Сейчас многие задаются вопросом – “что может стать следующим прорывом, очередной “большой вещью”, настоящей революцией в технологиях?”. Казалось бы, развитие всех существующих технологий прогнозируемо, или еще хуже, прямолинейно (эволюционно), особенно в области социальных сетей. Все “интересные” ниши уже распределены и “забиты”.
Однако, в последнее время, появилась одна достаточно перспективная концепция, которая кажется очень интересной — это системы предвидения (anticipatory systems).
Мы начинаем видеть проблески этих новых разумных систем во всем, от автозаполнения форм регистрации и поиска до таких сервисов, как Foursquare или приложение “календарь”, и даже в рекламе и службах интернет-знакомств или в таких банальных вещах, как ремонт нового планшета a-service.in.ua
. Все чаще невидимый кибер-интеллект не ждет, когда мы скажем, чего хотим от него, заполняя поисковый запрос или отдавая команду — он подсказывает нам свои предложения, основанные на изучении нашего предыдущего опыта, а также опыта других пользователей.
Вот простое определение системы предвидения. Эти системы можно воспринимать, как искусственный интеллект, знакомый с внешним контекстом задания/задачи, которую вы ставите перед ним. Системы предвидения могут учитывать и такие “переменные” как время суток, социальные связи, запланированные встречи, локальный, соответствующий вашему местоположению прогноз погоды, наличие пробок на маршруте и многое другое. Для человека привычно решать задачи с большим набором подобных параметров и принимать быстрые решения в условиях меняющейся обстановки. Однако для компьютеров пока это довольно сложно.
Большой проблемой в сфере искусственного интеллекта является не то, что компьютеры глупы. Они просто невежественны. Мы не дали им ни достаточных данных, ни инструментов, ни правил обработки всего этого. Но, к счастью, все быстро меняется.
Понятие системы предвидения в сфере вычислений появилось в конце 1990-х. Даниэль Дюбуа (Daniel Dubois), профессор Университета Льежа в Бельгии, определил упреждающую систему как единое целое, “которое вычисляет текущее состояние, принимая во внимание его прошлые, настоящие, а также потенциальные будущие ситуации».
Немного расплывчато, тем более, практическое применение системы предвидения оказалось гораздо сложнее. Но все сегодняшние тенденции, с которыми мы имеем дело сейчас, в том числе социальные сети, локальные, картографические и мобильные сервисы, массивы больших данных, заложили основу для реализации обещаний системы предвидения.
Foursquare, например, годами собирает данные о том, где находятся его пользователи и какими местами они интересуются, и не только благодаря их чек-инам, но и локальному поиску, советам и “лайкам”. На сегодня, собранные данные позволяют превратить Foursquare в сервис персональных рекомендаций. Геосоциальный сервис этим не ограничивается и делает следующий шаг в стремлении предвосхитить потребности пользователей. Глава подразделения поиска компании Эндрю Хог (Andrew Hogue), заявил, что теперь сервис сам предоставляет пользователям рекомендации о ланче в 11 часов, а не ждет, когда пользователь введет в поисковое окно запрос «lunch».
Подобная оценка окружающих условий (время и место) также находится в центре последней версии мобильного ресторанного гида, созданного компанией Ness Computing. Прежние версии Ness использовали данные из Facebook, Foursquare, Twitter и других источников, чтобы дать персональные рекомендации для обеда, опираясь на вкусы друзей. Следующим шагом Ness стала адаптация этих рекомендаций в зависимости от окружающих условий — времени суток и местоположения пользователя. В конце этого месяца обновленное приложение в бета-версии должно появиться на рынке.
Простого анализа социальных данных не хватает, говорит генеральный директор Ness Кори Риз (Corey Reese): «Только потому, что компьютер знает, что вы делаете или любите, не означает, что он может улучшить вашу жизнь».