Miesiąc: maj 2022

Chcesz wiedzieć, czy Twoje zadanie może zostać wykonane przez robota w następne 5 do 10 lat? Ponieważ technologie AI wciąż się rozwijają i rozwijają, wiele osób jest coraz bardziej zaniepokojonych liczbą i rodzajami miejsc pracy, w których roboty prawdopodobnie zastąpią pracowników w przyszłości. To nie jest bezpodstawna obawa. W rzeczywistości nigdy nie było ważniejsze niż rozpowszechnianie wiedzy o przyszłości miejsc pracy, tak aby ludzie pracujący mieli szansę studiować i zdobywać nowe umiejętności, przygotowując się z wyprzedzeniem na nadchodzące zmiany w sile roboczej. Tajwański inwestor venture capital i dyrektor ds. technologii dr Kai-Fu Lee jest założycielem Sinovation Ventures, firmy venture capital na wczesnym etapie, która inwestuje w wiele firm zajmujących się sztuczną inteligencją. Jeden z wiodących ekspertów w dziedzinie rozwoju sztucznej inteligencji, opracował fascynującą formułę, która pomaga określić, które miejsca pracy najprawdopodobniej zostaną zastąpione robotami w przyszłości, stwierdzając, że: “Każda praca, która zajmuje mniej niż 5 sekund, pomyślnie może być zrobiona przez roboty. ” Osobiście bardzo lubię tę teorię i uważam ją za bardzo pomocną wskazówkę. Poświęć kilka chwil na zastanowienie się nad własną pracą, a kiedy to zrobisz, zadaj sobie pytanie, które z typowych codziennych zadań możesz wykonać bez poświęcenia 5 sekund lub dłużej na zastanowienie się. Czy możesz zdobyć nowe umiejętności, które pozwolą Ci wykonywać bardziej złożone lub kreatywne zadania zamiast nich? Martin Ford, autor Rise of the Robots, podkreśla również fakt, że rodzaje rutynowych i powtarzalnych zadań będą pierwszymi przypisywanymi robotom, mówiąc: “Osobiście uważam, że w przyszłości moglibyśmy uzyskać w sytuację, w której miejsca pracy po prostu znikają. Będzie to szczególnie praca, która na pewnym poziomie jest rutynowa lub powtarzalna. Wiele z tych miejsc pracy zniknie. ” Omawiając zadania zautomatyzowane lub powtarzalne, większość ludzi myśli najpierw o pracy o niskich dochodach. Jednak roboty i technologie AI będą mogły zastąpić również wielu pracowników umysłowych. Według kilku ekspertów w tej dziedzinie prace wymagające analizy danych i trendów również będą jednymi z pierwszych zleconych robotom. Obejmuje to miejsca pracy w służbie zdrowia i branży finansowej, które opierają się na analizie i trendach. Istnieją już przykłady utraty miejsc pracy przez technologie robotyczne. W dziedzinie finansów amerykański bank inwestycyjny Goldman Sachs Group, który kiedyś zatrudniał 600 handlowców w swoim nowojorskim biurze, teraz wykonuje te same zadania tylko przez dwóch handlowców-ludzi i szereg narzędzi AI. Dodatkowa zmiana siły roboczej, która może wystąpić, dotyczy branży transportowej. Już teraz samochody samojezdne zaczynają zastępować tradycyjne prace, takie jak jazda taksówką. Z czasem coraz bardziej powszechne będą pojazdy różnego rodzaju, w tym łodzie i samochody dostawcze, które nie wymagają kierowania ludźmi. Jednak wdrożenie tej technologii zajmie trochę czasu. Informacje te zostały zebrane przez futurysty Thomasa Freya, który uważa, że kiedy zaczynamy wprowadzać samochody samojezdne, wiele innych rodzajów pracy może zostać faktycznie zastąpionych. Jednym z pomocnych sposobów przewidywania, jakie prawdopodobnie będą ludzkie miejsca pracy zastąpione przez roboty to zastanowienie się, które zadania wymagają niewielkiego wykorzystania podstawowych cech ludzkich, takich jak empatia, intuicja, inteligencja emocjonalna, negocjacje, złożona komunikacja, coaching i kreatywność. Raport McKinsey sugeruje, że jednym ze sposobów przewidzenia, które rodzaje zadań będą zautomatyzowane jako pierwsze, jest identyfikacja tych, które wymagają pracy fizycznej w przewidywalnym środowisku. Przykłady tego rodzaju pozycji mogą obejmować prace montażowe, sprzątanie lub prace typu fast food. Chcesz dowiedzieć się, czy Twoja praca może zostać zautomatyzowana? Spójrz na te narzędzia:

