Аутор: Стеван Стојков
Вештачка интелигенција (artificial intelligence – AI) представља један од најчешће коришћених термина у последњих неколико година. Такође, овим термином се описује и вероватно један од најконтраверзнијих технолошких сегмената модерног доба. А будући да се он често неправилно употребљава, није изненађење што је вештачка интелигенција тема бројних расправа.
Брз развој дигиталних технологија омогућио је страховит узлет вештачке интелигенције. Идеје које су практично до јуче красиле научнофантастичну литературу и филмове и чиниле нам се потпуно незамисливе у стварности, постале су део наше свакодневице. Претварајући снове и машту у стварност, развој дигиталних технологија покренуо је и низ суштинских питања. Али и актуелизовао неке старе страхове.
Шта ће се догодити ако се изједначе људска и вештачка интелигенција питање је које малтене од саме појаве рачунара код одређеног броја људи буди страх, па чак и параноју. Наиме, технолошки сингуларитет је хипотеза према којој ће тренутак изједначавања људске и вештачке интелигенције представљати окидач даљег екстремног развоја технологије. Након ове својеврсне преломне тачке, вештачка интелигенција постаје напреднија од људске у свим могућим областима, а свет какав познајемо нестаје.
Апокалиптична слика света којим господаре роботи предвођени суперинтелигентним рачунаром налик оној предоченој нам у филмској франшизи „Терминатор“ постаје све извеснија. Међутим, колико смо стварно удаљени од оваквог сценарија? Колико је реална бојазан да би човечанство управо због вештачке интелигенције могло доћи до свог краја? И да ли су људи можда већ постали робови властитог напретка?
Чињеница је да су системи вештачке интелигенције сваким даном све напреднији и да све мање зависе од интеракције са људима. Поједини еминентни стручњаци из ове области не само да верују да је могуће креирати вештачку интелигенцију која може да мисли као човек (концепт AGI – artificial general intelligence), већ да нам се таква решења већ налазе надомак руке.
Према њиховом мишљењу поједине вештачке неуронске мреже су „већ помало свесне“, а до машина које мисле као људи ће нас ускоро довести решавање актуелних проблема који су у вези са системима вештачке интелигенције. DeepMind којег је Google купио 2014. године, сходно изнетом становишту, могао би да доведе до тога да овај мултинационални технолошки гигант буде први који ће стићи до AGI система.
Да можда нећемо дуго чекати да се то догоди наговестила нам је тврдња једног инжињера Google да се иза импресивних вербалних вештина њиховог језичког модела за дијалошке апликације – LAMDA могао да крије свесни ум. Ову тврдњу која је узбуркала светску јавност, Google је негирао, рекавши да не постоје никакви подаци који би потврдили њену истинитост.
Негирање Google-a иде у прилог скептицима који тврде да нећемо дочекати машине које мисле као људи. Наиме, за разлику од оних који верују да је концепт AGI могућ, немали број стручњака који се баве вештачком интелигенцијом тврди да због тренутних ограничења у машинском учењу, рачунарске системе који ће бити у стању да се такмиче са људском интелигенцијом нећемо добити у скоријој будућности.
Појам, врсте, кратка историја
Вишедеценијске расправе које се по питању да ли машине могу да имају свест воде међу филозофима, психолозима и компјутерским научницима експоненцијални развој вештачке интелигенције је додатно заоштрио. Као и код сваке нове технологије, њена појава обећава и доноси велике користи за човечанство. Али, исто тако, њена употреба подразумева и одређене ризике.
Један од највећих проблема са којим се суочава вештачка интелигенција, како то често наводе они који се њоме баве, је то што њу није лако и једноставно визуелно представити, што за последицу има да она и даље остаје апстрактан појам великом броју људи. Ствари додатно компликује и то како ми сами перципирамо људску интелигенцију, тј. које то функције треба да има машина да би могли да кажемо да се она понаша и размишља као човек.
Временом се искристалисало које то функције треба да има „интелигентна“ машина: учење, разумевање, решавање проблема, перцепција и језик (говор). Међутим, до јединствене и свеобухватне дефиниције појма вештачке интелигенције се још увек није дошло. Велики број њених дефиниција сведочи о томе да тврдње како свако ко се њоме бави има своју дефиницију нису претеране. Не тврдећи да су то најтачније и најсвеобухватније дефиниције вештачке интелигенције, навешћемо само њих неколико.
