Veda a technika Zaujímavosti

Využitie umelej inteligencie v marketingu

Úvod

Zo zadaných tém ma najviac oslovila tá o Umelej inteligencii. Niektoré väčšie a schopnejšie podniky sú schopné efektívne reagovať na zložité prejavy prostredia a využívať ich vo svoj prospech k dosiahnutiu svojho cieľa. Reagovať na zložité prejavy prostredia a dokázať to aj umne využívať vie najlepšie zo všetkých organizmov človek. Táto semestrálna práca sa zameria práve na výpomoc a prípadné prekážky vo vývoji umelej inteligencie a v marketingu. Prirodzeným vývinom v dnešnom sveta na viac vznikla otázka, či je možné, aby sa prejavila inteligencia u neživých predmetov za pomoci človeka, ktorá by prebrala určitú zodpovednosť a výkonnosť za ľudské výkony. Vednou disciplínou, ktorá tento odbor skúma, je umelá inteligencia, ale či má iba pozitívny charakter a neprináša prekážky si rozvedieme…

Umelá inteligencia

Umelá inteligencia alebo umelý intelekt (angl. artificial intelligence, skr. AI)  môže znamenať simulovanie inteligentného riešenia problémov strojom, inteligenciu napodobnenú vlastnosťami, určitými znakmi a proces riešenia problémov pomocou počítačových a iných programov. Je predmetom intelektiky.

Umelá inteligencia je štandardnou disciplínou takmer každého študijného programu v odbore informatika hocikde u nás i vo svete. To, čo sa v nej študuje a čo študujúci očakáva, že sa naučí, patrí medzi základné okruhy znalostí, definujúce informatiku ako vedu i ako odbor, prípadne skupinu príbuzných odborov štúdia. Pri hľadaní odpovede na túto otázku sa nevyhneme základnej otázke, t.j. čo je to umelá inteligencia? Odpoveď na túto otázku nie je vôbec jednoduchá. Môže sa to zdať prekvapujúce, ale treba si uvedomiť, že ide o relatívne veľmi mladú disciplínu – čo však platí vlastne o všetkých informatických disciplínach.

Umelá inteligencia má na rozdiel od iných ešte to „šťastie“, že sa jej podarilo vymyslieť veľmi príťažlivý názov. Názov umelá inteligencia sľubuje veľmi veľa. Cítiť v ňom prísľub poodkryť záhadu podstaty inteligencie, čo vzhľadom na dôležitosť rozumových schopností pre odlíšenie človeka od iných bytostí sľubuje dokonca spoznanie podstaty toho, čo robí človeka človekom. Možno si robiť nádej aj na to, že sa v nej vynájde spôsob, ako zostrojiť umelú bytosť. Takto chápaný názov prispel k určitej atraktívnosti umelej inteligencie, ktorá jej však bola niekedy na úžitok, niekedy na škodu. Najprv treba snáď poznamenať, že skúmať inteligenciu je oprávnené a dôležité. Jej skúmaním sa zaoberajú viaceré vedy, medzi inými filozofia a psychológia. Motívom tohto vedeckého záujmu ľudí je lepšie spoznať samých seba. Umelá inteligencia sa teda predmetom svojho skúmania podstatne neodlišuje od iných vied skúmajúcich inteligenciu.

Teória umelej inteligencie

Teória umelej inteligencie pokrýva množstvo teórií, ktoré si kladú za cieľ viac či menej napodobňovať schémy ľudského (prípadne vo všeobecnosti biologického) správania sa, vyhodnocovania a analýzy podnetov prostredia, prípadne tvorivej činnosti. Teória umelej inteligencie si stanovuje ciele (čo by sme od inteligentného systému očakávali) a hľadá v rôznych vedných disciplínach dostupné riešenia.

Umelá inteligencia sa delí na:

  1. a) slabú umelú inteligenciu
  2. b) silnú umelú inteligenciu

Prirodzená inteligencia

miera – IQ – meria schopnosť verbálneho a neverbálneho uvažovania

IQ = mentálny vek / fyzický vek * 100

Inteligencia :

  • ako proces : popis činností v priebehu intelektovej aktivity
  • ako obsah : každý je nositeľom rôznych druhov inteligencie s rôznou úrovňou
  • ako štruktúra : nezávisí od obsahu ani procesu

Inteligencia je schopnosť sebariadenia => oblasť komponenciálna (skúmanie, plánovanie), oblasť skúsenostná (tvorba, hľadanie nových riešení, jedinečnosti), oblasť kontextuálna (riešenie problémov).