•  Czy roboty podejmą moją pracę?: Wystarczy wpisać zawód, aby odkryć prawdopodobieństwo, w postaci procentowej, zamiany z ludzi na robotów. Przedstawione wyniki oparte są na raporcie wspomnianym wcześniej przez Freya i Osborne′a zatytułowanym The Future of Employment: Jak podatne są miejsca na komputeryzację? https://willrobotstakemyjob.com

•  Czy robot może wykonywać swoją pracę? To narzędzie, które zostało stworzone przez Financial Times na podstawie badań przeprowadzonych przez McKinsey, jest przydatnym zasobem, który koncentruje się na konkretnych zadaniach, a nie na całych zadaniach, które prawdopodobnie zostaną zautomatyzowane. https://ig.ft.com/can- arobot-do-your-job

Na przykład, jeśli wybierzesz, że jesteś nauczycielem policealnym, narzędzie pokaże, że 9 z 57 czynności, które regularnie wykonujesz, może być wykonane przez robota, a także listę pozostałych 48 zadań, których roboty nie mogą obecnie wykonać, według badań McKinsey. Tego rodzaju narzędzia i badania mogą pomóc nam przekształcić nasze procesy myślowe o naturze pracy, a także pomóc w projektowaniu przyszłych zadań i możliwości, które będą najlepiej dostosowane do ludzkich pracowników.

Funkcje użytkowe mapują loterie na liczby rzeczywiste. Wiemy, że muszą przestrzegać aksjomatów porządkowalności, przechodniości, ciągłości, substytucyjności, monotoniczności i dekompozycji. Czy to wszystko, co możemy powiedzieć o funkcjach użytkowych? Ściśle mówiąc, to jest to: agent może mieć dowolne preferencje. Na przykład agent może chcieć mieć na swoim koncie bankowym liczbę pierwszą dolarów; w takim przypadku, gdyby miał 16 dolarów, oddałby 3 dolary. Może to być niezwykłe, ale nie możemy tego nazwać irracjonalnym. Agent może woleć poobijanego Forda Pinto z 1973 roku od lśniącego nowego mercedesa. Agent może preferować liczby pierwsze w dolarach tylko wtedy, gdy jest właścicielem Pinto, ale gdy jest właścicielem mercedesa, może preferować więcej dolarów niż mniej. Na szczęście preferencje prawdziwych agentów są zwykle bardziej usystematyzowane, a przez to łatwiejsze do opanowania.

Być może jednym z największych pytań, które pojawiają się w miarę rozwoju technologii AI, jest to, czy ludzie zostaną zastąpieni inną siłą roboczą, gdy roboty będą mogły wykonywać te same zadania, co tradycyjni robotnicy. W szeroko cytowanym raporcie zatytułowanym Przyszłość zatrudnienia: jak podatne są miejsca pracy na komputeryzację? Badacze z Oxfordu Carl Benedikt Frey i Michael A. Osborne wskazują, że nawet 47 procent pracowników w USA stanie przed groźbą utraty pracy dzięki zautomatyzowanym technologiom przez następne dwie dekady. Było to pierwsze tego rodzaju badanie sugerujące, że dużą liczbę ludzkich pracowników można zastąpić robotami i technologiami sztucznej inteligencji. Raport zatytułowany Przyszłość, która działa: automatyzacja, zatrudnienie i produktywność, oparty na badaniu przeprowadzonym przez McKinsey Global Institute , przewiduje, że prawie połowa naszych zadań roboczych zostanie wykonana przez jakąś formę robota do roku 2055. Co ciekawe, niniejszy raport koncentruje się na konkretnych zadaniach i czynnościach, które prawdopodobnie zostaną zautomatyzowane, a nie na pełnych pracach. W innym badaniu przeprowadzonym niedawno przez McKinsey szacuje się, że do roku 2030 od 400 do 800 milionów pracowników może stracić pracę w zautomatyzowanych systemach. Wyraźnie stworzy to ogromną potrzebę uczenia się nowych umiejętności umożliwiających im podjęcie pracy różne rodzaje pracy. Z tego powodu ważne jest, aby rządy tworzyły teraz programy przekwalifikowania, oprócz wymyślania sposobów zmniejszenia obciążeń finansowych, których tak wiele osób ucierpi z powodu utraty pracy. Na przykład rządy mogą pomóc, wdrażając dodatkowe programy dochodu, takie jak podstawowy dochód uniwersalny, które omówimy w dalszej części. Ten okres przejściowy jest prawdopodobnie jednym z najtrudniejszych wyzwań, które napotkamy w najbliższej przyszłości w wyniku szybkich zmian technologicznych. Jest to problem, który będzie wymagał proaktywnej współpracy między krajami oraz między podmiotami z sektora publicznego i prywatnego, a także wkładu ekspertów z różnych dziedzin. Zmiany te mogą wydawać się zaskakujące, ale należy pamiętać, że każdy postęp technologiczny w historii generował nowe rodzaje miejsc pracy, które wcześniej nie istniały. Zawsze trudno sobie wyobrazić, w jaki sposób nowe technologie zmienią nasze obecne okoliczności z wyprzedzeniem. Jednak w tym scenariuszu jest bardzo możliwe, że liczba zadań utraconych przez AI i roboty może przewyższyć liczbę dodatkowych zadań utworzonych w celu utrzymania nowego przepływu pracy. Nie możemy z całą pewnością przewidzieć przyszłości, ale w związku z szybkim rozwojem technologicznym i postępami, które obecnie mają miejsce w firmach na całym świecie, najlepiej przygotować się na zmiany społeczno-ekonomiczne, które mogą wystąpić w skali globalnej.

