Η τεχνητή νοημοσύνη (AI) αυξάνεται σε δημοτικότητα και δεν είναι δύσκολο να καταλάβουμε γιατί.
Μπορεί να είναι ένα ”τσιτάτο” σήμερα, όμως αύριο μπορεί να αποτελεί ρουτίνα στην καθημερινότητά μας. Στην πραγματικότητα, είναι ήδη εδώ και έχει έρθει για να μείνει!
1. Αυτο-οδηγούμενα αυτοκίνητα
Τα αυτοοδηγούμενα αυτοκίνητα θα γίνουν σύντομα ο κανόνας.
Λειτουργούν και συνεχίζουν να προχωρούν χρησιμοποιώντας πολλά δεδομένα αισθητήρων, μαθαίνοντας πώς να χειρίζονται την κυκλοφορία και παίρνοντας αποφάσεις σε πραγματικό χρόνο.
Γνωστά και ως αυτόνομα οχήματα, αυτά τα αυτοκίνητα χρησιμοποιούν τεχνολογία AI και μηχανική εκμάθηση για να μετακινούνται χωρίς ο επιβάτης να χρειάζεται να πάρει τον έλεγχο ανά πάσα στιγμή.
2. ”Έξυπνοι” βοηθοί
Πολλοί από εμάς τους έχουμε ήδη κάνει μέρος της καθημερινότητάς μας: Μιλάμε για Siri, Google Assistant, Alexa και Cortana.
Oυσιαστικά μπορούν να ακούσουν και μετά να ανταποκριθούν στις προφορικές εντολές μας, μετατρέποντάς τις σε πράξεις.
Έτσι, επιλέγουμε την Siri, της δίνουμε μια εντολή, όπως ”τηλεφώνησε στον/στην τάδε”, εκείνη αναλύει αυτό που είπαμε, εξετάζει και φιλτράρει όλο τον θόρυβο του περιβάλλοντος χώρου γύρω από την ομιλία μας, ερμηνεύει σωστά την εντολή μας και την κάνει πραγματικότητα - όλα μέσα σε μερικά δευτερόλεπτα.
Το καλύτερο μέρος εδώ είναι, ότι αυτοί οι βοηθοί γίνονται όλο και πιο έξυπνοι, βελτιώνοντας κάθε στάδιο της διαδικασίας εντολών που αναφέραμε παραπάνω. Δεν χρειάζεται να γινόμαστε τόσο συγκεκριμένοι με τις εντολές μας όσο πριν από μερικά χρόνια.
Επιπλέον, οι εικονικοί βοηθοί γίνονται όλο και καλύτεροι στο φιλτράρισμα του άχρηστου θορύβου παρασκηνίου από τις πραγματικές εντολές μας.
3. Microsoft
Project InnerEye (σάρωση εγκεφάλου εικόνας ματιών)
Το Project InnerEye στοχεύει στη μελέτη του νευρολογικού μας συστήματος.
Μία από τις πιο γνωστές πρωτοβουλίες τεχνητής νοημοσύνης - ένα έργο της Microsoft - το InnerEye θεωρείται μια έρευνα αιχμής που μπορεί δυνητικά να αλλάξει τον κόσμο.
Στοχεύει να μελετήσει τον εγκέφαλο, και συγκεκριμένα το νευρολογικό σύστημα του εγκεφάλου, ώστε να κατανοήσει καλύτερα πώς λειτουργεί. Στόχος είναι να μπορέσει τελικά να χρησιμοποιήσει την τεχνητή νοημοσύνη για τη διάγνωση και τη θεραπεία διαφόρων νευρολογικών παθήσεων.
4. Λογοκλοπή
Ο εφιάλτης των φοιτητών (ή και του καθηγητή;). Εάν είστε διαχειριστής περιεχομένου που ανεβαίνει στο διαδίκτυο (για παράδειγμα ενός ειδησεογραφικού ή ενός επιστημονικού κειμένου), ή εάν είστε καθηγητής που βαθμολογεί τα κείμενα φοιτητών, έχετε το ίδιο πρόβλημα - το διαδίκτυο διευκολύνει τη λογοκλοπή (με το πάτημα δύο κουμπιών: copy / paste).
