaro kaj maŝinoj proponi novajn kaj indajn solvojn kiam renkontitaj kun necertecoj. En la servaj kaj fabrikaj industrioj, precipe, kobotoj (kunlaboraj robotoj) kapablos legi situaciojn bone anticipe anstataŭ sekvi aron da parametroj, kaj ankaŭ sugesti opciojn aŭ plibonigojn al siaj homaj kunlaborantoj. Aliaj eblaj uzkazoj estas en cibersekureco kaj kuracado, kie robotoj kaj aparatoj povas ĉiam pli esti fidindaj por tuj agadi surbaze de eblaj krizoj.

    Firmaoj fariĝos eĉ pli bone ekipitaj por oferti tajloritajn servojn al siaj klientoj por krei pli individuigitan sperton. Eble povus fariĝi ordinara por entreprenoj provizi tre personecigitajn ofertojn. Aldone, AI permesos al firmaoj akiri pli profundajn sciojn pri klienta konduto por optimumigi merkatajn kampanjojn por maksimuma efikeco aŭ efikeco. Tamen, la ĝeneraligita adopto de kondutismaj antaŭdiraj algoritmoj povus konduki al novaj etikaj konsideroj ligitaj al privatecaj rajtoj kaj datumprotektaj leĝoj. Kiel rezulto, registaroj povas esti devigitaj leĝdoni pliajn paŝojn por reguligi la uzon de ĉi tiuj kondutismaj prognozaj solvoj.

    Aplikoj por AI konduta prognozo

    Iuj aplikoj por AI-konduta prognozo povas inkluzivi:

    • Memveturantaj veturiloj, kiuj povas pli bone antaŭdiri kiel aliaj aŭtoj kaj piedirantoj kondutos sur la vojo, kondukante al malpli da kolizioj kaj aliaj akcidentoj.
    • Babilrotoj kiuj povas antaŭvidi kiel klientoj reagos al kompleksaj konversacioj kaj proponos pli personecigitajn solvojn.
    • Robotoj en kuracado kaj helpaj prizorgaj instalaĵoj, kiuj povas precize antaŭdiri bezonojn de pacientoj kaj tuj trakti krizojn.
    • Merkatigaj iloj, kiuj povas antaŭdiri uzantajn tendencojn sur sociaj amaskomunikiloj, permesante al kompanioj alĝustigi siajn strategiojn laŭe.
    • Firmaoj de financaj servoj uzante maŝinojn por identigi kaj antaŭvidi estontajn ekonomiajn tendencojn.
    • Politikistoj utiligantaj algoritmojn por determini kiu areo verŝajne havos la plej engaĝitan balotan bazon kaj antaŭvidi politikajn rezultojn.
    • Maŝinoj kiuj povas analizi demografiajn datumojn kaj havigi sciojn pri bezonoj kaj preferoj de komunumoj.
    • Programaro kiu povas identigi la venontan plej bonan teknologian progreson por speciala sektoro aŭ industrio, kiel ekzemple antaŭdiri la bezonon de nova produktkategorio aŭ servoferto en emerĝanta merkato.
    • Identigo de areoj kie labormankoj aŭ kapabloj ekzistas, preparante organizojn por plibonigitaj talentaj administradsolvoj.
    • Algoritmoj uzataj por indiki areojn de senarbarigo aŭ poluado, kiuj eble bezonas specialan atenton dum planado de konservado-klopodoj aŭ mediprotektado.
    • Cibersekurecaj iloj, kiuj povas detekti ajnan suspektindan konduton antaŭ ol ĝi fariĝas minaco, helpante kun fruaj preventaj mezuroj kontraŭ ciberkrimo aŭ teroristaj agadoj.

    Konsiderindaj demandoj

    • Kiel alie vi pensas, ke AI-konduta antaŭdiro ŝanĝos kiel ni interagas kun robotoj?
    • Kio estas la aliaj uzkazoj por prognoza maŝinlernado?

    Enrigardaj referencoj

    La sekvaj popularaj kaj instituciaj ligiloj estis referenceitaj por ĉi tiu kompreno: