Programvaren blir smart. Det er en treg, ujevn prosess - men det er også tilsynelatende ustoppelig. En etter en, de vanskelige problemene med maskinlæring Hvor intelligent programvare skal forandre livet Hvor intelligent programvare skal endre livet ditt Skynet kommer, og det kommer til å bli utrolig populært. Nye AI-teknologier kommer frem som vil tilfeldige måten vi lever, leker og jobber på, Les More faller til kraftige nye teoretiske verktøy, slik at vi kan lage programvare som kan gjøre noen virkelig imponerende ting.
Noen applikasjoner, som selvkjørende biler, er noen år unna. Det du kanskje ikke skjønner, er at maskinlæring allerede er rundt deg, og det kan utøve en overraskende grad av innflytelse over livet ditt. Tro ikke på meg? Du kan bli overrasket.
La oss starte med et tydelig eksempel.
Innholdsrekommendasjoner
Når du surfer gjennom Spotify eller Netflix eller Amazon's Kindle Store, ser maskinalarmalgoritmer på deg. Det er deres jobb - de trenger informasjonen for å gi deg anbefalinger, et stykke maskininnlæringsteknologi så allestedsnærværende at du kanskje aldri har tenkt på det.
Det er overalt - etter all sannsynlighet har de fleste av mediene du har brukt de siste årene blitt valgt for deg av disse algoritmer.
Hvis du tenker på det, virker denne typen anbefaling umulig. Hvordan vet et dataprogram at du vil like The West Wing ? Har det sett det? Føler det menneskeheten av Martin Sheens nyanserte skildring av president Bartlett? Får det vitser? Har det vaguelt hattene til Janel Moloney?
Som det viser seg, gjør disse algoritmene ikke noe av disse tingene. I stedet rangerer de innhold basert på bruk . Disse algoritmene ignorerer innholdet i innholdet, og fokuserer i stedet på hva slags folk liker det, og hva annet de pleier å like.
Ved å se på hva du allerede liker, kan algoritmen finne ut hvilken av de lærte stereotypene du mest ligner på, og gir svært nøyaktige gjetninger om din smak. Liker du The Daily Show, Cabin in the Woods og House of Cards ? Vel, en forferdelig stor andel av menneskene i den kategorien som The West Wing. Odds er, du vil også.
Interessant, denne tidligere universelle tilnærmingen begynner å endres, ettersom vi når grensen til hva du kan finne ut av bruksmønstre. Det er reelle grenser for hva du kan gjøre med denne typen algoritme. Bare for startere - hvordan rangerer du nytt innhold som ikke har noen visninger ennå?
Det er også spørsmålet om avtagende avkastning. Netflix er bra på anbefalinger Ultimate Netflix Guide: Alt du noensinne har ønsket å vite om Netflix Den ultimate Netflix Guide: Alt du noensinne har ønsket å vite om Netflix Denne veiledningen tilbyr alt du trenger å vite om bruk av Netflix. Enten du er en ny abonnent eller en etablert fan av den beste streamingtjenesten der ute. Les mer, men de kommer ikke til å bli mye bedre med eksisterende teknikker. I 2009 hadde Netflix en konkurranse på en million dollar for å finne en overlegen versjon av anbefalingsalgoritmen, og vinneren forbedret anbefalingene med bare rundt 10%. Siden da har forbedringene vært enda mindre. På et tidspunkt vil den eneste måten å gjøre mye bedre på, være å faktisk lære datamaskiner å forstå kunst.
Så, det er hva tekniske bedrifter gjør.
I fjor søkte en Spotify-intern som heter Sander Dieleman en kraftig maskinlæringsteknologi kalt "dyp læring Microsoft vs Google - Hvem leder det kunstige intelligensløpet? Microsoft vs Google - Hvem leder det kunstige intelligensløpet? Kunstig intelligensforskere gjør konkrete fremskritt, og folk begynner å snakke seriøst om AI igjen. De to titanene som leder kunstig intelligensløp er Google og Microsoft. Les mer "i databasen, slik at programmet lærer å analysere musikk. Det neurale nettverket automatisk - ved hjelp av annet enn rå lyddata - kom til å gjenkjenne karakteristiske mønstre i musikken.
En lavnivånet neuron sparket bare som svar på vibratosang. Dypere i nettverket var en nevron som hadde lært å identifisere kristen rock. En annen sparket for chiptunes og åtte biters musikk. Lag 8bit Music: En introduksjon til Free Chiptune Music Trackers. Lag 8bit Music: En introduksjon til gratis Chiptune Music Trackers. Her er alle verktøyene du trenger for å lage din egen chiptune-musikk. Les mer . En annen sparket bare for Armin Van Buren. Mange andre var navnløse, men fremdeles uttrykte noen meningsfylte egenskaper til musikken.
