Artificial Intelligence: Mengecek Kenyataan

Artificial Intelligence (AI) adalah hitam baru, objek baru mengkilap, jawaban doa-doa setiap pemasar, dan akhir kreativitas. Munculnya terbaru dari AI dari ruang misterius dari akademisi dan backrooms ilmu data telah diminta oleh cerita dari drone, robot dan mobil driverless yang dilakukan oleh raksasa teknologi seperti Amazon. Google dan Tesla. Tapi hype melebihi realitas sehari-hari.

AI memiliki sejarah lima puluh tahun pembangunan matematika dan ilmu komputer, eksperimen dan berpikir. Ini bukan sensasi semalam. Apa yang membuatnya menarik adalah pertemuan set besar data, peningkatan platform dan perangkat lunak, kemampuan pemrosesan lebih cepat dan lebih kuat dan kader yang semakin ilmuwan data yang ingin memanfaatkan berbagai aplikasi yang lebih luas. Penggunaan membosankan sehari-hari kecerdasan dan mesin buatan pembelajaran akan membuat perbedaan besar dalam kehidupan konsumen dan merek dari aplikasi mencolok disebut-sebut di media.

Jadi pertimbangkan kenyataan ini cek AI:

Data yang besar adalah Messy. Kami menciptakan data dan menghubungkan data set besar pada tingkat yang luar biasa, yang mengalikan setiap tahun. Pertumbuhan media mobile, jejaring sosial, aplikasi, asisten pribadi otomatis, dapat dikenakan, catatan medis elektronik, mobil self-pelaporan dan peralatan dan Internet mendatang Atraksi (IOT) menciptakan peluang dan tantangan besar. Dalam kebanyakan kasus, ada pekerjaan yang cukup besar dan panjang untuk menyelaraskan, menormalkan, fill-in dan menghubungkan data yang berbeda jauh sebelum analisis apapun dapat dimulai.

Mengumpulkan, menyimpan, penyaringan dan menghubungkan bit-bit dan byte untuk setiap individu tertentu adalah rumit dan mengganggu. Kompilasi yang disebut “Golden Record” membutuhkan daya yang cukup komputasi, platform yang kuat, fuzzy logic atau pembelajaran mendalam untuk menghubungkan potongan-potongan data dan perlindungan privasi yang sesuai. Hal ini juga membutuhkan keterampilan yang cukup besar dalam pemodelan dan kader ilmuwan data yang mampu melihat hutan daripada pohon.

One-to-One Masih Aspiratif. Mimpi satu-ke-satu komunikasi pribadi adalah di cakrawala tapi masih aspiratif. Faktor-faktor gating adalah kebutuhan untuk mengembangkan protokol umum untuk resolusi identitas, perlindungan privasi, pemahaman tentang kepekaan individu dan hak akses, identifikasi titik infleksi dan plot rinci tentang bagaimana konsumen dan segmen individu bergerak melalui ruang dan waktu dalam perjalanan mereka dari kebutuhan preferensi merek.

Menggunakan AI, kita berada dalam tes-dan-belajar fase awal dipimpin oleh perusahaan dalam jasa keuangan, telekomunikasi dan sektor ritel.

Orang Prize Predictive Analytics. Amazon melatih kami untuk mengharapkan rekomendasi pribadi. Kami tumbuh secara online dengan gagasan, “jika Anda menyukai ini, Anda mungkin akan seperti itu.” Sebagai hasilnya, kami berharap merek favorit untuk mengenal kami dan untuk bertanggung jawab menggunakan data yang kita berbagi, sadar dan tidak sadar, untuk membuat hidup kita lebih mudah, lebih nyaman dan lebih baik. Untuk konsumen analisis prediktif bekerja jika konten yang relevan secara pribadi, berguna dan dirasakan sebagai berharga. Apa pendek dari yang SPAM.

Tapi membuat realistis, praktis prediksi berdasarkan data masih seni lebih dari ilmu pengetahuan. Manusia adalah makhluk kebiasaan dengan beberapa pola diprediksi kepentingan dan perilaku. Tapi kita tidak selalu rasional, sering tidak konsisten, cepat untuk mengubah pikiran kita atau mengubah kursus kami tindakan dan umumnya istimewa. AI, menggunakan teknik pembelajaran yang mendalam di mana algoritma melatih sendiri, bisa pergi beberapa cara untuk membuat rasa data ini dengan memantau tindakan dari waktu ke waktu, menyelaraskan perilaku dengan tolok ukur diamati dan menilai anomali.

Submit a Comment

Your email address will not be published. Required fields are marked *