Πώς μας “ακούστε να” τηλέφωνα ιδιωτική ζωή μας

Δεν υπάρχει λόγος, ούτε χρόνος, ούτε άδεια να ενεργοποιήσετε μικρόφωνα μόνο και μόνο για να μας δείξει μια διαφήμιση για πάνες, δόντια ενάντια σε τερηδόνες, ή φθηνά αεροπορικά εισιτήρια. Αυτό που πραγματικά κάνεις είναι κάτι πολύ πιο απλό, αλλά και πολύ... εξυπνότερο.

Η τελική γραμμή είναι ένα μοντέλο Τεχνητής Νοημοσύνης που ονομάζεται “Graph Net Network”, ή Φεβρουάριος GNN. Βλέπει τα δεδομένα μας, όχι ως ένα μάτσο κείμενα, κλικ, SMS και χάρτες, αλλά ως ένα χάρτη των ανθρώπινων σχέσεων. Μόνο που, αντί για ανθρώπους, ο χάρτης έχει μικρά σημεία πληροφοριών. Και αντί για φιλίες, συνδέεται.

Τι κάνεις, GNN;

Φαντάσου ένα δωμάτιο γεμάτο ανθρώπους να μιλάνε μεταξύ τους. Το GNN παίρνει κομμάτια δεδομένων και τους επιτρέπει να μιλήσουν. Όχι για το πώς ήταν η μέρα τους, αλλά για το πώς συνδέονται μεταξύ τους. Οποιαδήποτε “λόγω του” είναι ένα στοιχείο. Μια λέξη που έγραψες στον Αγγελιοφόρο, μια ιστοσελίδα που άνοιξες χθες, την τοποθεσία του σπιτιού σου, την ώρα που συνήθως ψάχνεις για φαγητό.

<x) Ποιες λέξεις εμφανίζονται συχνά μαζί; Ποια έρευνα ακολουθεί πάντα; Σε ποιους τομείς βρίσκεστε όταν ανοίγετε συγκεκριμένες εφαρμογές; Με άλλα λόγια: το GNN δεν σώζει το “είπες”. Κρατάει το “s συνδεδεμένο με τα πράγματα που κάνετε”. Και αυτή η φαινομενικά απλή ιδέα κάνει εξαιρετικά καλό στην πρόβλεψη του τι είναι πιθανό να θέλεις να δεις αργότερα.
Τι δεδομένα χρησιμοποιείτε;

Όσον αφορά τις συστάσεις ειδήσεων, τις προσαρμοσμένες διαφημίσεις ή το περιεχόμενο εντός εφαρμογών, η IA χρησιμοποιεί τέσσερις μεγάλες ομάδες δεδομένων:

1. Κείμενο Τι γράφουμε. Αυτό περιλαμβάνει κείμενα από την έρευνα, μηνύματα εφαρμογών που επιτρέπουν τα δεδομένα (όχι από κωδικοποιημένες εφαρμογές όπως Whatsapp), περιγραφές στο YouTube, σχόλια και δημοσιεύσεις. Το GNN δεν διαβάζει το μήνυμα ως ανθρώπινη συνομιλία “, αλλά ως λέξεις συνδεδεμένες μεταξύ τους. Για παράδειγμα, αν γράψετε “Σκέφτομαι να αγοράσω κουρτίνες για το σπίτι μου”, μοντέλο που φέρει πινακίδες: κουρτίνες, σπίτια, αγορές και σχέσεις. Δεν αποτελεί εικόνα του τι συζητήσατε με το άτομο που μιλούσατε.

2. Η ιστορία της έρευνας και των επισκέψεων σε ιστοσελίδες. Αυτή είναι η μεγαλύτερη πηγή πληροφοριών. Δεν είναι μυστικό. Το ιστορικό του προγράμματος περιήγησης αποκαλύπτει ενδιαφέροντα, συνήθειες του χρόνου και μοντέλα. GNN εδώ διαβάζει τις ακολουθίες: Μπορείτε να ξεκινήσετε με τις ειδησεογραφικές ιστοσελίδες, στη συνέχεια, ανοίξτε τα σπορ σας, στη συνέχεια, κοιτάξτε τι ώρα είναι το παιχνίδι, στη συνέχεια, δείτε τα παπούτσια σας. Αυτές οι ακολουθίες γίνονται “inset” στο γράφημα.

