fot. bank zdjęć shutterstock.com reklama
Nauka maszyn przybiera coraz to efektywniejsze formy zasilając systemy urządzeń, które towarzyszą nam każdego dnia. Dzięki możliwości przyswajania wiedzy, nie pracują na gotowych instrukcjach, a ich sposób działania jest zależny od rodzaju użytkowania. Dzięki sztucznej inteligencji, dostosowują się do naszego funkcjonowania, przez co stają się jeszcze bardziej spersonalizowane.
Telefon – prywatny asystent
Urządzeniami, które w największym stopniu korzystają z systemów uczenia się są niewątpliwie nasze smartfony. W szczególności mają one zastosowanie podczas korzystania z poleceń głosowych. Wirtualni asystenci tacy jak Siri, Alexa oraz Google Assistant mogą wykonywać za nas czynności, dzięki możliwości rozpoznawania głosu. Analizują ludzką mowę oraz dopasowują ją do pożądanego polecenia, a co najważniejsze, reagują w coraz bardziej naturalny sposób. Ponadto pomogą w zaplanowaniu dnia, skontaktują nas ze znajomymi oraz przypomną o ważnych spotkaniach. Nie jest to jedynie funkcja rozpoznawania mowy, to pomoc w codziennych sytuacjach, takich jak odnajdywanie lokalizacji w nieznanym nam miejscu.
Propozycje podczas zakupów
Wielu z nas doświadczyło sytuacji, w której podczas robienia zakupów przez internet, wyświetlają nam się propozycje produktów, które również mogą nam się spodobać. Nauka maszyn polega tu na wykorzystaniu technologii, która pomaga dostarczyć sugestie, za pośrednictwem tak zwanych systemów polecających. Program analizuje dane, o tym jakich zakupów dokonali wcześniejsi klienci, a także ich preferencje. Dzięki temu tworzą prognozy produktów, które mogą się spodobać innym klientom.
pexels.com
Brak spamu w głównej skrzynce mailowej również zawdzięczamy systemom uczenia się. Podczas sortowania maili program bierze pod uwagę obecność konkretnych słów, nazw niektórych odbiorców oraz innych charakterystycznych cech. Po wdrożeniu tego systemu używa tej techniki, aby przekierować wiadomość do odpowiedniego folderu.
Banki
W przypadku banków elementy uczenia się wykorzystywane są przede wszystkim do ochrony naszych pieniędzy. Programy stosowane do walki z oszustami analizują duże ilości danych i szukają w nich wzorców zachowań. W ten sposób przygotowane materiały, zostają przekierowane do analityków, którzy zajmują się wyłapywaniem przestępców. Systemy uczenia się mogą być zatem “przeszkolone”, w celu rozpoznawania tych danych, które mogą świadczyć o nieuczciwości. Jeśli transakcja wydaje się nietypowa, klient danego banku może zostać o niej poinformowany.
fot.pexels.com
Telewizja
Tak jak w przypadku proponowania produktów podczas zakupów, podobna funkcja działa również w usługach telewizyjnych, takich jak Netflix. Systemy uczące się analizują typowe zachowania i nawyki widzów. Zebrane dane wykorzystują do zidentyfikowanie upodobań i proponowania ciekawych filmów oraz seriali. Te same działania stosuje się także w aplikacji Spotify.
Media społecznościowe
Niewielu z nas wie, że Facebook posiada jeden z najnowocześniejszych laboratoriów pracujących nad sztuczną inteligencją. Portal dba przede wszystkim o zbudowanie sieci społecznościowej, która ułatwi komunikacje międzyludzką. Ponadto pragnie również wiedzieć coraz więcej na temat swoich użytkowników i wspierać ich aktywnie w każdym aspekcie. Obserwuje nasze działania, aby jeszcze bardziej ułatwić nam korzystanie z sieci. W ten sposób działają systemy rozpoznawania obrazów, które zarówno Facebook, jak i inne media społecznościowe używają do automatycznego tagowania zdjęć. Na zasadzie zapamiętywania działają także podpowiedzi we wpisach, emotikonach, wyszukiwaniach, a także sugerowanie osób, które możesz znać
pexels.com