Zauważ, że aksjomaty teorii użyteczności są tak naprawdę aksjomatami dotyczącymi preferencji — nie mówią nic o funkcji użyteczności. Ale w rzeczywistości z aksjomatów użyteczności możemy wyprowadzić następujące konsekwencje:

• Istnienie funkcji użyteczności: Jeśli preferencje agenta są zgodne z aksjomatami użyteczności, to istnieje funkcja U taka, że U(A) >U(B) wtedy i tylko wtedy, gdy A jest preferowane w stosunku do B, a U(A) =U (B) wtedy i tylko wtedy, gdy agent jest obojętny na A i B. To znaczy,

U(A) >U(B) ⇔ A ≻ B i U(A) =U(B) ⇔ A ∼  B:

• Oczekiwana użyteczność loterii: użyteczność loterii to suma prawdopodobieństwa każdego wyniku pomnożona przez użyteczność tego wyniku.

Innymi słowy, po określeniu prawdopodobieństw i użyteczności możliwych stanów wyniku, użyteczność loterii złożonej obejmującej te stany jest całkowicie określona. Ponieważ wynikiem działania niedeterministycznego jest loteria, wynika z tego, że podmiot może działać racjonalnie – to znaczy zgodnie ze swoimi preferencjami – tylko wybierając działanie, które maksymalizuje oczekiwaną użyteczność. Powyższe twierdzenia ustalają, że (przy założeniu ograniczeń racjonalnych preferencji) funkcja użyteczności istnieje dla każdego racjonalnego podmiotu. Twierdzenia nie ustalają, że funkcja użyteczności jest unikalna. W rzeczywistości łatwo zauważyć, że zachowanie agenta nie zmieniłoby się, gdyby jego funkcja użyteczności U(S) została przekształcona zgodnie z

U’(S) = aU(S)+b;

gdzie a i b są stałymi, a a > 0; pozytywna transformacja afiniczna. Fakt ten został odnotowany w rozdziale 6 (str. 213) dotyczącym dwuosobowych gier losowych; tutaj widzimy, że dotyczy to wszelkiego rodzaju scenariuszy decyzyjnych. Podobnie jak w grach, w deterministycznym środowisku agent potrzebuje tylko rankingu preferencji w stanach – liczby nie mają znaczenia. Nazywa się to funkcją wartości lub funkcją użyteczności porządkowej.

Należy pamiętać, że istnienie funkcji użyteczności, która opisuje zachowanie preferencyjne podmiotu niekoniecznie oznacza, że ​​podmiot wyraźnie maksymalizuje tę funkcję użyteczności w swoich własnych rozważaniach. Jak pokazaliśmy w rozdziale 2, racjonalne zachowanie można generować na wiele sposobów. Agent racjonalny może być zaimplementowany z wyszukiwaniem w tabeli (jeśli liczba możliwych stanów jest wystarczająco mała). Obserwując zachowanie racjonalnego agenta, obserwator może dowiedzieć się o funkcji użyteczności, która reprezentuje to, co agent faktycznie próbuje osiągnąć (nawet jeśli agent o tym nie wie).

Omówimy niektóre z najczęstszych terminów związanych z projektowaniem chatbota, a także niektóre przydatne zasoby, których możesz użyć, aby dowiedzieć się więcej o stosowaniu tego rodzaju technologii.

Wspólne warunki Chatbot

Transmisja: wiadomość wysyłana proaktywnie, a nie reaktywnie, do użytkowników twojego chatbota. Pojedyncza transmisja może być dostarczona do wszystkich użytkowników lub do określonego segmentu listy subskrybentów. W przypadku chatbotów działających za pośrednictwem Facebook Messenger użytkownicy muszą subskrybować usługę chatbot, aby otrzymywać transmisje.

Konwersacja: stopień, w jakim chatbot jest w stanie naśladować rytmy i tony naturalnej ludzkiej rozmowy podczas komunikacji z użytkownikami. Projektując własnego chatbota, powinieneś rozważyć, w jaki sposób ma przebiegać konwersacja między chatbotem a użytkownikiem.

