Software bliver smart. Det er en langsom, ujævn proces - men det er også tilsyneladende ustoppeligt. En efter en, de hårde problemer med maskinindlæring Hvor intelligent software skal ændre dit liv Hvor intelligent software kommer til at ændre dit liv Skynet kommer, og det bliver utrolig populært. Nye AI teknologier kommer frem, der vil chancen for, hvordan vi lever, spiller og arbejder, læser Read More til kraftfulde nye teoretiske værktøjer, så vi kan bygge software, som kan gøre nogle virkelig imponerende ting.
Nogle applikationer, som selvkørende biler, er et par år væk. Det, du måske ikke er klar over, er, at maskinindlæringen allerede er omkring dig, og det kan udøve en overraskende grad af indflydelse i dit liv. Tro mig ikke? Du kan blive overrasket.
Lad os starte med et indlysende eksempel.
Indhold Anbefalinger
Når du gennemser Spotify eller Netflix eller Amazon's Kindle Store, ser maskinalarmalgoritmer på dig. Det er deres job - de har brug for oplysningerne for at give dig anbefalinger, et stykke maskinindlæringsteknik, så allestedsnærværende, at du måske aldrig har tænkt over det.
Det er overalt - med størst sandsynlighed er de fleste af medierne du har forbruget i de sidste par år blevet udvalgt til dig af disse algoritmer.
Hvis du tænker på det, synes denne form for anbefaling umulig. Hvordan ved et computerprogram du kan lide The West Wing ? Har det set det? Føler det menneskeheden af Martin Sheens nuancerede skildring af præsident Bartlett? Får det vittighederne? Har det vagt hoveder til Janel Moloney?
Som det viser sig, gør disse algoritmer netop ingen af disse ting. I stedet rangerer de indhold helt baseret på brug . Disse algoritmer ignorerer indholdets indhold, og fokuserer i stedet på, hvad slags mennesker det er, og hvad de ellers plejer at lide.
Ved at se på, hvad du allerede kan, kan algoritmen finde ud af, hvilken af de lærte stereotyper du ligner mest, og gør meget præcise gæt om din smag. Kan du lide The Daily Show, Cabin in the Woods og House of Cards ? Nå, en forfærdelig stor del af befolkningen i den kategori som The West Wing. Odds er, du vil også.
Interessant nok begynder denne tidligere universelle tilgang at ændre sig, da vi når grænsen for, hvad du kan finde ud af brugsmønstre. Der er reelle grænser for hvad du kan gøre med denne slags algoritme. Bare for startere - hvordan rangerer du nyt indhold, der ikke har nogen visninger endnu?
Der er også spørgsmålet om faldende afkast. Netflix er god til anbefalinger Den Ultimate Netflix Guide: Alt, hvad du nogensinde har ønsket at vide om Netflix Den Ultimate Netflix Guide: Alt, hvad du nogensinde har ønsket at vide om Netflix Denne vejledning indeholder alt hvad du behøver at vide om at bruge Netflix. Uanset om du er en ny abonnent eller en etableret fan af den bedste streaming service derude. Læs mere, men de vil ikke blive meget bedre ved at bruge eksisterende teknikker. I 2009 havde Netflix en konkurrence på en million dollar for at finde en overlegen version af sin anbefalingsalgoritme, og vinderen forbedrede anbefalingerne med kun ca. 10%. Siden da har forbedringer været endnu mindre. På et tidspunkt ville den eneste måde at gøre meget bedre på, være at lære computere at forstå kunst.
Så det er, hvad tekniske virksomheder gør.
Sidste år anvendte en Spotify-intern, der hedder Sander Dieleman, en kraftfuld maskinindlæringsteknologi kaldet "Deep Learning Microsoft vs Google - Hvem leder det kunstige intelligens løb? Microsoft vs Google - Hvem leder det kunstige intelligens løb? Kunstige intelligensforskere gør konkrete fremskridt, og folk begynder at tale alvorligt om AI igen. De to titaner, der fører den kunstige intelligens race, er Google og Microsoft. Læs mere "i deres database, så programmet kan lære at analysere musik. Det neurale netværk automatisk - ved hjælp af andet end rå lyddata - kom til at genkende særprægede mønstre i musikken.
En lavnive neuron fyrede kun som reaktion på vibratosang. Dybere i netværket var en neuron, der havde lært at identificere kristen sten. En anden fyret for chiptunes og otte bit musik Making 8bit Music: En introduktion til Free Chiptune Music Trackers Making 8bit Music: En introduktion til Free Chiptune Music Trackers Her er alle de værktøjer, du har brug for til at oprette din egen chiptune-musik. Læs mere . En anden fyrede kun for Armin Van Buren. Mange andre var navnløse men fremlagde stadig en vis meningsfuld egenskab af musikken.