Her er et kart Dieleman generert av hver artist på Spotify, gruppert etter likhet med hverandre.
(Seriøst er blogginnlegget om dette fascinerende - les det).
Alle disse funksjonene sammen gir mye rikere grunnlag for anbefalinger, fordi systemet kan anbefale sanger, ikke bare av hvem som helst liker dem, men av deres faktiske abstrakte egenskaper. Spotify har ikke rullet dette ut til forbrukerne ennå, men det er bare et spørsmål om tid. Akkurat nå, få mest mulig ut av Spotify Gjør bedre bruk av Spotify med disse topptipsene og triksene gjør bedre bruk av Spotify med disse topptipsene og triksene Hvis du har investert tid og penger i spillelister og et abonnement, er det fornuftig å lære noen av de mindre kjente funksjoner og quirks som Spotify-klienten har å tilby. Det er ikke nektet ... Les mer krever noen spesielle triks og kunnskap. I fremtiden kan det skje automatisk.
Kan det samme gjøres for å si filmer?
Det er ikke ut av spørsmålet. Google har allerede en algoritme som kan forstå et fotografi som er godt nok til å beskrive det på engelsk med en rimelig grad av nøyaktighet. Google-forsker Geoffrey Hinton, kjent som "Far for Neural Networks", sa i sin Reddit AMA at han vil bli skuffet hvis vi ikke har en algoritme som kan beskrive begivenhetene til en film innen fem år. Denne typen analytisk evne vil være mye mer informasjon som Netflix kan bruke til å lage smartere filmanbefalinger.
High Frequency Trading
Et annet område som vi ikke ofte tenker på, er algoritmisk handel. I 2012 skal halvparten av alle aksjemarkedshandlinger begynne å investere i aksjer Selv om du er en total nybegynner Slik begynner du å investere i aksjer Selv om du er en total nybegynner Det er ikke lett å legge inn investeringsverdenen, men takket være Nye algoritmebaserte elektroniske verktøy du kan bli involvert, selv om du er nybegynner. Her er seks av de beste. Les mer ble laget av dataprogrammer. Hvorfor? Fordi mennesker er treg. Markedsarrangementer kan skje på en timescala millisekunder. Mennesker kan ikke engang tolke informasjon som fort, mye mindre virker på dem.
Høyfrekvent handel legger de økonomiske beslutningene i hendene på datalgoritmer som kan forutsi oppførselen til aksjer, og kjøpe og selge tilsvarende. Mens de mangler dommen fra menneskelige handelsmenn, gir deres fart dem tilgang til muligheter som bare er for raske for mennesker.
Algoritmisk handel påvirker ditt økonomiske liv på en rekke forskjellige måter. Dine investeringer 5 Nettsteder der du kan lære å investere penger 5 Nettsteder der du kan lære å investere penger Læring å investere kan være skremmende, men disse fem nettstedene gjør det enkelt med klare forklaringer og nyttige råd. Les mer finnes i et marked som praktisk talt ser med algoritmer. De forandrer markedets dynamikk, både på gode og dårlige måter. De tilbyr mer likviditet og en buffer mot volatilitet, men de innfører også visse risikoer.
Algoritmisk handel har introdusert helt nye typer økonomisk kriminalitet. I 2010 utløste en enkelthandler med en legion av automatiserte algoritmer i et forsøk på å ulovlig manipulere markedet utilsiktet en trillion dollar-markedskrasj - aksjemarkedet falt med om lag 9% om noen minutter.
Ironisk nok ble krasjene forverret av legitime handelsalgoritmer for dumpingposisjoner som svar på nedgangen. Fordi mange av dem brukte lignende algoritmer på den tiden, matet de seg på hverandre, og skapte en negativ tilbakemeldingsløyfe. Selv om markedet gjenopprettes raskt, viser den forbausende fluktuasjonen akkurat hvor mye kontroll over den finansielle verden vi har ceded til disse algoritmer.
Reklame
Annonsering er vanskelig. Forbrukerne er ustabile og må bestikles, smigret og ellers manipulert til å kjøpe et produkt. Det er en grense for hvor effektivt du kan manipulere folk når du må kommunisere med dem masse. Folk er forskjellige, og de samme produktene og meldingene vil ikke appellere til dem alle.