Konwersacyjny interfejs użytkownika (UI): Interfejs zaprojektowany do używania w oparciu o pisemną lub ustną mowę ludzką, a nie grafikę, łącza lub przyciski. Projektując chatbota, należy wziąć pod uwagę sposoby, dzięki którym interfejs konwersacyjny jest prosty i intuicyjny dla użytkowników.

Dialog: Chatbot bierze udział w rozmowie z użytkownikami. Dialog chatbota powinien być ukierunkowany na cel i angażujący.

Encja: Encja reprezentuje typ danych, który dostarcza konkretnych informacji o tym, czego chce użytkownik chatbota.

Przycisk Rozpocznij: przycisk, który użytkownicy mogą nacisnąć, aby rozpocząć interakcję z chatbotem. W programie Facebook Messenger chatbot nie rozpocznie rozmowy, dopóki użytkownik nie kliknie opcji “Rozpocznij”.

Cel: zamierzone znaczenie danych wejściowych użytkownika. Intencja jest szczególnie ważna w przypadku chatbotów zbudowanych przy użyciu przetwarzania języka naturalnego (NLP), ale w mniejszym stopniu w przypadku tradycyjnie zaprojektowanych chatbotów opartych na regułach.

Sugerowane odpowiedzi: Przykłady oferowane przez chatbota, w jaki sposób użytkownik może odpowiedzieć na pytanie. Jest to sposób na chatbota, aby zapewnić użytkownikowi wskazówki konwersacyjne, a także wgląd w rodzaje oferowanych przez niego usług.

Wtyczki internetowe: rodzaj oprogramowania, które może dodawać dostosowane funkcje do strony internetowej. Platforma Facebook Messenger pozwala użytkownikom rozpocząć rozmowę z chatbotem na stronie internetowej za pomocą różnych wtyczek internetowych

Wiadomość powitalna: początkowa wiadomość, którą użytkownicy widzą, gdy zaczynają wchodzić w interakcje z chatbotem. Ta wiadomość powinna być krótka i jasna, komunikując jednocześnie, co użytkownik może zrobić z chatbotem.

Polecane zasoby dla chatbotów

BotMock: wizualne narzędzie, które pozwala budować i testować konwersację dla twojego chatbota : URL: https://botmock.com

Chatbots Magazine: publikacja z dużą ilością wysokiej jakości informacji na temat technologii i projektowania chatbota : URL: https://chatbotsmagazine.com

Chatbots Journal: Kolejna publikacja internetowa udostępniająca cenne informacje na temat chatbotów : URL: https://chatbotsjournal.com

Chatbot′s Life : magazyn online z wieloma przydatnymi samouczkami i informacjami na temat chatbota: URL: https://chatbotslife.com

BotList: Najbardziej znany i najczęściej używany katalog chatbotów : URL: https://botlist.co

Chatbots.org: Kolejny katalog chatbotów z dodatkowymi informacjami na temat międzynarodowych chatbotów : URL: https://www.chatbots.org

Na te pytania można odpowiedzieć, wypisując pewne ograniczenia preferencji, jakie powinien mieć racjonalny podmiot, a następnie pokazując, że zasadę MEU można wyprowadzić z ograniczeń. Do opisu preferencji agenta używamy następującej notacji:

Teraz oczywistym pytaniem jest, jakie rodzaje rzeczy to A i B? Mogą to być stany świata, ale najczęściej nie ma pewności co do tego, co tak naprawdę jest oferowane. Na przykład pasażer linii lotniczej, któremu proponuje się „danie z makaronu lub kurczaka”, nie wie, co kryje się pod folią aluminiową1. Makaron może być pyszny lub zakrzepły, a kurczak soczysty lub rozgotowany nie do poznania. Możemy myśleć o zestawie wyników dla każdej akcji jak o loterii – myśleć o każdej akcji jak o losie. Loteria L z możliwymi wynikami S₁,…,S_n, które występują z prawdopodobieństwami p₁,…, p_n jest zapisane

Ogólnie rzecz biorąc, każdy wynik Si loterii może być stanem atomowym lub inną loterią. Podstawowym problemem teorii użyteczności jest zrozumienie, w jaki sposób preferencje między złożonymi loteriami są powiązane z preferencjami między podstawowymi stanami w tych loteriach. Aby rozwiązać ten problem, wymieniamy sześć ograniczeń, których przestrzegania wymagamy od jakiejkolwiek rozsądnej relacji preferencji:

* Porządność: Biorąc pod uwagę dowolne dwie loterie, racjonalny agent musi albo preferować jedną, albo ocenić je jako równie preferowane. Oznacza to, że agent nie może uniknąć decyzji. Jak wspomniano na stronie 412, odmowa obstawienia jest jak odmowa pozostawienia czasu na upływ.