Her er et kort Dieleman genereret af hver kunstner på Spotify, grupperet efter deres lighed med hinanden.
(Seriøst, bloggen om dette er fascinerende - læs det).
Alle disse funktioner giver sammen meget rigere grunde til anbefalinger, fordi systemet kan anbefale sange, ikke kun af hvem andre kan lide dem, men af deres faktiske abstrakte egenskaber. Spotify har ikke rullet dette ud til forbrugerne endnu, men det er kun et spørgsmål om tid. Lige nu får du mest muligt ud af Spotify Gør bedre brug af Spotify med disse Top Tips og Tricks Gør bedre brug af Spotify med disse Top Tips og Tricks Hvis du har investeret tid og penge i spillelister og et abonnement, giver det mening at lære nogle af de mindre kendte funktioner og quirks, som Spotify klienten har at tilbyde. Der er ingen benægtelse af ... Læs mere kræver nogle specifikke tricks og know-how. I fremtiden kan det ske automatisk.
Kan det samme gøres for f.eks. Film?
Det er ikke ud af spørgsmålet. Google har allerede en algoritme, som kan forstå et fotografi, der er tilstrækkeligt godt til at beskrive det på engelsk med en rimelig grad af nøjagtighed. Google forsker Geoffrey Hinton, kendt som "Neural Networks Fader", sagde i sin Reddit AMA, at han vil blive skuffet, hvis vi ikke har en algoritme, der kan beskrive begivenhederne i en film inden for fem år. Den slags analytiske evne ville være en masse yderligere oplysninger, som Netflix kunne bruge til at lave smartere filmrekommendationer.
High Frequency Trading
Et andet område, som vi ikke ofte tænker på, er algoritmisk handel. I 2012 skal halvdelen af alle aktiemarkederne begynde at investere i aktier, selvom du er en totalbegynder Sådan begynder du at investere i aktier, selvom du er en totalbegynder Det er ikke nemt at indtaste investeringsverdenen, men takket være Nye algoritmebaserede onlineværktøjer, du kan blive involveret, selvom du er en nybegynder. Her er seks af de bedste. Læs mere blev lavet af computerprogrammer. Hvorfor? Fordi mennesker er langsomme. Markedsbegivenheder kan ske på en timescala af millisekunder. Mennesker kan ikke engang fortolke oplysninger, der hurtigt, meget mindre virker på dem.
Højfrekvent handel sætter disse økonomiske beslutninger i hænderne på computeralgoritmer, som kan forudsige opførsel af aktier, og købe og sælge i overensstemmelse hermed. Mens de mangler menneskelige handelsdommers dom, giver deres fart dem adgang til muligheder, der simpelthen er for hurtige for mennesker.
Algoritmisk handel påvirker dit økonomiske liv på en række forskellige måder. Dine investeringer 5 Websites, hvor du kan lære at investere penge 5 Websites, hvor du kan lære at investere penge At lære at investere kan være skræmmende, men disse fem hjemmesider hjælper med at gøre det nemt med klare forklaringer og nyttige råd. Læs mere findes inden for et marked, der praktisk talt ser med algoritmer. De ændrer markedernes dynamik, både på gode og dårlige måder. De tilbyder mere likviditet og en buffer mod volatilitet, men de indfører også visse risici.
Algoritmisk handel har indført helt nye former for økonomisk kriminalitet. I 2010 udlod en enkeltforhandler med et legion af automatiserede algoritmer i et forsøg på ulovligt at manipulere markedet ved et uheld at udløse et trillion dollar-markedskrasj - aktiemarkedet faldt med ca. 9% i løbet af få minutter.
Ironisk nok blev krasjen forværret af legitime handelsalgoritmer dumpningspositioner som reaktion på faldet. Fordi mange af dem brugte tilsvarende algoritmer på det tidspunkt, fodrede de hinanden, hvilket skabte en negativ feedback-loop. Selv om markedet er kommet hurtigt tilbage, viser den forbavsende udsving, hvor meget kontrol af den finansielle verden vi har ceded til disse algoritmer.
Reklame
Reklame er svært. Forbrugerne er pludselige og skal omkøles, smigret og ellers manipuleres til at købe et produkt. Der er en grænse for, hvor effektivt du kan manipulere folk, når du skal kommunikere med dem en masse. Folk er forskellige, og de samme produkter og meddelelser vil ikke appellere til dem alle.