Zložky inteligencie : formulácia cieľov, prieskum, stratégia, taktika, tvorivosť, praktická aplikácia.

Intelektové oblasti – viazané na konkrétne oblasti mozgu : jazyková, hudobná, logicko– matematická, priestorová, somaticko-kinestetická, osobnostná.

Ciele umelej inteligencie

Pôvodne bola snaha priekopníkov umelej inteligencie zameraná na úplné skopírovanie a následne zdokonalenie ľudského umu. Čoskoro sa však tento cieľ ukázal ako nerealizovateľný v blízkej budúcnosti. Dnes sa jednotlivé výskumné tímy snažia o vytvorenie parciálnych algoritmov na riešenie najmä nedeterministických problémov ako napríklad:

  • hranie hier
  • rozpoznávanie reči
  • rozpoznávanie obrazu
  • triedenie vzoriek
  • navigácia v známom a neznámom teréne
  • zameriavanie a sledovanie cieľov
  • riadenie robotov
  • riadenie a plánovanie napr. výrobných procesov
  • analýza a predpovedanie štatistických postupností (napr. obchodných , burzových informácií)
  • spracovanie a analýza dát z prostredia (geológia, meteorológia, seizmika,…)
  • kombinatorika
  • reprezentácia zozbieraných dát
  • data mining
  • iné

Prostriedky umelej inteligencie

Ako bolo spomenuté, pre riešenie problémov umelej inteligencie sa experimentuje s rôznymi algoritmami, metódami a ich kombináciami ako napr.:

  • neurónové siete (neural networks)
  • teória učenia strojov (machine learning)
  • fuzzy logika
  • genetické algoritmy
  • expertné systémy
  • iné

Problémy spojené s umelou inteligenciou

Problémy, s ktorými sa dnešný výskum umelej inteligencie musí vyrovnávať sú popri obmedzenom výpočtovom výkone hlavne špecifikácia samotného systému. Hoci čiastkové úlohy ako rozpoznanie reči, odpovedanie, rozpoznanie obrazu a pod. sú zadefinované, odpoveď na otázku, čo presne treba urobiť, aby bol dokonale vyšpecifikovaný humanoid zatiaľ stále ostáva nezodpovedaná v oblasti filozofie.

Podporné systémy manažmentu znalostí

Netreba zabúdať na systémy, či už operačné, aplikačné, pomocou ktorých výkonnosť a proces odovzdávania a získavania informácií zásadným spôsobom sprehľadní a sfunkční jednotlivé aspekty pri výkone a v pomoci s „umelou inteligenciou“. Pri týchto systémoch používame aj spomínané algoritmy, ktoré zadávame do počítača.

Samostatné aplikácie, ktoré možno charakterizovať ako podporné systémy manažmentu znalostí, alebo systém, ktoré sú znalostne orientované, sú rôzne aplikácie, ktoré sa používajú na riadenie na rôznych úrovniach s rôznou mierou sofistikovanosti. Do tejto kategórie zaraďujeme najmä:

  • expertné systémy (ES),
  • riadiace informačné systémy (EIS),
  • systémy na podporu rozhodovania (DSS),
  • manažérsky informačný systém (MIS),
  • marketingový informačný systém (MkIS).

Aspekty, pomocou ktorých môže virtuálny svet umelej inteligencie vykročiť vpred

Samo riadiace autá, hlasové asistentky, internet vecí, to všetko hlási s nástupom nové éry – éry umelej inteligencie, ktorá dokáže spracovať nepredstaviteľné množstvo dát a učením postupne zlepšovať i svoje schopnosti. Umelá inteligencia síce ešte nie je na úrovni palubného počítače HAL 9000, známeho z Vesmírnej odysey A. C. Clarka, i tak k nej má nádejne vykročené. A môže tu byť skôr, než si myslíme. Podľa futurológa Raye Kurzweila, pracujúceho pre spoločnosť Google, sa tieto chytré počítače stanú realitou do roku 2029. Rozvinutá umelá inteligencia bude mať veľký vplyv mimo iného i na reklamný priemysel.

