Использование Chatbots в качестве личных помощников сочинение пример

ООО "Сочинения-Про"

Ежедневно 8:00–20:00

Санкт-Петербург

Ленинский проспект, 140Ж

Сочинение на тему Использование Chatbots в качестве личных помощников

Чат-роботы личного помощника используются для выполнения административных задач, таких как планирование собраний, установка напоминаний, получение информации для ответов на вопросы или извлечение информации из Интернета в сводную информацию. Эти виды чат-ботов имеют различные варианты использования и могут использоваться внутри компании для управления сотрудниками, для общения с клиентами для планирования встреч с клиентами в бизнес-среде или для работы в качестве индивидуального личного помощника. Области, в которых личные помощники-чат-боты могут повысить ценность бизнеса, аналогичны областям обслуживания клиентов и чат-роботам электронной коммерции. Несмотря на то, что ИИ с низкой вовлеченностью все еще могут быть реализованы в этих фирмах, полный потенциал ИИ может быть использован только фирмами, располагающими ресурсами для обучения более надежных систем. Конечно, это можно считать выгодой для крупных компаний за эффективный рост их бизнеса, но такое неравномерное распределение технологий может создать серьезные конкурентные барьеры для небольших компаний.

Помимо влияния на предотвращение честной конкурентной среды, чрезмерная зависимость AI от данных представляет собой фундаментальную неэффективность технологии. Многие дискуссии о достижениях в области искусственного интеллекта, которые были обнародованы за последние несколько лет, могут привести к тому, что некоторые люди усомнятся в том, является ли технология хотя бы отдаленно «разумной» по сравнению с людьми. Например, вам не нужно показывать ребенку 10 000 изображений собаки, чтобы они узнали, что это собака. Люди применяют эвристику, которая позволяет нам быстрее принимать умственные решения и обрабатывать информацию. Чтобы ИИ выполнил свое обещание тиражировать человеческий интеллект, ему нужно будет использовать аналогичные ярлыки для обучения. Необходимо усовершенствовать технологию, которая позволит ИИ учиться с меньшим количеством данных, прежде чем это станет практическим решением для маркетологов. В течение многих лет велись разработки по исправлению этого недостатка ИИ.

Среда обучения Байесовской программы (BPL), разработанная Бренденом М. Лейком, Русланом Салахутдиновым и Джошуа Б. Тененбаумом (2015), позволяет системе искусственного интеллекта воспроизводить поведение человека после воздействия только одного набора данных. Платформа BPL пока еще не усовершенствована, но она является экспоненциальным улучшением по сравнению с массивными требованиями к данным, предъявляемыми алгоритмами глубокого обучения. Гэри Маркус также работает над повышением эффективности алгоритмов глубокого обучения в своей компании Geometric Intelligence. Его программное обеспечение XProp было способно распознавать числа с частотой ошибок 0,2% после обработки всего 150 примеров, в отличие от 700 примеров, необходимых для алгоритма глубокого обучения для выполнения той же задачи.

Несмотря на эффективность распознавания рукописных чисел с частотой ошибок 0,2%, даже не являясь улучшением современных алгоритмов глубокого обучения, программное обеспечение Marcus делает технологию искусственного интеллекта на шаг ближе к тому, чтобы быть менее зависимой от огромных объемов данных, подлежащих обработке. эффективный. В последнее время все большее число разработчиков ИИ осознало неэффективность объема данных, необходимых для обеспечения ИИ и машинного обучения. Как сказал Чарльз Берган, вице-президент по инженерным разработкам в Qualcomm, на конференции MIT Technology Review в январе 2018 года, алгоритмы обучения, использующие «однократное обучение», представляют собой огромный сдвиг в направлении ИИ. Традиционные разработки искусственного интеллекта основаны на использовании подхода «белого безделья», пытаясь сделать компьютеры более прочными. Однократное обучение сместит акцент на создание более эффективных алгоритмов.

В этой же заметке ведется работа по уменьшению размера нейронных сетей без снижения точности. Усилия по улучшению алгоритмов ИИ решают критические проблемы, с которыми сталкивается технология. Чтобы ИИ был полезным инструментом для маркетологов, он должен беспрепятственно взаимодействовать с остальной частью организации, чтобы обеспечить ценность. Фирмы будут вести непростую битву, чтобы реализовать положительную рентабельность инвестиций в систему искусственного интеллекта, которая требует астрономических затрат. Чтобы ИИ стал практическим решением для автоматизации черных задач, он должен стать более эффективным в том, как он учится. Эти формы «бедных» систем ИИ должны служить ориентиром для развития технологии ИИ. Системы искусственного интеллекта, которые могут обучаться, используя минимальные объемы данных, а затем корректировать их на лету, используя минимальные объемы потенциально некачественных неструктурированных данных, будут представлять собой прогресс в технологии, которая может значительно повысить ее эффективность для маркетологов в фирмах всех размеров.

Поделиться сочинением
Ещё сочинения
Нет времени делать работу? Закажите!

Отправляя форму, вы соглашаетесь с политикой конфиденциальности и обработкой ваших персональных данных.