Javaslatok készítése és mesterséges intelligencia

A javaslat különbözik a parancstól. Annak ellenére, hogy egyes emberek a jelek szerint teljesen figyelmen kívül hagyják a lényeget, a javaslat egyszerűen egy ötlet, amely egy probléma lehetséges megoldásaként jelenik meg. A javaslat megtétele azt jelenti, hogy létezhetnek más megoldások is, és egy javaslat elfogadása nem jelenti annak automatikus végrehajtását. Valójában a javaslat csak ötlet; lehet, hogy nem is működik. Természetesen egy tökéletes világban minden javaslat jó javaslat lenne – legalábbis a helyes kimenet lehetséges megoldásai, ami a való világban ritkán fordul elő.

Javaslatok fogadása a múltbeli tevékenységek alapján

A legáltalánosabb módja annak, hogy egy mesterséges intelligencia javaslatot hozzon létre, az, hogy a múltbeli műveleteket eseményekként gyűjti össze, majd ezeket a múltbeli műveleteket adatkészletként használja új javaslatok készítéséhez. Például valaki három hónapon keresztül minden hónapban vásárol egy félkész widgetet. Célszerű a negyedik hónap elején egy másik vásárlást javasolni. Valójában egy igazán okos mesterséges intelligencia a hónap megfelelő időpontjában teheti meg ezt a javaslatot. Például, ha a felhasználó az első három hónapban a hónap harmadik és ötödik napja között vásárol, akkor érdemes a hónap harmadik napján elkezdeni a javaslattételt, majd az ötödik nap után valami másra térni.

Az emberek hatalmas számú nyomot adnak ki feladatok végrehajtása során. Az emberektől eltérően a mesterséges intelligencia minden ilyen nyomra odafigyel, és konzisztens módon rögzíteni tudja azokat. A cselekvési adatok következetes gyűjtése lehetővé teszi a mesterséges intelligencia számára, hogy a múltbeli műveleteken alapuló javaslatokat sok esetben nagy pontossággal adjon.

Javaslatok fogadása csoportok alapján

A javaslattétel másik gyakori módja a csoporttagságon alapul. Ebben az esetben a csoporttagságnak nem kell formálisnak lennie. Egy csoport olyan emberek laza társaságából állhat, akiknek valamilyen kisebb szükségletük vagy közös tevékenységük van. Például egy favágó, egy bolttulajdonos és egy dietetikus egyaránt vásárolhat rejtélyes könyveket. Annak ellenére, hogy semmi más közös nincs bennük, még a helyszín sem, az a tény, hogy mindhárom titokzatos, egy csoport részévé teszi őket. Egy mesterséges intelligencia könnyen észreveszi az ehhez hasonló mintákat, amelyek elkerülhetik az embereket, így jó vásárlási javaslatokat tehet ezekre a meglehetősen laza csoportkapcsolatokra alapozva.

A csoportok tartalmazhatnak olyan éteri kapcsolatokat, amelyek legjobb esetben átmenetiek. Például mindazok, akik egy adott napon az 1982-es járattal elrepültek Houstonból, csoportot alkothatnak. Megint semmiféle kapcsolat nem létezik ezen emberek között, kivéve azt, hogy egy adott járaton jelentek meg. Azonban ezen információk ismeretében egy mesterséges intelligencia további szűrést hajthat végre, hogy megtalálja azokat a személyeket a repülésen belül, akik szeretik a rejtélyeket. A lényeg az, hogy egy mesterséges intelligencia jó javaslatokat tud adni a csoport hovatartozása alapján még akkor is, ha a csoportot emberi szempontból nehéz (ha nem lehetetlen) azonosítani.

Rossz javaslatok beszerzése

Aki eltöltött már időt online vásárlással, az tudja, hogy a weboldalak gyakran különféle szempontok alapján tesznek javaslatokat, például korábbi vásárlások alapján. Sajnos ezek a javaslatok gyakran tévesek, mert a mögöttes mesterséges intelligencia nem érthető. Amikor valaki életében egyszer vásárol egy szuperszéles widgetet, az ember valószínűleg tudja, hogy a vásárlás valóban egyszer történik az életben, mert rendkívül valószínűtlen, hogy bárkinek is szüksége lesz kettőre. Az MI azonban nem érti ezt a tényt. Tehát, hacsak egy programozó kifejezetten nem hoz létre olyan szabályt, amely meghatározza, hogy a Super-Wide Widgetek egyszeri vásárlás az életben, az AI dönthet úgy, hogy továbbra is ajánlja a terméket, mert az eladások érthetően kicsik. A lassabb értékesítésű termékek reklámozására vonatkozó másodlagos szabályt követve az AI a fejlesztő által biztosított jellemzők szerint viselkedik,

Az AI-k szabályalapú vagy logikai hibái mellett a javaslatok adatproblémák miatt megsérülhetnek. Például egy GPS javaslatot tehet egy adott útra vonatkozó lehető legjobb adatok alapján. Az útépítés azonban tarthatatlanná teheti a javasolt utat, mivel az út le van zárva. Természetesen sok GPS-alkalmazás figyelembe veszi az útépítést, de néha nem veszik figyelembe az egyéb problémákat, például a sebességkorlátozás hirtelen megváltozását vagy az időjárási körülményeket, amelyek árulkodóvá tesznek egy adott utat. Az emberek az adatok hiányát innovációval tudják legyőzni, például a kevésbé járt út használatával vagy az elkerülő táblák jelentésének megértésével.

Amikor egy MI-nek sikerül túllépnie a logikai, szabály- és adatproblémákon, néha még mindig rossz javaslatokat tesz, mert nem érti meg az egyes adatkészletek közötti összefüggést ugyanúgy, mint egy ember. Például előfordulhat, hogy a mesterséges intelligencia nem tudja javasolni a festék használatát, miután egy ember megvásárolta a cső és a gipszkarton kombinációját, amikor vízvezeték-javítást végez. Az ember számára nyilvánvaló, hogy a javítás után a gipszkartont és a környező területet le kell festeni, mert az embernek olyan esztétikai érzéke van, amely az MI-ből hiányzik. Az ember olyan összefüggést hoz létre a különféle termékek között, amelyek az MI számára nem nyilvánvalóak.