  • Reklama bude musieť reagovať hlavne na príchod tzv. VPA (Virtual Personal Assistant resp. virtuálneho osobného asistenta), ktorý bude fungovať ako spojujúci prvok naprieč rôznych zariadení. Či už bude človek používať mobilný telefón, tablet, počítač, či televíziu, chladničku, resp. operační systém, bude jeho chovanie sledovať všade. Jednotlivé dáta, ktoré sú dnes roztrieštené, budú centralizované. V praxi to môže vyzerať nasledovne: vo chvíli, keď nám napríklad uletí lietadlo, VPA zmení hotelovú rezerváciu, zruší prenájom rezervovaného automobilu, dá vedieť rodine i kolegom v práci a prepíše schôdzky v diári.
  • VPA bude naviac neustále nasávať nové informácie, jeho hlavnú funkciu bude uľahčovať ľuďom život. Vzhľadom k tomu, že VPA bude sám objednávať služby či nakupovať, vznikne nový druh reklamnej interakcie. Reklama už nebude cieliť len na ľudí, ale na jednotlivé algoritmy, ktoré budú ponuky vyhodnocovať na základe ceny, kvality i relevancie vzhľadom k užívateľovi.
  • VPA sa bude chovať ako vyspelejšia verzia algoritmu súčasných sociálnych sietí, ktoré svojím užívateľom ponúkajú čo najrelevantnejší obsah podľa toho, čo za stránky v minulosti navštívili. Na rozdiel od Facebooku bude však VPA pracovať so širším okruhom dát – vedľa proklikov zohľadní nákupné chovanie či konverzáciu s priateľmi.
  • Sťaženú rolu bude mať u VPA sémantická analýza. Vezmime v úvahu, že len Yahoo má za 18 rokov svojej e-mailingové služby k dispozícii 225 petabitov dát, ktoré predstavujú osobnú digitálnu pamäť s fotografiami, cestovateľskými plánmi a potvrdenými objednávkami, možnosti umelej inteligencie sú s kvalitnou sémantickou analýzou obrovské. Zadávatelia sa už nebudú spoliehať len na pravdepodobnú cieľovú skupinu, ale budú môcť oslovovať spotrebiteľov individuálne na základe osobných motivácií, názorov či znalostí.

Systémy deep-learning (praktický príklad využitia UI)

V rámci marketingu a najmä pri inováciách je nesmierne dôležité pracovať s najnovšími trendmi a vedieť odhadnúť pri tom všetkom i potreby zákazníka. V ďalšom príklade sa bližšie pozrieme na systém a technológie pri lepšom a kvalitnejšom rozoznávaní ob­ra­zo­vé­ho, texto­vé­ho a zvu­ko­vé­ho ob­sa­hu z hľa­dis­ka hlb­šie­ho vý­zna­mu. Firma Google nenecháva nič na náhodu a aj takýmto spôsobom láka používateľov skrz svoje novinky v aktívnejšiu participáciu.

S ter­mí­nom deep-lear­ning, kto­rý sa dá voľ­ne pre­lo­žiť ako hĺbko­vé uče­nie, sa prav­de­po­dob­ne bu­de­me stre­tá­vať naj­mä v je­ho an­glic­kej for­me, po­dob­ne ako nap­rík­lad so slo­víč­kom cloud. Tým­to ter­mí­nom sa ozna­ču­jú po­čí­ta­čo­vé sys­té­my, kto­ré sú v ur­či­tom zmys­le schop­né po­ro­zu­mieť abstrak­tným poj­mom po­dob­ne ako člo­vek. Do­ká­žu te­da zo su­ro­vých dát extra­ho­vať hl­bší vý­znam.