Dokładnie jeden z (A ≻ B); (B ≻ A); lub (A ∼ B) trzyma

* Przechodniość: biorąc pod uwagę dowolne trzy loterie, jeśli agent woli A do B i B do C, to agent musi preferować A do C.

(A ≻ B)Λ(B ≻ C) )  ⇒  (A ≻ C)

* Ciągłość: Jeśli jakaś loteria B jest pomiędzy A i C, to istnieje pewne prawdopodobieństwo p, dla którego racjonalny agent będzie obojętny między otrzymaniem B na pewno, a loterią, która daje A z prawdopodobieństwem p i C z prawdopodobieństwem 1- p .

A ­≻ B v ­C  ∃p [p;A; 1- p,C] ∼ B:

* Zastępowalność: jeśli agent jest obojętny w przypadku dwóch loterii A i B, to agent jest obojętny w przypadku dwóch bardziej złożonych loterii, które są takie same, z wyjątkiem tego, że B zastępuje A w jednej z nich. Zasada ta obowiązuje niezależnie od prawdopodobieństw i innych wyników loterii.

(A ∼ B) ⇒ [p,A 1- p,C] ∼ [p,B;1- p,C] :

Odnosi się to również, jeśli podstawimy w tym aksjomacie.

* Monotoniczność: Załóżmy, że dwie loterie mają te same dwa możliwe wyniki, A i B. Jeśli agent woli A do B, to agent musi preferować loterię, która ma większe prawdopodobieństwo dla A (i odwrotnie).

(A ≻ B ) ⇒ (p > q , [p,A; 1 – p;B] [q,A; 1-q;B])

* Rozkład: loterie złożone można zredukować do prostszych za pomocą praw prawdopodobieństwa. Nazywa się to zasadą „żadnej zabawy w hazardzie”: jak pokazuje rysunek 15.1(b), łączy ona dwie następujące po sobie loterie w jedną równoważną loterię.

 [p,A; 1-p; [q,B; 1-q,C]] ∼ [p;A; (1-p)q,B; (1-p)(1-q);C]

Te ograniczenia są znane jako aksjomaty teorii użyteczności. Każdy aksjomat może być motywowany przez pokazanie, że podmiot, który go narusza, w pewnych sytuacjach będzie wykazywał jawnie irracjonalne zachowanie. Na przykład możemy motywować przechodniość, sprawiając, że agent o nieprzechodnich preferencjach daje nam wszystkie swoje pieniądze. Załóżmy, że agent ma nieprzechodnie preferencje A ≻ B ≻ C  ≻ A, gdzie A, B i C to dobra, które można swobodnie wymieniać. Jeśli agent ma obecnie A, możemy zaproponować wymianę C na A plus jeden cent. Agent preferuje C, więc byłby skłonny dokonać tej wymiany. Moglibyśmy wtedy zaproponować wymianę B na C, wydobycie kolejnego centa, a na koniec wymianę A na B. To prowadzi nas z powrotem do punktu wyjścia, z wyjątkiem tego, że agent dał nam trzy centy (rysunek (a)). Możemy kontynuować cykl, dopóki agent w ogóle nie będzie miał pieniędzy. Najwyraźniej agent działał w tym przypadku irracjonalnie.

Kiedy większość ludzi słyszy słowo “chatbot”, myśli o obsłudze klienta. Chociaż wiele aktualnie działających chatbotów rzeczywiście zostało stworzonych na potrzeby obsługi klienta, uważam, że niektóre z największych korzyści, jakie mają do zaoferowania chatboty, nie są jeszcze widoczne. W szczególności przewiduję, że chatboty będą miały ogromny pozytywny wpływ na zdrowie i edukację. Ponieważ wiele zadań wykonywanych w tych branżach jest proste, ale ważne, chatboty mogą być doskonałym narzędziem dla tych obszarów w przyszłości, zapewniając zautomatyzowaną pomoc, która może generować głębokie korzyści.