Det er unødvendig å si at eksistensen av Internett og datamaskiner har fundamentalt endret spillet for annonsører. Nå kan annonsører finne en melding til en bestemt person, finne ut nøyaktig hva de vil og trenger. For å gjøre det, stole de på maskinlæringsalgoritmer som kan se på noen leser og kjøper vaner. Tror du to ganger om disse online shoppingfellene før du kjøper? Tenk du to ganger om disse online shoppingfeltene før du kjøper? Forhandlere og markedsførere bruker banebrytende atferdspsykologi for å få deg til å kjøpe sine produkter, uansett om du trenger dem eller ikke. Vet du hvordan de målretter mot deg? Les mer, og gjør innledninger om hva de kan kjøpe i fremtiden.
Kraften til disse algoritmene ble vist til sterk effekt i den beryktede saken, delt av Target-statistikeren Andrew Pole, der en målleder ble konfrontert med en irat far, og klaget over at hans tenåringsdatter ble sendt hefter med kuponger designet for gravide kvinner . Lederen ba om unnskyldning, og faren dro. Da lederen ringte for å følge opp, var han overrasket over å høre faren be om unnskyldning, etter å ha oppdaget at Targs maskinlæringsprogramvare var riktig: datteren hans var gravid.
Dette var en av hendelsene, ifølge Pole, som førte til at Target begynte å skjule effektiviteten av maskinalarmalgoritmer. Ifølge Poole,
"Vi er svært konservative for overholdelse av alle personvernlover. Men selv om du følger loven, kan du gjøre ting der folk blir kvitt. [...] Da begynte vi å blande i alle disse annonsene for ting vi visste at gravide aldri ville kjøpe, så babyannonsene så tilfeldig ut. [...] Og vi fant ut at så lenge en gravid kvinne mener at hun ikke er blitt spionert, bruker hun kupongene. Hun antar bare at alle andre på hennes blokk har samme mailer for bleier og cribs. Så lenge vi ikke spøker henne, virker det. "
Målrettet algoritmer er med andre ord så kraftige at Target aktivt må gjemme nøyaktigheten for å unngå å skremme kunder. Disse algoritmene kan ha en kraftig innvirkning på det vi kjøper, og når de brukes riktig, er de helt usynlige.
Webrangeringer
Vi hører hele tiden om ting som er "trending" eller "blowing up" eller "going viral 5 Overraskende ting jeg lærte ved å se på et innlegg, gå viral på Tumblr 5 Overraskende ting jeg lærte ved å se på et innlegg, gå på viral på tumblr Tenk deg din overraskelse når du våkner en morgen for å oppdage at noe du har gjort har gått viral. Du kan lære mye om hvordan innholdet oppfører seg på Tumblr ved å se på at virusprosessen utfolder seg. Les mer. "Generelt tenker folk på dette som en organisk prosess. Hva de kan overse, ved første øyekast, er at nesten all denne aktiviteten skjer på en håndfull nettsteder. De beste nettstedene på Internett De beste nettstedene på Internett En enorm liste over de beste nettstedene på Internett, i fjorten hendige kategorier . Disse anses å være de mest populære nettstedene som vil gi deg det du trenger. Les mer: Google, Reddit, Twitter, Tumblr og Facebook. De fleste av disse nettstedene bruker variasjoner på en maskininlæringsalgoritme for å bestemme hva du gjør og ikke ser, og disse algoritmene har en kraftig effekt på hvilke historier "gå viral", og hvilke historier gjør det ikke.
For de fleste av disse områdene er algoritmen de bruker til å rangere innholdet proprietære - en handelshemmelighet.
I tilfelle av Reddit er algoritmen som brukes til å kontrollere hvilke innlegg som gjør det til forsiden, svært kompliserte, i et ekstremt mislykket forsøk på å gjøre det vanskeligere å spille. Det samme gjelder for Twitter og Google. Alt dette er litt foruroligende, fordi dette kan bety mye.
Ifølge psykologen Roger Epstein kunne Googles valg av pagerankalgoritme enkeltvis bestemme utfallet av mer enn en fjerdedel av verdensomspennende presidentvalg. Det er mye makt i hendene på et stykke programvare.
Lær å elske algoritmer
Leksjonen å ta bort fra alt dette er ikke panikk. Vi har kuttet strøm til roboter for en stund nå - og med noen få unntak synes verden fremdeles å gå ganske bra. Det er liten grunn til å fylle opp på hermetikk og haglgeværer enda.
Men det betaler seg for å være oppmerksom på i hvilken grad disse algoritmene påvirker livet ditt. Hvilke interesser representerer de? Er dine valg så gratis som de føler?
Hva tror du? Er denne programvaren skumle? Interessant? Gi oss beskjed i kommentarene!
Image Credits: Marionette pose via Shutterstock, robotarm via Shutterstock