Ar kada nors susimąstėte, kodėl rašant žinutę mobiliuoju telefonu automatiškai yra ištaisomos visos klaidos? Arba kodėl apsiperkant internetu elektroninė parduotuvė „žino“, ko dar galite norėti prie perkamos prekės?

Atsakymas vienas – dirbtinis intelektas! Šie pavyzdžiai tai tik maža dalis to, ką galima nuveikti pasitelkiant įvairius dirbtinio intelekto (DI), o tiksliau – mašininio mokymosi algoritmus. Nors ir ne visada akivaizdu, tačiau DI daro įtaką beveik visiems mūsų gyvenimo aspektams. Apžvelkime keletą pavyzdžių, kur bene   kiekvienas iš mūsų susiduriame su DI ir jo teikiamais privalumais.

1. Veido atpažinimas

Visi, kas turi bent jau apynaujį išmanųjį telefoną, su šiuo DI sprendimu susiduria kasdien daugybę kartų. Šiuo metu daugelyje išmaniųjų telefonų yra įdiegta veido atpažinimo funkcija, kuri padeda atrakinti telefoną neįvedant jokio kodo ar nevedžiojant pirštu šablono. Telefonas, aptikęs veidą, jį skenuoja ir palygina su telefone išsaugotu savininko atvaizdu. Tik atvaizdams atitikus telefonas yra atrakinamas.

Pasitelkus DI technologiją, veidas gali būti atpažįstamas ir kitaip. Pavyzdžiui, kompanija „Canon“ visai neseniai paskelbė, kad įdiegė šypsenos atpažinimą, kuomet tik besišypsantys darbuotojai gali įeiti į susitikimo kambarius. Novatorišką šypsenos atpažinimo programą sukūrė ir bendrovė „Listerine“. Pastaroji technologija – skirta akliesiems, kurie gauna signalą, kai žmonės šypsosi, o tai jiems padeda geriau suprasti socialines situacijas.

Veido atpažinimas gali būti naudojamas ir diagnozuoti ligas, dėl kurių pastebimi išvaizdos pokyčiai. Pavyzdžiui, Nacionalinis žmogaus genomo instituto tyrimų institutas naudoja veido atpažinimo ir analizės technologijas kad aptiktų retą ligą, vadinamą „DiGeorge sindromu“ – veido atpažinimas padėjo diagnozuoti ligą 96 proc. atvejų. Algoritmams tampant vis sudėtingesniais, veido atpažinimo technologijos taps neįkainojama diagnostikos priemone.

2. Socialiniai tinklai

Ar kada nors pagalvojote, kodėl jūsų socialinių tinklų naujienų sraute rodomi būtent tokie paveikslėliai, vaizdo įrašai ar reklamos? Visi socialiniai tinklai, tiek „Facebook“ ar „Instagram“, tiek „LinkedIn“ ar „Twitter“, naudoja DI metodus tam, kad naujienų sraute pateiktų personalizuotą informaciją.

Remiantis ankstesnėmis paieškomis, pamėgtomis nuotraukomis ar peržiūrėtais vaizdo įrašais algoritmai pasiūlo  tai, kas turėtų jus sudominti. DI socialiniuose tinkluose gali būti pritaikomas ir netikrų naujienų (angl. fake news) filtravimui bei pašalinimui, taip pat norint apsaugoti vartotojus nuo kibernetinio priekabiavimo.

3. E. prekybos rekomendacijos

Jei jau kalbame apie rekomendacijas, galime aptarti ir DI naudojimą elektroninėje prekyboje. Ar pastebėjote, kad apsiperkant Jums dažnai rekomenduoja panašias prekes ar prekes, kurios taip pat gali būti reikalingos? Šie e. komercijos triukai, dažnu atveju, taip pat yra paremti istoriniais duomenimis, pavyzdžiui, tuo, ką pirkote anksčiau.

Kyla klausimas: o kas, jei apsiperki tik pirmą kartą? Tokiu atveju iš tiesų yra ne vienas variantas, kaip Jums pasiūlyti kokią nors prekę. Vienu atveju gali būti taikoma strategija, kurios metu tiesiog siūlomos populiariausios prekės. Kitu atveju galima analizuoti Jūsų asmeninius rodiklius, pavyzdžiui, amžių, lytį bei kitus duomenis ir, suradus panašiausius vartotojus, kurie taip pat apsipirko, pasiūlyti Jums tai, ką pirko jie. O galbūt siūlyti panašias prekes į tokias, kokias jau turite krepšelyje, kad būtų sudarytas tinkamų prekių komplektas.