3. Τοποθεσία μόνο αν είναι ενεργό. Το GPS δίνει γεωγραφικά σημεία που σχετίζονται με άλλες αρθρώσεις: Η νοημοσύνη διδάσκει όταν είμαστε στο σπίτι, όταν είμαστε στη δουλειά, σε ποια γειτονιά ψωνίζουμε, σε ποια ώρα βρισκόμαστε. Έχεις δει ποτέ διαφημιστικό σόου για καφέ κοντά στο γραφείο σου; Δεν είναι επειδή το τηλέφωνο “ακούει σε” ότι είστε αναστατωμένος και προτείνει κάτι άλλο. Είναι επειδή κατέγραψε ότι κάθε πρωί είσαι εκεί γύρω στις 9:15 και ανοίγεις το Facebook.

4. Γενικά μοντέλα χρήσης. Πόσο συχνά ανοίγουμε μια εφαρμογή, πόσο καιρό μένουμε, τι άλλο κάνουμε λίγο πριν ή μετά; Είναι κάπως ένας ρυθμός, προσωπικός και μοναδικός. Το τηλέφωνό σας δεν είναι ενεργοποιημένο για διαφήμιση, για δύο λόγους: Πρώτον, επειδή θα ήταν νομικά καταστροφικό και τεχνικά περίπλοκο. Δεύτερον, επειδή το GNN έχει ήδη αρκετές πληροφορίες για να προβλέψει τι μπορεί να σας ενδιαφέρει χωρίς “clever” τίποτα.

Πώς τα κάνεις όλα αυτά; Χτίζοντας αυτό το γράφημα σχέσης και μετρώντας κάτι που ονομάζεται <x0 <x0”, το οποίο είναι μια αριθμητική περίληψη του τύπου του χρήστη που φαίνεται να είναι. Ένα ραβδί είναι σαν ένα αποτύπωμα. Το όνομα χρήστη δεν λέει ότι το “ενδιαφέρεται για ψυγεία”, αλλά το “χρήστη με αυτόν τον λογαριασμό συνδέεται με άλλους χρήστες που ενδιαφέρονται για ψυγεία”. Έτσι η GNN κάνει μια υπόθεση βασισμένη σε μοντέλα, όχι σε επιτήρηση.

Πώς χρησιμοποιούνται όλα αυτά στο κινητό σου;

Με κάθε τρόπο. Από τις ειδήσεις που προτάθηκαν στο Google Discover, στους Reels που εμφανίζονται στο Instagram, αναφορές στο YouTube, προτάσεις εφαρμογών Play Store και, φυσικά, διαφημίσεις. Η τεχνική λογική είναι πάντα η ίδια: Φτιάξτε έναν χάρτη σχέσεων που γίνεται πιο έντονος καθώς το κινητό μαθαίνει τις συνήθειές μας. Τα GNN είναι ιδανικά για τέτοιες θέσεις εργασίας επειδή μαθαίνουν καλύτερα ως νέοι κόμποι, νέες συνδέσεις, νέα μοντέλα.

Στην πράξη αυτό σημαίνει: Αν βλέπετε βραδινές ειδήσεις, η πηγή ταιριάζει στις περιστάσεις. Αν αναζητάς ταξίδια το Σαββατοκύριακο, αλλάζει η διαφήμιση. Εάν ζητήσετε αποστολές σε συγκεκριμένους τομείς, εμφανίζονται προτάσεις. Όταν γράφετε με λέξεις που σχετίζονται με την υγεία, τον τρόπο ζωής ή με συγκεκριμένα προϊόντα, το σύστημα το θεωρεί αυτό ως ένδειξη ενός νέου εθίμου. Και όλα αυτά γίνονται χωρίς να κρατάς αντίγραφα των συνομιλιών σου. Κρατά μόνο συνδέσεις και μοντέλα.

Είναι καλό ή κακό;

Οι απόψεις διαφέρουν. Φυσικά, είναι μια μορφή εξατομίκευσης που μας βοηθάει να μην χάσουμε τα χαοτικά χρονοδιαγράμματα. Αλλά, όπως κάθε εργαλείο, υπάρχει και η σκοτεινή του πλευρά: δημιουργεί “μουλούσκα” ενδιαφέροντα, περιορίζει την ποικιλία των πληροφοριών και ενισχύει τις εμμονές μας. Το σημαντικό εδώ είναι ότι η GNN δείχνει πως η τεχνητή νοημοσύνη δεν χρειάζεται να μοιάζει με κατάσκοπο για να είναι αποτελεσματική. Απλά πρέπει να παρακολουθεί και να καταγράφει τα δίκτυα σχέσεων. Αυτές οι σχέσεις, τις περισσότερες φορές, δημιουργούνται από εμάς από τα δικά μας δάχτυλα, έθιμα και καθημερινές κινήσεις. Έτσι, κινητό τηλέφωνο “x3> ίχνη του δίνουμε.