Edukacyjne Chatboty

W przyszłości wiele podstawowych możliwości uczenia się prawdopodobnie zacznie się od interakcji z chatbotem. W przeszłości osoba, która chciała nauczyć się czegoś nowego, musiała znaleźć odpowiednią książkę i poświęcić czas na dokładne jej przeczytanie, aby zrozumieć nową koncepcję. Dziś możemy się uczyć, po prostu odwiedzając stronę internetową lub oglądając wideo. Jednak żadne z tych działań nie ma takiej samej potencjalnej mocy, jak interakcja z dobrze zaprojektowanym edukacyjnym chatbotem. W przyszłości prawdopodobnie opracowane zostaną edukacyjne chatboty, które będą mogły zawierać informacje o poziomie wiedzy konkretnego ucznia na dany temat. Następnie może wykorzystać te informacje, aby dostarczyć spersonalizowane rekomendacje dotyczące materiałów edukacyjnych, które najlepiej zaspokoją potrzeby tego ucznia. Dzięki swojej elastyczności i relacyjnemu projektowi chatbot zapewnia interaktywne wrażenia, które mogą być o wiele bardziej interesujące i angażujące niż oglądanie wideo lub czytanie książki, które są dość pasywnymi czynnościami. Nie oznacza to, że nie będziemy już potrzebować nauczycieli, instruktorów ani trenerów, ale raczej zasugerować, że chatboty mogą zapewnić ludziom w tych rolach niesamowite narzędzia do oferowania bardziej spersonalizowanych i skutecznych doświadczeń edukacyjnych. Niektóre instytucje edukacyjne mogą teraz rozpocząć wdrażanie chatbotów, aby zaoferować swoim studentom dodatkowe informacje. Jednym z przykładów podstawowego chatbota do nauki, który jest już dostępny, jest SoccerAI. Z tego chatbota, który jest dostępny w App Store na urządzenia z iOS, można nauczyć się podstaw gry w piłkę nożną. Mój znajomy powiedział ,że może zostać wykorzystany do nauki podstaw gry w piłkę nożną. Moja przyjaciółka powiedziała mi, że jej dziecko zainteresowało się sportem po skorzystaniu z chatbota, co mogło się nie zdarzyć po prostu odwiedzając stronę internetową lub oglądając film edukacyjny. SoccerAI został opracowany przez HeadAI, jedną z wiodących firm w dziedzinie edukacyjnych chatbotów. Harri Ketola, CEO firmy, powiedział mi, że treść instruktażowa dla tego chatbota jest wyselekcjonowana przez sztuczną inteligencję. Ponieważ większość treści SoccerAI ma postać filmów na YouTube, proces AI służy do sortowania ogromnej ilości filmów, znajdowania tych, które są najbardziej odpowiednie i interesujące, oraz organizowania ich na potrzeby chatbota. Możesz dowiedzieć się więcej o tym chatbocie tutaj: www.headai.com/soccerai

Chatboty Terapii Zdrowotnej

Obecnie istnieje stale rosnące zapotrzebowanie na rozwój technologii poprawy opieki zdrowotnej. Jak wspomniałem, jednym z wyzwań, przed którymi prawdopodobnie staniemy, jest wzrost zaburzeń psychicznych związanych z nadmierną zależnością od technologii i ograniczonymi interakcjami społecznymi. Chatboty mogą zaoferować jedno potencjalne rozwiązanie tego problemu. Jednym z przykładów takiego chatbota, który jest hostowany na Facebooku Messenger, jest Woebot. Ten chatbot wykorzystuje terapię poznawczo-behawioralną (CBT), aby pomóc użytkownikom w pracy nad rozwiązywaniem problemów emocjonalnych poprzez zmianę szkodliwych myśli i zachowań. Chatbot Woebot śledzi nastrój użytkownika, zadając proste pytania i wyciągając wnioski z odpowiedzi udzielonych w miarę upływu czasu. Możesz uzyskać więcej informacji na temat tego chatbota na https://woebot.io. W oparciu o odpowiedzi udzielone przez użytkownika Woebot oferuje sugestie lub linki do pomocnych filmów lub gier w celu pomocy osobie w zmianie perspektywy i poczuciu się lepszy. Badacze ze Stanford przeprowadzili losowo kontrolowany test próbny tego chatbota z kilkoma młodymi dorosłymi, którzy doświadczyli objawów depresji i lęku. Oto tylko kilka komentarzy udostępnionych przez użytkowników:

“Bardzo kocham Woebot. Mam nadzieję, że możemy być przyjaciółmi na zawsze. Czuję się bardzo dobrze i jestem szczęśliwy, kiedy widzę, że “zapamiętałem”, aby się ze mną zameldować! ” . “Naprawdę byłem pod wrażeniem i zaskoczony różnicą, jaką bot zrobił w moim codziennym życiu, jeśli chodzi o dostrzeganie rodzajów myślenia, które miałem i zmienianie go.” “Woebot jest zabawnym, małym facetem i mam nadzieję, że nadal będzie się poprawiał”.

