Tvorba návrhů a umělá inteligence

Návrh se liší od příkazu. I když se zdá, že některým lidem úplně uniká podstata, návrh je prostě nápad předložený jako potenciální řešení problému. Vytvoření návrhu znamená, že mohou existovat jiná řešení a že přijetí návrhu neznamená jeho automatickou implementaci. Ve skutečnosti je návrh pouze nápad; nemusí to ani fungovat. Samozřejmě, v dokonalém světě by všechny návrhy byly dobrými návrhy — alespoň možná řešení správného výstupu, což je v reálném světě málokdy.

Získávání návrhů na základě minulých akcí

Nejběžnějším způsobem, který AI používá k vytvoření návrhu, je shromažďování minulých akcí jako událostí a následné použití těchto minulých akcí jako datové sady pro vytváření nových návrhů. Někdo si například koupí Half-Baked Widget každý měsíc po dobu tří měsíců. Má smysl navrhnout koupi dalšího na začátku čtvrtého měsíce. Ve skutečnosti může skutečně chytrá AI navrhnout ve správnou dobu v měsíci. Pokud například uživatel provede nákup mezi třetím a pátým dnem v měsíci během prvních tří měsíců, vyplatí se začít s návrhem třetího dne v měsíci a po pátém dni přejít na něco jiného.

Lidé při plnění úkolů vydávají obrovské množství vodítek. Na rozdíl od lidí, AI ve skutečnosti věnuje pozornost každému z těchto vodítek a může je zaznamenat konzistentním způsobem. Konzistentní sběr dat o akcích umožňuje AI poskytovat návrhy založené na minulých akcích s vysokou mírou přesnosti v mnoha případech.

Získávání návrhů na základě skupin

Další běžný způsob vytváření návrhů závisí na členství ve skupině. V tomto případě nemusí být členství ve skupině formální. Skupina se může skládat z volného sdružení lidí, kteří mají společnou nějakou menší potřebu nebo aktivitu. Například dřevorubec, majitel obchodu a dietolog, ti všichni si mohli koupit tajemné knihy. Přestože nemají nic jiného společného, ​​dokonce ani umístění, skutečnost, že všichni tři mají rádi záhady, je činí součástí skupiny. Umělá inteligence dokáže snadno odhalit podobné vzorce, které by lidem mohly unikat, takže může dávat dobré návrhy na nákup na základě těchto poněkud volných skupinových přidružení.

Skupiny mohou zahrnovat éterická spojení, která jsou přinejlepším dočasná. Například všichni lidé, kteří letěli let 1982 z Houstonu v určitý den, mohli vytvořit skupinu. Mezi těmito lidmi opět neexistuje žádné spojení kromě toho, že se objevili na konkrétním letu. Avšak na základě znalosti těchto informací by umělá inteligence mohla provádět dodatečné filtrování, aby v letu našla lidi, kteří mají rádi záhady. Jde o to, že umělá inteligence může poskytovat dobré návrhy na základě příslušnosti ke skupině, i když je obtížné (ne-li nemožné) skupinu identifikovat z lidské perspektivy.

Získávání nesprávných návrhů

Každý, kdo strávil čas nakupováním online, ví, že webové stránky často poskytují návrhy na základě různých kritérií, jako jsou předchozí nákupy. Bohužel jsou tyto návrhy často chybné, protože základní AI postrádá pochopení. Když si někdo jednou za život koupí Super-Wide Widget, člověk by pravděpodobně věděl, že nákup je skutečně jednou za život, protože je extrémně nepravděpodobné, že by někdo potřeboval dva. AI však tuto skutečnost nechápe. Pokud tedy programátor konkrétně nevytvoří pravidlo, které specifikuje, že Super-Wide Widgety jsou nákupem jednou za život, AI se může rozhodnout produkt nadále doporučovat, protože prodeje jsou pochopitelně malé. Při dodržení sekundárního pravidla o propagaci produktů s pomalejším prodejem se AI chová podle charakteristik, které jí vývojář poskytl,

Kromě chyb založených na pravidlech nebo logických chyb v AI se návrhy mohou poškodit kvůli problémům s daty. GPS může například navrhnout na základě nejlepších možných dat pro konkrétní cestu. Stavba silnice však může způsobit, že navrhovaná cesta nebude udržitelná, protože silnice je uzavřena. Mnoho aplikací GPS samozřejmě zvažuje stavbu silnice, ale někdy neberou v úvahu jiné problémy, jako je náhlá změna rychlostního limitu nebo povětrnostní podmínky, které činí konkrétní cestu zrádnou. Lidé mohou nedostatek dat překonat pomocí inovací, například používáním méně frekventované silnice nebo pochopením významu značek objížďky.

Když se AI podaří překonat problémy s logikou, pravidlem a daty, někdy stále dává špatné návrhy, protože nerozumí korelaci mezi určitými datovými sadami stejně jako člověk. Umělá inteligence například nemusí vědět, že má navrhnout barvu poté, co si člověk při opravě vodovodního potrubí koupí kombinaci potrubí a sádrokartonu. Potřeba natřít sádrokarton a jeho okolí po opravě je pro člověka zřejmá, protože člověk má smysl pro estetiku, který AI postrádá. Člověk vytváří korelaci mezi různými produkty, která není pro AI zřejmá.