Izrada prijedloga i umjetna inteligencija

Prijedlog se razlikuje od naredbe. Iako se čini da neki ljudi potpuno promašuju poantu, prijedlog je jednostavno ideja iznesena kao potencijalno rješenje problema. Davanje prijedloga implicira da bi druga rješenja mogla postojati i da prihvaćanje prijedloga ne znači automatsku implementaciju. Zapravo, prijedlog je samo ideja; možda neće ni raditi. Naravno, u savršenom svijetu svi prijedlozi bi bili dobri prijedlozi — barem moguća rješenja za ispravan rezultat, što je rijetko slučaj u stvarnom svijetu.

Dobivanje prijedloga na temelju prošlih radnji

Najčešći način na koji AI koristi za stvaranje prijedloga je prikupljanje prošlih radnji kao događaja, a zatim korištenje tih prošlih radnji kao skupa podataka za izradu novih prijedloga. Na primjer, netko kupi Half-Baked Widget svaki mjesec tijekom tri mjeseca. Ima smisla predložiti kupnju još jednog početkom četvrtog mjeseca. Zapravo, istinski pametna umjetna inteligencija mogla bi dati prijedlog u pravo doba mjeseca. Na primjer, ako korisnik obavi kupnju između trećeg i petog dana u mjesecu za prva tri mjeseca, isplati se početi davati prijedlog trećeg dana u mjesecu, a zatim prijeći na nešto drugo nakon petog dana.

Ljudi daju ogroman broj tragova tijekom obavljanja zadataka. Za razliku od ljudi, AI zapravo obraća pažnju na svaki od ovih tragova i može ih dosljedno zabilježiti. Dosljedno prikupljanje podataka o radnji omogućuje AI-u da daje prijedloge na temelju prošlih radnji s visokim stupnjem točnosti u mnogim slučajevima.

Dobivanje prijedloga na temelju grupa

Drugi uobičajeni način davanja prijedloga oslanja se na članstvo u grupi. U ovom slučaju, članstvo u grupi ne mora biti formalno. Grupa bi se mogla sastojati od labavog udruženja ljudi koji imaju zajedničku manju potrebu ili aktivnost. Na primjer, drvosječa, vlasnik trgovine i dijetetičar svi bi mogli kupiti knjige misterija. Iako nemaju ništa drugo zajedničko, čak ni lokaciju, činjenica da su sva trojica poput misterija čini ih dijelom grupe. AI može lako uočiti ovakve obrasce koji bi mogli izbjeći ljudima, pa može dati dobre prijedloge za kupnju na temelju ovih prilično labavih grupnih pripadnosti.

Grupe mogu uključivati ​​eterične veze koje su u najboljem slučaju privremene. Na primjer, svi ljudi koji su letjeli 1982 iz Houstona na određeni dan mogli su formirati grupu. Opet, nikakva veza između ovih ljudi ne postoji osim da su se pojavili na određenom letu. Međutim, znajući ove informacije, AI bi mogao izvršiti dodatno filtriranje kako bi locirao ljude unutar leta koji vole misterije. Poanta je da AI može dati dobre prijedloge temeljene na pripadnosti grupi čak i kada je grupu teško (ako ne i nemoguće) identificirati iz ljudske perspektive.

Dobivanje pogrešnih prijedloga

Svatko tko je proveo vrijeme u kupnji putem interneta zna da web stranice često daju prijedloge na temelju različitih kriterija, poput prethodnih kupnji. Nažalost, ovi prijedlozi su često pogrešni jer AI nema razumijevanja. Kada netko jednom u životu kupi Super-Wide Widget, čovjek bi vjerojatno znao da se kupnja doista događa jednom u životu jer je vrlo malo vjerojatno da će nekome trebati dva. Međutim, AI ne razumije ovu činjenicu. Dakle, osim ako programer izričito ne stvori pravilo koje navodi da su Super-Wide Widgeti kupnja koja se kupuje jednom u životu, AI može odlučiti nastaviti preporučivati ​​proizvod jer je prodaja razumljivo mala. Slijedeći sekundarno pravilo o promoviranju proizvoda sa sporijom prodajom, AI se ponaša prema karakteristikama koje mu je programer dao,

Osim pogrešaka utemeljenih na pravilima ili logičkih pogrešaka u AI, prijedlozi se mogu oštetiti zbog problema s podacima. Na primjer, GPS bi mogao dati prijedlog na temelju najboljih mogućih podataka za određeno putovanje. Međutim, izgradnja ceste može učiniti predloženi put neodrživim jer je cesta zatvorena. Naravno, mnoge GPS aplikacije razmatraju izgradnju cesta, ali ponekad ne uzimaju u obzir druga pitanja, kao što su iznenadna promjena ograničenja brzine ili vremenski uvjeti koji određeni put čine podmuklim. Ljudi mogu prevladati nedostatke u podacima putem inovacija, kao što je korištenje manje prometovane ceste ili razumijevanje značenja znakova obilaznice.

Kada AI uspije proći preko logike, pravila i problema s podacima, ponekad i dalje daje loše prijedloge jer ne razumije korelaciju između određenih skupova podataka na isti način na koji to čini čovjek. Na primjer, AI možda neće znati predložiti boju nakon što čovjek kupi kombinaciju cijevi i suhozida prilikom popravka vodovoda. Potreba za farbanjem suhozida i okolnog prostora nakon popravka čovjeku je očita jer čovjek ima osjećaj za estetiku koji nedostaje umjetnoj inteligenciji. Čovjek pravi korelaciju između različitih proizvoda koja nije očita AI.