Вештачка интелигенција представља подобласт рачунарства. У рачунарском свету она означава опонашање људског процеса размишљања. Њен циљ је развијање програмских решења који ће рачунарима омогућити да се понашају на начин који би се могао назвати интелигентним.
Ако питате истраживача вештачке интелигенције шта је вештачка интелигенција, он би вам рекао да је то скуп алгоритама који могу да произведу резултате без потребе да буду изричито упућени да то ураде. То је симулација природне интелигенције у машинама које су програмиране да уче и опонашају радње људи.
Вештачка интелигенција се дефинише као способност дигиталног рачунара или компјутерски контролисаног робота да обавља задатке који се обично повезују са интелигентним бићима, фокусирајући се на елементе као што су препознавање говора, решавање проблема, учење и планирање.
Дакле, укратко речено, под вештачком интелигенцијом се подразумева било који рачунарски систем који опонаша природну интелигенцију како би се извршио одређени задатак. Вештачка интелигенција се може поделити у две различите категорије: слаба и јака. Слабу вештачку интелигенцију представља систем вештачке интелигенције који је дизајниран и обучен за обављање једног одређеног посла. Док се јаком вештачком интелигенцијом описује програмирање које може да реплицира когнитивне способности људског мозга.
Када је реч о врстама, вештачка интелигенција се може категорисати у четири типа:
- Тип 1: Реактивне машине – представљају системе вештачке интелигенције који немају меморију и користи алгоритме за оптимизацију излаза на основу скупа улаза. Због недостатка меморије ови системи нису способни да уче или да се прилагођавају новим ситуацијама, те имају тенденцију да буду прилично статични. Типичан пример ове врсте вештачке интелигенције су програми за играње шаха;
- Тип 2: Ограничена меморија – ови системи вештачке интелигенције имају меморију, тако да могу да користе прошла искуства за доношење будућих одлука или да се ажурирају на основу нових запажања или података. Неке од функција доношења одлука у аутономним возилима, тј. аутомобилима који се сами возе су дизајнирани на овај начин;
- Тип 3: Теорија ума – термином позајмљеним из психологије се описују системи који су потпуно прилагодљиви и имају широку способност учења и задржавања прошлих искустава. У теорији, ова врста вештачке интелигенције ће моћи да закључи људске намере и предвиди понашање. Тренутно, њени представници су напредни чет-ботови;
- Тип 4: Самосвесна вештачка интелигенција – као што им име каже, ови системи вештачке интелигенције постају свесни свог постојања и самим тим способни су да разумеју своје тренутно стање. Ова врста вештачке интелигенције још увек не постоји, а неки стручњаци верују да вештачка интелигенција никада неће постати свесна или „жива“.
Идеја о „машини која мисли“ није нова. Она датира још из античке Грчке. Међутим, најранији значајан рад у области вештачке интелигенције појавио се средином 20. века. Његов аутор је британски логичар и пионир компјутера Алан Матисон Тјуринг. Он је већ 1935. године описао апстрактну рачунарску машину која се састоји од неограничене меморије и скенера, али његов рад на пројекту изградње електронске рачунарске машине са меморисаним програмом морао је да сачека крај Другог светског рата.
Године 1947. Тјуринг, познат по томе што је разбио нацистички ЕНИГМА код, одржао је предавања на којем се по први пут чуо термин компјутерска интелигенција. На том предавању он је изјавио: „Оно што желимо је машина која може да учи из искуства“. У свом делу „Computing Machinery and Intelligence“ из 1950. године, Тјуринг предлаже начин на који би се дошло до одговора на питање могу ли машине да мисле. Тјурингов тест се користи и данас како би се утврдило да ли рачунар може да демонстрира исту интелигенцију као човек.
Са термином „вештачка интелигенција“ јавност се први пут сусреће лета 1956. године. Сковао га је Џон Макарти на првој конференцији посвећеној вештачкој интелигенцији одржаној на колеџу Дартмут. Касније те године, Ален Њуел, Џеј Си Шо и Херберт Сајмон креирају Logic Theorist – први софтверски програм намењен вештачкој интелигенцији.
Успешни пионирски кораци на овом пољу привлаче пажњу и буде интересовање Министарства одбране САД, те оно 1960-тих година улаже средства у даље истраживање и развој вештачке интелигенције. Први рачунар заснован на неуронској мрежи који је „учио“ путем покушаја и грешака појавио се 1967. године. Направио га је Френк Розенблат. Годину дана касније, у руке јавности доспева књига „Perceptrons“, аутора Марвина Минског и Симора Паперта.