Υπάρχει ένας σχεδόν απεριόριστος όγκος πληροφοριών και δεδομένων στο Ίντερνετ, και λιγότερο ευσυνείδητοι φοιτητές ή εργαζόμενοι θα το εκμεταλλευτούν εύκολα.
Πρακτικά, κανένας άνθρωπος δεν θα μπορούσε να συγκρίνει και να αντιπαραβάλει το κείμενο κάποιου με όλα τα σχετικά δεδομένα στο διαδίκτυο. Όμως η τεχνητή νοημοσύνη είναι ένα ανίκητο εργαλείο.
Μπορεί να περνάει από κόσκινο έναν τρελό όγκο πληροφοριών, να τις συγκρίνει με το σχετικό κείμενο και να βλέπει αν υπάρχει αντιστοιχία/αντιγραφή ή όχι.
Επιπλέον, χάρη στην πρόοδο και την ανάπτυξη σε αυτόν τον τομέα, ορισμένα εργαλεία μπορούν πραγματικά να ελέγξουν (και) πηγές σε ξένες γλώσσες, καθώς και εικόνες και ήχο.
5. Προτάσεις
Οι υπηρεσίες ροής (τα κοινωνικά δίκτυα που χρησιμοποιούμε καθημερινά, όπως το Facebook, το Twitter και το Instagram) χρησιμοποιούν τεχνητή νοημοσύνη για την προβολή περιεχομένου που μπορεί να αρέσει περισσότερο σε έναν χρήστη.
Ίσως έχετε παρατηρήσει ότι οι προτάσεις σε ορισμένες πλατφόρμες γίνονται όλο και καλύτερες, ενώ το Netflix, το YouTube και το Spotify είναι μόνο τρία παραδείγματα. Μπορείτε να ευχαριστήσετε την τεχνητή νοημοσύνη για αυτό.
Οι τρεις πλατφόρμες που αναφέραμε λαμβάνουν υπόψη αυτά που έχετε ήδη δει και σας αρέσουν. Αυτό είναι το εύκολο κομμάτι. Στη συνέχεια, το συγκρίνουν και το αντιπαραβάλλουν με χιλιάδες, αν όχι δεκάδες χιλιάδες, δείγματα. Ουσιαστικά μαθαίνουν από τα δεδομένα που εσείς τους παρέχετε και στη συνέχεια χρησιμοποιούν τη δική τους βάση δεδομένων για να σας παρέχουν αντίστοιχο περιεχόμενο, που ταιριάζει καλύτερα στις ανάγκες σας.
Ας απλοποιήσουμε αυτήν τη διαδικασία για το YouTube, ως παράδειγμα.
Η πλατφόρμα χρησιμοποιεί δεδομένα όπως ετικέτες, δημογραφικά δεδομένα όπως η ηλικία ή το φύλο σας, καθώς και τα ίδια τα δεδομένα κάθε ατόμου. Στη συνέχεια, αναμιγνύει και συνδυάζει για να κταλήξεις στις εξατομικευμένες προτάσεις προς τον καθένα από εμάς.
6. Τραπεζική
Οι τράπεζες χρησιμοποιούν AI και λογισμικό μηχανικής εκμάθησης για να διαβάζουν την υπογραφή μας, να την συγκρίνουν με την υπογραφή που δώσαμε ως δείγμα στην τράπεζα πριν και να την χρησιμοποιούν με ασφάλεια για να μας προσφέρουν σειρά υπηρεσιών.
Γενικά, η μηχανική εκμάθηση και η τεχνολογία AI επιταχύνουν τις περισσότερες λειτουργίες που εκτελούνται από λογισμικό σε οποιαδήποτε τράπεζα. Όλα αυτά οδηγούν στην αποτελεσματικότερη εκτέλεση των εργασιών, μειώνοντας τους χρόνους αναμονής και το κόστος.