Det er overflødigt at sige, at eksistensen af internettet og computere fundamentalt har ændret spillet for annoncører. Nu kan annoncører finde en besked til en bestemt person og finde ud af, hvad de vil og har brug for. For at gøre det afhænger de af maskinalæringsalgoritmer, der kan se på andres browsere og indkøbsvaner. Tænker du to gange om disse online shoppingfælder inden du køber? Tænker du to gange om disse online shoppingfælder inden du køber? Detailhandlere og marketingfolk bruger spændende adfærdsmæssige psykologi for at få dig til at købe deres produkter, uanset om du har brug for dem eller ej. Ved du, hvordan de målretter mod dig? Læs mere, og lav indledninger om, hvad de måske køber i fremtiden.
Kraften i disse algoritmer blev vist ud til en skarp effekt i den berygtede sag, delt af Target-statistikeren Andrew Pole, hvor en målleder blev konfronteret med en irat far og klagede over, at hans teenagedatter blev sendt brochurer af kuponer designet til gravide kvinder . Lederen undskyldte, og faderen forlod. Da lederen opfordrede til at følge op, var han overrasket over at høre faren undskylde, idet han opdagede, at Target's machine learning software var korrekt: hans datter var gravid.
Dette var en af de hændelser, ifølge Pole, der fik Target til at begynde at skjule effektiviteten af sine maskinindlæringsalgoritmer. Ifølge Poole,
"Vi er meget konservative over for overholdelse af alle lovgivninger om beskyttelse af personlige oplysninger. Men selvom du følger loven, kan du gøre ting, hvor folk bliver dårlige. [...] Så begyndte vi at blande i alle disse annoncer for ting, vi vidste, at gravide aldrig ville købe, så babyannoncerne var tilfældige. [...] Og vi fandt ud af, at så længe en gravid kvinde mener, at hun ikke er blevet spioneret, bruger hun kuponerne. Hun går ud fra, at alle andre på hendes blok fik samme mailer til bleer og krybber. Så længe vi ikke spøger hende, virker det. "
Med andre ord er målretningsalgoritmerne så kraftfulde, at Target aktivt skal skjule deres nøjagtighed for at undgå skræmmende kunder. Disse algoritmer kan have en stærk indflydelse på det, vi køber, og (når de anvendes korrekt) er de helt usynlige.
Web Rankings
Vi hører hele tiden om ting, der er "trending" eller "blowing up" eller "going viral 5 Overraskende ting, jeg lærte ved at se en post, gå på viral på Tumblr 5 Overraskende ting, jeg lærte ved at se et indlæg, gå på viral på tumblr Forestil dig din overraskelse, når du vågner en morgen for at finde ud af, at noget du har lavet er gået viral. Du kan lære meget om, hvordan indhold opfører sig på Tumblr ved at se den virale proces udfolde sig. Læs mere. "Generelt tænker folk på dette som en organisk proces. Hvad de måske overser, ved første øjekast er, at næsten hele denne aktivitet sker på en håndfuld websites De bedste websites på internettet De bedste websites på internettet En enorm liste over de bedste websites på internettet i fjorten handy kategorier . Disse anses for at være top-of-the-line websteder, der får dig, hvad du har brug for. Læs mere: Google, Reddit, Twitter, Tumblr og Facebook. De fleste af disse hjemmesider bruger variationer på en maskinindlæringsalgoritme til at bestemme, hvad du gør og ikke kan se, og disse algoritmer har en stærk effekt på hvilke historier "gå virale", og hvilke historier gør det ikke.
For de fleste af disse websteder er de algoritmer, de bruger til at rangere indhold, proprietære - en handelshemmelighed.
I tilfældet med Reddit er algoritmen, der bruges til at styre hvilke indlæg, der gør det til forsiden, voldsomt kompliceret i et yderst mislykket forsøg på at gøre det sværere at spille. Det samme gælder for Twitter og Google. Alt dette er lidt alarmerende, fordi disse ting kan betyde meget.
Ifølge psykolog Roger Epstein kunne Googles valg af pagerankalgoritme enkeltvis bestemme resultatet af mere end en fjerdedel af verdensomspændende præsidentvalg. Det er meget magt i hænderne på et stykke software.
Lær at elske algoritmerne
Lektionen at tage væk fra alt dette er ikke panik. Vi har kørt strøm til robotterne i et stykke tid nu - og med nogle få undtagelser ser verden stadig godt ud. Der er lidt grund til at oplagre på dåsefoder og haglgeværere endnu.
Men det betaler sig for at være opmærksom på, i hvilken grad disse algoritmer påvirker dit liv. Hvilke interesser repræsenterer de? Er dine valg så gratis som de føler?
Hvad synes du? Er denne software uhyggelig? Interessant? Lad os vide i kommentarerne!
Billedkreditter: Marionette udgør via Shutterstock, robotarm via Shutterstock