Иако ове дело представља знаменити рад на неуронским мрежама, оно је, с друге стране, послужило и као аргумент против будућих истраживачких пројеката неуронских мрежа. Наступа „мрачно доба вештачке интелигенције“. Оно траје све до 1980-тих када неуронске мреже које користе алгоритам повратног ширења за обуку постају широко коришћене у апликацијама заснованим на вештачкој интелигенцији.
На велику сцену и то у пуном сјају, вештачка интелигенција се враћа 1997. године. Те године светска јавност је била сведок незапамћеног помака у њеном развоју. Наиме, у две шаховске партије од по шест мечева, IBM-ов Deep Blue је победио Гарија Каспарова, у том тренутку најбољег шахисту на свету. Ова победа је отворила врата даљим успесима вештачке интелигенције.
Кен Џенингс и Бред Рутер, шампиони игрице „Jeopardy“ 2011. године морају да честитају победу IBM-овом Watson-у. 2015. године се појављује Baidu-ов суперкомпјутер Minwa који користи посебну врсту дубоке неуронске мреже, што му омогућава да идентификује и категоризује слике са већом стопом тачности од просечног човека. А марта 2016. године DeepMind-ов програм AlphaGo је успео да победи Ли Содола, светског шампиона у „Go“ игрици, у мечу од пет утакмица.
Вештачка интелигенција и маркетинг
Данас се са вештачком интелигенцијом сусрећемо много чешће него што то заправо мислимо и примећујемо. Примена рачунарских система, алгоритама и апликација које су базиране на вештачкој интелигенцији је веома широка. Сваки пут када помоћу Google-а претражујемо интернет или користимо Google мапе ослањамо се на њу. Вештачку интелигенцију користимо и док смо на друштвеним мрежама. Такође, она нам је од помоћи и приликом онлајн поруџбина и куповина.
Многи од уређаја које свакодневно користимо, почевши од мобилних телефона, постали су „паметни“ управо захваљујући њој. Вештачка интелигенција се данас користи у производњи, транспорту, безбедности, банкарству, финансијама, законодавству, пословању, медицини, едукацији и многим другим областима. Као илустрацију разноликости њене употребе, навешћемо само два примера.
- године је направљен робот који може да тестира и провери ефикасност одређеног лека за само 46 дана, што представља драстично скраћење ако се узме у обзир да је истраживачима у лабораторијама за тај посао обично неопходно 2–3 године. Као други пример послужиће нам алгоритми вештачке интелигенције који се користе за креирање садржаја. Наиме, сценарио за другу сезону популарне серије „Кућа од карата“ рађен је на основу података о реакцијама гледалаца на прву сезону који су прикупили и анализирали поменути алгоритми.
Широка примена вештачке интелигенције разлог је због којег се овај термин често посматра као кишобран испод којег се „сакрило“ више различитих типова технологија у које је она уграђена. Најчешћи од њих су:
- аутоматизација,
- машинско учење,
- машински (компјутерски) вид,
- обрада природног језика,
- роботика,
- самовозећи аутомобили.
Као што је то случај и са другим областима у којима је примена система заснованих на њој постала неизоставна, вештачка интелигенција је и у маркетинг ушла на мала врата. Наиме, у почетку маркетиншки стручњаци су били скептични по питању њене примене. Нису разумели ту нову технологију, те нису били спремни да је прихвате. Она је за њих представљала својеврсне „црне кутије“, јер су принципи њеног функционисања за већину маркетара били потпуно страни.
Вештачка интелигенција и алгоритми машинског учења су у то време углавном представљали предмете теоријских расправа који су се водили у академским круговима. До 2000-тих, практична примена решења на бази вештачке интелигенције била је препуштена само великим технолошким компанијама. Развој дигиталних технологија „повукао“ је са собом и вештачку интелигенцију.
Развој вештачке интелигенције учинио је да она постане доступнија и мањим предузећима. Ширење система заснованих на вештачкој интелигенцији на многе области свакодневног живота, довео је до промене у њеној перцепцији. Вештачка интелигенција задобија додатно поверење и полако постаје незаобилазна у многим индустријама, мењајући начине на које су се одређени задаци до њене употребе обављали.
Из тог разлога се веома често може чути да вештачка интелигенција мења и маркетинг. Ова тврдња је тачна, али само, и то треба подвући, ако се односи на начине на који се обављају одређени маркетиншки задаци. Основна сврха маркетинга као пословне активности је непроменљива и не зависи од увођења било које нове технологије, а она је „подстицање ангажовања потрошача у нади да ће то довести до куповине и, с временом, изградње лојалности бренду“.
