AI-gedragsvoorspelling: machines die zijn ontworpen om de toekomst te voorspellen

• Auteur:
• auteursnaam

  Quantumrun-prognose
• 17 mei 2023

Apparaten die worden aangedreven door algoritmen voor machine learning (ML) veranderen snel de manier waarop we werken en communiceren. En met de introductie van algoritmen van de volgende generatie kunnen deze apparaten een hoger niveau van redenering en begrip gaan bereiken dat proactieve acties en suggesties voor hun eigenaren kan ondersteunen.

Context van AI-gedragsvoorspelling

In 2021 onthulden onderzoekers van Columbia Engineering een project dat voorspellende ML toepast op basis van computervisie. Ze trainden machines om menselijk gedrag tot een paar minuten in de toekomst te voorspellen door duizenden uren aan films, tv-programma's en sportvideo's te gebruiken. Dit meer intuïtieve algoritme houdt rekening met ongebruikelijke geometrie, waardoor machines voorspellingen kunnen doen die niet altijd gebonden zijn aan de traditionele regels (bijv. parallelle lijnen kruisen elkaar nooit). 

Dit soort flexibiliteit stelt robots in staat om gerelateerde concepten te vervangen als ze niet zeker weten wat er daarna gaat gebeuren. Als de machine bijvoorbeeld niet zeker weet of mensen elkaar de hand zouden schudden na een ontmoeting, zouden ze dit in plaats daarvan herkennen als een "begroeting". Deze voorspellende AI-technologie kan verschillende toepassingen vinden in het dagelijks leven, van het helpen van mensen bij hun dagelijkse taken tot het voorspellen van uitkomsten in bepaalde scenario's. Eerdere pogingen om voorspellende ML toe te passen, waren meestal gericht op het anticiperen op een enkele actie op een bepaald moment, waarbij de algoritmen probeerden deze actie te categoriseren, zoals het aanbieden van een knuffel, handdruk, high-five of geen actie. Vanwege de inherente onzekerheid kunnen de meeste ML-modellen echter geen overeenkomsten tussen alle mogelijke uitkomsten identificeren.

Disruptieve impact

Omdat huidige algoritmen nog steeds niet zo logisch zijn als mensen (2022), is hun betrouwbaarheid als medewerker nog relatief laag. Hoewel ze specifieke taken en activiteiten kunnen uitvoeren of automatiseren, kunnen ze niet worden geteld om abstracties te maken of strategieën te bedenken. Opkomende AI-oplossingen voor gedragsvoorspelling zullen dit paradigma echter veranderen, vooral in de manier waarop machines de komende decennia samenwerken met mensen.

Zo zal AI-gedragsvoorspelling software en machines in staat stellen om nieuwe en waardevolle oplossingen voor te stellen wanneer ze met onzekerheden worden geconfronteerd. Met name in de dienstverlenende en productie-industrie zullen cobots (collaborative robots) situaties ruim van tevoren kunnen lezen in plaats van een reeks parameters te volgen, en opties of verbeteringen kunnen voorstellen aan hun menselijke collega's. Andere mogelijke use-cases zijn cyberbeveiliging en gezondheidszorg, waar robots en apparaten in toenemende mate kunnen worden vertrouwd om onmiddellijk actie te ondernemen op basis van mogelijke noodsituaties.

Bedrijven zullen nog beter toegerust zijn om op maat gemaakte diensten aan hun klanten aan te bieden om een ​​meer geïndividualiseerde ervaring te creëren. Het zou mogelijk gemeengoed kunnen worden voor bedrijven om zeer gepersonaliseerde aanbiedingen te doen. Bovendien stelt AI bedrijven in staat om dieper inzicht te krijgen in het gedrag van klanten om marketingcampagnes te optimaliseren voor maximale efficiëntie of effectiviteit. De wijdverbreide acceptatie van algoritmen voor gedragsvoorspelling zou echter kunnen leiden tot nieuwe ethische overwegingen met betrekking tot privacyrechten en gegevensbeschermingswetten. Als gevolg hiervan kunnen overheden gedwongen worden om aanvullende stappen te nemen om het gebruik van deze AI-oplossingen voor gedragsvoorspelling te reguleren.

Aanvragen voor AI-gedragsvoorspelling

Sommige toepassingen voor AI-gedragsvoorspelling kunnen zijn:

• Zelfrijdende voertuigen die beter kunnen voorspellen hoe andere auto's en voetgangers zich op de weg zullen gedragen, wat leidt tot minder aanrijdingen en andere ongevallen.
• Chatbots die kunnen anticiperen op hoe klanten zullen reageren op complexe gesprekken en meer op maat gemaakte oplossingen zullen voorstellen.
• Robots in de gezondheidszorg en zorginstellingen die de behoeften van patiënten nauwkeurig kunnen voorspellen en noodsituaties onmiddellijk kunnen aanpakken.
• Marketingtools die gebruikerstrends op socialemediaplatforms kunnen voorspellen, zodat bedrijven hun strategieën daarop kunnen aanpassen.
• Financiële dienstverleners die machines gebruiken om toekomstige economische trends te identificeren en te voorspellen.
• Politici gebruiken algoritmen om te bepalen welk gebied waarschijnlijk de meest betrokken kiezers heeft en anticiperen op politieke resultaten.
• Machines die demografische gegevens kunnen analyseren en inzicht kunnen geven in de behoeften en voorkeuren van gemeenschappen.
• Software die de volgende beste technologische vooruitgang voor een bepaalde sector of industrie kan identificeren, zoals het voorspellen van de behoefte aan een nieuwe productcategorie of dienstenaanbod in een opkomende markt.
• Identificatie van gebieden waar arbeidstekorten of lacunes in vaardigheden bestaan, waardoor organisaties worden voorbereid op verbeterde oplossingen voor talentbeheer.
• Algoritmen die worden gebruikt om gebieden met ontbossing of vervuiling te lokaliseren die mogelijk speciale aandacht nodig hebben bij het plannen van inspanningen voor natuurbehoud of milieubescherming.
• Cyberbeveiligingstools die verdacht gedrag kunnen detecteren voordat het een bedreiging wordt, en helpen bij vroegtijdige preventieve maatregelen tegen cybercriminaliteit of terroristische activiteiten.

Vragen om te overwegen

• Hoe denk je anders dat AI-gedragsvoorspelling de manier waarop we omgaan met robots zal veranderen?
• Wat zijn de andere use-cases voor voorspellend machinaal leren?