Hogyan kell a “hallgatni” telefonokat a magánéletünkben

Nincs ok, se idő, se több, se engedély mikrofonok aktiválására, csak azért, hogy megmutassuk a pelenkák hirdetését, a fogakat a fogak ellen, vagy az olcsó repülőjegyeket. Amit valójában csinálsz, az sokkal egyszerűbb, de sokkal... okosabb is.

A végeredmény a mesterséges intelligencia “Graph Net Network” vagy Február GNN modellje. Az adatainkat nem szövegeknek, kattintáknak, SMS-eknek és térképeknek látja, hanem az emberi kapcsolatok térképének. Csak az emberek helyett, a térképnek kis információi vannak. És barátságok helyett, ez kapcsolódik.

Mit csinálsz, GNN?

Képzelj el egy szobát, tele emberekkel. A GNN adatokat kap, és lehetővé teszi, hogy beszéljenek. Nem arról, hogy milyen volt a napjuk, hanem hogy hogyan viszonyulnak egymáshoz. Bármely “ ” miatt egy tétel. Egy szó, amit a Messenger-ben írt, egy oldal, amit tegnap nyitott, a ház elhelyezkedése, az idő, amikor általában ételt keres.

< x) Milyen szavak jelennek meg gyakran együtt? Milyen kutatás következik mindig? Melyik területen van, amikor bizonyos kérelmeket nyit? Más szóval: a GNN nem menti meg a “értéket, amit mondtál”. Megtartja a “s kapcsolatot az” dolgokkal. És ez a látszólag egyszerű ötlet rendkívül jó ahhoz, hogy megjósold, amit később látni szeretnél.
Milyen adatokat használ?

Ha hírekről, egyedi hirdetésekről vagy az alkalmazásokon belüli tartalomról van szó, a hatásvizsgálat négy fontos adatcsoportot használ:

1. Szöveg, mit írunk. Ez magában foglalja a szövegeket a kutatás, app üzenetek, amelyek lehetővé teszik az adatokat (nem kódolt alkalmazások, mint a Whatsapp), YouTube leírások, megjegyzések és hozzászólások. A GNN nem “emberi beszélgetésként (”) olvassa el az üzenetet, hanem összekapcsolt szavakkal. Például, ha “Azon gondolkodom, hogy veszek függönyöket a házamba”, modellezési táblákat: függönyöket, házakat, piacokat és kapcsolatokat. Ez nem egy kép arról, amit megbeszéltél azzal, akivel beszéltél.

2. A történet a kutatás és a látogatások honlapok. Ez a legnagyobb információforrás. Ez nem titok: A böngésző előzményei érdeklődést, időszokásokat és modelleket tárnak fel. GNN itt olvassa a szekvenciákat: Kezdje a hírek oldalak, majd nyissa meg a sport, majd nézd meg, hogy mennyi az idő a játék, majd nézd meg a cipőt. Ezek a szekvenciák “inset” a grafikonon készülnek.

3. Csak akkor, ha aktív. A GPS más ízületekhez kapcsolódó földrajzi pontokat ad: a hírszerzés tanít, amikor otthon vagyunk, amikor dolgozunk, melyik környéken vásárolunk, mikor dolgozunk. Láttál már reklámműsort egy kávézóban az irodád közelében? Nem azért vagy ideges, mert a “a” -t hallgatja, hanem mert valami mást javasolsz. Azért, mert minden reggel 9: 15 körül felveszi, és Facebookon nyit.

4. Általános használati modellek Milyen gyakran nyitunk applikációt, meddig maradunk, mit csinálunk egy kicsit előtte vagy utána? Ez egyfajta ritmus, személyes és egyedi. A telefon nem engedélyezett a reklám, két okból: Először is, mert jogilag katasztrofális és technikailag bonyolult. Másodszor, mert a GNN-nek már elég információja van ahhoz, hogy megjósolja, mi érdekel téged “okos” semmi nélkül.

Hogy csinálod ezt? A kapcsolat grafikonjának felépítésével és a < x0 < x0” nevű dolog megszámlálásával, ami a felhasználótípus numerikus összefoglalója. A bot olyan, mint az ujjlenyomat. A felhasználónév nem mondja, hogy “érdeklődik a” hűtőgépek iránt, de a “felhasználó ezzel a számlával más felhasználókhoz kapcsolódik, akik a” hűtőgépek iránt érdeklődtek. A GNN modelleken alapszik, nem megfigyelésen.

Hogy használják ezt a mobilodon?

Mindenféle módon. A Google Discover által javasolt hírekből az Instagramban megjelenő Reels, a YouTube jelentések, a Play Store alkalmazás javaslatai és természetesen hirdetések. Technikai logika mindig ugyanaz: Építs egy térképet a kapcsolatok, hogy egyre intenzívebb, ahogy a mobiltelefon megtanulja a szokásokat. A GNN-ek ideálisak az ilyen munkákhoz, mert jobban tanulnak, mint új csomók, új kapcsolatok, új modellek.

A gyakorlatban ez a következőket jelenti: Ha esti híreket nézel, a forrás illik a körülményekhez. Ha hétvégi kirándulásokat keresel, a reklám megváltozik. Ha konkrét területekre kéri a szállítást, javaslatok jelennek meg. Amikor az egészséggel, életmóddal vagy különleges termékekkel kapcsolatos szavakat írsz, a rendszer ezt egy új szokás jeleként veszi fel. És ez az egész anélkül történik, hogy a beszélgetéseik másolatait vezetnénk. Csak kapcsolatokat és modelleket tart.

Ez jó vagy rossz?

A vélemények eltérőek. Természetesen ez a megszemélyesülés egy formája, amely segít, hogy ne késsük le a kaotikus idővonalakat. De mint minden eszköz, ott van a sötét oldala is: létrehoz “muluska” érdekeket, korlátozza az információk sokféleségét, és megerősíti megszállottságainkat. A lényeg, hogy a GNN megmutatja, hogy a mesterséges intelligenciának nem kell kémnek tűnnie, hogy hatékony legyen. Csak figyelnie és rögzítenie kell a kapcsolati hálózatokat. Ezeket a kapcsolatokat, legtöbbször, a saját ujjaink, szokásaink és mindennapi mozgásaink hozzák létre. Tehát a mobil “x3 > nyomokat adunk neki.