Дакле, вештачка интелигенција није и не може да промени сврху маркетинга, али је зато постала веома важан фактор ефикасности његових активности, нарочито на пољу дигиталног маркетинга. У данашњем дигиталном свету, постизање врхунског корисничког искуства и боље повезивање са циљном публиком постало је драматично теже него икада пре.
Кључ успеха у маркетиншким активностима данас се налази у персонализацији. Да би се она адекватно спровела, маркетарима су неопходне огромне количине података из практично сваког аспекта пословања. Наравно, најкритичнији су подаци о потрошачима, постојећим и потенцијалним. Развој дигиталне технологије је омогућио маркетарима прибављање и складиштење заиста огромне количине веома детаљних података о потрошачима. Међутим, прикупљање података о потрошачима није само по себи циљ. Оно што се у њима крије занима маркетаре.
Откривање потрошачких трендова из огромне количине података било би изузетно тешко, практично немогуће, учинити без употребе алата заснованих на вештачкој интелигенцији. Вештачка интелигенција и алгоритми машинског учења представљају једну од најефикаснијих технологија за предвиђање вероватног будућег понашања. Ови софистицирани алати омогућавају маркетарима да добро упознају своју циљну групу потрошача. Такође, они им, путем персонализације, пружају најбољу прилику за повезивање са циљном публиком.
Вештачка интелигенција помаже маркетарима да боље разумеју своје потрошаче. Она им пружа одговоре, и то у реалном времену, шта треба циљној групи потрошача и где она то тражи. Користећи ове податке, маркетари су у прилици да побољшају своје пословне перфомансе, понуде боља искуства својим потрошачима и на тај начин стекну њихово дугорочно поверење. А за то им на располагању такође стоје алати засновани на вештачкој интелигенцији. Они им то омогућују путем аутоматске испоруке прилагођених и релевантних информација и искустава на много бржи, једноставнији и ефикаснији начин него што је то било могуће пре.
Да би то постигли системи засновани на вештачкој интелигенцији и алгоритми машинског учења ослањају се на концепт груписања понашања потрошача ради предвиђања њиховог будућег понашања. Овај концепт је први почео да користи Amazon 1998. године. „Сарадничко филтрирање“ како су у Amazon-у назвали овај концепт, омогућио им је препоруке за милионе њихових купаца.
Данас се овај концепт широко примењује и вероватно сте се и ви са њим сусрели. На основу њега Spotify креира прилагођени списак песама на основу онога што је корисник слушао у прошлости, тренутних хитова у различитим жанровима и о којој се музици прича. Netflix то чини са филмовима и серијама. Ова платформа користи машинско учење да би разумела за које је жанрове одређени корисник заинтересован. Facebook се такође служи алатима и алгоритмика вештачке интелигенције када корисницима предлаже пријатеље које можда познају.
Тумачење података о понашању потрошача упарених са информацијама о профилу корисника и његовим демографским подацима разлог су великог броја добрих препорука. Ови системи вештачке интелигенције се стално прилагођавају жељама потрошача. Они бележе свако њихово свиђање и несвиђање, те на њих реагују новим препорукама прилагођеним у реалном времену.
Важан део доброг потрошачког искуства у дигиталном добу представљају персонализоване маркетиншке поруке. Оне треба да буду засноване на интересовањима потрошача, историји њихове куповине, локацији где су је обављали, досадашњим интеракцијама са брендом и низу других података. Вештачка интелигенција помаже маркетарима да превазиђу стандардне демографске податке како би сазнали више о преференцијама потрошача.
Такође, она прати потрошачке реакције на послате поруке, што све заједно омогућава маркетарима да креирају више прилагођених порука потрошачима на основу њихових преференција, јер различити потрошачи одговарају на различите апеле уграђене маркетиншке поруке.
Вештачка интелигенција и алгоритми машинског учења помажу маркетиншким тимовима и приликом одлучивање где ће поставити огласе и поруке. На основу података као што су интересовања, локација, историја куповине, намера купца и многих других, ови алати лицитирају огласни простор који је релевантан за циљну публику у реалном времену.
Могућности употребе вештачке интелигенције у маркетиншким активностима су бројне. Сваким даном њихов списак постаје све дужи и обухвата веома широк спектар – од помоћи у аутоматизацији тактичких процеса, преко алата са креирање садржаја, имејл маркетинга, па све до динамичког одређивања цена. Будући да их овде не можемо све наводити, навешћемо само још један вид успешне примене вештачке интелигенције у маркетингу.