Variantų, kaip parduoti daugiau prekių, iš tiesų daug. Ir bene visi jie – paremti MM algoritmais.

4. Pokalbių robotai

Žvelkime toliau. Ką darote tuomet, jei nusipirkta prekė ar paslauga netenkina, o galbūt tiesiog norite pardavėjo kažko paklausti? Verslai sulaukia didelio srauto žinučių ir,  savaime suprantama, kad operatyviai visiems atrašyti gana sudėtinga. Ir nesvarbu, kokias  darbuotojų pajėgas įmonės tam sutelktų.

Štai tokiais atvejais organizacijoms puikiai pasitarnauja pokalbių robotai (angl. chatbots), kurie  apmokomi atsakyti į klientų  klausimus. Šiuo atveju DI pasitarnauja kaip natūralios kalbos atpažinimo (angl. natural language recognition) įrankis, kuris išanalizuoja klausimą ir  jį susieja su šabloniniais atsakymais.

Dažnu atveju, pokalbių robotas, pateikęs atsakymą pasitikslins, ar klientą tenkina jo atsakymas ir, pranešus, kad atsakymas netenkina, kitą kartą robotas jau žinos, kad į tokį klausimą jo pateiktas atsakymas neteisingas.  Taip robotas įsimena, kurie atsakymai netinkami. Pasitelkiant robotus klausimų atsakymams, sutaupomas darbuotojų laikas ir kur kas efektyviau valdomi klientų žinučių srautai.

5. Google ar kita paieška

Jei jau ieškome atsakymų į kilusius klausimus, dažnam iš mūsų pirmas ir bene vienintelis kelias  informacijos ieškoti „Google“ paieškos platformoje. Paieškos sistema negali nuskaityti viso interneto ir pateikti rezultatų be DI pagalbos,– juk sistema ieško ne tik to, ką tiksliai įrašėte. O kur dar visi skelbimai / reklamos, kurios, atrodo, kad visur „seka“? Už viso to  slepiasi DI, t. y. reklamos jums pateikiamos pagal paieškų istorijos duomenis.

6. Teksto redaktoriai

Kaip dažnai rašydami kokį nors tekstą padarote klaidų, kurių galbūt net nepastebite? Kiekvieną dieną išsiunčiame daugybę elektroninių laiškų, parašome žinučių ar įrašų socialiniuose tinkluose,   supainiodami raides, ženklus ar simbolius.  Siekiant išvengti tokių klaidų mums pasitarnauja įrankiai, kurie ne tik patikrina, ar tam tikras žodis parašytas taisyklingai, bet ir tai, ar tinkama sakinio struktūra, ar jis gramatiškai teisingas. Šie įrankiai taip pat naudoja DI grįstus natūralios kalbos apdorojimo modelius, kurie leidžia atpažinti padarytas klaidas.

7. Vaizdų apdorojimas

DI sprendimai gali būti taikomi ne tik kalbos / teksto, bet ir vaizdų apdorojimui. Pavyzdžių galime pateikti daug, bet vienas iš dažniausiai sutinkamų – socialinių tinklų nuotraukų filtrai. Kaip manote: kodėl telefonas sugeba užvožti tą juokingą skrybėlę ar pripiešti riestus ūsus būtent ten, kur reikia?  Kodėl supranta, kur yra žmogaus veidas?

Visi šie triukai tai taip pat yra paremti DI, kuris, priklausomai nuo paskirties, išanalizuoja pateiktą vaizdą ir atlieka tam tikras funkcijas. Pavyzdžiui, uždeda besifotografuojančiam žmogui skrybėlę būtent ant viršugalvio, o ne kur kitur.

Kitas įdomus vaizdų analizės pavyzdys galėtų būti šilumos žemėlapis (angl. Heatmap). Jo tikslas yra integruotos kameros pagalba nustatyti, į kurias vietas interneto puslapyje ar į kurias nuotraukas tame puslapyje žmonės žiūrės daugiausiai. Tai leidžia suprasti, kur naudingiausia pateikti svarbiausią informaciją, o gal ir reklamą.

Atrodo, kad aptarėme labai daug, tačiau tai yra tik menka dalis viso DI taikymų. O kur dar medicina, bankų ir finansų sektorius bei kitos sritys, kuriose DI taikymo galimybių dar daugiau. Apie DI dar vis dažnai kalbama kaip apie ateitį, tačiau tam tikra forma jis jau dabar yra kiekvieno  mūsų namuose ir gyvenime.

Mantas Lukauskas, KTU Matematikos ir gamtos mokslų fakulteto (MGMF) doktorantas, „Zyro“ duomenų mokslininkas

Komentarai ()