Pred­stav­te si nap­rík­lad fo­tog­ra­fiu kač­ky plá­va­jú­cej po hla­di­ne ja­zier­ka. Pre nás je jej roz­poz­na­nie úpl­ne tri­viál­ne. Vie­me, ako kač­ka vy­ze­rá, a vie­me, že to je ona. Pre po­čí­tač je to však len nie­koľ­ko mi­lió­nov pixelov, zo­ra­de­ných do riad­kov a stĺpcov. Pr­vý pixel má mod­rú far­bu, dru­hý ble­do­mod­rú, tre­tí svet­lo­ze­le­nú atď. Ako by sme po­čí­tač nau­či­li, aby roz­poz­nal, že ide o fo­tog­ra­fiu kač­ky?

Zá­kla­dom je sys­tém, kto­rý roz­poz­ná­va tva­ry. Mô­že­me te­da vy­tvo­riť prog­ram, v kto­rom bu­de za­da­né, ako vy­ze­rá zo­bák, ako hla­va a te­lo, kde má zo­bák byť, akú má veľ­kosť a po­dob­ne. Vzťa­hy veľ­kos­tí sú pri­tom dô­le­ži­té, pre­to­že kač­ka, bo­cian či la­buť sú roz­diel­ne zvie­ra­tá, aj keď všet­ky ma­jú zo­bák a na všet­ky mô­že­me na­ra­ziť pri ja­ze­re. Ke­by po­čí­tač hľa­dal stá­le rov­na­ký ob­rá­zok kač­ky, bol by prak­tic­ky bez­chyb­ný. Prob­lém je v tom, že fo­tog­ra­fia mô­že kač­ku zob­ra­zo­vať na hla­di­ne, na sú­ši či za le­tu. Zá­ber mô­že byť zblíz­ka, z di­aľ­ky, zo­za­du či zho­ra.

Na niek­to­rých pri­tom zo­bák ani ne­bu­de vid­no. Úlo­ha sa náh­le stá­va om­no­ho zlo­ži­tej­šou, ako sa na pr­vý poh­ľad zda­lo. Člo­vek pri­tom kač­ku stá­le bez­peč­ne roz­poz­ná. Ob­raz to­tiž nie je je­di­ná in­for­má­cia, kto­rú má­me, dá­va­me ho do sú­vis­los­ti s na­ši­mi os­tat­ný­mi zna­los­ťa­mi. Vie­me nap­rík­lad, ako vy­ze­ra­jú os­tat­né zvie­ra­tá, tak­že pa­ra­met­re roz­poz­na­nia nie sú strik­tné. Mô­že­me ich poriadne na­tiah­nuť a zhod­no­tiť, že vták na ob­ráz­ku sa naj­viac po­do­bá na kač­ku, a nie na hus či la­buť.

Po­dob­ne mô­že­me up­ra­viť sof­tvér na roz­poz­na­nie, pri­čom vý­sled­kom je vznik chy­bo­vos­ti. No ak chy­bo­vosť nie je veľ­ká, nie je to pre­káž­ka. Ko­niec kon­cov aj člo­vek si mô­že zmý­liť v di­aľ­ke plá­va­jú­ci ko­nár so zvie­ra­ťom. Všet­ky pred­pok­la­dy však pu­tu­jú z oka, ak sa po­zrie­me na kač­ku nak­res­le­nú di­eťa­ťom či ob­rá­zok ká­če­ra Do­nal­da. Kým člo­vek ta­kú­to abstrak­ciu okam­ži­te spo­zo­ru­je, roz­poz­ná­va­cí sof­tvér je v prob­lé­moch. Náh­le to­tiž vy­hod­no­cu­je nie­čo, čo ne­vy­ze­rá ako kač­ka, ne­hý­be sa ako kač­ka, nek­vá­ka ako kač­ka, a pred­sa je to kač­ka. Na tom­to prík­la­de dob­re vi­dieť, aký kom­plex­ný sys­tém zna­los­tí, zá­vis­los­tí a skú­se­nos­tí pri roz­poz­ná­va­ní pou­ží­va­me.

