Pasiūlymų teikimas ir dirbtinis intelektas

Pasiūlymas skiriasi nuo komandos. Nors atrodo, kad kai kurie žmonės visiškai nesupranta esmės, pasiūlymas yra tiesiog idėja, pateikta kaip galimas problemos sprendimas. Pasiūlymo pateikimas reiškia, kad gali būti kitų sprendimų ir kad pasiūlymo priėmimas nereiškia, kad jis automatiškai įgyvendinamas. Tiesą sakant, pasiūlymas yra tik idėja; tai gali net neveikti. Žinoma, tobulame pasaulyje visi pasiūlymai būtų geri pasiūlymai – bent jau galimi teisingos išvesties sprendimai, o tai retai būna realiame pasaulyje.

Pasiūlymų gavimas remiantis ankstesniais veiksmais

Dažniausias būdas, kurį AI naudoja pasiūlymui sukurti, yra surinkti ankstesnius veiksmus kaip įvykius ir naudoti tuos ankstesnius veiksmus kaip duomenų rinkinį naujiems pasiūlymams teikti. Pavyzdžiui, kas nors tris mėnesius kas mėnesį įsigyja pusiau iškeptą valdiklį. Prasminga ketvirto mėnesio pradžioje siūlyti įsigyti kitą. Tiesą sakant, tikrai protingas AI gali pateikti pasiūlymą tinkamu mėnesio laiku. Pavyzdžiui, jei vartotojas perka nuo trečios iki penktos mėnesio dienos pirmuosius tris mėnesius, apsimoka pradėti teikti pasiūlymą trečią mėnesio dieną, o po penktos dienos pereiti prie kažko kito.

Žmonės, atlikdami užduotis, pateikia daugybę užuominų. Skirtingai nei žmonės, AI iš tikrųjų atkreipia dėmesį į kiekvieną iš šių įkalčių ir gali juos nuosekliai įrašyti. Nuoseklus veiksmų duomenų rinkimas leidžia AI daugeliu atvejų labai tiksliai pateikti pasiūlymus, pagrįstus ankstesniais veiksmais.

Pasiūlymų gavimas pagal grupes

Kitas įprastas būdas teikti pasiūlymus priklauso nuo grupės narystės. Šiuo atveju narystė grupėje nebūtinai turi būti formali. Grupę gali sudaryti laisva žmonių, turinčių kokių nors nedidelių poreikių ar bendros veiklos, asociacija. Pavyzdžiui, medkirtys, parduotuvės savininkas ir dietologas galėtų nusipirkti paslapčių knygų. Nors jie neturi nieko bendro, net vietos, tai, kad visi trys kaip paslaptys, daro juos grupės dalimi. Dirbtinis intelektas gali lengvai pastebėti tokius modelius, kurie gali nepastebėti žmonių, todėl gali pateikti gerų pirkimo pasiūlymų, remdamasi gana laisvomis grupėmis.

Grupės gali apimti eterinius ryšius, kurie geriausiu atveju yra laikini. Pavyzdžiui, visi žmonės, kurie tam tikrą dieną išskrido 1982 metais iš Hiustono, galėtų sudaryti grupę. Vėlgi, tarp šių žmonių nėra jokio ryšio, išskyrus tai, kad jie pasirodė konkrečiame skrydžio metu. Tačiau, žinodamas šią informaciją, AI gali atlikti papildomą filtravimą, kad nustatytų paslapčių mėgstančius žmones skrydžio metu. Esmė ta, kad dirbtinis intelektas gali pateikti gerų pasiūlymų, pagrįstų priklausomybe grupei, net jei grupę sunku (jei neįmanoma) identifikuoti iš žmogaus perspektyvos.

Klaidingų pasiūlymų gavimas

Kas yra leidęs laiko apsipirkti internete, žino, kad svetainėse dažnai pateikiami pasiūlymai pagal įvairius kriterijus, pavyzdžiui, ankstesni pirkiniai. Deja, šie pasiūlymai dažnai klaidingi, nes AI trūksta supratimo. Kai kas nors vieną kartą gyvenime įsigyja itin platų valdiklį, žmogus greičiausiai žinos, kad perkamas tikrai kartą gyvenime, nes labai mažai tikėtina, kad kam nors prireiks dviejų. Tačiau AI nesupranta šio fakto. Taigi, nebent programuotojas specialiai sukurs taisyklę, kurioje nurodoma, kad itin platūs valdikliai yra perkami vieną kartą gyvenime, dirbtinis intelektas gali nuspręsti ir toliau rekomenduoti produktą, nes suprantama, kad pardavimai yra maži. Vykdydamas antrinę taisyklę dėl produktų, kurių pardavimas lėtesnis, AI elgiasi pagal kūrėjo jai suteiktas savybes,

Be taisyklėmis pagrįstų ar loginių AI klaidų, pasiūlymai gali būti sugadinti dėl duomenų problemų. Pavyzdžiui, GPS gali pateikti pasiūlymą, remdamasis geriausiais konkrečios kelionės duomenimis. Tačiau tiesiant kelius siūlomas takas gali būti netinkamas, nes kelias uždarytas. Žinoma, daugelyje GPS programų atsižvelgiama į kelių tiesimą, tačiau kartais neatsižvelgiama į kitas problemas, pvz., staigų greičio ribojimo pasikeitimą arba oro sąlygas, dėl kurių tam tikras kelias tampa klastingas. Žmonės gali įveikti duomenų trūkumą naudodamiesi naujovėmis, pavyzdžiui, naudodamiesi mažiau važiuojamu keliu arba suprasdami aplinkkelio ženklų reikšmę.

Kai AI sugeba įveikti logikos, taisyklės ir duomenų problemas, ji kartais vis tiek pateikia blogų pasiūlymų, nes nesupranta tam tikrų duomenų rinkinių koreliacijos taip pat, kaip tai daro žmogus. Pavyzdžiui, dirbtinis intelektas gali nežinoti siūlyti dažų po to, kai žmogus, atlikdamas santechnikos remontą, įsigijo vamzdžio ir gipso kartono derinį. Poreikis dažyti gipso kartoną ir aplinką po remonto žmogui yra akivaizdus, ​​nes žmogus turi estetikos jausmą, kurio AI trūksta. Žmogus sukuria ryšį tarp įvairių produktų, kurie AI nėra akivaizdūs.