7. Τράπεζες και απάτη
Και ενώ είμαστε στο θέμα των τραπεζών, ας μιλήσουμε λίγο για την απάτη. Μια τράπεζα επεξεργάζεται έναν τεράστιο όγκο συναλλαγών κάθε μέρα. Το να παρακολουθείς όλα αυτά τα δεδομένα και να τα αναλύεις, είναι αδύνατο για έναν άνθρωπο.
Επιπλέον, το πώς πλασάρονται οι δόλιες συναλλαγές (η εξαπάτηση μέσω διαδικτύου) αλλάζει από μέρα σε μέρα. Με την τεχνητή νοημοσύνη και τους αλγόριθμους μηχανικής μάθησης, μπορούν να αναλύονται χιλιάδες συναλλαγές σε ένα δευτερόλεπτο.
Στη συνέχεια, κάθε φορά που κάνουμε αίτηση για δάνειο ή εκδίδουμε πιστωτική κάρτα, μια τράπεζα πρέπει να ελέγχει την αίτησή μας.
Λαμβάνοντας υπόψη πολλούς παράγοντες, όπως το πιστωτικό μας ιστορικό και το οικονομικό μας ιστορικό, που πλέον ανασύρονται και αξιολογούνται από συγκεκριμένο λογισμικό. Αυτό οδηγεί σε μικρότερους χρόνους αναμονής έγκρισης και μικρότερο περιθώριο σφάλματος.
8. Chatbots
Πολλές επιχειρήσεις χρησιμοποιούν την τεχνητή νοημοσύνη, και συγκεκριμένα τα chatbot, ως τρόπο αλληλεπίδρασης των πελατών τους μαζί τους.
Τα chatbot χρησιμοποιούνται συχνά ως εργαλείο εξυπηρέτησης πελατών για εταιρείες που δεν έχουν αρκετό προσωπικό διαθέσιμο ανά πάσα στιγμή προκειμένου να απαντούν σε ερωτήσεις.
Χρησιμοποιώντας chatbot, αυτές οι εταιρείες μπορούν να ελευθερώνουν χρόνο για το προσωπικό ώστε να ασχολείται με άλλες εργασίες, ενώ παράλληλα λαμβάνουν σημαντικές πληροφορίες από τους πελάτες τους.
Αυτά είναι ”θεϊκά κόλπα” σε περιόδους έντονης κίνησης, όπως μία Black Friday ή μία Cyber Monday. Μπορούν να σώσουν την εταιρεία που υπό άλλες συνθήκες κατακλύζεται από ερωτήσεις, επιτρέποντάς την βελτίωση στην εξυπηρέτηση πελατών.
9. Ανεπιθύμητα μηνύματα (spam)
Τα φίλτρα ανεπιθύμητης αλληλογραφίας χρησιμοποιούν όλο και περισσότερο την τεχνητή νοημοσύνη για να φιλτράρουν ανεπιθύμητα μηνύματα ηλεκτρονικού ταχυδρομείου.
Eίναι κάτι για το οποίο όλοι μπορούμε να αισθανόμαστε ευγνώμονες - τα λεγόμενα φίλτρα ανεπιθύμητης αλληλογραφίας.
Ένα τυπικό φίλτρο ανεπιθύμητων μηνυμάτων βασίζεται σε μια σειρά από κανόνες και αλγόριθμους που ελαχιστοποιούν την ποσότητα ανεπιθύμητων μηνυμάτων που μπορεί να φτάσει σε εμάς. Αυτό όχι μόνο μας απαλλάσσει από ενοχλητικές διαφημίσεις, αλλά βοηθάει και ενάντια στην απάτη με πιστωτικές κάρτες, την κλοπή ταυτότητας και το κακόβουλο λογισμικό.
Το AI πίσω από το φίλτρο χρησιμοποιεί δεδομένα από όλα τα προηγούμενα email. Παρακολουθεί συγκεκριμένες λέξεις ή φράσεις, εστιάζει σε ορισμένα σημεία, όλα με σκοπό το φιλτράρισμα των ανεπιθύμητων μηνυμάτων.