87

                                                           (Zdroj: PCR 1/2015)

Veľ­mi níz­ka chy­bo­vosť Hin­to­no­vej no­vej neu­rál­nej sie­te Goog­le ná­le­ži­te upú­ta­la a v ro­ku 2013 od­kú­pi­la je­ho spo­loč­nosť DNNre­search. Jej roz­poz­ná­va­nie ob­jek­tov bo­lo za­čle­ne­né do sú­čas­ných trie­dia­cich filtrov vy­hľa­dá­va­ča. Geof­frey Hin­ton dnes ve­nu­je asi po­lo­vi­cu svoj­ho ča­su prá­ci pre Goog­le, za­tiaľ čo tá dru­há stá­le pat­rí ne­ko­mer­čné­mu aka­de­mic­ké­mu vý­sku­mu pod zá­šti­tou uni­ver­zít. V pos­led­ných ro­koch Goog­le, Fa­ce­book a iné vý­znam­né spo­loč­nos­ti in­ves­tu­jú do sys­té­mov deep-lear­ning vo veľ­kej mie­re. V mi­nu­lom ro­ku nap­rík­lad Goog­le kú­pil za pol mi­liar­dy do­lá­rov mla­dú brit­skú spo­loč­nosť Deep­Mind, kto­rá uči­la neu­rál­ne sie­te hrať po­čí­ta­čo­vé hry po­dob­ne ako člo­vek. Pri ta­kých­to ak­vi­zí­ciách vô­bec nej­de o ná­kup pro­duk­tov, ale o zís­ka­nie skú­se­ných vý­vo­já­rov. Goog­le dnes za­mes­tná­va de­siat­ky špič­ko­vých exper­tov, kto­rí pa­tria do pr­vej stov­ky naj­vplyv­nej­ších vý­vo­já­rov sys­té­mov deep-lear­ning, a bez­po­chy­by má o bu­dúc­nos­ti jas­nú ví­ziu.

Záver

V práce som sa snažil na konkrétnom príklade a s pomocou teoretických znalostí upriamiť pozornosť na pálčivosť témy o umelej inteligencii, keďže je stále značne neprebádanou. Využitie umelej inteligencie má ale pre dnešný svet široké uplatnenie. Tempo, aké nabrala táto spoločnosť, využíva najmodernejšie technológie pre svoj život a umelá inteligencia patrí medzi ne. Stretávame sa s ňou, dá sa povedať, na každom kroku a pomáha nám v rôznych oblastiach vedy, výskumu, ale i v bežnom živote. Táto oblasť ešte nie je taká preskúmaná a denne vedci prichádzajú s novým a vylepšeným návrhom na implementáciu umelej inteligencie do praxe. Osobne si myslím, že umelá inteligencia nikdy nenahradí myslenie človeka. Svet, teda ten môj určite, sa nedá nahradiť pocitmi a charakterom človeka. Jeho vnútro pracuje stále dynamickejšie a dokáže reflektovať na daný problém rýchlejšie a poznáme jeho pohnútky skrz emocionalitu a adaptabilnosť. A navyše, umelá inteligencia aj v marketingu nie je čosi, čím by neprinášala mnohé hrozby, ktoré sú nami ešte vcelku neznáme ale vieme, že raz prídu.

Článok je prevzatý zo semestrálnej práce z Fakulty ekonomiky a manažmentu – SPU Nitra a z ročníka 2015/2016.

 

Zoznam použitej literatúry

Časopisy:

Časopis: PCR 1/2015

Práce:

Pavol Návrat a kol. – Umelá inteligencia, s. 13-14. Dostupné na internete -> http://www.scribd.com/doc/7091872/P

Stránky:

http://www.kiwiki.info/index.php/Umel%C3%A1_inteligencia_a_jej_vyu%C5%BEitie

https://sk.wikipedia.org/wiki/Umel%C3%A1_inteligencia

http://www.manazmentznalosti.eu/podporne-systemy-manazmentu-znalosti/

http://old.itnews.sk/tituly/pc-revue/2015-04-24/c168680-vyuzivanie-umelej-inteligencie-systemy-deep-learning

Umělá inteligence vnese do reklamy virtuální asistenty

O autorovi

Martin Hladký

Martin Hladký

Študuje na Fakulte ekonomiky a manažmentu v Nitre a mimo toho sa zaujíma o rôzne úrovne spoločenského poznania. Kedysi aktívnejšie športovanie vymenil za vzťah k filmovému umeniu a umeniu v rôznych jeho oblastiach.