Powyższe odpowiedzi pokazują wdzięczność, jaką niektórzy użytkownicy odczuwali wobec chatbota, oraz to, jak podobały mu się ludzkie cechy, a jeden użytkownik nawet personifikował go do tego stopnia, że nazwał go “małym kolesiem”. Wyobraź sobie możliwości w przyszłości, kiedy możemy być w stanie mieć spersonalizowanego lekarza AI, który może zaoferować podstawowe pytania diagnostyczne i sugestie, jednocześnie informując nas, kiedy musimy umówić się na spotkanie z lekarzem. Możemy również skorzystać z osobistych chatbotów coachingowych, które pomogą nam osiągnąć nasze osobiste i zawodowe cele. Istnieje wiele sposobów na skorzystanie z podobnych chatbotów zdrowotnych w najbliższej przyszłości. Podobnie jak w przypadku każdej porady medycznej, zawsze dobrym pomysłem jest poszukiwanie dowodów naukowych potwierdzających wszelkie twierdzenia dotyczące korzyści zdrowotnych, które może zapewnić chatbot. Podobnie twórcy tych chatbotów ponoszą dużą odpowiedzialność etyczną wobec swoich użytkowników, ponieważ narzędzia te można wykorzystać do zmiany ludzkich zachowań na lepsze lub gorsze. Ostatnim wyzwaniem dla wielu takich botów zdrowotnych będzie kwestia prywatności. Użytkownicy będą bez wątpienia zaniepokojeni tym, czy ich osobiste komentarze dotyczące ich samopoczucia zostaną zapisane w chmurze, która może być podatna na ataki hakerów. Z tego powodu bezpieczeństwo jest bardzo ważną kwestią, którą będą musieli rozwiązać programiści chatbota.

Intuicyjnie, zasada maksymalnej oczekiwanej użyteczności (MEU) wydaje się rozsądnym sposobem podejmowania decyzji, ale wcale nie jest oczywiste, że jest to jedyny racjonalny sposób. W końcu dlaczego maksymalizacja średniej użyteczności ma być tak wyjątkowa? Co jest nie tak z agentem, który maksymalizuje ważoną sumę kostek możliwych mediów lub stara się zminimalizować najgorszą możliwą stratę? Czy podmiot może działać racjonalnie, po prostu wyrażając preferencje między stanami, bez nadawania im wartości liczbowych? Wreszcie, dlaczego w ogóle miałaby istnieć funkcja użyteczności o wymaganych właściwościach? Zobaczymy.

Po utworzeniu chatbota kolejnym priorytetem jest upewnienie się, że użytkownicy mogą łatwo go znaleźć i zaangażować się w niego. Ponieważ chatboty są wciąż stosunkowo nowe i oferują nowe wrażenia, użytkownicy mogą być bardziej zainteresowani korzystaniem z twojego chatbota niż subskrybowaniem twojej listy mailowa. Istnieje wiele sposobów, aby zachęcić użytkowników do wypróbowania twojego chatbota. Oto kilka sposobów na promowanie swojego chatbota, jeśli działa on przez Facebook Messenger:

•  Reklamy na Facebooku: w ciągu ostatnich kilku lat korzystanie z reklam na Facebooku stało się jednym z najbardziej skutecznych sposobów promowania treści online. Chociaż powierzchnia marketingowa na Facebooku jest teraz znacznie bardziej zatłoczona, reklamy, które specjalnie promują boty Facebook Messenger, nie są tak powszechne, więc mogą być skutecznym narzędziem do wyróżnienia twojego chatbota. Możesz użyć tych reklam, aby podkreślić wartość dodaną, jaką użytkownicy mogą doświadczyć, dołączając do usługi chatbot.

•  Linki M.Me: są to skrócone linki, które mogą przekierowywać ludzi bezpośrednio do twojego chatbota, jednocześnie udostępniając je za pośrednictwem różnych mediów, w tym witryny, filmów z YouTube, biuletynów e-mail, komunikatorów internetowych i innych.

•  Strona na Facebooku: Pamiętaj, aby promować swojego chatbota również na swojej stronie na Facebooku, aby odwiedzający i fani mogli łatwo uzyskać dostęp do twojego chatbota i korzystać z niego bezpośrednio przez twoją stronę.

•  Szukaj: użytkownicy mogą również znaleźć twojego chatbota, wyszukując go w Facebook Messenger. Chociaż ta metoda może pomóc Ci zdobyć kilku nowych użytkowników, ludzie częściej polegają na wyszukiwaniach Google w celu znalezienia treści, ponieważ Google.com jest tak znany jako niezawodna wyszukiwarka.

•  Karta Discover: jest to stosunkowo nowa funkcja aplikacji mobilnej Messenger, w której użytkownicy mogą znaleźć nowych botów do wypróbowania. Aby twój chatbot pojawił się w zakładce Discover, musisz go przesłać tutaj:

https://developers.facebook.com/docs/messengerplatform/discover/cdisocver-tab

•  Wtyczki internetowe: dość łatwo jest skonfigurować wtyczki na swojej stronie, które pozwalają odwiedzającym na interakcję z chatbotem bezpośrednio ze strony.

•  Udostępnianie: Facebook pozwala również użytkownikom chatbotów na udostępnianie odkrytych treści innym osobom. Zwiększ tempo udostępniania, wybierając interesujące treści na czacie i wprowadzając przycisk udostępniania, aby ułatwić użytkownikom przekazywanie ich znajomym.