10. Περιληπτικά βίντεο
Αυτή η καθημερινή πτυχή της τεχνητής νοημοσύνης έγινε πολύ δημοφιλής μέσω του Netflix.
Αντί να χρειάζεται οι τεχνικοί να ξοδεύουν εκατοντάδες ώρες για να συντομεύουν, να φιλτράρουν και να κόβουν μεγαλύτερα βίντεο για να δημιουργήσουν βίντεο μικρής διάρκειας, το AI το κάνει για εμάς. Αναλύει εκατοντάδες ώρες περιεχομένου και στη συνέχεια το συνοψίζει με επιτυχία σε ένα σύντομο βίντεο.
11. Συνταγές και μαγειρική
Η τεχνητή νοημοσύνη μπορεί να προτείνει συνταγές με βάση το περιεχόμενο του ψυγείου μας!
Η τεχνητή νοημοσύνη έχει επίσης δυνατότητες σε τομείς όπως το μαγείρεμα!
Μια εταιρεία που ονομάζεται Rasa έχει αναπτύξει ένα σύστημα τεχνητής νοημοσύνης που καταγράφει τα τρόφιμα και στη συνέχεια συνιστά συνταγές με βάση αυτά που έχουμε στο ψυγείο και το ντουλάπι μας. Αυτός ο τύπος τεχνητής νοημοσύνης είναι ένα θαυμάσιο εργαλείο για άτομα που τους αρέσει να μαγειρεύουν, αλλά δεν θέλουν να αφιερώνουν πολύ χρόνο στο σχεδιασμό των γευμάτων τους εκ των προτέρων.
12. Τεχνολογία αναγνώρισης προσώπου
Ορισμένες κυβερνήσεις αντιτίθενται στην αναγνώριση προσώπου λόγω ανησυχιών σχετικά με το απόρρητο.
Αν υπάρχει ένα πράγμα που μπορούμε να πούμε θετικά πάντως για την τεχνητή νοημοσύνη και τη μηχανική εκμάθηση, είναι ότι κάνουν κάθε τεχνολογία με την οποία έρχονται σε επαφή πιο αποτελεσματική και ισχυρή. Η αναγνώριση προσώπου δεν είναι διαφορετική.
Υπάρχουν πλέον πολλές εφαρμογές που χρησιμοποιούν AI για τις ανάγκες αναγνώρισης προσώπου. Για παράδειγμα, το Snapchat χρησιμοποιεί τεχνολογία AI για να εφαρμόσει φίλτρα προσώπου, αναγνωρίζοντας στην πραγματικότητα τις οπτικές πληροφορίες που παρουσιάζονται ως ανθρώπινο πρόσωπο.
Το Facebook μπορεί πλέον να αναγνωρίζει πρόσωπα σε συγκεκριμένες φωτογραφίες και να προσκαλεί τους ανθρώπους να κάνουν tag τον εαυτό τους ή τους φίλους τους.
Και, φυσικά, για όσους από εμάς ξεκλειδώνουμε το τηλέφωνό σας τοποθετώντας το μπροστά στο πρόσωπ μας, χρειάζεται AI και μηχανική εκμάθηση για να λειτουργήσει.
Ας πάρουμε ως παράδειγμα το Apple Face ID. Όταν το ρυθμίζουμε, ”σαρώνει” το πρόσωπό μας και το ”μεταφράζει” σε περίπου τριάντα χιλιάδες μικροσκοπικές κουκίδες. Χρησιμοποιεί αυτές τις κουκκίδες ως δείκτες για να βοηθήσει την συσκευή να αναγνωρίζει το πρόσωπό μας, από πολλές διαφορετικές γωνίες.
Αυτό μας επιτρέπει να ξεκλειδώνουμε το τηλέφωνό μας με το πρόσωπό μας, σε πολλές διαφορετικές καταστάσεις και περιβάλλοντα φωτισμού, ενώ ταυτόχρονα η στσκευή εμποδίζει κάποιον άλλο να κάνει το ίδιο.
Πηγή: www.itproportal.com