Овај вид је нарочито популаран последњих дана и предмет је великог интересовања јавности, а тренутна звезда је ChatGPT. Реч је о чет-ботовима (chatbots). Захваљујући развоју обраде природног језика путем вештачке интелигенције, чет-ботови се данас користе као агенти корисничке подршке. Корисницима који им се обрате са најосновнијим питањима они су у стању да дају тренутне и тачне одговоре. Такође, они могу да искористе прошла питања и историјске податке како би корисницима пружили персонализоване резултате.
Све до сада речено о употреби вештачке интелигенције у маркетингу исту је представило у најлепшем светлу. За поједине, она и нема лоше стране. Они о њој говоре само у суперлативу. И наравно, нису у праву. Такви људи имају нереална очекивања од вештачке интелигенције. Бројни маркетиншки стручњаци се слажу у оцени да вештачка интелигенција може и јесте од велике помоћи, али не скривају њена тренутна ограничења.
Свака нова технологија која се појави на тржишту је скупа. Вештачка интелигенција не представља изузетак од овог правила. Њена куповина и одржавање могу значајно повећати трошкове. С тим у вези, одређене маркетиншке задатке не може да обави само један систем заснован на вештачкој интелигенцији, већ је неопходно ослонити се на различита појединачна решења како би се ти задаци извршили. Непостојање јединственог решења, осим што додатно поскупљује, чини набавку ових система још компликованијом.
Системи вештачке интелигенције не могу да раде сами. Они захтевају надзор. Да би научили шта треба да раде, њима је неопходан неко ко ће их нахранити свим потребним информацијама. А за вођење маркетиншке кампање, потребан је маркетиншки стручњак који ће је планирати и водити, јер је вештачка интелигенција ограничена на своје размишљање. Она може да ради само оно за шта је програмирана. Она сав свој посао обавља одлично, али за разлику од људи, није у стању да самостално доноси било какве пресуде, нарочито оне које се заснивају не на логици, већ на интуицији.
За успешан рад вештачке интелигенције потребан је велики скуп податак. Ако системи вештачке интелигенције нису посебно програмирани да поштују одређене правне смернице веома се лако може догодити да они прекораче оно што се сматра прихватљивим у смислу коришћења података о потрошачима за персонализацију маркетинга. У случају да до тога дође, маркетари ризикују да се суоче са строгим казнама и нарушавањем репутације.
И на крају, а за маркетинг и најважнији недостатак, вештачка интелигенција не поседује креативност. Она није направљена за креативне послове, тј. њена креативност је ограничена на креативну способност особе која је програмира и њоме управља. Вештачка интелигенција може бити од велике помоћи приликом осмишљавања и креирања неког изванредног решења, али још увек не може да се такмичи са људским мозгом.
Са вештачком интелигенцијом се сусрећемо свакодневно. Свако домаћинство поседује бар један „паметан“ уређај. Али да ли било ко такве уређаје доживљава као стварно интелигентна бића?
Да ли ће даљим развојем она то постати? Упркос надањима појединих ентузијаста, реалнији је сценарио да ћемо одговор на то питање још дуго чекати. Садашњи системи који користе вештачку интелигенцију представљају моћне пословне алате. Веома брзо и ефикасно обрађују велике количине података. Одлично предвиђају, а поједини могу чак да доносе и закључке. Користе се и користиће се у још већем обиму у маркетингу.
У неким пословима ће заменити људе. То се већ сада дешава. Међутим, све док вештачка интелигенција не постане самосвесна, емотивна, креативна, морална, сналажљива… неће моћи да замени људе.
Извори:
https://www.marketingevolution.com/marketing-essentials/ai-markeitng
https://martech.org/why-we-care-about-ai-in-marketing/
https://www.ama.org/marketing-news/the-past-present-and-future-of-ai-in-marketing/
https://www.britannica.com/technology/artificial-intelligence/Reasoning
https://www.ibm.com/topics/artificial-intelligence
https://www.techtarget.com/searchenterpriseai/definition/AI-Artificial-Intelligence
https://www.marketingaiinstitute.com/blog/limitations-of-marketing-artificial-intelligence
https://hapticmedia.com/blog/artificial-intelligence-in-marketing-definition-example-benefit/
https://www.preduzmi.rs/ai-vodic/
https://inkubator.biz/vi-vestacka-inteligencija/
Остави коментар