•  Kody komunikatora: Jest to modny nowy system kodów, który na ogół nie jest jeszcze dobrze znany opinii publicznej. Ten system zasadniczo zapewnia użytkownikom kody za pośrednictwem ich stron na Facebooku lub smartfonów, które umożliwiają im łatwy dostęp do twojego chatbota. Kody te mogą szczególnie dobrze działać w przypadku lokalnych firm, ponieważ można je umieścić w oknie sklepu, umożliwiając przechodniom szybkie i łatwe skanowanie kodu w celu dołączenia do usługi chatbot.

Aby naprawdę zmaksymalizować wyniki, które możesz uzyskać z chatbota, zastanów się, w jaki sposób możesz doprowadzić użytkowników do swojego chatbota, jednocześnie promując funkcje i korzyści, które twój chatbot może zaoferować subskrybentom.

Zaczynamy od agenta, który, jak wszyscy agenci, musi podjąć decyzję. Ma dostępne niektóre akcje. Może istnieć niepewność co do obecnego stanu, więc założymy, że agent przypisuje prawdopodobieństwo P(s) do każdego możliwego obecnego stanu s. Może również istnieć niepewność co do wyników działania; model przejścia jest określony przez P(s’ | s,a), prawdopodobieństwo, że działanie a w stanie s osiągnie stan s’. Ponieważ interesuje nas przede wszystkim wynik s’, użyjemy również skróconej notacji P(RESULT(a)=s’), prawdopodobieństwo osiągnięcia s0 przez wykonanie a w obecnym stanie, cokolwiek to jest. Oba są powiązane w następujący sposób:

Teoria decyzji w swojej najprostszej formie zajmuje się wyborem spośród działań w oparciu o celowość ich bezpośrednich rezultatów; to znaczy zakłada się, że środowisko ma charakter epizodyczny. Preferencje agenta są wychwytywane przez funkcję użyteczności U(s), która przypisuje pojedynczą liczbę wyrażającą atrakcyjność stanu. Oczekiwana użyteczność działania na podstawie dowodów, EU(a), to po prostu średnia wartość użyteczności wyników, ważona prawdopodobieństwem wystąpienia wyniku:

Zasada maksymalnej oczekiwanej użyteczności (MEU) mówi, że racjonalny agent powinien wybrać działanie, które maksymalizuje oczekiwaną użyteczność agenta:

W pewnym sensie zasada MEU może być postrzegana jako recepta na inteligentne zachowanie. Wszystko, co musi zrobić inteligentny agent, to obliczyć różne ilości, zmaksymalizować użyteczność swoich działań i odejść. Ale to nie znaczy, że problem AI jest rozwiązany z definicji! Zasada MEU formalizuje ogólne przekonanie, że inteligentny agent powinien „postępować właściwie”, ale nie operacjonalizuje tej porady. Oszacowanie rozkładu prawdopodobieństwa P(s) nad możliwymi stanami świata, który składa się na P(RESULT(a)=s’), wymaga percepcji, uczenia się, reprezentacji wiedzy i wnioskowania. Samo obliczenie P(RESULT(a)=s’) wymaga przyczynowego modelu świata. Może być wiele działań do rozważenia, a samo obliczenie narzędzi wynikowych U(s0) może wymagać dalszych poszukiwań lub planowania, ponieważ agent może nie wiedzieć, jak dobry jest stan, dopóki nie będzie wiedział, dokąd może dotrzeć z tego stanu. System sztucznej inteligencji działający w imieniu człowieka może nie znać prawdziwej funkcji użytkowej człowieka, więc może istnieć niepewność co do U. Podsumowując, teoria decyzji nie jest panaceum, które rozwiązuje problem sztucznej inteligencji – ale stanowi początek podstawowego ramy matematyczne, które są wystarczająco ogólne, aby zdefiniować problem AI. Zasada MEU ma wyraźny związek z ideą mierników wyników przedstawioną w rozdziale 2. Podstawowa idea jest prosta. Rozważ środowiska, które mogą prowadzić do agenta o określonej historii percepcji, i rozważ różne agenty, które moglibyśmy zaprojektować. Jeśli agent działa tak, aby zmaksymalizować funkcję użytkową, która prawidłowo odzwierciedla miarę wydajności, agent osiągnie najwyższy możliwy wynik wydajności (uśredniony dla wszystkich możliwych środowisk). To jest główne uzasadnienie samej zasady MEU. Choć twierdzenie to może wydawać się tautologiczne, w rzeczywistości zawiera ono bardzo ważne przejście od zewnętrznej miary wydajności do wewnętrznej funkcji użyteczności. Miara wydajności daje ocenę historii — sekwencję stanów. Jest więc stosowany retrospektywnie po wykonaniu przez agenta sekwencji działań. Funkcja użyteczności odnosi się do następnego stanu, więc może być używana do prowadzenia działań krok po kroku.