Ettepanekute tegemine ja tehisintellekt

Soovitus erineb käsust. Kuigi mõnel inimesel näib mõtet täiesti mööda mõistvat, on soovitus lihtsalt idee, mis on esitatud probleemi võimaliku lahendusena. Ettepaneku tegemine tähendab, et võib olla ka teisi lahendusi ja et ettepanekuga nõustumine ei tähenda selle automaatset rakendamist. Tegelikult on soovitus vaid idee; see ei pruugi isegi töötada. Täiuslikus maailmas oleksid muidugi kõik soovitused head soovitused – vähemalt võimalikud lahendused õigele väljundile, mida reaalses maailmas harva juhtub.

Varasemate tegevuste põhjal soovituste saamine

Kõige tavalisem viis, mida tehisintellekt soovituse loomiseks kasutab, on minevikutoimingute sündmustena kogumine ja seejärel nende varasemate toimingute kasutamine andmekogumina uute soovituste tegemiseks. Näiteks ostab keegi iga kuu kolmeks kuuks poolküpsetatud vidina. Neljanda kuu alguses on mõttekas soovitada osta teine. Tegelikult võib tõeliselt nutikas AI teha selle ettepaneku õigel ajal kuus. Näiteks kui kasutaja sooritab esimese kolme kuu jooksul ostu kuu kolmanda ja viienda päeva vahel, tasub ettepaneku tegemist alustada kuu kolmandal päeval ja seejärel pärast viiendat päeva liikuda millegi muu juurde.

Inimesed annavad ülesannete täitmisel välja tohutul hulgal vihjeid. Erinevalt inimestest pöörab AI tegelikult tähelepanu kõigile neile vihjetele ja suudab neid järjepidevalt salvestada. Toimingute andmete järjekindel kogumine võimaldab tehisintellektil pakkuda paljudel juhtudel suure täpsusega soovitusi, mis põhinevad varasematel tegevustel.

Soovituste saamine rühmade põhjal

Teine levinud viis ettepanekute tegemiseks tugineb rühma kuulumisele. Sel juhul ei pea rühma kuulumine olema formaalne. Rühm võib koosneda inimeste lõdvast ühendusest, kellel on mõni väike vajadus või ühine tegevus. Näiteks võiksid nii metsamees, poeomanik kui ka dietoloog osta mõistatusraamatuid. Kuigi neil pole midagi muud ühist, isegi mitte asukoht, teeb nad grupi osaks asjaolu, et kõik kolm nagu mõistatused. Tehisintellekt võib kergesti märgata selliseid mustreid, mis võivad inimestele kõrvale hiilida, nii et ta saab teha häid ostusoovitusi nende üsna lahtiste gruppide seotuste põhjal.

Rühmad võivad sisaldada eeterlikke ühendusi, mis on parimal juhul ajutised. Näiteks kõik inimesed, kes lendasid ühel kindlal päeval 1982. aasta lennuga Houstonist, võiksid moodustada rühma. Jällegi pole nende inimeste vahel mingit seost, välja arvatud see, et nad ilmusid konkreetsel lennul. Seda teavet teades võib tehisintellekt aga täiendavalt filtreerida, et leida lennus inimesi, kellele meeldivad saladused. Asi on selles, et tehisintellekt võib anda häid soovitusi rühma kuuluvuse põhjal isegi siis, kui rühma on inimlikust vaatenurgast raske (kui mitte võimatu) tuvastada.

Valede soovituste saamine

Igaüks, kes on veetnud aega veebis ostes, teab, et veebisaidid pakuvad sageli soovitusi erinevate kriteeriumide, näiteks varasemate ostude põhjal. Kahjuks on need soovitused sageli valed, kuna aluseks olevast tehisintellektist puudub arusaam. Kui keegi ostab üks kord elus ülilaia vidina, teaks inimene tõenäoliselt, et ost on tõesti üks kord elus, sest on äärmiselt ebatõenäoline, et kellelgi kahte vaja läheb. AI aga ei mõista seda fakti. Seega, välja arvatud juhul, kui programmeerija loo konkreetselt reeglit, mis täpsustab, et ülilaia vidinaid ostetakse üks kord elus, võib tehisintellekt jätkata toote soovitamist, kuna müük on arusaadavalt väike. Järgides teisest reeglit aeglasema müügiga toodete reklaamimise kohta, käitub tehisintellekt vastavalt omadustele, mille arendaja on talle ette näinud,

Lisaks reeglipõhistele või loogikatele tehisintellektis võivad soovitused andmeprobleemide tõttu rikkuda. Näiteks võib GPS teha soovituse konkreetse reisi parimate võimalike andmete põhjal. Küll aga võib tee-ehitus muuta väljapakutud raja ebakindlaks, kuna tee on suletud. Muidugi arvestavad paljud GPS-i rakendused teedeehitust, kuid mõnikord ei võta nad arvesse muid probleeme, nagu kiiruspiirangu järsk muutus või ilmastikutingimused, mis muudavad konkreetse tee reetlikuks. Inimesed saavad andmete puudumisest üle uuenduste kaudu, näiteks kasutades vähem sõidetud teed või mõistdes ümbersõidumärkide tähendust.

Kui tehisintellektil õnnestub loogika-, reegli- ja andmeprobleemidest üle saada, teeb ta mõnikord ikka halbu soovitusi, sest ta ei mõista teatud andmekogumite vahelist seost samamoodi nagu inimene. Näiteks ei pruugi tehisintellekt osata soovitada värvi kasutada pärast seda, kui inimene on torustiku remonti tehes ostnud toru ja kipsplaadi kombinatsiooni. Vajadus kipsplaati ja seda ümbritsevat ala pärast remonti värvida on inimesele ilmne, sest inimesel on esteetikataju, mis tehisintellektil puudub. Inimene loob korrelatsiooni erinevate toodete vahel, mis pole tehisintellektile ilmne.