hren
 

Što je AI (Artificial Intelligence), kako radi i može li nam život učiniti boljim?
Uz promišljen izbor podataka koji se računalima daju na raspolaganje, ona danas mogu zaključiti koja je lokacija idealna za vaš odmor iz snova, preporučiti automobil koji zadovoljava sve vaše zahtjeve ili vam sugerirati što da pripremite za ručak.

Baš kao i brojne inovacije u prošlosti, AI je podijelio korisnike na one kojima tjera strah u kosti i one koji s nestrpljenjem iščekuju revolucionarna rješenja koja će nam život učiniti jednostavnijim.

Nedavna događanja vezana uz manipulaciju osobnim podacima prikupljenim putem društvenih mreža rezultirala su time da se u fokusu javnosti našla primjena umjetne inteligencije u oglašivačkoj industriji. Umjetna inteligencija se vrlo velikom brzinom uvlači u brojne segmente industrije, znanosti i uslužnih djelatnosti. Tvrtke diljem svijeta koriste razne “pametne” algoritme s ciljem optimizacije poslovanja, što u konačnici donosi značajnu uštedu i veliki profit svima koji su dovoljno odvažni da se posluže ovom naprednom
tehnologijom.

Stručnjaci iz širokog spektra područja su AI sustavima već uvelike ukazali povjerenje pa ih tako liječnici koriste za postavljanje kompleksnih dijagnoza, proizvođači automobila ih koriste u implementaciji softvera za samovozeća vozila, a brokeri ih koriste za predikciju kretanja cijena dionica. Kada je oglašivačka industrijska grana u pitanju, primjene umjetne inteligencije su uistinu raznolike – kompleksni matematički modeli mogu vrlo precizno predvidjeti ponašanje korisnika, grupirati ih u odlično definirane skupine ili izračunati vrlo preciznu predikciju prodaje.

Razumljivo je da mnogima ove informacije izazivaju osjećaj nelagode (posebice onima koji su odgledali par epizoda serije Black Mirror, kolekcije distopijskih priča o tehnološkim dostignućima budućnosti) pa ne škodi odmah na početku objasniti kako i na temelju kojih podataka računalo može donositi ovakve odluke. Bez brige, nitko nas ne nadzire 24 sata dnevno, niti čita naše misli. Zamislite
samo koliki bi to bio trošak!

Informacije koje omogućavaju računalu da 'formira mišljenje' prikupljaju se ciljano (dobrovoljnim i često anonimnim anketama) ili se obrađuju već prikupljene informacije koje se prethodno podvrgnu procesu anonimizacije. Drugim riječima, nikome nije u interesu da zna sve o vama – eventualno vas na osnovi podataka kojima računala raspolažu svrstavaju u ciljane skupine ili stvaraju korisnike bez
imena, prezimena i OIB-a koji, primjerice, žive u gradu, pripadaju srednjem sloju, vole planinariti i najdraža lokacija im je Gorski Kotar. Na temelju velikog broja takvih korisnika računalo stvara poveznice između karakteristika kako bi korisniku koji ima slične interese mogao ponuditi Gorski Kotar kao idealnu lokaciju za odmor.

Neuronske mreže – produžena ruka prirodnog intelekta

Gotovo šezdeset godina istraživanja AI-a dovelo je do razvoja brojnih metoda i alata osposobljenih za donošenje odluka. Umjetne neuronske mreže (ANN), jedan od najčešće korištenih klasifikatorskih modela u AI sustavima, prvi se puta spominju još davne 1954. godine. Ipak, istraživanja su ubrzo morala biti obustavljena jer tadašnja računala nisu raspolagala dovoljnom procesorskom moći koju
zahtijeva obrada velikih količina podataka.

Ovaj matematički model inspiraciju je pronašao u prirodnoj inteligenciji koja ljudima i životinjama omogućava da obrađuju informacije primljene putem osjetila te na temelju iskustva donose odluke. U stvarnom svijetu proces učenja se može svesti na stvaranje i jačanje veza između neurona. Prilikom zaključivanja, u mozgu dolazi do paralelne obrade velike količine informacija na temelju kojih se
donosi odluka. U virtualnom svijetu je razvojem neuronskih mreža proces učenja poprimio vrlo sličnu formu: uz pomoć skupa podataka za učenje, koji se sastoji od ulaznih i izlaznih vrijednosti, neuronska mreža prilagođava varijable (težinske faktore) kako bi za zadani ulaz dobila željeni izlaz.

Umjetna inteligencija u optimizaciji poslovanja

Odličan primjer koji pokazuje koliki doprinos mogu imati neuronske mreže kada je posrijedi optimizacija poslovanja dolazi iz tvrtke Microsoft. Ovaj tehnološki gigant je iskoristio neuronsku mrežu BrainMaker kako bi postigao maksimizaciju odgovora u direct mailing kampanjama. Ako se uzme u obzir da Microsoft broji 8,5 milijuna registriranih korisnika diljem svijeta te godišnje pošalje više od četrdeset milijuna pošiljaka koje sadrže promotivne materijale o novim softverskim nadogradnjama i proizvodima, jasno je koliku uštedu bi osigurala promišljena redukcija količine poslanih pisama.

Proces učenja BrainMakera započeo je izborom 25 različitih mjera lojalnosti korisnika (npr. vrijednost ranije kupljenih proizvoda, frekvencija kupovine i sl.) iz osam neovisnih kampanja s poznatim rezultatima prodaje putem direct mailinga. Prvi zadatak bio je saznati koje mjere najbolje ukazuju na spremnost korisnika na kupnju. U ovom stadiju neuronska mreža pokušava naučiti
kako se donose zaključci na temelju ulaznih podataka, odnosno u kojoj mjeri određena mjera lojalnosti utječe na ishod direct mailing kampanje.

Jednostavan primjer bila bi neuronska mreža koja razmatra tri podatka o svakom korisniku, recimo frekvenciju kupovine, zemlju iz koje dolazi i boju očiju. Ova tri podatka predstavljaju ulaz neuronske mreže, a na izlaz se dovodi informacija je li korisnik odgovorio na promotivnu ponudu. U procesu učenja kroz mrežu prolazi velik broj takvih parova ulaza i izlaza, čijom se obradom utvrđuje u kojoj mjeri frekvencija kupovine, zemlja porijekla i boja očiju utječu na ponašanje korisnika. Kada proces učenja završi, podatak koji nosi informaciju o tome koliko često netko kupuje nove proizvode ima najveći težinski faktor. Nešto manji utjecaj ima podatak o prebivalištu
korisnika, dok njegova boja očiju ima zanemarivo mali ili nikakav utjecaj.

Nakon što je BrainMaker prošao kroz fazu učenja, iz ulaznog skupa podataka su izbačene sve one varijable koje nisu imale velik utjecaj na odluku, odnosno čiji je težinski faktor bio dovoljno mali da bude zanemariv. Ulazni skup podataka sveden je na devet različitih mjera koje najpreciznije vrednuju lojalnost kupca. Po završetku obrade, lojalnost korisnika je predstavljena ocjenom između
nula i jedan, a testiranjem i usporedbom sa stvarnim rezultatima prodaje je utvrđeno da svi oni s ukupnim rezultatom većim od 0,45 pripadaju visokoresponsivnoj skupini.

Ovako trenirana mreža testirana je na dvadeset kampanja koje nisu bile dio skupa za treniranje, a rezultati su bili uistinu impresivni: stopa odgovora na direct mailing kampanju porasla je s 4,9 na 8,2% pri čemu je ostvarena prosječna ušteda od nevjerojatnih 35%! U kontekstu opipljivih brojeva, prije uporabe BrainMakera se za 100.000 poslanih pisama očekivalo 4.900 odgovora, a uz
uporabu BrainMakera, za isti broj dobivenih odgovora, Microsoft mora poslati manje od 60.000 pisama.

Umjetna inteligencija iz perspektive potrošača

A kakav benefit bi ova napredna tehnologija mogla donijeti potrošačima? Budućnost im zasigurno donosi sve manje reklama i oglasa koje su prisiljeni gledati unatoč tome što nisu ciljana skupina, a ponude koje dobivaju će s vremenom postati sve specifičnije i personaliziranije. Sadržaj koji dopire do njih bit će im sve atraktivniji, a vrlo lako bi se moglo dogoditi i to da ih zaobilaze brandovi i
usluge koji nisu u njihovoj kupovnoj moći što bi u konačnici moglo dovesti do rasta stope zadovoljstva. Oglašivačka industrija tek je jedno od velikog broja perspektivnih područja kojima sve veća uporaba umjetne inteligencije u svakodnevnom životu donosi svijetlu i bolju budućnost. Oni koji su po prirodi optimisti i ne brinu ih pretjerano strahovi od nadljudskih, superinteligentnih robota koji žele pokoriti ljudski rod, mogu s veseljem iščekivati nove tehnološke trendove koje nam donosi nastavak 21. stoljeća.

Izvor: N1


KOMENTARI: